作業目的:

這份作業利用 2018 年台北市市長選舉的得票資料，以及內政部的台北市村里人口統計，希望能夠讓你熟悉操作空間資料的流程。

其中，台北市村里人口統計裡面的 h_cnt 代表「戶數」， p_cnt 代表「人數」， m_cnt 代表「男性人數」， f_cnt 代表「女性人數」。

### 這邊不要動
library(tidyverse)
library(sf)

df_mayor_tpe <- read_csv("data/AS06/df_mayor_tpe.csv")
sf_tpe <-
  st_read(dsn = "data/AS06/109年12月行政區人口統計_村里_臺北市_SHP/", layer = "109年12月行政區人口統計_村里", quiet = T) %>%
  mutate(across(where(is.character), ~iconv(., from = "BIG5", to = "UTF8"))) %>%
  rename_with(~str_to_lower(.), everything()) %>% 
  mutate(across(where(is.double), ~if_else(is.na(.),as.double(0),.))) %>%
  st_set_crs(3826) %>% st_transform(4326) %>% filter(str_detect(county, "臺北市")) %>%
  mutate(village = if_else(str_detect(village,"糖"),"糖廍里",village)) %>%
  select(-matches("_id"), -info_time)

### 給你看資料長這樣
df_mayor_tpe %>% head(5)
sf_tpe %>% head(5)
#> # A tibble: 5 × 6
#>   county town   姓名    號次 得票數 得票率
#>   <chr>  <chr>  <chr>  <dbl>  <dbl>  <dbl>
#> 1 臺北市 松山區 柯文哲     4  42315  0.396
#> 2 臺北市 信義區 柯文哲     4  47620  0.389
#> 3 臺北市 大安區 柯文哲     4  60940  0.385
#> 4 臺北市 中山區 柯文哲     4  50582  0.415
#> 5 臺北市 中正區 柯文哲     4  33748  0.416
#> Simple feature collection with 5 features and 7 fields
#> Geometry type: MULTIPOLYGON
#> Dimension:     XY
#> Bounding box:  xmin: 121.553 ymin: 24.96396 xmax: 121.5797 ymax: 24.98448
#> Geodetic CRS:  WGS 84
#>   county   town village h_cnt p_cnt m_cnt f_cnt                       geometry
#> 1 臺北市 文山區  樟新里  2199  5697  2682  3015 MULTIPOLYGON (((121.5595 24...
#> 2 臺北市 文山區  老泉里   362   923   485   438 MULTIPOLYGON (((121.5715 24...
#> 3 臺北市 文山區  樟腳里  2108  5674  2735  2939 MULTIPOLYGON (((121.5691 24...
#> 4 臺北市 文山區  樟文里  2374  6311  3048  3263 MULTIPOLYGON (((121.5599 24...
#> 5 臺北市 文山區  樟樹里  1825  4898  2324  2574 MULTIPOLYGON (((121.5625 24...

1. spatial data manipulation：

請利用 sf_tpe ，計算代表每個村里女性佔比的欄位 f_per，以及代表台北市人數排行的 p_ranking（人最多的村里排名 = 1），接著按照 f_per，由大到小排列，最後將這個 sf 型態的資料轉成 tibble，選擇 county, town, village, f_per, p_ranking , p_cnt 共 6 個欄位, 並印出前 5 列

### your code

### result
#> # A tibble: 5 × 6
#>   county town   village f_per p_ranking p_cnt
#>   <chr>  <chr>  <chr>   <dbl>     <int> <dbl>
#> 1 臺北市 中山區 康樂里  0.582       437  2610
#> 2 臺北市 中山區 中山里  0.574       132  6752
#> 3 臺北市 中山區 晴光里  0.570       230  5506
#> 4 臺北市 松山區 富泰里  0.569       313  4652
#> 5 臺北市 中山區 正義里  0.568       254  5251

