Zadanie I
Proszę za pomocą poznanych funkcji z pakietu dplyr stworzyć, korzystając z danych ze zbioru airquality, następującą tabelę:
── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
✔ dplyr 1.2.1 ✔ readr 2.2.0
✔ forcats 1.0.1 ✔ stringr 1.6.0
✔ ggplot2 4.0.3 ✔ tibble 3.3.1
✔ lubridate 1.9.5 ✔ tidyr 1.3.2
✔ purrr 1.2.2
── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag() masks stats::lag()
ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
| 8 |
31 |
83.968 |
6.585 |
72 |
97 |
10.675 |
13.296 |
0.629 |
51.304 |
| 7 |
31 |
83.903 |
4.316 |
73 |
92 |
8.731 |
7.062 |
0.490 |
32.927 |
| 9 |
30 |
76.900 |
8.356 |
63 |
93 |
4.624 |
6.209 |
0.680 |
26.071 |
| 5 |
31 |
65.548 |
6.855 |
56 |
81 |
2.595 |
3.852 |
0.103 |
20.175 |
| 6 |
30 |
79.100 |
6.599 |
65 |
93 |
2.453 |
1.304 |
1.043 |
5.145 |
Kolumny zaczynające się od mean_, sd_, min_ i max_ to średnia, odchylenie standardowe, najmniejsza i największa obserwacja z każdego miesiąca dla poszczególnych kolumn.
owr dotyczy nowej kolumny, którą muszą Państwo stworzyć - jest to OzoneToWindRatio czyli po prostu wartość z kolumny Ozone podzielona przez wartość z kolumny Wind.
Przy obliczaniu statystyk każdej zmiennej pomijamy jej brakujące wartości. Dotyczy to również wskaźnika OzoneToWindRatio. Brak wartości jednej zmiennej nie wyklucza wykorzystania pozostałych danych z tego samego wiersza. n_obs oznacza liczbę wszystkich obserwacji w danym miesiącu, także tych zawierających braki danych.
Wiersze w wynikowej ramce danych powinny być posortowane według kolumny mean_owr w porządku malejącym. Wartości powinny być zaokrąglone do trzech miejsc po przecinku.
Do stworzenia pięknego wydruku można użyć funkcji kable z pakietu knitr.
Zadanie II
Proszę za pomocą poznanych funkcji z pakietu dplyr stworzyć korzystając z danych ze zbioru ChickWeight następującą tabelę:
| 1 |
116.95 |
68.83961 |
20 |
| 2 |
174.90 |
77.96930 |
10 |
| 3 |
231.10 |
68.91774 |
10 |
| 4 |
188.90 |
50.59743 |
10 |
Diet do jedna z czterech diet
mean_diff to średnia z różnic między najwyższą i najniższą wagą każdego kurczaka dla danej diety
sd_diff to odchylenie standardowe różnic między najwyższa i najniższą wagą każdego kurczaka dla danej diety
n_chick to liczba kurczaków karmionych według danej diety.
Do stworzenia pięknego wydruku można użyć funkcji kable z pakietu knitr.
Aby stworzyć taką ramkę danych trzeba użyć group_by oraz summarize w naszym “łańcuchu” funkcji dplyr dwukrotnie - raz, żeby obliczyć odpowiednie rzeczy dla każdego kurczaka, drugi raz, żeby obliczyć dla każdej diety. Proszę nad tym pogłówkować!
Zadanie III
Proszę stworzyć następujący wykres obrazujący rozkład różnic między najwyższą a najniższą wagą każdego kurczaka ze względu na dietę.
Do wykonania tego wykresu należy posłużyć się funkcją vioplot z pakietu vioplot.
Ramka danych, na podstawie której można stworzyć taki wykres, jest krokiem pośrednim w poprzednim zadaniu!
Kolory należy dobrać samodzielnie, również podpisy można zmodyfikować.
