1 一、基本題 (共60 分)
1.1 檢視檔案 (10 分)
請處理 lyrics/ 資料夾內的歌詞檔案，
使用 list.files()：
- 列出 13 個作者資料夾名稱，並將結果儲存在變數
artists - 列出
lyrics/Lady Gaga之下所有的.txt檔 (需為相對路徑，相對於index.Rmd所在的資料夾)，並將結果儲存在變數songs
# Write your code here
artists <- list.files("./lyrics")
songs <- list.files("./lyrics/Lady Gaga", ".txt", full.names = T)
#### Do not modify the code below ####
artists
tail(songs)
# Should print out:
#> [1] "Ariana Grande" "Billie Eilish" "Cardi B" "Charlie Puth"
#> [5] "Coldplay" "Dua Lipa" "Ed Sheeran" "Katy Perry"
#> [9] "Khalid" "Lady Gaga" "Nicki Minaj" "Post Malone"
#> [13] "Taylor Swift"
#> [1] "./lyrics/Lady Gaga/HOODIE.txt"
#> [2] "./lyrics/Lady Gaga/I Like It Rough.txt"
#> [3] "./lyrics/Lady Gaga/I Wanna Be With U.txt"
#> [4] "./lyrics/Lady Gaga/Imagine.txt"
#> [5] "./lyrics/Lady Gaga/In Like With You.txt"
#> [6] "./lyrics/Lady Gaga/Joanne.txt"#> [1] "Ariana Grande" "Billie Eilish" "Cardi B" "Charlie Puth"
#> [5] "Coldplay" "Dua Lipa" "Ed Sheeran" "Katy Perry"
#> [9] "Khalid" "Lady Gaga" "Nicki Minaj" "Post Malone"
#> [13] "Taylor Swift"
#> [1] "./lyrics/Lady Gaga/HOODIE.txt"
#> [2] "./lyrics/Lady Gaga/I Like It Rough.txt"
#> [3] "./lyrics/Lady Gaga/I Wanna Be With U.txt"
#> [4] "./lyrics/Lady Gaga/Imagine.txt"
#> [5] "./lyrics/Lady Gaga/In Like With You.txt"
#> [6] "./lyrics/Lady Gaga/Joanne.txt"1.2 建立檔案目錄 (10 分)
請建立一個 list (儲存在變數 lyrics)。lyrics 內總共有 13 個元素:
- 這 13 個元素的名稱分別是
artists內的 13 位創作者姓名 - 每個元素皆是一個 character vector， 儲存著創作者的歌曲的檔案路徑
提示：
這題會使用到 for 迴圈或是 lapply()
# Write your code here
path <- function(name) {
filer <- paste0("./lyrics/", name)
content <- list.files(filer, ".txt", full.names = T)
return(content)
}
get_path <- function(names) {
result <- lapply(names, path)
return(result)
}
lyrics <- get_path(artists)
names(lyrics) <- artists
#### Do not modify the code below ####
tail(lyrics[['Taylor Swift']], 3)
tail(lyrics[['Nicki Minaj']], 3)
tail(lyrics[['Ed Sheeran']], 3)
names(lyrics)
# Should print out:
#> [1] "./lyrics/Taylor Swift/You Need To Calm Down.txt"
#> [2] "./lyrics/Taylor Swift/Your Anything.txt"
#> [3] "./lyrics/Taylor Swift/Your Face.txt"
#> [1] "./lyrics/Nicki Minaj/Young Forever.txt"
#> [2] "./lyrics/Nicki Minaj/Young Money Ballaz.txt"
#> [3] "./lyrics/Nicki Minaj/Your Love.txt"
#> [1] "./lyrics/Ed Sheeran/You Need Me.txt"
#> [2] "./lyrics/Ed Sheeran/You Need to Cut Your Hair.txt"
#> [3] "./lyrics/Ed Sheeran/You.txt"
#> [1] "Ariana Grande" "Billie Eilish" "Cardi B" "Charlie Puth"
#> [5] "Coldplay" "Dua Lipa" "Ed Sheeran" "Katy Perry"
