期末考試 A 卷

# 資訊科技大數據分析期末考 A 卷

# 請安裝  R 3.5.2 

setwd("d:/temp")

getwd()

 

# 資料集的第一步

# 可參考 R 的 資料分析第一步

require (datasets)

# 看有哪些資料集

data()

# A-1 請列出第 4 個資料集的名稱：(        )

 

head(airquality)

# A-2 此資料集為：(             )

# A-3 此資料集 第 2 筆資料的 Ozone  的值為：(          )

# A-4 此資料集 第 5 筆資料的 Solar.R 的值為：(          )

 

iris

summary(iris)

 

# A-5 此資料集為：(       )

# A-6 列出此資料集的三種品種(species)為：(                           )

# A-7 列出此資料集的其餘四個欄位名稱為 ：(                                   )

# A-8 此資料集第 4 筆資料的 Sepal.Length 的值為：(           )

# A-9 此資料集第 10 筆資料的 Petal.Width 的值為：(           )

# A-10 此資料集共有資料幾筆： (            )

 

iris$Petal.Length

# A-11 此指令為：(            )

# A-12 也可將該資料框 (data frame)視為矩陣或陣列 (matrix/array)，則此指令可改寫為：(       )

 

# Simple Scatter Plots (簡易散佈圖)

# 散佈圖1

plot(iris$Petal.Length, iris$Petal.Width, main="Edgar Anderson's Iris Data")

# 散佈圖2

plot(iris$Petal.Length, iris$Petal.Width, pch=c(23,24,25)[unclass(iris$Species)], main="Edgar Anderson's Iris Data")

# 散佈圖3

plot(iris$Petal.Length, iris$Petal.Width, pch=21, bg=c("red","green3","blue")[unclass(iris$Species)], main="Edgar Anderson's Iris Data")

plot(iris[,3], iris[,4], pch=21, bg=c("red","green3","blue")[unclass(iris$Species)], main="Edgar Anderson's Iris Data")

 

# Draftsman's or Pairs Scatter Plots (成對散佈圖)

# 成對散佈圖

pairs(iris[1:4], main = "Edgar Anderson's Iris Data", pch = 21, bg = c("red", "green3", "blue")[unclass(iris$Species)])

 

# A-13 在 散佈圖1 的程式碼中，要將標題改為"您的學號"，要改變的指令為：(         )

# A-14 在 散佈圖1 的程式碼中，X 軸的欄位名稱為：(         )

# A-15 散佈圖2 與 散佈圖1 的差別為：(               )

# A-16 散佈圖2 的程式碼中，c(23,24,25)[unclass(iris$Species)]的作用為：(        )

# A-17 散佈圖3 中藍色圖示的品種類別為：(       )

# A-18 成對散佈圖的作用為：(                  )

 

 

# 載入maps及ggplot2套件

# 資料來源 https://ithelp.ithome.com.tw/articles/10186894

install.packages("maps")

install.packages("ggplot2")

 

library(maps) 

library(ggplot2)

 

#載入世界地圖二維地圖(Latitude緯度,Longitude經度)

world_map <- map_data("world")

head(world_map, 10)

 

# A-19 這是每個國家地圖邊界的經緯度資料，變數有：(         )個。

# A-20 這是每個國家地圖邊界的經緯度資料，大概邊界資料有：(           )筆。

 

mytw <- c("Taiwan", "China")

honeymoon2 <- map_data("world", region = mytw)

p2 <- ggplot(honeymoon2, aes(x = long, y = lat, group = group, fill = region)) + 

  geom_polygon(colour = "black") + 

  scale_fill_brewer(palette = "Set2")

p2

 

#找出區域

sort(unique(world_map$region))

 

# 輸入一下你想要旅行的歐洲國家，然後利用指定國家的邊界經緯度劃出幾個國家的地圖。

# 旅行國家

mycountry <- c("France", "Austria", "Italy", "Switzerland", "Germany", "Spain", "Czech Republic")

honeymoon <- map_data("world", region = mycountry)

 

p <- ggplot(honeymoon, aes(x = long, y = lat, group = group, fill = region)) + 

  geom_polygon(colour = "black") + 

  scale_fill_brewer(palette = "Set2")

p

 

# A-21 想要旅行的國家存在哪個變數：(           )

# A-22 想要旅行的國家共有幾個：(      )

 

# 用城市經緯度來畫點

# 決定好國家後，來試算一下你想要去的城市，符合以下任一條件:

# 首都人口 > 100萬人

 

#載入世界城市的經緯度(二維地圖)

data(world.cities)

 

mycity <- subset(world.cities, (world.cities$capital == 1 | world.cities$pop > 1000000) & world.cities$country.etc %in% mycountry)

mycity$region <- mycity$country.etc

mycity$group <- 1

mycity

 

# A-23 world.cities 是世界城市的經緯度資料，變數有：(         )個。

# A-24 world.cities 大概資料有：(        )筆。

# A-25 符合 首都人口 > 100萬人 的城市 有：(         )筆。

 

# 加上旅行城市的點圖，然後人口越多點越大(size=pop)。

p + 

  geom_point(aes(x = long, y = lat, size = pop), data = mycity, alpha = .7) 

 

# 加上旅行城市的名稱，位置放在城市點-0.5緯度

p +

  geom_point(aes(x = long, y = lat, size = pop), data = mycity, alpha = .7) +

  geom_text(aes(x = long, y = lat - 0.5, label = name), data = mycity, colour = "black", fontface = "bold")