Lab06_Homework_Visualizing-Date-Time_ref
曾子軒 Teaching Assiatant
2021/03/30
作業目的: Data Manipulation and Joining
這份作業希望能夠讓你熟悉於清理資料(cleaning data)，並且利用視覺化的文法(grammar of graphics) 呈現結果。過程中會用到前幾週學過 dplyr 的動詞，以及 lubridate 和 ggplot2。每個小題都請寫下你的原始碼並且畫出圖表。
這次的作業使用 readr 提供的原始資料，主題是台灣的電影票房，有興趣的話可以點進 【讀 + 數據】咦！颱風都不來！水庫預警之歷年水庫水位最低是⋯⋯？ 看一下這篇資料新聞
作業: Data Manipulation and Joining
### 這邊不要動
library(tidyverse)
library(lubridate)
df_reservoir_2020 <-
read_csv("data/Lab06/reservoir_data_2020.csv", col_names = F)
df_reservoir_2019 <-
read_csv("data/Lab06/reservoir_data_2019.csv", col_names = F)
df_reservoir_2018 <-
read_csv("data/Lab06/reservoir_data_2018.csv", col_names = F)
df_reservoir_raw <- df_reservoir_2020 %>%
bind_rows(df_reservoir_2019) %>%
bind_rows(df_reservoir_2018 ) %>%
rename(name = 1, year = 2, area = 3, town = 4, date = 5, height = 6, value = 7, percentage = 8)
### 給你看資料長這樣
df_reservoir_raw %>% head(5)#> # A tibble: 5 x 8
#> name year area town date height value percentage
#> <chr> <dbl> <chr> <chr> <chr> <dbl> <dbl> <chr>
#> 1 石門水庫 2020 臺灣北區 桃園市龍潭區、大溪區、復興區… 1/1 242. 1.75e4 88.89 %
#> 2 西勢水庫 2020 臺灣北區 基隆巿暖暖區 1/1 72.1 4.37e1 100 %
#> 3 新山水庫 2020 臺灣北區 基隆巿安樂區 1/1 83.8 8.68e2 86.61 %
#> 4 翡翠水庫 2020 臺灣北區 新北市新店區 1/1 167. 3.09e4 92.24 %
#> 5 寶山水庫 2020 臺灣北區 新竹縣寶山鄉 1/1 140. 4.32e2 85.79 %1. dplyr & ggplot2::geom_col()
水庫有多少
A. 各個區域(area)有多少縣市有水庫？
B. 各個區域(area)有多少水庫？
C. 請先分別畫，再想辦法畫在一起！
# 第一步：找縣市
df_reservoir_raw %>% mutate(county = str_sub(town, 1, 3))
# 第二步：以區域跟縣市為單位計算有水庫的縣市、水庫數量
df_reservoir_raw %>% mutate(county = str_sub(town, 1, 3)) %>%
group_by(area) %>%
summarise(n_town = n_distinct(county),
n_name = n_distinct(name))
# 第三步：畫畫
df_reservoir_agg_area <- df_reservoir_raw %>% mutate(county = str_sub(town, 1, 3)) %>%
group_by(area) %>%
summarise(n_town = n_distinct(county),
n_name = n_distinct(name))
# A. 畫各個區域(area)有多少縣市有水庫
df_reservoir_agg_area %>%
ggplot(aes(x = area, y = n_town)) + geom_col() +
theme(text = element_text(family = "Noto Sans CJK TC Medium"))
# B. 畫各個區域(area)有多少水庫
df_reservoir_agg_area %>%
ggplot(aes(x = area, y = n_name)) + geom_col() +
theme(text = element_text(family = "Noto Sans CJK TC Medium"))
# C. 畫在一起
df_reservoir_agg_area %>%
pivot_longer(names_to = "type", values_to = "value", cols = 2:3) %>%
ggplot(aes(x = area, y = value)) + geom_col() +
facet_wrap(type ~ .) +
theme(text = element_text(family = "Noto Sans CJK TC Medium"))
#> # A tibble: 30,879 x 9
#> name year area town date height value percentage county