#> [9] "Khalid" "Lady Gaga" "Nicki Minaj" "Post Malone"
#> [13] "Taylor Swift"#> [1] "./lyrics/Taylor Swift/You Need To Calm Down.txt"
#> [2] "./lyrics/Taylor Swift/Your Anything.txt"
#> [3] "./lyrics/Taylor Swift/Your Face.txt"
#> [1] "./lyrics/Nicki Minaj/Young Forever.txt"
#> [2] "./lyrics/Nicki Minaj/Young Money Ballaz.txt"
#> [3] "./lyrics/Nicki Minaj/Your Love.txt"
#> [1] "./lyrics/Ed Sheeran/You Need Me.txt"
#> [2] "./lyrics/Ed Sheeran/You Need to Cut Your Hair.txt"
#> [3] "./lyrics/Ed Sheeran/You.txt"
#> [1] "Ariana Grande" "Billie Eilish" "Cardi B" "Charlie Puth"
#> [5] "Coldplay" "Dua Lipa" "Ed Sheeran" "Katy Perry"
#> [9] "Khalid" "Lady Gaga" "Nicki Minaj" "Post Malone"
#> [13] "Taylor Swift"1.3 dplyr-I 整理資料 (10 分)
你的任務是使用 dplyr 的函數整理 anime.csv 這份csv檔裡面的資料。
本題已為大家讀入 anime.csv 這份csv檔，並儲存到 anime 這個變數裡。
# 讀入資料
anime <- read_csv('anime.csv')
#### Do not modify the code above ####- 請只保留「名稱」(
Name)、「類型」(Genders)、「種類」(Type)、「來源」(Source)、「分數」(Score)和「受歡迎度」(Popularity)等6個變項。(3分) Genders這個變項的名稱有誤，請改為Genres。(3分)Score裡的值原本為一個浮點數，請將裡面的值四捨五入到整數。請新增一個欄位Score_new，並將更改過後的數值放進這個欄位中。(4分)
完成後，將結果存回到 anime 這個變數裡。
# Write your code here
anime <- anime %>%
select(Name, Genders, Type, Source, Score, Popularity) %>%
rename(Genres = Genders) %>%
mutate(Score_new = round(Score))
#### Do not modify the code below ####
colnames(anime)
cat('\n\n')
anime[11:16, -2]
# Should print out:
#> [1] "Name" "Genres" "Type" "Source" "Score"
#> [6] "Popularity" "Score_new"
#>
#>
#> # A tibble: 6 x 6
#> Name Type Source Score Popularity Score_new
#> <chr> <chr> <chr> <dbl> <dbl> <dbl>
#> 1 Naruto TV Manga 7.91 8 8
#> 2 One Piece TV Manga 8.52 31 9
#> 3 Tennis no Ouji-sama TV Manga 7.9 1039 8
#> 4 Ring ni Kakero 1 TV Manga 6.38 7333 6
#> 5 School Rumble TV Manga 7.94 514 8
#> 6 Sunabouzu TV Manga 7.42 1284 7#> [1] "Name" "Genres" "Type" "Source" "Score"
#> [6] "Popularity" "Score_new"
#>
#>
#> # A tibble: 6 x 6
#> Name Type Source Score Popularity Score_new
#> <chr> <chr> <chr> <dbl> <dbl> <dbl>
#> 1 Naruto TV Manga 7.91 8 8
#> 2 One Piece TV Manga 8.52 31 9
#> 3 Tennis no Ouji-sama TV Manga 7.9 1039 8
#> 4 Ring ni Kakero 1 TV Manga 6.38 7333 6
#> 5 School Rumble TV Manga 7.94 514 8
#> 6 Sunabouzu TV Manga 7.42 1284 71.4 dplyr-II 製作摘要表 (10分)
承上題，請製作一份摘要表，找出 anime 中，各個Type中Popularity最高的前三名，並以Score由大到小排序。
完成後，將結果儲存到 anime_summary 這個變數裡。
下方已使用 dplyr 函數完成部份的程式碼，但其順序是錯誤的。 請你修改下方程式碼 (改變函數順序，並在函數內填入適當的程式碼)，讓輸出的摘要表符合題目要求。
# Write your code here
anime_summary <- anime %>%
