init commit

Kurs_R.R

@@ -0,0 +1,150 @@
+library(tidyverse)
+
+# 2.3.1
+# Zadanie 1
+
+airquality %>%
+  select(Ozone, Solar.R, Wind, Temp) %>%
+  filter(Ozone>80)
+
+# Zadanie 2
+install.packages('weathermetrics')
+library(weathermetrics)
+
+airquality %>%
+  mutate(TempC=fahrenheit.to.celsius(Temp))
+
+# 2.4.1
+# Zadanie 1
+as_tibble(airquality)
+
+# Zadanie 2
+tibble(litery=letters[6:11],
+            miesiace=month.name[1:6])
+
+# 3.2.4
+# Zadanie 1
+ggplot(data=mpg)
+
+# Co widzisz?
+# Szare. puste pole
+
+# Zadanie 2
+as_tibble(mtcars)
+
+# liczba wierszy: 32
+
+# Zadanie 3
+?mpg
+
+# drv
+# f = front-wheel drive, r = rear wheel drive, 4 = 4wd
+
+# Zadanie 4
+ggplot(aes(x=hwy, y=cyl), data=as_tibble(mpg)) + geom_point()
+
+# Zadanie 5
+ggplot(aes(x=class, y=drv), data=as_tibble(mpg)) + geom_point()
+
+# Dlaczego wykres jest bezuzyteczny?
+# Wykres nie pokazuje żadnych liczbowych informacji na temat danych
+# Zostały wykorzystane dwie cechy typu categorical
+# Jedyną informacją jest to, czy dana kombinacja drv i class istanieje.
+
+# 3.3.1
+# Zadanie 1
+
+# ustalenie parametru color wewnątrz funckcji aes 
+# powinno być nazwą kolumny z categoriami, po których
+# punkty zostaną pogrupowane, a nie istanieje kolumna "blue"
+# w zbriorze danych
+
+# parametr color powinien zostać ustalony wewnątrz
+# funkcji geom_point. Poprawiony kod poniżej.
+
+ggplot(data = mpg) + 
+  geom_point(mapping = aes(x = displ, y = hwy), color = "blue")
+
+# Zadanie 2
+mpg
+# kolumny z danymi kategorialnymi to:
+# manufacturer, model, trans, frv, fl, class
+# można zwrócić uwagę na typ danych w kolumnie
+# jeśli typ to <chr>, to najprawdopodobniej jest to dana kategorialna
+
+# Zadanie 3
+
+ggplot(data = mpg) + 
+  geom_point(mapping = aes(x=displ, y=hwy, color=displ, size=displ))
+
+# zmienna ciągła jest interpolowania między dwoma kolorami tworząc gradient
+# tak jak samo z rozmiarem, rozmiar jest skalowany
+# w przypadku shape powoduje to błąd. Gdyby podać dane kategorialne
+# podział byłby dyskretny, na różne kolory, wielkości, kształty
+
+
+# Zadanie 4
+# Przykład w punkcie wyżej
+# Ta sama zmienna bedzie przedstawiona różnymi metodami
+
+# Zadanie 5
+# stroke wpływa na grubuść konturu, obrysu, mozna sposować z punktami i liniami
+?geom_point
+
+# Zadanie 6
+
+ggplot(data = mpg) + 
+  geom_point(mapping = aes(x=displ, y=hwy, color=displ < 5))
+
+
+mpg %>%
+  filter(displ < 5) %>%
+  mutate(is_less_than_5=displ < 5)
+
+# Przypisanie displ < 5 podzieliło data set na dwie grupy
+# TRUE oraz FALSE, w zalezności od tego czy warunek był spełniony
+# czy nie.
+
+# 3.5.1
+# Zadanie 1
+
+ggplot(data = mpg) + 
+  geom_point(mapping = aes(x = displ, y = hwy)) + 
+  facet_grid(drv ~ displ)
+
+# ggplot potraktuje ją jako zmienną kategorialną,
+# tworząc siatkę dla kazdej unikatowej wartości zmiennej ciagłęj
+
+# Zadanie 2
+ggplot(data = mpg) + 
+  geom_point(mapping = aes(x = drv, y = cyl))
+
+ggplot(data = mpg) + 
+  geom_point(mapping = aes(x = drv, y = cyl)) +
+  facet_grid(cyl~drv)
+
+# puste komórki oznacznaczają brak danych
+
+# Zadanie 3
+
+
+ggplot(data = mpg) + 
+  geom_point(mapping = aes(x = displ, y = hwy)) +
+  facet_grid(drv ~ .)
+
+ggplot(data = mpg) + 
+  geom_point(mapping = aes(x = displ, y = hwy)) +
+  facet_grid(. ~ cyl)
+
+# kropka traktowana jest jako puste pole,
+# wtedy jedna z osi, nie bedzie kategoryzowana
+
+
+# Zadanie 4
+ggplot(data = mpg) + 
+  geom_point(mapping = aes(x = displ, y = hwy)) + 
+  facet_wrap(~ class, nrow = 2)
+
+
+
+