Ví dụ 2

23:58:58, 17 - 01 - 2024

Nhiệm vụ 2.1

Chọn bộ dữ liệu có sẵn : world-country-populations

• world-country-populations là file csv, nên ta đọc từ file csv

1. Đọc dữ liệu từ file csv

• Thao tác thực hiện :

library(csv)
bdl <- read.csv("C:/Users/VY/Downloads/world-country-populations.csv", header = T)
bdl

population_in_2023	population_in_2022	city	country	population_growthRate	type
37194105	37274002	Tokyo	Japan	-0.0021	w
32941309	32065760	Delhi	India	0.0273	w
29210808	28516903	Shanghai	China	0.0243	w
23209616	22478117	Dhaka	Bangladesh	0.0325	w
22619736	22429799	Sao Paulo	Brazil	0.0085	w
22281442	22085139	Mexico City	Mexico	0.0089	w
22183201	21750020	Cairo	Egypt	0.0199	w
21766214	21333331	Beijing	China	0.0203	w
21296517	20961473	Mumbai	India	0.0160	w
19013434	19059857	Osaka	Japan	-0.0024	w
17340704	16874741	Chongqing	China	0.0276	w
17236230	16839950	Karachi	Pakistan	0.0235	w
16315534	15628085	Kinshasa	DR Congo	0.0440	w
15945912	15387639	Lagos	Nigeria	0.0363	w
15847768	15636243	Istanbul	Turkey	0.0135	w
15490415	15369919	Buenos Aires	Argentina	0.0078	w
15332793	15133888	Kolkata	India	0.0131	w
14667089	14406059	Manila	Philippines	0.0181	w
14284353	13964637	Guangzhou	China	0.0229	w
14238643	14011828	Tianjin	China	0.0162	w
13979390	13541764	Lahore	Pakistan	0.0323	w
13727720	13634274	Rio de Janeiro	Brazil	0.0069	w
13607800	13193035	Bangalore	India	0.0314	w
13072633	12831330	Shenzhen	China	0.0188	w
12680389	12640818	Moscow	Russia	0.0031	w
11776147	11503293	Chennai	India	0.0237	w
11507960	11344312	Bogota	Colombia	0.0144	w
11248839	11074811	Jakarta	Indonesia	0.0157	w
11208440	11142303	Paris	France	0.0059	w
11204382	11044607	Lima	Peru	0.0145	w
11069982	10899698	Bangkok	Thailand	0.0156	w
10801163	10534418	Hyderabad	India	0.0253	w
9988049	9975709	Seoul	South Korea	0.0012	w
9698464	9429381	Nanjing	China	0.0285	w
9653772	9478521	Chengdu	China	0.0185	w
9648110	9540576	London	United Kingdom	0.0113	w
9569328	9571596	Nagoya	Japan	-0.0002	w
9499781	9381546	Tehran	Iran	0.0126	w
9320866	9077158	Ho Chi Minh City	Vietnam	0.0268	w
9292336	8952496	Luanda	Angola	0.0380	w
8785174	8537646	Xi-an Shaanxi	China	0.0290	w
8718250	8591611	Wuhan	China	0.0147	w
8650605	8450228	Ahmedabad	India	0.0237	w
8621724	8419566	Kuala Lumpur	Malaysia	0.0240	w
8237206	8044878	Hangzhou	China	0.0239	w
8074031	7764499	Suzhou	China	0.0399	w
8064949	7784276	Surat	India	0.0361	w
7888121	8172684	New York City	NY	-0.0348	us
7775865	7404689	Dar es Salaam	Tanzania	0.0501	w
7711305	7511920	Baghdad	Iraq	0.0265	w
7684801	7643256	Hong Kong	Hong Kong	0.0054	w
7682430	7538200	Riyadh	Saudi Arabia	0.0191	w
7680967	7527975	Shenyang	China	0.0203	w
7597386	7497263	Foshan	China	0.0134	w
7587049	7511851	Dongguan	China	0.0100	w
7166374	6987077	Pune	India	0.0257	w
6903392	6856939	Santiago	Chile	0.0068	w
6803811	6665951	Haerbin	China	0.0207	w
6751374	6713557	Madrid	Spain	0.0056	w
6371958	6312974	Toronto	Canada	0.0093	w
6344348	6160327	Khartoum	Sudan	0.0299	w
6247889	6194292	Belo Horizonte	Brazil	0.0087	w
6198016	6065354	Johannesburg	South Africa	0.0219	w
6080859	6039577	Singapore	Singapore	0.0068	w
6077995	5930140	Dalian	China	0.0249	w
5986525	5865232	Qingdao	China	0.0207	w
5859272	5690312	Zhengzhou	China	0.0297	w
5806031	5663015	Ji-nan Shandong	China	0.0253	w
5687356	5658472	Barcelona	Spain	0.0051	w
5686350	5515790	Abidjan	Ivory Coast	0.0309	w
5610241	5514454	Yangon	Myanmar	0.0174	w
5588477	5483605	Alexandria	Egypt	0.0191	w
5561294	5535556	Saint Petersburg	Russia	0.0046	w
5490271	5502591	Fukuoka	Japan	-0.0022	w
5460591	5227794	Addis Ababa	Ethiopia	0.0445	w
5419880	5339583	Guadalajara	Mexico	0.0150	w
5397098	5309690	Ankara	Turkey	0.0165	w
5379660	5252842	Chittagong	Bangladesh	0.0241	w
5325160	5118844	Nairobi	Kenya	0.0403	w
5253385	5067352	Hanoi	Vietnam	0.0367	w
5235407	5150766	Melbourne	Australia	0.0164	w
5120894	5056571	Sydney	Australia	0.0127	w