select(!Score_new & !Genres) %>%
group_by(Type) %>%
top_n(-3) %>%
arrange(desc(Score))#> Selecting by Popularity#### Do not modify the code below ####
head(anime_summary)
# Should print out:
#> # A tibble: 6 x 5
#> # Groups: Type [2]
#> Name Type Source Score Popularity
#> <chr> <chr> <chr> <dbl> <dbl>
#> 1 Fullmetal Alchemist: Brotherhood TV Manga 9.19 3
#> 2 Sen to Chihiro no Kamikakushi Movie Original 8.83 41
#> 3 Mononoke Hime Movie Original 8.72 91
#> 4 Howl no Ugoku Shiro Movie Novel 8.67 98
#> 5 Death Note TV Manga 8.63 1
#> 6 Shingeki no Kyojin TV Manga 8.48 2#> # A tibble: 6 x 5
#> # Groups: Type [2]
#> Name Type Source Score Popularity
#> <chr> <chr> <chr> <dbl> <dbl>
#> 1 Fullmetal Alchemist: Brotherhood TV Manga 9.19 3
#> 2 Sen to Chihiro no Kamikakushi Movie Original 8.83 41
#> 3 Mononoke Hime Movie Original 8.72 91
#> 4 Howl no Ugoku Shiro Movie Novel 8.67 98
#> 5 Death Note TV Manga 8.63 1
#> 6 Shingeki no Kyojin TV Manga 8.48 21.5 Grammar of Graphics (10 分)
ggplot2 中的 gg 指的是 Grammar of Graphics，旨在透過一套語法去描述繪圖的過程。 基於這個理念的設計下，ggplot2 的繪圖函數都有一套固定的結構 (模板)。要繪製不同的圖片，只需將必要的東西填入模板當中的 “slot” 即可。
你的任務是使用內建資料 mpg 繪製出散布圖。散布圖的 x 軸為 cty (city miles per gallon，城市駕駛油耗)，y 軸為 hwy (highway miles per gallon，高速公路駕駛油耗) ，其輸出之後應和下圖一樣： 
library(ggplot2)
theme_set(theme_bw())
# Write your code here
ggplot(data = mpg, aes(x = cty, y = hwy)) +
geom_point()
1.6 Tweak the plot (10 分)
為了讓圖表顯示更多資訊，請依下列條件修改散布圖：
- 請依據年份，在同一個 ggplot 畫布上分成兩個散布圖 (3 分)
- 請繪製
cty和hwy的線性回歸線 (3 分) - 請將 x 軸標題改為
city miles (per gallon)；y 軸標題改為highway miles (per gallon)(4 分)
你輸出的圖片應要長這樣
# Write your code here
ggplot(data = mpg, aes(x = cty, y = hwy)) +
geom_point() +
geom_smooth(method = "lm") +
facet_wrap(vars(year)) +
labs(x = "city miles (per gallon)", y = "highway miles (per gallon)")#> `geom_smooth()` using formula 'y ~ x'
2 二、進階題 (共40 分)
2.1 Data Wrangling and Visualizing (20 分)
請使用 covid19_confirmed 這份 csv 檔，將資料整理好，並寫一個可繪製任意多國於任意時段之確診案例數比較圖的 function 。
2.1.1 Tidy up the data (5分)
本題已為大家讀入 covid19_confirmed 這份 csv 檔，並儲存到 confirmed 這個變數裡。請你觀察 confirmed 的格式，會發現它是一個以「省份」 (Province)、「國家」 (Country) 和「每日日期」 (1/22/20、1/23/20、…、4/18/21) 為欄位名稱的寬表格。
# 讀入資料
#### Do not modify the code below ####
confirmed <- read_csv("./covid19_confirmed.csv")- 請保留「省份」 (
Province) 和「國家」 (Country) 這兩個欄位不變動，將它轉為 tidy 的長表格(即符合每個橫列代表一個觀察值且每個直欄代表一個變數的形式)，以Date和Confirmed為變數(欄位)名稱整理各國各省份不同日期的確診人數。提示：你可能會需要用到tidyr這個套件。 - 請將整理好的資料儲存到
tidydf這個變數裡。
