Dag 6: Relationsdata och dplyr joins

Mer fågelskådning

Hur vädertåliga är fågelskådare? Filen data/smhi-opendata_5_98210_20180126_123122.csv innehåller nederbördsdata från SMHI. Koppla ihop dessa med fågelobservationerna från HW2 för att undersöka ifall observatörerna är mindre aktiva regniga dagar.

Mer tandvård

Vid förra tillfället arbetade ni med ett material över antalet besök i tandvården

tandvård <- read_csv2("data/Statistikdatabasen_2018-01-23 14_46_26.csv", skip = 1, n_max = 580)

kombinera detta med filen data/BE0101A5.csv, som innehåller populationsmängd för kommunerna, för att bestämma antalet besök per invånare.

Pokemon

Pokemon finns i flera typer, t.ex. eld-, vatten- och gräs-typ, vilket påverkar deras styrkor och svagheter i strid. Några pokemon är av dubbeltyp, och har då två typegenskaper. En lista på pokemon hittar ni på

library(tidyverse)
pokemon <- read_csv("https://raw.githubusercontent.com/veekun/pokedex/master/pokedex/data/csv/pokemon.csv")
head(pokemon)

## # A tibble: 6 x 8
##      id identifier species_id height weight base_experience order
##   <int>      <chr>      <int>  <int>  <int>           <int> <int>
## 1     1  bulbasaur          1      7     69              64     1
## 2     2    ivysaur          2     10    130             142     2
## 3     3   venusaur          3     20   1000             236     3
## 4     4 charmander          4      6     85              62     5
## 5     5 charmeleon          5     11    190             142     6
## 6     6  charizard          6     17    905             240     7
## # ... with 1 more variables: is_default <int>

(Mac-användare kan behöva paketet Curl för att läsa direkt från en https), en lista på olika typer på

types <- read_csv("https://raw.githubusercontent.com/veekun/pokedex/master/pokedex/data/csv/types.csv")
head(types)

## # A tibble: 6 x 4
##      id identifier generation_id damage_class_id
##   <int>      <chr>         <int>           <int>
## 1     1     normal             1               2
## 2     2   fighting             1               2
## 3     3     flying             1               2
## 4     4     poison             1               2
## 5     5     ground             1               2
## 6     6       rock             1               2

och slutligen en lista som länkar pokemon till deras typ på

pokemon_types <- read_csv("https://raw.githubusercontent.com/veekun/pokedex/master/pokedex/data/csv/pokemon_types.csv")
head(pokemon_types)

## # A tibble: 6 x 3
##   pokemon_id type_id  slot
##        <int>   <int> <int>
## 1          1      12     1
## 2          1       4     2
## 3          2      12     1
## 4          2       4     2
## 5          3      12     1
## 6          3       4     2

Här kan vi t.ex. se att Pokemon nr 1 (bulbasaur) är av typ 12 (grass) och typ 4 (poison). Koppla ihop tabellerna så att slutprodukten blir som nedan och undersök hur vikt/längd beror på typ.

head(tabell)

## # A tibble: 6 x 6
##   pokemon_id identifier slot1  slot2 height weight
##        <int>      <chr> <chr>  <chr>  <int>  <int>
## 1          1  bulbasaur grass poison      7     69
## 2          2    ivysaur grass poison     10    130
## 3          3   venusaur grass poison     20   1000
## 4          4 charmander  fire   <NA>      6     85
## 5          5 charmeleon  fire   <NA>     11    190
## 6          6  charizard  fire flying     17    905