5116647	5036535	Monterrey	Mexico	0.0159	w
4921487	4809887	Changsha	China	0.0232	w
4890280	4800954	Cape Town	South Africa	0.0186	w
4873048	4803877	Brasilia	Brazil	0.0144	w
4865038	4710203	Urumqi	China	0.0329	w
4862941	4780740	Jiddah	Saudi Arabia	0.0172	w
4761284	4657381	Kunming	China	0.0223	w
4710382	4616002	Changchun	China	0.0204	w
4615758	4496456	Hefei	China	0.0265	w
4588666	4457882	Kabul	Afghanistan	0.0293	w
4573713	4490411	Shantou	China	0.0186	w
4537901	4405292	Ningbo	China	0.0301	w
4509287	4336670	Yaounde	Cameroon	0.0398	w
4504147	4470672	New Taipei	Taiwan	0.0075	w
4420855	4343584	Tel Aviv	Israel	0.0178	w
4370473	4285135	Shijiazhuang	China	0.0199	w
4348481	4219209	Kano	Nigeria	0.0306	w
4315671	4297877	Rome	Italy	0.0041	w
4307958	4276526	Montreal	Canada	0.0073	w
4263940	4220458	Recife	Brazil	0.0103	w
4211933	4185488	Porto Alegre	Brazil	0.0063	w
4207084	4106756	Jaipur	India	0.0244	w
4206240	4163953	Fortaleza	Brazil	0.0102	w
4191890	4085697	Nanning	China	0.0260	w
4145010	4061003	Taiyuan Shanxi	China	0.0207	w
4118327	4044660	Ekurhuleni	South Africa	0.0182	w
4102308	4067758	Medellin	Colombia	0.0085	w
4088555	3920873	Kozhikode	India	0.0428	w
4063200	3926645	Douala	Cameroon	0.0348	w
4009087	3816345	Malappuram	India	0.0505	w
3981658	3869213	Changzhou	China	0.0291	w
3958384	3920132	Salvador	Brazil	0.0098	w
3945409	3854224	Lucknow	India	0.0237	w
3935484	3862882	Xiamen	China	0.0188	w
3922202	3843753	Fuzhou Fujian	China	0.0204	w
3920379	3817888	Nanchang	China	0.0268	w
3919724	3824561	Wenzhou	China	0.0249	w
3892837	3840396	Casablanca	Morocco	0.0137	w
3874908	3756445	Ibadan	Nigeria	0.0315	w
3872264	3699900	Antananarivo	Madagascar	0.0466	w
3846102	3651919	Kampala	Uganda	0.0532	w
3839646	3652029	Abuja	Nigeria	0.0514	w
3814702	3693292	Tangshan Hebei	China	0.0329	w
3813082	3770919	Curitiba	Brazil	0.0112	w
3769485	3809182	Los Angeles	CA	-0.0104	us
3768239	3630326	Kumasi	Ghana	0.0380	w
3729351	3622203	Bekasi	Indonesia	0.0296	w
3710845	3624804	Faisalabad	Pakistan	0.0237	w
3580904	3495855	Guiyang	China	0.0243	w
3573938	3570750	Berlin	Germany	0.0009	w
3523890	3457626	Santo Domingo	Dominican Republic	0.0192	w
3510511	3452315	Asuncion	Paraguay	0.0169	w
3482456	3351322	Thrissur	India	0.0391	w
3480101	3324694	Port Harcourt	Nigeria	0.0467	w
3471949	3468139	Busan	South Korea	0.0011	w
3437346	3375810	Wuxi	China	0.0182	w
3429536	3326001	Dakar	Senegal	0.0311	w
3422796	3384564	Campinas	Brazil	0.0113	w
3406055	3301294	Kochi	India	0.0317	w
3367852	3317640	Mashhad	Iran	0.0151	w
3344761	3294779	Puebla	Mexico	0.0152	w
3302077	3208722	Indore	India	0.0291	w
3297759	3238523	Kuwait City	Kuwait	0.0183	w
3297528	3226493	Lanzhou	China	0.0220	w
3292497	3181655	Sanaa	Yemen	0.0348	w
3234160	3189926	Kanpur	India	0.0139	w
3228003	3199329	Durban	South Africa	0.0090	w
3203923	3055788	Ouagadougou	Burkina Faso	0.0485	w
3181250	3041789	Lusaka	Zambia	0.0458	w
3157538	3132527	Pyongyang	North Korea	0.0080	w
3154570	3149223	Milan	Italy	0.0017	w
3154463	3153781	Athens	Greece	0.0002	w
3142466	3092355	Guayaquil	Ecuador	0.0162	w
3095099	3036405	Guatemala City	Guatemala	0.0193	w
3088414	3056149	Izmir	Turkey	0.0106	w
3046687	2991427	Nagpur	India	0.0185	w
3044413	3005385	Surabaya	Indonesia	0.0130	w
3041229	2942149	Depok	Indonesia	0.0337	w
3016789	3010209	Kiev	Ukraine	0.0022	w
3010685	2973878	Zhongshan	China	0.0124	w
3009047	2934621	Coimbatore	India	0.0254	w
3007583	2964382	Dubai	United Arab Emirates	0.0146	w
3005409	2917786	Handan	China	0.0300	w
3000536	2986162	Lisbon	Portugal	0.0048	w
2987455	2915276	Port-au-Prince	Haiti	0.0248	w
2979893	2879079	Huaian	China	0.0350	w
2972145	2956813	Caracas	Venezuela	0.0052	w
2937359	2935436	Shizuoka	Japan	0.0007	w
2929373	2816943	Bamako	Mali	0.0399	w
2917819	2834645	Weifang	China	0.0293	w
2901810	2853959	Algiers	Algeria	0.0168	w
2891746	2765002	Mbuji-Mayi	DR Congo	0.0458	w