# Write your code here
library(tidyverse)#> -- Attaching packages --------------------------------------- tidyverse 1.3.1 --#> v tidyr 1.1.3 v stringr 1.4.0
#> v purrr 0.3.4 v forcats 0.5.1#> -- Conflicts ------------------------------------------ tidyverse_conflicts() --
#> x dplyr::filter() masks stats::filter()
#> x dplyr::lag() masks stats::lag()tidydf <- gather(confirmed, key = "Date", value = "Confirmed", !Province & !Country)
#### Do not modify the code below ####
tidydf
# Should print out:
#> # A tibble: 124,122 x 4
#> Province Country Date Confirmed
#> <chr> <chr> <chr> <dbl>
#> 1 <NA> Afghanistan 1/22/20 0
#> 2 <NA> Albania 1/22/20 0
#> 3 <NA> Algeria 1/22/20 0
#> 4 <NA> Andorra 1/22/20 0
#> 5 <NA> Angola 1/22/20 0
#> 6 <NA> Antigua and Barbuda 1/22/20 0
#> 7 <NA> Argentina 1/22/20 0
#> 8 <NA> Armenia 1/22/20 0
#> 9 Australian Capital Territory Australia 1/22/20 0
#> 10 New South Wales Australia 1/22/20 0
#> # ... with 124,112 more rows#> # A tibble: 124,122 x 4
#> Province Country Date Confirmed
#> <chr> <chr> <chr> <dbl>
#> 1 <NA> Afghanistan 1/22/20 0
#> 2 <NA> Albania 1/22/20 0
#> 3 <NA> Algeria 1/22/20 0
#> 4 <NA> Andorra 1/22/20 0
#> 5 <NA> Angola 1/22/20 0
#> 6 <NA> Antigua and Barbuda 1/22/20 0
#> 7 <NA> Argentina 1/22/20 0
#> 8 <NA> Armenia 1/22/20 0
#> 9 Australian Capital Territory Australia 1/22/20 0
#> 10 New South Wales Australia 1/22/20 0
#> # ... with 124,112 more rows2.1.2 Make a summary table (5分)
請使用 as.Date 這個函數將 Date 欄位的資料型態從 <chr> 轉為 <date> (若不熟悉這個函數，可使用 ?as.Date 查看說明)，並整理出各國不分省份從 2020/1/22 至 2021/4/18 的每日總確診人數摘要表，並儲存到 tidysum 這個變數裡。
# Write your code here
tidysum <- tidydf %>%
mutate(Date = as.Date(Date, "%m/%d/%y")) %>%
group_by(Country, Date) %>%
summarise(Confirmed = sum(Confirmed)) %>%
ungroup()#> `summarise()` has grouped output by 'Country'. You can override using the `.groups` argument.#### Do not modify the code below ####
tidysum %>% filter(Country %in% c("Canada", "United Kingdom"), Confirmed > 1000000)
# Should print out:
#> # A tibble: 186 x 3
#> Country Date Confirmed
#> <chr> <date> <dbl>
#> 1 Canada 2021-04-03 1005296
#> 2 Canada 2021-04-04 1008808
#> 3 Canada 2021-04-05 1017130
#> 4 Canada 2021-04-06 1027854
#> 5 Canada 2021-04-07 1035242
#> 6 Canada 2021-04-08 1043478
#> 7 Canada 2021-04-09 1052560
#> 8 Canada 2021-04-10 1060052
#> 9 Canada 2021-04-11 1067764
#> 10 Canada 2021-04-12 1078482
#> # ... with 176 more rows#> # A tibble: 186 x 3
#> Country Date Confirmed
#> <chr> <date> <dbl>
#> 1 Canada 2021-04-03 1005296
