AS03_know-your-data.Rmd

---
title: "AS02_Homework_Know-Your-Data"
author: "your name"
editor_options: 
  markdown: 
    wrap: 72
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE, results = 'hold', comment = '#>', error = TRUE)
```

## 作業目的:

本作業旨在幫助學生熟悉如何讀取不同格式的資料檔案，並使用 **dplyr**
套件進行資料清理、轉換、篩選與基本統計分析。學生將透過兩個實際的資料集：家庭收支調查資料與各鄉鎮市區人口密度資料，來練習資料處理的基本技巧。

## PART I. 家庭收支調查

這個案例將帶你分析家庭消費支出結構（按消費型態分類）。這份資料來自[家庭收支調查](https://data.gov.tw/dataset/6588)，記錄了自1976年起的家庭消費支出結構，並根據消費型態進行分類。

-   (1)\~(3): 1 point
-   (4): 1 point
-   (5)\~(6): 1 point

### (1) Read an excel file

1.  首先至政府資料開放平臺上查詢「家庭消費支出結構按消費型態分」，便可找到家庭消費支出資料。點選資料資源下載網址，將檔案存至本機端，直接讀取。
2.  透過政府資料開放平台的 URL或本機端的資料路徑，使用 `read_csv()`
    函式將資料讀取至 R 中。
    讀取後，列印資料的前3列，並檢查資料結構是否正確。

```{r message=FALSE,warning=FALSE}
### your code
library(tidyverse)
library(readxl)

# Your code here

# head(df_family,n=3)
```

### (2) Rename all columns

1.  照以下對應修改中文變項名稱為英文：
    -   年 -\> `year`
    -   食品飲料及菸草-百分比 -\> `food_pct`
    -   衣著鞋襪類-百分比 -\> `clothes_pct`
    -   住宅服務水費瓦斯及其他燃料-百分比 -\> `housing_pct`
    -   家具設備及家務服務-百分比 -\> `furniture_pct`
    -   醫療保健-百分比 → `health_pct`
    -   運輸交通及通訊-百分比 -\> `transport_pct`
    -   休閒文化及教育消費-百分比 -\> `leisure_pct`
    -   餐廳及旅館-百分比 -\> `restaurants_pct`
    -   什項消費-百分比 -\> `other_pct`
2.  刪除「合計」欄位（或選擇除了合計以外的欄位）
3.  將處理過後的結果另存為新的DataFrame: `df_select`
4.  用 `tail()` 印出後五列的結果
5.  提示：可使用dplyr套件中的動詞"select", "rename" 等

```{r message=FALSE,warning=FALSE}

# df_selected<- df_family %>%
    # Your code here

# df_selected %>% tail(5)

### result
# # A tibble: 5 × 10
#    year food_pct clothes_pct housing_pct furniture_pct health_pct transport_pct leisure_pct restaurants_pct other_pct
#   <dbl>    <dbl>       <dbl>       <dbl>         <dbl>      <dbl>         <dbl>       <dbl>           <dbl>     <dbl>
# 1  2019     15.2        2.8         23.6          2.61       16.0          12.2        9.53            12.8      5.22
# 2  2020     15.6        2.75        24.3          2.81       17.0          11.8        7.54            13.1      5.12
# 3  2021     15.8        2.73        24.6          2.94       17.8          12.0        6.34            12.8      5.08
# 4  2022     15.2        2.72        24.6          2.93       17.8          11.6        6.34            13.8      4.96
# 5  2023     15.3        2.65        24.1          2.88       17.7          11.6        6.97            13.9      4.91

```

### (3) Pivot to long table

1.  以 `year`
    為主軸，將其他消費百分比的變項，由寬表格（wide-table）轉為長表格（long-table），消費種類的新欄位名稱為
    `category` ，消費比例的新欄位名稱為 `percentage` 。
2.  將轉為長表格後的結果另存為新的DataFrame，名為 `toplot`。
3.  用 `head()` 印出前五列

```{r}

# Your code here

### Result should be 
# # A tibble: 6 × 3
#    year category      percentage
#   <dbl> <chr>              <dbl>
# 1  1976 food_pct           42.3 
# 2  1976 clothes_pct         7.2 
# 3  1976 housing_pct        22.6 
# 4  1976 furniture_pct       3.63
# 5  1976 health_pct          4.85
# 6  1976 transport_pct       5.37
```

::: {#1-5-2}
### (4) Plot
:::

用ggplot繪製出不同家戶消費比例的趨勢變化（你會用哪種圖？全部畫在一張折線圖上？還是你有更好的呈現方法？）

```{r}
# Your code here
```

### (5) Make news report

1.  哪些類別的消費比例是逐年上升？哪些是逐年下降的？你認為為什麼？

    ::: {#1-5-1}
    :::

2.  你認為單獨觀察上升或下降的比例，可能會有什麼樣的問題？請根據這個問題，擬定你應該找什麼專家來採訪？列出專家的名字、職稱、單位和超鏈結。

    <div>

    </div>

3.  你會怎麼下這個新聞標題？

    ::: {#1-5-3}
    :::

### (6) Add a new column

-   針對「`df_selected`」這個DataFrame，以`health_pct` 為分析欄位，新增
    `trend` 欄位。當下一年的「醫療保健-百分比」高於前一年，則在新的
    `trend`
    欄位中標記為「+」；如果低於或等於前一年，則標記為「-」，最後請列印前5列資料。產生`trend`欄位應該會需要用到`if_else()`函式。
-   用`head()`印出`df_selected`中的`year`、`health_pct`與`trend`欄位的前5列。
-   提示： 可使用dplyr套件中的`lag()`
    函式來獲取前一年的「醫療保健-百分比」作為比較的基準。