2891119	2793173	Thiruvananthapuram	India	0.0351	w
2863730	2836747	Cali	Colombia	0.0095	w
2848557	2834132	Incheon	South Korea	0.0051	w
2848473	2800919	Goiania	Brazil	0.0170	w
2818100	2739768	Pretoria	South Africa	0.0286	w
2811959	2695331	Lubumbashi	DR Congo	0.0433	w
2805654	2722257	Shaoxing	China	0.0306	w
2791005	2770434	Manchester	United Kingdom	0.0074	w
2780142	2732104	Zibo	China	0.0176	w
2764584	2689227	Yantai	China	0.0280	w
2758593	2684343	Huizhou	China	0.0277	w
2754196	2742379	Taipei	Taiwan	0.0043	w
2674000	2638090	Bandung	Indonesia	0.0136	w
2666112	2668982	Sapporo	Japan	-0.0011	w
2665100	2645598	Birmingham	United Kingdom	0.0074	w
2660072	2605402	Accra	Ghana	0.0210	w
2657088	2631690	Vancouver	Canada	0.0097	w
2637733	2552813	Brazzaville	Republic of the Congo	0.0333	w
2626368	2575626	Toluca de Lerdo	Mexico	0.0197	w
2610483	2497463	Mogadishu	Somalia	0.0453	w
2608425	2652124	Chicago	IL	-0.0165	us
2603243	2573758	Tashkent	Uzbekistan	0.0115	w
2602793	2534195	Luoyang	China	0.0271	w
2584771	2502761	Damascus	Syria	0.0328	w
2579762	2529210	Patna	India	0.0200	w
2564502	2505183	Bhopal	India	0.0237	w
2514077	2456106	Tangerang	Indonesia	0.0236	w
2504505	2472222	Brisbane	Australia	0.0131	w
2492230	2423725	Nantong	China	0.0283	w
2475446	2439404	Tunis	Tunisia	0.0148	w
2439564	2442512	San Juan	Puerto Rico	-0.0012	w
2439054	2402041	Medan	Indonesia	0.0154	w
2432304	2401108	Baku	Azerbaijan	0.0130	w
2421354	2433155	Beirut	Lebanon	-0.0049	w
2415416	2352547	Gujranwala	Pakistan	0.0267	w
2411785	2342514	Peshawar	Pakistan	0.0296	w
2409409	2385490	Belem	Brazil	0.0100	w
2380636	2312208	Hohhot	China	0.0296	w
2377325	2327455	Rawalpindi	Pakistan	0.0214	w
2375636	2340784	Manaus	Brazil	0.0149	w
2367626	2332718	Maracaibo	Venezuela	0.0150	w
2367554	2313971	Agra	India	0.0232	w
2349400	2324690	Barranquilla	Colombia	0.0106	w
2346137	2286474	Kannur	India	0.0261	w
2343452	2286224	Liuzhou	China	0.0250	w
2342302	2339991	Sendai	Japan	0.0010	w
2334878	2287174	Baotou	China	0.0209	w
2330928	2277870	Visakhapatnam	India	0.0233	w
2324084	2277153	Vadodara	India	0.0206	w
2318850	2296368	Taoyuan	Taiwan	0.0098	w
2287166	2240503	Xuzhou	China	0.0208	w
2281198	2211444	Phnom Penh	Cambodia	0.0315	w
2264876	2276533	Houston	TX	-0.0051	us
2259787	2221008	Tijuana	Mexico	0.0175	w
2258396	2219343	Esfahan	Iran	0.0176	w
2237369	2180269	Nashik	India	0.0262	w
2232240	2209584	Amman	Jordan	0.0103	w
2229765	2167516	Vijayawada	India	0.0287	w
2203025	2098210	Aleppo	Syria	0.0500	w
2180997	2184528	Daegu	South Korea	-0.0016	w
2179384	2180348	Naples	Italy	-0.0004	w
2176022	2093166	Putian	China	0.0396	w
2170513	2141511	Grande Vitoria	Brazil	0.0135	w
2154600	2105987	Multan	Pakistan	0.0231	w
2149928	2114675	Mecca	Saudi Arabia	0.0167	w
2148930	2145691	Havana	Cuba	0.0015	w
2131291	2085864	Yangzhou	China	0.0218	w
2124797	2046187	Wuhu Anhui	China	0.0384	w
2121992	2109631	Brussels	Belgium	0.0059	w
2117997	2092649	Perth	Australia	0.0121	w
2110937	2048525	Conakry	Guinea	0.0305	w
2107539	2064081	Baoding	China	0.0211	w
2106606	2025984	Kollam	India	0.0398	w
2102143	2048701	Taizhou Zhejiang	China	0.0261	w
2086324	2054748	Bursa	Turkey	0.0154	w
2076364	2030847	Linyi Shandong	China	0.0224	w
2067591	2072344	Hiroshima	Japan	-0.0023	w
2057257	2048574	Minsk	Belarus	0.0042	w
2043107	1988607	Rajkot	India	0.0274	w
2016092	1974244	Haikou	China	0.0212	w
2000656	1954752	Daqing	China	0.0235	w
1993463	1951122	Yancheng Jiangsu	China	0.0217	w
1987301	1958135	Almaty	Kazakhstan	0.0149	w
1986439	1933605	Lianyungang	China	0.0273	w
1983445	1959318	Valencia	Venezuela	0.0123	w
1981615	1925517	Lome	Togo	0.0291	w
1976866	1937963	Panama City	Panama	0.0201	w
1975306	1937887	Semarang	Indonesia	0.0193	w
1975271	1960023	Vienna	Austria	0.0078	w
1967684	1925953	Hyderabad	Pakistan	0.0217	w
1959388	1931930	Rabat	Morocco	0.0142	w
1956995	1928296	Quito	Ecuador	0.0149	w
1951085	1916772	Ludhiana	India	0.0179	w
