這份作業希望能夠讓你練習：
%>%)題目大部分都要求印出 tibble/dataframe，若你的資料是 tibble，直接印出即可，若是 dataframe，請印出前三列即可。
滿分共 100 分。
本題目利用內政部統計處的社會經濟資料服務平台所提供的資料，該平台有大量台灣的地理圖資與人口變數，之後找題目可以參考。我們使用的是 109 年第 4 季各縣市的結婚統計。
data 資料夾 -> Lab04 資料夾 -> 109Q4_county_marriage.csv，並取名為 df_109Q4_county_marriage。檔案讀進來後可能有亂碼，請任選課堂提到的亂碼處理方式（讀取前修改編碼、讀取設定參數、讀進後修改編碼），將檔案以正確編碼印出。若你是讀取前修改編碼，請用文字說明步驟，若你是設定參數或修改編碼，請在程式碼中用註解(#)說明你在做什麼！### your code
### your result should be
#> # A tibble: 23 x 7
#> COUNTY_ID COUNTY MARRY_CP_CNT MARRY_CNT MARRY_M_CNT MARRY_F_CNT INFO_TIME
#> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
#> 1 縣市代碼 縣市名稱… 結婚對數 結婚登記中外(含大… 結婚登記中外(含大陸港… 結婚登記中外(含大陸港… 資料時間
#> 2 65000 新北市 6529 580 189 391 109Y4S
#> 3 63000 臺北市 3856 422 207 215 109Y4S
#> 4 68000 桃園市 3986 370 107 263 109Y4S
#> 5 66000 臺中市 4837 381 130 251 109Y4S
#> 6 67000 臺南市 2706 185 57 128 109Y4S
#> 7 64000 高雄市 4139 343 112 231 109Y4S
#> 8 10002 宜蘭縣 725 62 11 51 109Y4S
#> 9 10004 新竹縣 1003 71 13 58 109Y4S
#> 10 10005 苗栗縣 859 75 19 56 109Y4S
#> # … with 13 more rowsslice() and mutate()：這份資料有七個 column，而且第一列是中文欄位名稱。承上題，請先修改編碼，又因為後續計算需要將幾個欄位轉成數值，所以請將第一列踢掉，接著將結婚對數, 結婚登記中外聯姻人數, 結婚登記中外聯姻男性人數, 結婚登記中外聯姻女性人數 從 character 變成 integer，最後將結果儲存在 df_109Q4_county_marriage_clean，並印出 df_109Q4_county_marriage_clean（欄位名稱是英文的沒錯）### your code
### your result should be
#> # A tibble: 22 x 7
#> COUNTY_ID COUNTY MARRY_CP_CNT MARRY_CNT MARRY_M_CNT MARRY_F_CNT INFO_TIME
#> <chr> <chr> <int> <int> <int> <int> <chr>
#> 1 65000 新北市 6529 580 189 391 109Y4S
#> 2 63000 臺北市 3856 422 207 215 109Y4S
#> 3 68000 桃園市 3986 370 107 263 109Y4S
#> 4 66000 臺中市 4837 381 130 251 109Y4S
#> 5 67000 臺南市 2706 185 57 128 109Y4S
#> 6 64000 高雄市 4139 343 112 231 109Y4S
#> 7 10002 宜蘭縣 725 62 11 51 109Y4S
#> 8 10004 新竹縣 1003 71 13 58 109Y4S
#> 9 10005 苗栗縣 859 75 19 56 109Y4S
#> 10 10007 彰化縣 1882 161 32 129 109Y4S
#> # … with 12 more rowsarrange() and slice()：請利用 df_109Q4_county_marriage_clean，篩選出 109 Q4 結婚對數最多的縣市，最後給我縣市代碼、縣市名稱、結婚對數的 tibble/dataframe### your code
### your result should be
#> # A tibble: 1 x 3
#> COUNTY_ID COUNTY MARRY_CP_CNT
#> <chr> <chr> <int>
#> 1 65000 新北市 6529filer() and arrange()：請利用 df_109Q4_county_marriage_clean，先篩選出台灣六都，接著按照結婚對數由大到小排列，最後給我包含所有欄位的 tibble/dataframe### your code
### your result should be
#> # A tibble: 6 x 7
#> COUNTY_ID COUNTY MARRY_CP_CNT MARRY_CNT MARRY_M_CNT MARRY_F_CNT INFO_TIME
#> <chr> <chr> <int> <int> <int> <int> <chr>
#> 1 65000 新北市 6529 580 189 391 109Y4S
