AS02_Homework_Know-Your-Data

作業目的:

這份作業希望能夠讓你熟悉讀取不同檔案型態的資料，並利用 dplyr 裡面幾個動詞，讓你可以認識自己要分析的資料！

data importing & basic data manipulation (01)

資料介紹：這份資料改編自內政部不動產交易實價登錄查詢，內容是 110 年 1 月自 3 月為止，台北市大安區羅斯福路上的不動產交易。

import a excel file：請讀取存在 data 資料夾 -> AS02 資料夾 -> 實價登錄_羅斯福路.xlsx 這個檔案裡面的 實價登錄 分頁，取名為 df_house，並將前 3 列印出。這個 excel 檔案裡面有兩個分頁，不要讀錯囉。

### your code
library(tidyverse)
library(readxl)
df_house <- read_excel("data/AS02/實價登錄_羅斯福路.xlsx", sheet = "實價登錄")
df_house %>% head(3)

### result
#> # A tibble: 3 × 6
#>   地段位置或門牌               總價_萬元 總面積_坪 型態               屋齡 電梯 
#>   <chr>                            <dbl>     <dbl> <chr>             <dbl> <chr>
#> 1 羅斯福路三段５７號四樓            3956      34.6 住宅大樓(11層含…      5 有   
#> 2 羅斯福路三段３３３巷２號四樓      1250      20.6 公寓(5樓含以下無…    NA 無   
#> 3 羅斯福路三段２２７號二樓之２      3800      54.4 住宅大樓(11層含…     33 有

#> # A tibble: 3 × 6
#>   地段位置或門牌               總價_萬元 總面積_坪 型態               屋齡 電梯 
#>   <chr>                            <dbl>     <dbl> <chr>             <dbl> <chr>
#> 1 羅斯福路三段５７號四樓            3956      34.6 住宅大樓(11層含…      5 有   
#> 2 羅斯福路三段３３３巷２號四樓      1250      20.6 公寓(5樓含以下無…    NA 無   
#> 3 羅斯福路三段２２７號二樓之２      3800      54.4 住宅大樓(11層含…     33 有

find missing values：請利用程式找出 df_house 裡面哪些欄位有 missing value，並以文字敘述各個欄位 missing value 的狀況。舉例：A 欄位有 2 個 missing values、B 欄位有 3 個 missing values。

### your code
sum(is.na(df_house$地段位置或門牌))
sum(is.na(df_house$總價_萬元))
sum(is.na(df_house$總面積_坪))
sum(is.na(df_house$型態))
sum(is.na(df_house$屋齡))
sum(is.na(df_house$電梯))

### result
# 要有程式碼呈現 NA 數目
# 接著文字敘述 e.g. 完美，都沒有 missing values

#> [1] 0
#> [1] 0
#> [1] 0
#> [1] 0
#> [1] 6
#> [1] 2

calculate means：請計算這包資料中的平均屋齡，不過會遇到 missing values，請你想想怎麼做比較好，決定後解釋你怎麼選擇。

### your code
mean(df_house$屋齡, na.rm = T)

### result
# 要有程式碼呈現平均屋齡
# 接著文字解釋

#> [1] 26

deal with missing values：遇到 missing values，是要踢掉那筆資料嗎？還是可以用某些值填上？請針對電梯欄位，解釋先以文字敘述你會怎麼選擇怎麼處理、理由為何，接著用程式碼實作，並將結果存到 df_house_clean，再將最後 3 列印出。舉例：我覺得可能有電梯也可能沒有電梯，所以我決定隨機決定電梯的有無。（然後用程式碼實作隨機分派的過程）

### your code
df_house_clean <- df_house %>%
  mutate(`電梯` = if_else(is.na(`電梯`), "有", `電梯`))
df_house_clean %>% tail(3)

### result
# * 你的電梯欄位長相可能跟我不一樣
#> # A tibble: 3 × 6
#>   地段位置或門牌                 總價_萬元 總面積_坪 型態              屋齡 電梯 
#>   <chr>                              <dbl>     <dbl> <chr>            <dbl> <chr>
#> 1 羅斯福路三段２６９巷７２號二樓      3450      43.1 華廈(10層含以下…    NA 有   
#> 2 羅斯福路三段９９號十樓之３          2208      18.5 住宅大樓(11層含…    22 有   
#> 3 羅斯福路四段１１９巷３０號六樓      3110      50.8 華廈(10層含以下…    34 有