1949400	1907721	Davao City	Philippines	0.0218	w
1947785	1929846	Baixada Santista	Brazil	0.0093	w
1935619	1907686	La Paz	Bolivia	0.0146	w
1928661	1915134	West Yorkshire	United Kingdom	0.0071	w
1904631	1841084	Benin City	Nigeria	0.0345	w
1898749	1873522	Leon de los Aldamas	Mexico	0.0135	w
1889829	1847411	Zhuhai	China	0.0230	w
1873693	1831912	Datong	China	0.0228	w
1869994	1814734	Quanzhou	China	0.0305	w
1865172	1786437	Can Tho	Vietnam	0.0441	w
1852405	1796872	Matola	Mozambique	0.0309	w
1835895	1814445	Adana	Turkey	0.0118	w
1834279	1798834	Madurai	India	0.0197	w
1830858	1785684	Sharjah	United Arab Emirates	0.0253	w
1820114	1784372	Santa Cruz	Bolivia	0.0200	w
1818421	1785209	Palembang	Indonesia	0.0186	w
1816813	1760411	Raipur	India	0.0320	w
1804704	1773495	Gaziantep	Turkey	0.0176	w
1801944	1798471	Turin	Italy	0.0019	w
1797805	1762162	Meerut	India	0.0202	w
1797516	1794532	Warsaw	Poland	0.0017	w
1792020	1737101	Mosul	Iraq	0.0316	w
1788871	1732743	Cixi	China	0.0324	w
1787520	1788170	Hamburg	Germany	-0.0004	w
1780592	1729825	La Laguna	Mexico	0.0293	w
1778052	1775207	Budapest	Hungary	0.0016	w
1776385	1785294	Bucharest	Romania	-0.0050	w
1774396	1767243	Montevideo	Uruguay	0.0040	w
1768511	1740196	Jiangmen	China	0.0163	w
1761188	1747575	Lyon	France	0.0078	w
1754425	1722259	Varanasi	India	0.0187	w
1748142	1684932	Batam	Indonesia	0.0375	w
1742706	1713433	Xiangyang	China	0.0171	w
1720954	1698584	Shiraz	Iran	0.0132	w
1716591	1672688	Yinchuan	China	0.0262	w
1711244	1660148	Yichang	China	0.0308	w
1700066	1679050	Stockholm	Sweden	0.0125	w
1698277	1659935	Srinagar	India	0.0231	w
1698088	1688907	Glasgow	United Kingdom	0.0054	w
1695060	1661439	Jamshedpur	India	0.0202	w
1694765	1686236	Novosibirsk	Russia	0.0051	w
1689499	1667187	Anshan	China	0.0134	w
1683389	1641602	Aurangabad	India	0.0255	w
1680962	1634829	Qinhuangdao	China	0.0282	w
1678020	1622582	Monrovia	Liberia	0.0342	w
1677173	1619469	Tiruppur	India	0.0356	w
1673220	1652341	Auckland	New Zealand	0.0126	w
1673094	1642129	Makassar	Indonesia	0.0189	w
1672627	1644544	Ulaanbaatar	Mongolia	0.0171	w
1668785	1645140	Jilin	China	0.0144	w
1666605	1625782	Xining	China	0.0251	w
1664968	1595867	Suqian	China	0.0433	w
1664442	1592924	Kananga	DR Congo	0.0449	w
1661854	1618900	Hengyang	China	0.0265	w
1660737	1643960	Tabriz	Iran	0.0102	w
1651344	1637902	Phoenix	AZ	0.0082	us
1650319	1622620	Muscat	Oman	0.0171	w
1642347	1585812	Anyang	China	0.0357	w
1639613	1611475	Calgary	Canada	0.0175	w
1635458	1609057	Qiqihaer	China	0.0164	w
1627549	1620227	Marseille	France	0.0045	w
1623382	1552630	Onitsha	Nigeria	0.0456	w
1611651	1597844	Cordoba	Argentina	0.0086	w
1594096	1574235	Rosario	Argentina	0.0126	w
1593608	1586825	Karaj	Iran	0.0043	w
1592324	1532588	N-Djamena	Chad	0.0390	w
1586547	1548048	Jodhpur	India	0.0249	w
1582313	1560821	Ciudad Juarez	Mexico	0.0138	w
1578128	1557740	Harare	Zimbabwe	0.0131	w
1577436	1573369	Daejon	South Korea	0.0026	w
1576416	1566128	Munich	Germany	0.0066	w
1572571	1545420	Medina	Saudi Arabia	0.0176	w
1571010	1521057	Kathmandu	Nepal	0.0328	w
1569560	1543534	Jining Shandong	China	0.0169	w
1568025	1526660	Tegucigalpa	Honduras	0.0271	w
1566999	1539830	Abu Dhabi	United Arab Emirates	0.0176	w
1552899	1547094	Gaoxiong	Taiwan	0.0038	w
1547258	1510765	Ranchi	India	0.0242	w
1544448	1518921	Edmonton	Canada	0.0168	w
1536171	1502958	Zhangjiakou	China	0.0221	w
1535316	1511614	Natal	Brazil	0.0157	w
1531860	1500625	Mandalay	Myanmar	0.0208	w
1529472	1526457	Gwangju	South Korea	0.0020	w
1527886	1551880	Philadelphia	PA	-0.0155	us
1527728	1521136	Yekaterinburg	Russia	0.0043	w
1523629	1511102	Grande Sao Luis	Brazil	0.0083	w
1522121	1495679	Jabalpur	India	0.0177	w
1516795	1474243	Kota	India	0.0289	w
1512668	1486964	Huainan	China	0.0173	w
1505033	1478266	Asansol	India	0.0181	w
1496298	1472558	Chaozhou	China	0.0161	w
1491958	1431539	Nouakchott	Mauritania	0.0422	w