#> 2 Canada 2021-04-04 1008808
#> 3 Canada 2021-04-05 1017130
#> 4 Canada 2021-04-06 1027854
#> 5 Canada 2021-04-07 1035242
#> 6 Canada 2021-04-08 1043478
#> 7 Canada 2021-04-09 1052560
#> 8 Canada 2021-04-10 1060052
#> 9 Canada 2021-04-11 1067764
#> 10 Canada 2021-04-12 1078482
#> # ... with 176 more rows如果你真的不知道如何做答上面這兩題，助教已將 2.1.2 應輸出的結果存成 agiftforyou.csv1，請在下方程式碼區塊讀入檔案，並命名為 tidysum ，接著還是可以繼續完成 2.1.3 。
注意：但若你有寫前兩題，只不過對自己寫出來的答案沒信心，還是選擇讀入 agiftforyou.csv，前面兩題 (2.1.1 和 2.1.2) 都會以零分計算。
# If you need the gift, please read the data in this chunk2.1.3 Visualizing selected data (10分)
請你完成 compare_plot 這個 function ，它的功能是畫出不同國家在特定期間確診數的折線圖。以下為這個 function 的 5 個引數與其說明：
df：讓使用者可輸入想使用的資料。資料型態為 data frame 。countries：讓使用者可輸入想比較的國家，其長度可大於或等於 1。start：起始日期(含)。輸入格式為yyyy-mm-dd的字串。end：終止日期(含)。輸入格式為yyyy-mm-dd的字串。point：讓使用者可選擇是否在折線圖上標示資料點。預設為FALSE。
# Modify the code below
compare_plot <- function(df, countries, start, end, point = FALSE) {
start <- as.Date(start)
end <- as.Date(end)
base <- df %>%
filter(Country %in% countries, Date >= start & Date <= end)
if (point == TRUE) {
result <- ggplot(data = base, aes(x = Date, y = Confirmed, color = Country)) +
geom_line(aes(group = Country)) + geom_point()
} else {
result <- ggplot(data = base, aes(x = Date, y = Confirmed, color = Country)) +
geom_line(aes(group = Country))
}
return(result)
}- 參考輸出結果依序應如下。 (X軸的標示為中文、英文或數字不影響評分)
Figure. covid_a
Figure. covid_b
#### Do not modify the code below ####
# Should be like Figure. covid_a
compare_plot(tidysum, c("China", "Korea, South"), "2021-04-01", "2021-04-10", TRUE)
#### Do not modify the code below ####
# Should be like Figure. covid_b
compare_plot(tidysum, c("Canada", "Argentina", "France"), "2020-12-25", "2020-12-31")
2.2 Simulating Data (20 分)
請依據上方的因果結構模擬出資料。在這題中，總共有 4 個變項：
mom(Mom’s Skill): 母親的廚藝dad(Dad’s Skill): 父親的廚藝kid(Kid’s Skill): 孩子的廚藝gender(Kid’s Gender): 孩子的性別
在這個因果結構中，我們假定孩子的廚藝受到父親以及母親廚藝的影響。除此之外，我們還做了一個額外的假設：
若孩子為男性，其廚藝受父親影響較大；反之，若孩子為女性，其廚藝受母親影響較大。
請根據上圖模擬出這 4 個變項的資料，並將結果儲存成一個 data frame df：
- 請模擬出 500 筆觀察值
- 假定
mom,dad與kid皆來自常態分配mom與dad來自標準常態分配 (平均 = 0, 標準差 = 1)kid來自標準差 = 1 的常態分配
- 假定
gender來自伯努利分配 \(f(x) = p^x (1 - p)^{1-x}\)，其中：\(x = 1\) 代表男性；\(x = 0\) 代表女性。參數
p為男性的機率，為0.55，下方的程式碼已幫同學們模擬好gender。關於伯努利分配：
伯努利分配是一種離散型機率分布，其值僅有兩種可能：1或0，可用來模擬一些只有兩種結果的現象 (例如，擲一次硬幣出現正面或反面)。伯努利分配只有一個參數p用以決定事件出現的機率 (例如，硬幣擲出正面 (1) 的機率)。 在 base R 裡面，可以透過二項分配 (rbinom()) 去模擬伯努利分配，因為二項分配即是n個獨立的伯努利試驗結果的加總。換言之，當n等於1時，二項分配即是一個伯努利分配。例如，若想從一個p = 0.7的伯努利分配去抽取出 3 個樣本，可以使用：rbinom(n = 3, size = 1, prob = 0.7)#> [1] 1 1 1因為