#> <chr> <dbl> <chr> <chr> <chr> <dbl> <dbl> <chr> <chr>
#> 1 石門水庫 2020 臺灣北區… 桃園市龍潭區、大溪區、復興區… 1/1 242. 1.75e4 88.89 % 桃園市
#> 2 西勢水庫 2020 臺灣北區… 基隆巿暖暖區 1/1 72.1 4.37e1 100 % 基隆巿
#> 3 新山水庫 2020 臺灣北區… 基隆巿安樂區 1/1 83.8 8.68e2 86.61 % 基隆巿
#> 4 翡翠水庫 2020 臺灣北區… 新北市新店區 1/1 167. 3.09e4 92.24 % 新北市
#> 5 寶山水庫 2020 臺灣北區… 新竹縣寶山鄉 1/1 140. 4.32e2 85.79 % 新竹縣
#> 6 寶山第二水庫… 2020 臺灣北區… 新竹縣寶山鄉 1/1 143. 2.23e3 71.01 % 新竹縣
#> 7 永和山水庫… 2020 臺灣中區… 苗栗縣頭份鎮、三灣鄉… 1/1 78.8 2.02e3 67.27 % 苗栗縣
#> 8 大埔水庫 2020 臺灣中區… 新竹縣峨眉鄉 1/1 69.0 4.73e2 89.18 % 新竹縣
#> 9 明德水庫 2020 臺灣中區… 苗栗縣頭屋鄉 1/1 57.9 7.92e2 64.78 % 苗栗縣
#> 10 鯉魚潭水庫… 2020 臺灣中區… 苗栗縣卓蘭鎮大湖鄉… 1/1 294. 8.87e3 77.45 % 苗栗縣
#> # … with 30,869 more rows
#> # A tibble: 4 x 3
#> area n_town n_name
#> * <chr> <int> <int>
#> 1 澎湖地區 1 5
#> 2 臺灣中區 4 8
#> 3 臺灣北區 4 6
#> 4 臺灣南區 5 112. dplyr & ggplot2::geom_col()
台灣本島 2018-2020 02/01 蓄水量各區域蓄水量百分比
A. 台灣本島蓄水量各區域蓄水量百分比的堆疊長條圖
B. 台灣本島蓄水量各區域蓄水量百分比的併排長條圖
# 為什麼看本島而已幹嘛欺負澎湖人
df_reservoir_raw %>%
filter(date == "2/1") %>%
group_by(year, area) %>%
summarise(value = sum(value))
# 第一步: 計算每年、每區的蓄水量
df_reservoir_raw %>%
filter(area != "澎湖地區") %>%
filter(date == "2/1") %>%
group_by(year, area) %>%
summarise(value = sum(value)) %>% ungroup()
# 第二步: 計算每年、每區的蓄水量佔比
df_reservoir_raw %>%
filter(area != "澎湖地區") %>%
filter(date == "2/1") %>%
group_by(year, area) %>%
summarise(value = sum(value)) %>% ungroup() %>%
group_by(year) %>% mutate(per = value/sum(value))
# 第三步：畫畫
df_reservoir_agg_year <- df_reservoir_raw %>%
filter(area != "澎湖地區") %>%
filter(date == "2/1") %>%
group_by(year, area) %>%
summarise(value = sum(value)) %>% ungroup() %>%
group_by(year) %>% mutate(per = value/sum(value))
# A. 台灣本島蓄水量各區域蓄水量百分比的堆疊長條圖
df_reservoir_agg_year %>%
ggplot(aes(x = year, y = per, fill = area)) +
geom_col() +
theme(text = element_text(family = "Noto Sans CJK TC Medium"))
# B. 台灣本島蓄水量各區域蓄水量百分比的併排長條圖
df_reservoir_agg_year %>%
ggplot(aes(x = year, y = per, fill = area)) +
geom_col(position = "dodge") +
theme(text = element_text(family = "Noto Sans CJK TC Medium"))
#> # A tibble: 12 x 3
#> # Groups: year [3]
#> year area value
#> <dbl> <chr> <dbl>
#> 1 2018 澎湖地區 52.9
#> 2 2018 臺灣中區 44200.
#> 3 2018 臺灣北區 55346.
#> 4 2018 臺灣南區 38493.
#> 5 2019 澎湖地區 97.0
#> 6 2019 臺灣中區 30229.
#> 7 2019 臺灣北區 45796.
#> 8 2019 臺灣南區 44365.
#> 9 2020 澎湖地區 67.6
#> 10 2020 臺灣中區 32228.
#> 11 2020 臺灣北區 47751.
#> 12 2020 臺灣南區 47136.
#> # A tibble: 9 x 3
#> year area value
#> <dbl> <chr> <dbl>
#> 1 2018 臺灣中區 44200.
