Dag 3: Tidyverse: group_by och summarise, mer ggplot2

Låtar på P3

Filen data/P3_songs2018-01-18.csv innehåller de senaste 500 låtarna spelade på P3 (från morgonen 2018-01-18). Data är hämtade från Sveriges Radios öppna API med R/P3_songs.R. Läs in den med

library(tidyverse)
p3_songs <- read_csv("data/P3_songs2018-01-18.csv")

• Använd group_by, summarise, n() och arrange för att lista de mest spelade låtarna.
• Hur stor andel av låtarna finns bara med en gång?

Systembolagets sortiment

Läs in som förra lektionen och filtrera ut det ordinarie sortimentet.

• Hur många produkter finns i varje varugrupp? Du kan filtrera bort produkter med NA i fältet Varugrupp genom att använda funktionen is.na.
• Filtrera ut röda viner med årgång 2010-2017. Bestäm sedan medelvärdet av PrisPerLiter för varje årgång och plotta med ggplot.
• Välj ut den billigaste (i PrisPerLiter) produkten i varje Varugrupp. Detta kan t.ex. göras genom att
  • gruppera efter varugrupp med group_by
  • införa en variabel grupp_rank med mutate och order (i den grupperade tabellen!)
  • filtrera ut produkter med grupp_rank == 1