Opgaver

2024-10-21

Opvarmning

Lav en testdf 20x4 dataframe på følgende måde:

• A indeholder tilfældige heltal mellem 10 og 100
• B indeholder en streng som begynder med stort bogstav, derpå 3 karakterer som skal indeholde en vokal et mellemrum, et decimaltal på 2 decimaler mellem 1 og 10 og derpå strengen “Dollars.” Løs dette vha en funktion som kan skabe de 10 strenge
• C indeholder tilfældige heltal mellem 1 og 20
• D hvor hver celle indeholder ét af tre gyldige danske postnumre

Lav en dataframe vha tidy af frekvensen på postnumre og sorter med hyppigst forekommende øverst

Lav et bar plot vha ggplot

Lav et Danmarkskort hvor zip-koden farves vha hyppighed https://github.com/sebastianbarfort/mapDK.

Grupper på zip og beregn mean og sd på zip vha mutate (ikke summarise)

Subset testdf

• a så den kun består af dem hvor A er større end 80 og C under 15
• b så den kun består af dem hvor A er mindre end 60 og eller større end 90 og begynder med en vokal

Lav en kategorivariabel som deler A nogenlunde lige i tre grupper

Nye boliger - vha tidyverse

Indlæs filen https://efif.sharepoint.com/:u:/s/cph/Lyngby/EaPp3giEjAVOvyI9LPX-az8BU-6LQfikPn52Mf1hMnZgOw?e=TIEWr1

• 1 lav en kolonne med postnumre ud fra “addr” (brug str_extract)
  • a Lav en dataframe med de 10 hyppigst forekommende postnumre
  • b Lav et DK-plot hvor man kan se de 10 hyppigst forekommende postnumre
• 2 lav en kolonne med postdistrikternes navne ud fra “addr”
  • 1 lav først en kolonne med alt efter postnummeret og til slut
  • 2 fjern derpå det du ikke skal bruge
• 3 lav to kolonner med hhv vejnavn og vejnr fra addr
  • 1 lav først en basiskolonne vha str_remove
  • 2 Brug nu str_match med groups (!) til at hente tekst ud (hint: str_match(vejtot,“^(.*)-\d”)[,2])
  • 3 Hent vejnummeret ud vha en lookbehind: (?<=-)
• 4 lav kolonner for kvm,grund,emærke og pris
  • a Undersøg NA forekomster og vurder om de er tilfældige eller skyldes data?
• 5 Forbered en præsentation af datasættet baseret på ovenstående undersøgelse og data-science-modellen
  • a Dokumenter vigtig kode
  • b Dokumenter datasættet
    • 1 Variabel typer, relevante basisplot, outliers samt relations-plot (pris ~ Emærke etc)