#> # A tibble: 3 × 6
#>   地段位置或門牌                 總價_萬元 總面積_坪 型態              屋齡 電梯 
#>   <chr>                              <dbl>     <dbl> <chr>            <dbl> <chr>
#> 1 羅斯福路三段２６９巷７２號二樓      3450      43.1 華廈(10層含以下…    NA 有   
#> 2 羅斯福路三段９９號十樓之３          2208      18.5 住宅大樓(11層含…    22 有   
#> 3 羅斯福路四段１１９巷３０號六樓      3110      50.8 華廈(10層含以下…    34 有

calculate number：請幫我增加 price_ping 欄位，計算房屋的「每坪單價」，把結果存在 df_house_price，並將前 3 列印出。

提示：每坪單價 = 總價/面積

### your code
df_house_price <- df_house_clean %>% 
  mutate(price_ping = `總價_萬元`/`總面積_坪`)
df_house_price %>% head(3)

### result
#> # A tibble: 3 × 7
#>   地段位置或門牌               總價_萬元 總面積_坪 型態     屋齡 電梯  price_ping
#>   <chr>                            <dbl>     <dbl> <chr>   <dbl> <chr>     <dbl>
#> 1 羅斯福路三段５７號四樓            3956      34.6 住宅大…     5 有        115. 
#> 2 羅斯福路三段３３３巷２號四樓      1250      20.6 公寓(5…    NA 無         60.7
#> 3 羅斯福路三段２２７號二樓之２      3800      54.4 住宅大…    33 有         69.9

#> # A tibble: 3 × 7
#>   地段位置或門牌               總價_萬元 總面積_坪 型態    屋齡 電梯  price_ping
#>   <chr>                            <dbl>     <dbl> <chr>  <dbl> <chr>      <dbl>
#> 1 羅斯福路三段５７號四樓            3956      34.6 住宅…      5 有         115. 
#> 2 羅斯福路三段３３３巷２號四樓      1250      20.6 公寓(…    NA 無          60.7
#> 3 羅斯福路三段２２７號二樓之２      3800      54.4 住宅…     33 有          69.9

keep columns needed and filtering：請先幫我篩選出總價超過 2000 萬元的房屋，接著篩選出平均每坪價格小於 80 萬元的房屋，最後幫我留下 地段位置或門牌, 電梯, price_ping 3 個欄位，並將結果印出。

### your code
df_house_price %>% filter(總價_萬元 > 2000) %>%
  filter(price_ping < 80) %>% 
  select(`地段位置或門牌`, `電梯`, `price_ping`)

### result
#> # A tibble: 4 × 3
#>   地段位置或門牌                 電梯  price_ping
#>   <chr>                          <chr>     <dbl>
#> 1 羅斯福路三段２２７號二樓之２   有         69.9
#> 2 羅斯福路二段６７號地下室       有         29.2
#> 3 羅斯福路三段２７７之６號       有         75.8
#> 4 羅斯福路四段１１９巷３０號六樓 有         61.2

#> # A tibble: 4 × 3
#>   地段位置或門牌                 電梯  price_ping
#>   <chr>                          <chr>      <dbl>
#> 1 羅斯福路三段２２７號二樓之２   有          69.9
#> 2 羅斯福路二段６７號地下室       有          29.2
#> 3 羅斯福路三段２７７之６號       有          75.8
#> 4 羅斯福路四段１１９巷３０號六樓 有          61.2

data importing & basic data manipulation (02)

資料介紹：這份資料改編自內政部社會經濟資料服務平台，簡稱為 SEGIS，內容是 110 年 9 月台灣各縣市的人口統計，其中包含戶數（h_cnt）、人口數（p_cnt）、男性人口數（m_cnt）、女性人口數（f_cnt）。

import a csv file：請讀取存在 data 資料夾 -> AS01 資料夾 -> 行政區人口統計_縣市_202109.csv 的這個檔案，取名為 df_pop，並將前 3 列印出。這份資料中，

### your code
df_pop <- read_csv("data/AS02/行政區人口統計_縣市_202109.csv")
df_pop %>% head(3)

### result
#> # A tibble: 3 × 6
#>   county_id county   h_cnt   p_cnt   m_cnt   f_cnt
#>   <chr>     <chr>    <dbl>   <dbl>   <dbl>   <dbl>
#> 1 65000     新北市 1620493 4017632 1961812 2055820
#> 2 63000     臺北市 1057327 2544720 1211361 1333359
#> 3 68000     桃園市  860144 2272812 1125649 1147163

#> # A tibble: 3 × 6
#>   county_id county   h_cnt   p_cnt   m_cnt   f_cnt
#>   <chr>     <chr>    <dbl>   <dbl>   <dbl>   <dbl>
#> 1 65000     新北市 1620493 4017632 1961812 2055820
#> 2 63000     臺北市 1057327 2544720 1211361 1333359
#> 3 68000     桃園市  860144 2272812 1125649 1147163

add columns：請利用 df_pop 增加新欄位city，若為六都則為”六都”，六都以外為 “非六都”，將結果存在 df_pop2 裡面後，印出前 10 列。