```{r message=FALSE,warning=FALSE}

# Your code here

### Result should be
# A tibble: 5 × 3
#    year health_pct trend
#   <dbl>      <dbl> <chr>
# 1  1976       4.85 NA   
# 2  1977       4.26 -    
# 3  1978       4.74 +    
# 4  1979       4.62 -    
# 5  1980       4.2  -    
```

## PART II. 剖析人口資料

請自[政府資料開放平台的各鄉鎮市區人口密度](https://data.gov.tw/dataset/8410)，下載最新年度的各鄉鎮市區人口密度統計，其中包含site_id
（區域別）、people_total （年底人口數）、area
（土地面積）和population_density （人口密度）等變項。

-   (1)\~(4): 1 point
-   (5): 3 points

### (1) Import a csv file

請用 `read_csv()`讀取所下載的 CSV 檔案，取名為 `df_pop`，並用 `head()`
將前 5 列印出。

```{r message=FALSE,warning=FALSE}
### your code

### Result should be
#  A tibble: 5 × 5
#   statistic_yyy site_id      people_total  area population_density
#           <dbl> <chr>        <chr>        <dbl> <chr>             
# 1           111 新北市板橋區 549572       23.1  23753             
# 2           111 新北市三重區 379825       16.3  23278             
# 3           111 新北市中和區 403109       20.1  20011             
# 4           111 新北市永和區 212170        5.71 37133             
# 5           111 新北市新莊區 419966       19.7  21277      
```

### (2) Converting strings

查看前5列資料後，你會發現有些欄位的資料型態有點奇怪，本應是數字型態的「人口數」和「人口密度」卻以字串"chr"型態出現，請將這兩欄的資料型態轉換成適合的型態，並再次將
5 列印出

```{r}
### your code


### Result should be

# # A tibble: 5 × 5
#   statistic_yyy site_id      people_total  area population_density
#           <dbl> <chr>               <int> <dbl>              <int>
# 1           111 新北市板橋區       549572 23.1               23753
# 2           111 新北市三重區       379825 16.3               23278
# 3           111 新北市中和區       403109 20.1               20011
# 4           111 新北市永和區       212170  5.71              37133
# 5           111 新北市新莊區       419966 19.7               21277

```

### (3) NA Processing：

1.  執行完前述指令後，你發現console出現警告訊息Warning: NAs introduced
    by coercion，（警告： 強制變更過程中產生了
    缺失值），請「印出」是那些列的資料出現了`NA`。
2.  請刪除帶有NA值的列後，將資料另存至新的變項`df_pop_cleaned`，並印出修改後的資料有幾列（`df_pop_cleaned`）？

```{r}
### your code


### Result should be

# # A tibble: 2 × 5
#   statistic_yyy site_id  people_total  area population_density
#           <dbl> <chr>           <int> <dbl>              <int>
# 1           111 東沙群島           NA 2.38                  NA
# 2           111 南沙群島           NA 0.504                 NA

# [1] 368
```

### (4) Sort data

1.  依照人口密度由高至低排序，以`head()`印出六都中人口密度最高的前5個行政區。

```{r}

### Your code here

### Result shoud be

# # A tibble: 5 × 6
#   statistic_yyy site_id        people_total  area population_density county
#           <dbl> <chr>                 <int> <dbl>              <int> <chr> 
# 1           111 高雄市桃源區           4258  929.                  5 高雄  
# 2           111 高雄市茂林區           1940  194                  10 高雄  
# 3           111 臺中市和平區          10919 1038.                 11 臺中  
# 4           111 高雄市那瑪夏區         3201  253.                 13 高雄  
# 5           111 新北市烏來區           6359  321.                 20 新北  
#    

# # A tibble: 5 × 6
#   statistic_yyy site_id      people_total  area population_density county
#           <dbl> <chr>               <int> <dbl>              <int> <chr> 
# 1           111 新北市永和區       212170  5.71              37133 新北  
# 2           111 新北市蘆洲區       199811  7.44              26874 新北  
# 3           111 臺北市大安區       284557 11.4               25046 臺北  
# 4           111 高雄市新興區        49068  1.98              24827 高雄  
# 5           111 新北市板橋區       549572 23.1               23753 新北 
```

### (5) Population Increasing (

假設你想知道哪些鄉鎮正在衰落中，也想知道哪些行政區人口正在增加中。

你認為應該以單一鄉鎮來看，還是以縣市為單位來看？如果是以鄉鎮（或縣市）的話，你會如何做計算來呈現這個結果？

::: {#2-5-1}
:::

你的程式碼：

```{r 2-5-2}
# Code should be here
```

說明你發現的結果：

::: {#2-5-3}
:::