#> 2 66000 臺中市 4837 381 130 251 109Y4S
#> 3 64000 高雄市 4139 343 112 231 109Y4S
#> 4 68000 桃園市 3986 370 107 263 109Y4S
#> 5 63000 臺北市 3856 422 207 215 109Y4S
#> 6 67000 臺南市 2706 185 57 128 109Y4S mutate() and arrange() and filter()：請利用 df_109Q4_county_marriage_clean，先增加一個計算各縣市的結婚登記中外聯姻人數中，女性人數佔比的欄位，接著再增加一個欄位計算女性人數佔比的排名(最高為 1)，最後請篩選出聯姻人數女性比例前三高的列，並給我縣市代碼、縣市名稱、結婚登記中外聯姻人數、聯姻女性人數、聯姻女性人數比例、聯姻女性比例排名的 tibble/dataframe提示：你可以查一下row_number() 在做些什麼
### your code
### your result should be
#> # A tibble: 3 x 6
#> COUNTY_ID COUNTY MARRY_CNT MARRY_F_CNT MARRY_F_CNT_PER MARRY_F_CNT_RANK
#> <chr> <chr> <int> <int> <dbl> <int>
#> 1 10009 雲林縣 78 70 0.897 1
#> 2 10002 宜蘭縣 62 51 0.823 2
#> 3 10004 新竹縣 71 58 0.817 3本題目利用台大碩士班考試入學報名人數資料，原始檔案有 PDF 與 Excel，這邊選擇 Excel 檔案，讓你練習讀取 Excel 檔案以及資料操作。
data 資料夾 -> Lab04 資料夾 -> 台大_101學年度碩士班考試招生錄取情況一覽表.xls，並取名為 df_ntu_exam。另外提醒一下，這個檔案是 .xls，也就是舊版的 excel 檔案，不是現在較常見的 .xlsx 喔！### your code
### your result should be
#> # A tibble: 224 x 20
#> 口試 簡章代碼 口試比例 系所別 組別 報考人數 ...7 招生名額 ...9 錄取人數
#> <chr> <chr> <dbl> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
#> 1 <NA> <NA> NA <NA> <NA> 一般 在職 一般 在職 一般
#> 2 <NA> <NA> NA 總計 <NA> 18474 <NA> 1935 <NA> 1908
#> 3 <NA> <NA> NA 合計(全部… <NA> 18372 102 1860 75 1876
#> 4 <NA> <NA> NA 小計(無口… <NA> 11309 26 1251 33 1258
#> 5 <NA> <NA> NA 小計(有口… <NA> 7063 76 609 42 618
#> 6 <NA> 101 NA 中國文學系… <NA> 175 <NA> 17 <NA> 17
#> 7 "●\u00… 102 0.25 外國語文學… <NA> 73 <NA> 10 <NA> 10
#> 8 <NA> 103 NA 歷史學系… <NA> 127 <NA> 18 <NA> 20
#> 9 <NA> 104 NA 哲學系 甲組(主… 6 <NA> 3 <NA> 2
#> 10 <NA> 105 NA 哲學系 乙組(主… 23 <NA> 3 <NA> 3
#> # … with 214 more rows, and 10 more variables: ...11 <chr>, 錄取情況 <chr>,
#> # ...13 <chr>, 錄取最低分數 <chr>, ...15 <chr>, 錄取率 <chr>, ...17 <chr>,
#> # 備取人數 <chr>, ...19 <chr>, 本校最低門檻 <dbl>select()：台大考試入學的碩士生分為一般組與在職組，請幫我拿掉在職相關的欄位。另外，也請幫我拿掉口試相關的欄位，完成後印出 tibble/dataframe提示：你可以先在 Excel 當中打開原始檔案看長相
### your code
### your result should be
#> # A tibble: 224 x 11
#> 簡章代碼 系所別 組別 報考人數 招生名額 錄取人數 錄取情況 錄取最低分數 錄取率
#> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
#> 1 <NA> <NA> <NA> 一般 一般 一般 一般 一般 一般
#> 2 <NA> 總計 <NA> 18474 1935 1908 缺額29 <NA> 0.103…
#> 3 <NA> 合計(全部… <NA> 18372 1860 1876 增額14 <NA> 0.102…
#> 4 <NA> 小計(無口… <NA> 11309 1251 1258 增額7 <NA> 0.111…
#> 5 <NA> 小計(有口… <NA> 7063 609 618 增額7 <NA> 0.087…
#> 6 101 中國文學系… <NA> 175 17 17 <NA> 230 0.097…
#> 7 102 外國語文學… <NA> 73 10 10 <NA> 221.66 0.136…
#> 8 103 歷史學系… <NA> 127 18 20 同分2 285 0.157…