1483320	1436780	Yiwu	China	0.0324	w
1479493	1465608	San Antonio	TX	0.0095	us
1475016	1442015	Gwalior	India	0.0229	w
1465152	1439202	Allahabad	India	0.0180	w
1461989	1441324	San Jose	Costa Rica	0.0143	w
1459678	1405736	Ganzhou	China	0.0384	w
1454222	1435745	Chon Buri	Thailand	0.0129	w
1451748	1425040	Amritsar	India	0.0187	w
1448124	1413646	Basra	Iraq	0.0244	w
1446810	1414649	Taizhou Jiangsu	China	0.0227	w
1443429	1397632	Homs	Syria	0.0328	w
1440396	1388979	Mombasa	Kenya	0.0370	w
1437233	1383909	Niamey	Niger	0.0385	w
1437188	1422635	Ottawa	Canada	0.0102	w
1431538	1419621	Zurich	Switzerland	0.0084	w
1429315	1389782	Weihai	China	0.0284	w
1424982	1373885	Jiaxing	China	0.0372	w
1423395	1366342	Kisangani	DR Congo	0.0418	w
1422974	1382031	Hai Phong	Vietnam	0.0296	w
1421827	1407889	Joao Pessoa	Brazil	0.0099	w
1421052	1423343	Kharkiv	Ukraine	-0.0016	w
1416064	1390010	Taian Shandong	China	0.0187	w
1413474	1389302	Queretaro	Mexico	0.0174	w
1408144	1405192	Belgrade	Serbia	0.0021	w
1407632	1383000	Konya	Turkey	0.0178	w
1400250	1368920	Cochabamba	Bolivia	0.0229	w
1398262	1359105	Kaifeng	China	0.0288	w
1391258	1353165	Rizhao	China	0.0282	w
1389776	1367686	Dhanbad	India	0.0162	w
1381498	1365580	Bucaramanga	Colombia	0.0117	w
1381005	1370131	Copenhagen	Denmark	0.0079	w
1379377	1346126	Dongying	China	0.0247	w
1378077	1322063	Liuan	China	0.0424	w
1377572	1339649	Nanchong	China	0.0283	w
1376453	1345424	Zunyi	China	0.0231	w
1374076	1377838	San Diego	CA	-0.0027	us
1373523	1310870	Liuyang	China	0.0478	w
1371998	1343882	Zhanjiang	China	0.0209	w
1369066	1354431	Taizhong	Taiwan	0.0108	w
1366783	1355522	Adelaide	Australia	0.0083	w
1365352	1349905	Suweon	South Korea	0.0114	w
1363510	1350505	Maceio	Brazil	0.0096	w
1358871	1341605	Samut Prakan	Thailand	0.0129	w
1354174	1333404	Qom	Iran	0.0156	w
1354025	1318236	Shiyan	China	0.0271	w
1351383	1326012	Mianyang Sichuan	China	0.0191	w
1348664	1317085	Bareilly	India	0.0240	w
1348521	1334194	Joinville	Brazil	0.0107	w
1347240	1318826	Antalya	Turkey	0.0215	w
1337786	1327762	Helsinki	Finland	0.0075	w
1336387	1294612	Pointe-Noire	Republic of the Congo	0.0323	w
1329291	1304688	Ad-Dammam	Saudi Arabia	0.0189	w
1329284	1264636	Uyo	Nigeria	0.0511	w
1324652	1320347	Porto	Portugal	0.0033	w
1323339	1318085	Prague	Czech Republic	0.0040	w
1323174	1288451	Yingkou	China	0.0269	w
1322916	1281380	Tengzhou	China	0.0324	w
1314178	1277242	Tanger	Morocco	0.0289	w
1312369	1278555	Aligarh	India	0.0264	w
1310754	1245444	Mwanza	Tanzania	0.0524	w
1310433	1266746	Suzhou	China	0.0345	w
1309168	1272145	Freetown	Sierra Leone	0.0291	w
1304565	1294781	Fushun Liaoning	China	0.0076	w
1303900	1272048	Maoming	China	0.0250	w
1303355	1271197	Pekan Baru	Indonesia	0.0253	w
1301740	1267139	Moradabad	India	0.0273	w
1295928	1280550	Port Elizabeth	South Africa	0.0120	w
1294486	1277547	Florianopolis	Brazil	0.0133	w
1293619	1277613	Ahvaz	Iran	0.0125	w
1291884	1286418	Kazan	Russia	0.0042	w
1291280	1253779	Astana	Kazakhstan	0.0299	w
1290039	1267317	Fes	Morocco	0.0179	w
1288245	1261097	Mysore	India	0.0215	w
1288114	1286789	Sofia	Bulgaria	0.0010	w
1282479	1240240	Jieyang	China	0.0341	w
1281790	1246135	Ruian	China	0.0286	w
1276316	1222325	Lilongwe	Malawi	0.0442	w
1273325	1254382	San Luis Potosi	Mexico	0.0151	w
1270172	1255963	Dublin	Ireland	0.0113	w
1266034	1244528	Durg-Bhilainagar	India	0.0173	w
1261077	1230134	Baoji	China	0.0252	w
1259404	1273848	Dallas	TX	-0.0113	us
1257941	1215822	Jinhua	China	0.0346	w
1257642	1226033	Bhubaneswar	India	0.0258	w
1256581	1225598	Pingdingshan Henan	China	0.0253	w
1254519	1231664	Zhuzhou	China	0.0186	w
1254192	1240714	Barquisimeto	Venezuela	0.0109	w
1254160	1223886	Puning	China	0.0247	w
1252890	1188736	Abomey-Calavi	Benin	0.0540	w
1252414	1223975	Chifeng	China	0.0232	w
1251332	1252917	Nizhniy Novgorod	Russia	-0.0013	w
1250668	1225251	Zhenjiang Jiangsu	China	0.0207	w
1248783	1190367	Bukavu	DR Congo	0.0491	w