2. data pivoting：

請將 df_mayor_tpe 轉成寬表格後印出，推上成為寬表格的欄位包含 3 位候選人，數值則是得票率，並將結果儲存到 df_mayor_tpe 中，印出前 5 列

### your code

### result
#> # A tibble: 5 × 5
#>   county town   柯文哲 丁守中 姚文智
#>   <chr>  <chr>   <dbl>  <dbl>  <dbl>
#> 1 臺北市 松山區  0.396  0.434  0.162
#> 2 臺北市 信義區  0.389  0.44   0.162
#> 3 臺北市 大安區  0.385  0.457  0.150
#> 4 臺北市 中山區  0.415  0.384  0.193
#> 5 臺北市 中正區  0.416  0.418  0.156

3. aggregating spatial data：

請利用 sf_tpe ，以縣市和鄉鎮市區為單位，計算彙總後的戶數、人數、男性人數、女性人數，將資料儲存在 sf_tpe_agg，並且印出前 5 列。

### your code
  
### result
#> Simple feature collection with 5 features and 6 fields
#> Geometry type: POLYGON
#> Dimension:     XY
#> Bounding box:  xmin: 121.4588 ymin: 25.00813 xmax: 121.6286 ymax: 25.21018
#> Geodetic CRS:  WGS 84
#> # A tibble: 5 × 7
#>   county town    h_cnt  p_cnt  f_cnt  m_cnt                             geometry
#>   <chr>  <chr>   <dbl>  <dbl>  <dbl>  <dbl>                        <POLYGON [°]>
#> 1 臺北市 中山區 100790 223876 120156 103720 ((121.549 25.09124, 121.5489 25.091…
#> 2 臺北市 中正區  65795 155397  81445  73952 ((121.512 25.04986, 121.5118 25.049…
#> 3 臺北市 信義區  88952 215240 113069 102171 ((121.58 25.04946, 121.58 25.04946,…
#> 4 臺北市 內湖區 109891 282525 147901 134624 ((121.5952 25.11452, 121.5951 25.11…
#> 5 臺北市 北投區  98131 250144 130088 120056 ((121.5761 25.19542, 121.576 25.195…

4. joining data：

請串起 sf_tpe_agg 和 df_mayor_tpe_wider，把資料儲存在 sf_tpe_join 後，印出前 5 列

### your code

### result
#> Simple feature collection with 5 features and 9 fields
#> Geometry type: POLYGON
#> Dimension:     XY
#> Bounding box:  xmin: 121.4588 ymin: 25.00813 xmax: 121.6286 ymax: 25.21018
#> Geodetic CRS:  WGS 84
#> # A tibble: 5 × 10
#>   county town    h_cnt  p_cnt  f_cnt  m_cnt                      geometry 柯文哲
#>   <chr>  <chr>   <dbl>  <dbl>  <dbl>  <dbl>                 <POLYGON [°]>  <dbl>
#> 1 臺北市 中山區 100790 223876 120156 103720 ((121.549 25.09124, 121.5489…  0.415
#> 2 臺北市 中正區  65795 155397  81445  73952 ((121.512 25.04986, 121.5118…  0.416
#> 3 臺北市 信義區  88952 215240 113069 102171 ((121.58 25.04946, 121.58 25…  0.389
#> 4 臺北市 內湖區 109891 282525 147901 134624 ((121.5952 25.11452, 121.595…  0.437
#> 5 臺北市 北投區  98131 250144 130088 120056 ((121.5761 25.19542, 121.576…  0.418
#> # … with 2 more variables: 丁守中 <dbl>, 姚文智 <dbl>

5. spatial data visualization：

請利用 sf_tpe_join 繪製 3 張圖，如果可以的話想辦法讓 3 張圖並排以方便比較，不行的話也沒關係。左邊放柯文哲、中間放丁守中、右邊放姚文智的得票率。

### your code

### your result should be (參考)
knitr::include_graphics('data/AS06/viz_ref.png')