#> 9 104 哲學系 甲組(主… 6 3 2 缺額1 202 0.333…
#> 10 105 哲學系 乙組(主… 23 3 3 <NA> 201 0.130…
#> # … with 214 more rows, and 2 more variables: 備取人數 <chr>,
#> # 本校最低門檻 <dbl>slice() or filter() or [,]：觀察原始檔案可以發現，資料中前幾列包含總計、合計、小計，因為我只想看各系所的招生情況，所以請先依照上題所說，先拿掉在職與口試相關的欄位，接著幫我抓取從中國文學系開始的資料，完成後將結果儲存在 df_ntu_exam_clean，最後將 df_ntu_exam_clean 印出### your code
### your result should be
#> # A tibble: 219 x 11
#> 簡章代碼 系所別 組別 報考人數 招生名額 錄取人數 錄取情況 錄取最低分數 錄取率
#> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
#> 1 101 中國文學系… <NA> 175 17 17 <NA> 230 0.097…
#> 2 102 外國語文學… <NA> 73 10 10 <NA> 221.66 0.136…
#> 3 103 歷史學系… <NA> 127 18 20 同分2 285 0.157…
#> 4 104 哲學系 甲組(主… 6 3 2 缺額1 202 0.333…
#> 5 105 哲學系 乙組(主… 23 3 3 <NA> 201 0.130…
#> 6 106 人類學系… <NA> 29 8 8 <NA> 334.6000000… 0.275…
#> 7 107 圖書資訊學… <NA> 42 9 9 <NA> 316 0.214…
#> 8 108 日本語文學… <NA> 54 12 12 <NA> 263.9700000… 0.222…
#> 9 109 戲劇學系… 甲組(主… 30 9 7 缺額2 182 0.233…
#> 10 110 戲劇學系… 乙組(劇… 14 3 1 缺額2 233.66 0.071…
#> # … with 209 more rows, and 2 more variables: 備取人數 <chr>,
#> # 本校最低門檻 <dbl>filter()：觀察原始資料後發現，有些系組的報考人數的值為空，請利用 df_ntu_exam_clean，幫我找出報考人數值為空的資料有哪些，完成後印出 tibble/dataframe提示
is.na() 這個函數，如果 NA 丟進去，會得到 TRUE，以外會得到 FALSEfilter() 的本質就是篩選符合特定條件的列，所以理想上你也可以篩選出報考人數的值為空的列### your code
### your result should be
#> # A tibble: 12 x 11
#> 簡章代碼 系所別 組別 報考人數 招生名額 錄取人數 錄取情況 錄取最低分數 錄取率
#> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
#> 1 411 醫學檢驗暨… (在職)… <NA> <NA> <NA> <NA> <NA> <NA>
#> 2 502 土木工程學… 大地工程… <NA> <NA> <NA> <NA> <NA> <NA>
#> 3 504 土木工程學… 結構工程… <NA> <NA> <NA> <NA> <NA> <NA>
#> 4 506 土木工程學… 水利工程… <NA> <NA> <NA> <NA> <NA> <NA>
#> 5 710 國際企業學… 丁組 <NA> <NA> <NA> <NA> <NA> <NA>
#> 6 803A 職業醫學與… 甲組 <NA> 6 7 <NA> 202.3000000… <NA>
#> 7 803B 環境衛生研… 甲組 <NA> 6 7 <NA> 201.8000000… <NA>
#> 8 809 公共衛生碩… 甲組(生… <NA> <NA> <NA> <NA> <NA> <NA>
#> 9 810 公共衛生碩… 乙組(流… <NA> <NA> <NA> <NA> <NA> <NA>
#> 10 811 公共衛生碩… 丙組(社… <NA> <NA> <NA> <NA> <NA> <NA>
#> 11 812 公共衛生碩… 丁組(健… <NA> <NA> <NA> <NA> <NA> <NA>
#> 12 813 公共衛生碩… 戊組(環… <NA> <NA> <NA> <NA> <NA> <NA>
#> # … with 2 more variables: 備取人數 <chr>, 本校最低門檻 <dbl>df_ntu_exam_clean 輸出成 .csv 到 Lab04 資料夾當中，請取名為 df_ntu_exam_clean.csv。### your codefilter() and select()：請幫我利用 df_ntu_exam_clean，篩選出 “新聞研究所” 的資料感嘆一下 101 年的榮景，最後印出新聞所那列的系所、報考人數、招生名額、錄取人數、錄取率的 tibble/dataframe### your code
### your result should be
#> # A tibble: 1 x 5
#> 系所別 報考人數 招生名額 錄取人數 錄取率
#> <chr> <chr> <chr> <chr> <chr>
#> 1 新聞研究所 275 13 14 0.050909090909090911