1247551	1208296	Kigali	Rwanda	0.0325	w
1242945	1229520	Maracay	Venezuela	0.0109	w
1240926	1237272	Chelyabinsk	Russia	0.0030	w
1239186	1176550	Nnewi	Nigeria	0.0532	w
1236271	1205931	Huaibei	China	0.0252	w
1232447	1198035	Islamabad	Pakistan	0.0287	w
1231445	1207036	Bogor	Indonesia	0.0202	w
1230644	1183380	Liupanshui	China	0.0399	w
1226427	1209458	Mendoza	Argentina	0.0140	w
1224629	1197901	Nanyang Henan	China	0.0223	w
1223912	1197437	Xiangtan Hunan	China	0.0221	w
1221960	1200947	Tiruchirappalli	India	0.0175	w
1220634	1188374	Da Nang	Vietnam	0.0271	w
1220603	1201142	Merida	Mexico	0.0162	w
1216852	1196384	Benxi	China	0.0171	w
1215376	1191977	Jinzhou	China	0.0196	w
1214775	1191299	Chandigarh	India	0.0197	w
1213778	1164908	Tasikmalaya	Indonesia	0.0420	w
1213348	1197931	Chiang Mai	Thailand	0.0129	w
1207275	1162776	Pizhou	China	0.0383	w
1206767	1139265	Bujumbura	Burundi	0.0593	w
1200222	1163766	Binzhou	China	0.0313	w
1197935	1149350	Luohe	China	0.0423	w
1196841	1175605	Guilin	China	0.0181	w
1190348	1159635	Quetta	Pakistan	0.0265	w
1188803	1150116	Aba	Nigeria	0.0336	w
1187398	1158048	Kaduna	Nigeria	0.0253	w
1183292	1175830	Tripoli	Libya	0.0063	w
1183042	1117707	Xiongan	China	0.0585	w
1181194	1158368	Hubli-Dharwad	India	0.0197	w
1180745	1181049	Omsk	Russia	-0.0003	w
1178477	1159544	Mexicali	Mexico	0.0163	w
1176330	1154876	Guwahati	India	0.0186	w
1175989	1119608	Bazhong	China	0.0504	w
1174429	1163950	Haifa	Israel	0.0090	w
1174025	1165898	Amsterdam	Netherlands	0.0070	w
1171689	1133891	Saharanpur	India	0.0333	w
1169953	1146334	Salem	India	0.0206	w
1169864	1135548	Yueqing	China	0.0302	w
1166792	1158761	Krasnoyarsk	Russia	0.0069	w
1162793	1138960	Maputo	Mozambique	0.0209	w
1162242	1138359	Bandar Lampung	Indonesia	0.0210	w
1161448	1143281	Aguascalientes	Mexico	0.0159	w
1155732	1157631	Samara	Russia	-0.0016	w
1155073	1125804	Shimkent	Kazakhstan	0.0260	w
1144799	1142399	Ufa	Russia	0.0021	w
1143715	1136992	Cologne	Germany	0.0059	w
1140599	1120346	Xinxiang	China	0.0181	w
1138854	1138025	Rostov-on-Don	Russia	0.0007	w
1135671	1120784	Yongin	South Korea	0.0133	w
1133629	1117176	Zaozhuang	China	0.0147	w
1131361	1101419	Wenling	China	0.0272	w
1128646	1074309	Bobo-Dioulasso	Burkina Faso	0.0506	w
1127198	1079377	Hargeysa	Somalia	0.0443	w
1126249	1091949	Siliguri	India	0.0314	w
1123843	1107476	Cuernavaca	Mexico	0.0148	w
1120694	1093520	Fuyang	China	0.0249	w
1120675	1098267	Panjin	China	0.0204	w
1118826	1096068	Jalandhar	India	0.0208	w
1116295	1096429	Chihuahua	Mexico	0.0181	w
1116052	1110681	San Salvador	El Salvador	0.0048	w
1112680	1083048	Ma’anshan	China	0.0274	w
1110824	1078342	Bien Hoa	Vietnam	0.0301	w
1106736	1081383	Shangrao	China	0.0234	w
1105283	1094880	Goyang	South Korea	0.0095	w
1104742	1082214	Bishkek	Kyrgyzstan	0.0208	w
1103202	1077519	Zhaoqing	China	0.0238	w
1100324	1071258	Samarinda	Indonesia	0.0271	w
1100271	1065779	Fuzhou Jiangxi	China	0.0324	w
1096937	1078994	Diyarbakir	Turkey	0.0166	w
1094813	1092028	Yerevan	Armenia	0.0026	w
1094510	1083094	Managua	Nicaragua	0.0105	w
1093308	1041166	Ikorodu	Nigeria	0.0501	w
1089886	1072008	Jingzhou Hubei	China	0.0167	w
1087599	1079004	Cartagena	Colombia	0.0080	w
1087409	1055794	Leshan	China	0.0299	w
1086214	1065341	Johor Bahru	Malaysia	0.0196	w
1085992	1071062	Oslo	Norway	0.0139	w
1084969	1046252	Chenzhou	China	0.0370	w
1084623	1066369	Kermanshah	Iran	0.0171	w
1082245	1080349	Tbilisi	Georgia	0.0018	w
1081768	1078878	Perm	Russia	0.0027	w
1080808	1077179	Voronezh	Russia	0.0034	w
1080680	1050796	Dezhou	China	0.0284	w
1079670	1044911	Aden	Yemen	0.0333	w
1079120	1073395	Lille	France	0.0053	w
1078630	1029428	Yichun Jiangxi	China	0.0478	w
1077929	1034917	Sekondi Takoradi	Ghana	0.0416	w
1077108	1023575	Tshikapa	DR Congo	0.0523	w
1074884	1051780	Kirkuk	Iraq	0.0220	w
1072666	1034872	Asmara	Eritrea	0.0365	w
1070322	1054911	Solapur	India	0.0146	w
