Följande uppgifter skall lösas i ett R-Markdown dokument med output: github_document. Alla kodsnuttar skall vara synliga (echo = TRUE) undantaget den uppgift som skall ges i löpande text. För lättläst kod, följ t.ex. Google’s R Style guide eller Hadley Wickham’s style guide så långt som möjligt (snåla inte med mellanslag i koden!). Både den genererade .md filen och källfilen (.Rmd) skall laddas upp på GitHub under biblioteket HW_efternamn_initial/HW2. Det skall finnas en länk till .md filen från HW_efternamn_initial/README.md som i förra uppgiften.

Inled ditt dokument genom att ladda paketen tidyverse, readxl (installeras som del av tidyverse, men kräver separat library-anrop), knitr och ggmap. Paketen skall laddas “tyst” med suppressPackageStartupMessages. Avsluta dokumentet med en kodsnutt innehållande sessionInfo().

Data till uppgiften finns på https://github.com/MT5013-VT18/HW_data som SpeciesObservations-2018-01-23-08-11-26.xlsx och booli_sold.csv, ladda ner dessa och placera i ett uderbibliotek data till till Homework-repo.

Fågelskådning

På Artportalen kan man rapportera sina observationer av djur, växter och svampar. I denna uppgiften skall du analysera den senaste månadens rapporter, med fokus på Fåglar som är den överlägset vanligaste gruppen i materialet. Data är hämtat från Analysportalen för biodiversitetsdata.

Inledande analys

Vi läser in och undersöker data med glimpse:

artdata <- read_excel("data/SpeciesObservations-2018-01-23-08-11-26.xlsx")
glimpse(artdata)
## Observations: 7,291
## Variables: 16
## $ `Vetenskapligt namn`       <chr> "Turdus pilaris", "Fringilla coeleb...
## $ `Svenskt namn`             <chr> "björktrast", "bofink", "skrattmås"...
## $ Organismgrupp              <chr> "Fåglar", "Fåglar", "Fåglar", "Fågl...
## $ Fyndstatus                 <chr> "Present", "Present", "Present", "P...
## $ Observatör                 <chr> "Rikard Henricsson", "Kerstin Wilto...
## $ Lokal                      <chr> "Kälvestavägen 119", "Reimersholme"...
## $ Län                        <chr> "Stockholm", "Stockholm", "Stockhol...
## $ `Koordinatnoggrannhet (m)` <chr> "225", "262", "1367", "200", "319",...
## $ X                          <chr> "17,885178829", "18,0210041", "18,0...
## $ Y                          <chr> "59,385253509", "59,318441642", "59...
## $ Startdatum                 <chr> "2018-01-06", "2018-01-14", "2018-0...
## $ Slutdatum                  <chr> "2018-01-06", "2018-01-14", "2018-0...
## $ Datakälla                  <chr> "Artportalen", "Artportalen", "Artp...
## $ `Osäker bestämning`        <chr> "False", "False", "False", "False",...
## $ Valideringstatus           <chr> "Unvalidated", "Unvalidated", "Unva...
## $ ObservationId              <chr> "109492512", "109552370", "10937691...

Vi noterar här två saker:

  • Några variabelnamn innehåller blanktecken vilket kan vara opraktiskt, detta fixas enkelt med
names(artdata) <- gsub(" ", "_", names(artdata))
  • Vi ser även att read_excel klassat samtliga kolumner som character. Konvertera variablerna X och Y till numeriskt format med as.numeric (först måste du byta kommatecken mot punkt, t.ex. med gsub). Konvertera även datumen med as.Date.

Fågelobservationer

Filtrera ut organismgruppen Fåglar och lös följande uppgifter:

  • Vem är den flitigaste observatören? Ange svaret i löpande text.
  • Skapa en tabell över de 10 mest rapporterade fågelarterna under perioden.
  • Inför variabeln Veckodag med hjälp av funktionen Weekdays. Gör ett stapeldiagram över det genomsnittliga antalet observationer per veckodag (försök gärna placera staplarna i lämplig ordning).
  • Plotta det totala antalet rapporter per dag som punkter sammanbundna med linjer.
  • Efter nyår får fågelskådarna bråttom med att fylla på sina årliga krysslistor, där de bockar av observerade arter. Gör en tabell över de 10 observatörer som har flest kryss 2018, d.v.s de som rapporterat flest unika arter.
  • Med paketet ggmap kan man enkelt plotta data på kartor. Installera detta och illustrera någon geografisk aspekt av data genom att plotta punkter färglagda efter någon variabel. En grundkarta får du t.ex. med map <- get_map("Stockholm"), sedan plottar du med ggmap(map) + geom_point(data = artdata, aes(x=X, y=Y, .... Filtrera gärna ut en delmängd av materialet innan plot.

Slutpriser på Booli

Filen data/booli_sold.csv innehåller data på 500 sålda bostäder i Norra Djurgården, hämtade från Boolis öppna API.