p = 0.7的伯努利分配相當於n = 1(由rbinom()裡的size設置)、p = 0.7(由rbinom()裡的prob設置) 的二項分配。
- 假定「
mom對kid」與「dad對kid」的因果影響皆為正向的，但影響的強度會依據孩子的性別 (gender) 改變：- 當孩子的性別為男性時，
mom對kid的影響強度 (係數) 為1.0；dad對kid的影響強度 (係數) 為1.5 - 當孩子的性別為女性時，
mom對kid的影響強度 (係數) 為1.5；dad對kid的影響強度 (係數) 為1.0
- 當孩子的性別為男性時，
set.seed(190)
#### Do not modify the code above ####
N <- 500
gender <- rbinom(N, size = 1, prob = 0.55) # Bernoulli, 1: male, 0: female
# Write your code here
dad <- rnorm(N)
mom <- rnorm(N)
kid <- rnorm(N, mean = ifelse(gender == 1, mom + 1.5 * dad, 1.5 * mom + dad))
df <- data.frame(
dad = dad,
mom = mom,
gender = gender,
kid = kid
)
#### Do not modify the code below ####
tail(df, 10)
summary(df)
# Should print out:
#> dad mom gender kid
#> 491 0.39742373 -3.1746860 1 -3.6361269
#> 492 0.05349804 0.1558408 1 -0.8539515
#> 493 0.36071734 0.1115669 1 0.8258999
#> 494 0.94195740 1.0810747 0 3.1703803
#> 495 0.39592784 -0.8354654 0 -2.0449140
#> 496 0.91671870 0.1557979 1 1.0999368
#> 497 0.14715859 0.7863578 0 0.2715137
#> 498 -0.56556242 0.6051137 1 -0.2888568
#> 499 -0.13921002 3.0161313 1 3.0278126
#> 500 -0.03405183 -0.3603594 1 0.8489946
#> dad mom gender kid
#> Min. :-2.843564 Min. :-3.17469 Min. :0.000 Min. :-6.0272
#> 1st Qu.:-0.654175 1st Qu.:-0.57318 1st Qu.:0.000 1st Qu.:-1.2959
#> Median :-0.020412 Median : 0.09085 Median :1.000 Median : 0.0912
#> Mean : 0.008413 Mean : 0.08744 Mean :0.512 Mean : 0.1638
#> 3rd Qu.: 0.709016 3rd Qu.: 0.77380 3rd Qu.:1.000 3rd Qu.: 1.6481
#> Max. : 2.772793 Max. : 3.09273 Max. :1.000 Max. : 6.2474#> dad mom gender kid
#> 491 -0.2104381 -1.02577181 1 -2.39900556
#> 492 1.3349764 0.13663640 0 0.44989168
#> 493 -0.1251284 -0.08963923 0 -0.08633030
#> 494 -1.4522732 0.52365092 0 -0.05998586
#> 495 -0.4878730 0.41084794 1 -1.50860533
#> 496 -2.1247039 -0.80302684 1 -4.42102182
#> 497 0.2415560 -0.15818694 0 -1.05090600
#> 498 -0.2705991 0.60074887 0 0.58489740
#> 499 0.3844607 1.28435187 0 2.53148476
#> 500 0.4659222 -0.76337404 0 0.58129288
#> dad mom gender kid
#> Min. :-2.84356 Min. :-3.1747 Min. :0.000 Min. :-5.9994
#> 1st Qu.:-0.64261 1st Qu.:-0.6292 1st Qu.:0.000 1st Qu.:-1.2396
#> Median : 0.06541 Median : 0.1127 Median :1.000 Median : 0.2960
#> Mean : 0.04296 Mean : 0.1156 Mean :0.534 Mean : 0.2423
#> 3rd Qu.: 0.72745 3rd Qu.: 0.8469 3rd Qu.:1.000 3rd Qu.: 1.7796
#> Max. : 3.09273 Max. : 3.0161 Max. :1.000 Max. : 6.9350若需要請自行至 https://rlads2021.github.io/deps/agiftforyou.csv 下載檔案↩︎