1069402	1052637	Mersin	Turkey	0.0159	w
1067651	1042111	Huzhou	China	0.0245	w
1063876	1033680	Xuchang	China	0.0292	w
1060460	1049246	Toulouse	France	0.0107	w
1059902	1022366	Changshu	China	0.0367	w
1057215	1052622	Antwerp	Belgium	0.0044	w
1056986	1042445	Aracaju	Brazil	0.0139	w
1056952	1012312	Nyala	Sudan	0.0441	w
1054442	1054243	Changwon	South Korea	0.0002	w
1053041	1030815	Denpasar	Indonesia	0.0216	w
1050459	1040971	Teresina	Brazil	0.0091	w
1049690	1033050	Marrakech	Morocco	0.0161	w
1048889	1034517	Yueyang	China	0.0139	w
1047251	1031867	Tampico	Mexico	0.0149	w
1038964	1008582	Qujing	China	0.0301	w
1034126	1017570	Saltillo	Mexico	0.0163	w
1033645	1015105	Padang	Indonesia	0.0183	w
1031090	1006935	Warangal	India	0.0240	w
1030974	994911	Blantyre-Limbe	Malawi	0.0362	w
1030498	1000477	Ilorin	Nigeria	0.0300	w
1026767	1013645	San Miguel de Tucuman	Argentina	0.0129	w
1024945	1008662	Cebu City	Philippines	0.0161	w
1023756	996054	Xintai	China	0.0278	w
1022604	998146	Cancun	Mexico	0.0245	w
1020399	980589	Guiping	China	0.0406	w
1018976	1005421	Acapulco de Juarez	Mexico	0.0135	w
1018012	1014675	Rotterdam	Netherlands	0.0033	w
1013240	1000348	Kayseri	Turkey	0.0129	w
1008599	1000467	Valparaiso	Chile	0.0081	w
1007716	1007989	Odesa	Ukraine	-0.0003	w
1005007	992237	Songkhla	Thailand	0.0129	w
1001155	989104	Krasnodar	Russia	0.0122	w
1000947	988230	Nonthaburi	Thailand	0.0129	w
1000475	990650	Bordeaux	France	0.0099	w
999721	976771	Pingxiang Jiangxi	China	0.0235	w
995747	964154	Hamah	Syria	0.0328	w
995078	997537	Volgograd	Russia	-0.0025	w
993175	977845	Jixi Heilongjiang	China	0.0157	w
993097	958210	Chengde	China	0.0364	w
991876	967454	Dehradun	India	0.0252	w
991208	960058	Zhucheng	China	0.0324	w
988744	975171	Morelia	Mexico	0.0139	w
986921	942683	Warri	Nigeria	0.0469	w
986899	962139	Dushanbe	Tajikistan	0.0257	w
986248	961197	Laiwu	China	0.0261	w
984193	953472	Misratah	Libya	0.0322	w
983352	945046	Owerri	Nigeria	0.0405	w
982777	960233	Jiujiang	China	0.0235	w
982021	955649	San Pedro Sula	Honduras	0.0276	w
979248	960438	Agadir	Morocco	0.0196	w
978327	939173	Leiyang	China	0.0417	w
975348	958338	Mudanjiang	China	0.0177	w
970129	942167	Jos	Nigeria	0.0297	w
969804	956849	Jerusalem	Israel	0.0135	w
969322	927472	Nampula	Mozambique	0.0451	w
967428	943042	Guigang	China	0.0259	w
966292	965234	Austin	TX	0.0011	us
964291	927856	Sylhet	Bangladesh	0.0393	w
964266	949518	Ciudad Guayana	Venezuela	0.0155	w
963045	953378	Cucuta	Colombia	0.0101	w
962970	958783	Jacksonville	FL	0.0044	us
961991	942126	Rajshahi	Bangladesh	0.0211	w
961885	948605	Fort Worth	TX	0.0140	us
960349	944864	Zamboanga City	Philippines	0.0164	w
958998	946844	Arequipa	Peru	0.0128	w
958548	914456	Lubango	Angola	0.0482	w
958487	929669	Najaf	Iraq	0.0310	w
958335	933176	Bangui	Central African Republic	0.0270	w
956079	934600	Yangjiang	China	0.0230	w
955663	924817	Hengshui	China	0.0334	w
955519	929015	Zhangzhou	China	0.0285	w
955226	942635	Veracruz	Mexico	0.0134	w
955104	949659	Khulna	Bangladesh	0.0057	w
953768	927240	Tianmen	China	0.0286	w
952278	922665	Xinyu	China	0.0321	w
951822	922495	Linfen	China	0.0318	w
951531	943745	Southampton	United Kingdom	0.0083	w
951417	934515	Reynosa	Mexico	0.0181	w
950048	937977	Pathum Thani	Thailand	0.0129	w
948149	945312	Nice	France	0.0030	w
946653	924888	Antipolo	Philippines	0.0235	w
944465	929529	Bengbu	China	0.0161	w
943530	928663	Villahermosa	Mexico	0.0160	w
941586	946574	Dnipro	Ukraine	-0.0053	w
941508	941569	Seongnam	South Korea	-0.0001	w
940600	907739	Taiz	Yemen	0.0362	w
939166	913268	Deyang	China	0.0284	w
936997	898864	Liling	China	0.0424	w
935947	922302	Oran	Algeria	0.0148	w
934341	921524	West Rand	South Africa	0.0139	w
933395	905154	Jiangyin	China	0.0312	w
930862	956814	San Jose	CA	-0.0271	us
927532	894834	Baishan	China	0.0365	w
926095	916786	Campo Grande	Brazil	0.0102	w
922425	911014	Londrina	Brazil	0.0125	w