提示：if_else()

### your code
df_pop2 <- df_pop %>% 
  mutate(city = if_else(county %in% c("新北市", "臺北市", "桃園市", "臺中市", "高雄市", "臺南市"), "六都", "非六都"))
df_pop2 %>% head(10)

### result
#> # A tibble: 10 × 7
#>    county_id county   h_cnt   p_cnt   m_cnt   f_cnt city  
#>    <chr>     <chr>    <dbl>   <dbl>   <dbl>   <dbl> <chr> 
#>  1 65000     新北市 1620493 4017632 1961812 2055820 六都  
#>  2 63000     臺北市 1057327 2544720 1211361 1333359 六都  
#>  3 68000     桃園市  860144 2272812 1125649 1147163 六都  
#>  4 66000     臺中市 1014864 2816393 1382499 1433894 六都  
#>  5 67000     臺南市  709627 1866073  929345  936728 六都  
#>  6 64000     高雄市 1128474 2751317 1356111 1395206 六都  
#>  7 10002     宜蘭縣  174071  451422  227385  224037 非六都
#>  8 10004     新竹縣  209962  574512  293279  281233 非六都
#>  9 10005     苗栗縣  195208  539361  278012  261349 非六都
#> 10 10007     彰化縣  398859 1257992  639195  618797 非六都

#> # A tibble: 10 × 7
#>    county_id county   h_cnt   p_cnt   m_cnt   f_cnt city  
#>    <chr>     <chr>    <dbl>   <dbl>   <dbl>   <dbl> <chr> 
#>  1 65000     新北市 1620493 4017632 1961812 2055820 六都  
#>  2 63000     臺北市 1057327 2544720 1211361 1333359 六都  
#>  3 68000     桃園市  860144 2272812 1125649 1147163 六都  
#>  4 66000     臺中市 1014864 2816393 1382499 1433894 六都  
#>  5 67000     臺南市  709627 1866073  929345  936728 六都  
#>  6 64000     高雄市 1128474 2751317 1356111 1395206 六都  
#>  7 10002     宜蘭縣  174071  451422  227385  224037 非六都
#>  8 10004     新竹縣  209962  574512  293279  281233 非六都
#>  9 10005     苗栗縣  195208  539361  278012  261349 非六都
#> 10 10007     彰化縣  398859 1257992  639195  618797 非六都

counting: 請幫我計算 df_pop2 中，六都與非六都中有多少筆資料，並將結果依照資料數量由多到少排列

### your code
df_pop2 %>% count(city, sort = T)

### result
#> # A tibble: 2 × 2
#>   city       n
#>   <chr>  <int>
#> 1 非六都    16
#> 2 六都       6

#> # A tibble: 2 × 2
#>   city       n
#>   <chr>  <int>
#> 1 非六都    16
#> 2 六都       6

keep columns needed and filtering：請先幫我篩選出「屬於六都且戶數大於 100 萬」或者「不屬於六都且人口數小於 30 萬」的縣市，最後幫我留下 county, city, h_cnt, p_cnt 4 個欄位，並將結果印出。

### your code
df_pop2 %>% 
  filter((city == "六都" & h_cnt >= 1000000) | (city != "六都" & p_cnt < 300000)) %>%
  select(county, city, h_cnt, p_cnt)

### result
#> # A tibble: 9 × 4
#>   county city     h_cnt   p_cnt
#>   <chr>  <chr>    <dbl>   <dbl>
#> 1 新北市 六都   1620493 4017632
#> 2 臺北市 六都   1057327 2544720
#> 3 臺中市 六都   1014864 2816393
#> 4 高雄市 六都   1128474 2751317
#> 5 臺東縣 非六都   84102  213818
#> 6 澎湖縣 非六都   42245  106036
#> 7 嘉義市 非六都  101811  265002
#> 8 金門縣 非六都   42415  140856
#> 9 連江縣 非六都    3489   13429

#> # A tibble: 9 × 4
#>   county city     h_cnt   p_cnt
#>   <chr>  <chr>    <dbl>   <dbl>
#> 1 新北市 六都   1620493 4017632
#> 2 臺北市 六都   1057327 2544720
#> 3 臺中市 六都   1014864 2816393
#> 4 高雄市 六都   1128474 2751317
#> 5 臺東縣 非六都   84102  213818
#> 6 澎湖縣 非六都   42245  106036
#> 7 嘉義市 非六都  101811  265002
#> 8 金門縣 非六都   42415  140856
#> 9 連江縣 非六都    3489   13429

AS02_Homework_Know-Your-Data_ref

曾子軒 Teaching Assistant

2021/03/17

作業目的:

data importing & basic data manipulation (01)

data importing & basic data manipulation (02)