#> 2 2018 臺灣北區 55346.
#> 3 2018 臺灣南區 38493.
#> 4 2019 臺灣中區 30229.
#> 5 2019 臺灣北區 45796.
#> 6 2019 臺灣南區 44365.
#> 7 2020 臺灣中區 32228.
#> 8 2020 臺灣北區 47751.
#> 9 2020 臺灣南區 47136.
#> # A tibble: 9 x 4
#> # Groups: year [3]
#> year area value per
#> <dbl> <chr> <dbl> <dbl>
#> 1 2018 臺灣中區 44200. 0.320
#> 2 2018 臺灣北區 55346. 0.401
#> 3 2018 臺灣南區 38493. 0.279
#> 4 2019 臺灣中區 30229. 0.251
#> 5 2019 臺灣北區 45796. 0.380
#> 6 2019 臺灣南區 44365. 0.369
#> 7 2020 臺灣中區 32228. 0.254
#> 8 2020 臺灣北區 47751. 0.376
#> 9 2020 臺灣南區 47136. 0.3713. lubridate & ggplot2::geom_line()
石門水庫蓄水量百分比變化
A. 2019 年每天的蓄水量百分比變化
B. 2018-2020年 1 月的蓄水量百分比變化比較
# 先來看看資料長相
df_reservoir_raw %>% filter(name == "石門水庫") %>% count(year)
# A. 2019 年每天的蓄水量百分比變化
df_reservoir_raw %>% filter(name == "石門水庫") %>% filter(year == 2019) %>%
ggplot(aes(x = date, y = percentage))
df_reservoir_raw %>% select(date, percentage) %>% head(5)
df_reservoir_raw %>% filter(name == "石門水庫") %>% filter(year == 2019) %>%
mutate(percentage = str_remove_all(percentage, " |\\%")) %>%
mutate(percentage = as.numeric(percentage)) %>%
mutate(percentage = percentage/100) %>%
mutate(date2 = str_c(year, "/", date)) %>%
mutate(date2 = as_date(date2)) %>%
filter(!is.na(date2)) %>%
ggplot(aes(x = date2, y = percentage)) + geom_line()
# B. 石門水庫蓄水量百分比變化: 想看這三年間 1 月的比較
df_reservoir_raw %>% filter(name == "石門水庫") %>%
mutate(percentage = str_remove_all(percentage, " |\\%")) %>%
mutate(percentage = as.numeric(percentage)) %>%
mutate(percentage = percentage/100) %>%
mutate(date2 = str_c(year, "/", date)) %>%
mutate(date2 = as_date(date2)) %>%
filter(!is.na(date2)) %>%
mutate(month = month(date2)) %>%
filter(month == 1) %>%
ggplot(aes(x = date2, y = percentage, color = year)) + geom_line()
df_reservoir_raw %>% filter(name == "石門水庫") %>%
mutate(percentage = str_remove_all(percentage, " |\\%")) %>%
mutate(percentage = as.numeric(percentage)) %>%
mutate(percentage = percentage/100) %>%
mutate(date2 = str_c(year, "/", date)) %>%
mutate(date2 = as_date(date2)) %>%
filter(!is.na(date2)) %>%
mutate(month = month(date2)) %>%
mutate(day = day(date2)) %>%
filter(month == 1) %>%
ggplot(aes(x = day, y = percentage, color = year)) + geom_line()
df_reservoir_raw %>% filter(name == "石門水庫") %>%
mutate(percentage = str_remove_all(percentage, " |\\%")) %>%
mutate(percentage = as.numeric(percentage)) %>%
mutate(percentage = percentage/100) %>%
mutate(date2 = str_c(year, "/", date)) %>%
mutate(date2 = as_date(date2)) %>%
filter(!is.na(date2)) %>%
mutate(month = month(date2)) %>%
mutate(day = day(date2)) %>%
mutate(year = as.factor(year)) %>%
filter(month == 1) %>%
ggplot(aes(x = day, y = percentage, color = year, group = year)) + geom_line()
#> # A tibble: 3 x 2
#> year n
#> * <dbl> <int>
#> 1 2018 372
#> 2 2019 371
#> 3 2020 287
#> # A tibble: 5 x 2
#> date percentage
#> <chr> <chr>
#> 1 1/1 88.89 %
#> 2 1/1 100 %
#> 3 1/1 86.61 %
#> 4 1/1 92.24 %
#> 5 1/1 85.79 %