919654	894561	Bahawalpur	Pakistan	0.0281	w
919443	906940	Malang	Indonesia	0.0138	w
918324	896750	Guntur	India	0.0241	w
917936	903644	Dandong	China	0.0158	w
917032	911546	Liverpool	United Kingdom	0.0060	w
915060	899681	Hermosillo	Mexico	0.0171	w
914036	904170	La Plata	Argentina	0.0109	w
913376	907202	Bergamo	Italy	0.0068	w
912734	911564	Ulsan	South Korea	0.0013	w
911862	902142	Concepcion	Chile	0.0108	w
910743	889876	Changzhi	China	0.0234	w
907865	907196	Columbus	OH	0.0007	us
906581	889708	Bhiwandi	India	0.0190	w
905814	864183	Bogra	Bangladesh	0.0482	w
904676	861878	Cabinda	Angola	0.0497	w
904139	860555	Umuahia	Nigeria	0.0506	w
903896	890973	Trujillo	Peru	0.0145	w
903815	887092	Tyumen	Russia	0.0189	w
902353	883389	Ashgabat	Turkmenistan	0.0215	w
900692	885256	Liaoyang	China	0.0174	w
898338	876395	Changde	China	0.0250	w
897983	877010	Puducherry	India	0.0239	w
897694	881638	Tuxtla Gutierrez	Mexico	0.0182	w
896716	877888	Erbil	Iraq	0.0214	w
895111	873125	Shangqiu	China	0.0252	w
894388	870224	Firozabad	India	0.0278	w
892254	878960	Soshanguve	South Africa	0.0151	w
888620	872643	Culiacan	Mexico	0.0183	w
887716	893392	Donetsk	Ukraine	-0.0064	w
886381	868161	Xingtai	China	0.0210	w
885663	882681	Charlotte	NC	0.0034	us
876930	860580	Huangshi	China	0.0190	w
876131	863008	Fuxin	China	0.0152	w
875496	840372	Kuerle	China	0.0418	w
872438	860353	Hufuf-Mubarraz	Saudi Arabia	0.0140	w
871457	836448	Quzhou	China	0.0419	w
871449	876728	Indianapolis	IN	-0.0060	us
870465	836876	Cherthala	India	0.0401	w
869773	856854	Libreville	Gabon	0.0151	w
869625	863377	Tainan	Taiwan	0.0072	w
864910	848003	Yibin	China	0.0199	w
861978	839474	Xinghua	China	0.0268	w
860522	835771	Yongzhou	China	0.0296	w
859209	847790	Banghazi	Libya	0.0135	w
857683	845243	Luzhou	China	0.0147	w
857225	842281	Ipoh	Malaysia	0.0177	w
855191	836336	Xinyang	China	0.0225	w
851630	832913	Yangquan	China	0.0225	w
849687	849675	Palermo	Italy	0.0000	w
849580	828411	Xiaogan	China	0.0256	w
846560	819791	Enugu	Nigeria	0.0327	w
844747	822337	Maiduguri	Nigeria	0.0273	w
844249	837814	Quebec City	Canada	0.0077	w
843754	815194	Huaihua	China	0.0350	w
841108	832944	Winnipeg	Canada	0.0098	w
839046	790742	Lokoja	Nigeria	0.0611	w
838377	839439	Saratov	Russia	-0.0013	w
838301	836857	Valencia	Spain	0.0017	w
837479	814639	Tianshui	China	0.0280	w
835900	822533	Orumiyeh	Iran	0.0163	w
834782	816151	Zhuji	China	0.0228	w
834065	818551	Eskisehir	Turkey	0.0190	w
830125	802749	Bozhou	China	0.0341	w
826981	827868	Bucheon	South Korea	-0.0011	w
826777	815308	Heze	China	0.0141	w
826414	798818	Kunshan	China	0.0345	w
825581	815141	Barcelona-Puerto La Cruz	Venezuela	0.0128	w
823431	818452	Newcastle upon Tyne	United Kingdom	0.0061	w
821192	808044	Haicheng	China	0.0163	w
821132	805739	Huludao	China	0.0191	w
818628	780349	Kottayam	India	0.0491	w
818566	802188	Bikaner	India	0.0204	w
818057	791806	Jincheng	China	0.0332	w
816293	794715	Nellore	India	0.0272	w
814524	813793	Thessaloniki	Greece	0.0009	w
814332	811707	Bologna	Italy	0.0032	w
813394	792744	Gebze	Turkey	0.0260	w
813369	796139	Liaocheng	China	0.0216	w
813320	804692	Sorocaba	Brazil	0.0107	w
812090	767645	Bunia	DR Congo	0.0579	w
811451	791025	Taixing	China	0.0258	w
811041	799178	Xalapa	Mexico	0.0148	w
809468	776832	Benguela	Angola	0.0420	w
807833	786186	Langfang	China	0.0275	w
806757	800394	Nottingham	United Kingdom	0.0079	w
804537	777056	Zhumadian	China	0.0354	w
803194	786304	Cagayan de Oro City	Philippines	0.0215	w
802600	784218	Dasmarinas	Philippines	0.0234	w
801853	792437	Nakhon Ratchasima	Thailand	0.0119	w
800793	779320	Sulaimaniya	Iraq	0.0276	w
800010	766392	Zanzibar	Tanzania	0.0439	w
798382	779386	Ar-Rayyan	Qatar	0.0244	w
797964	772476	Gaomi	China	0.0330	w
797865	799832	Niigata	Japan	-0.0025	w
796756	773630	Meishan	China	0.0299	w
796509	785635	Jiaozuo	China	0.0138	w
796437	791232	Frankfurt	Germany	0.0066	w
795835	770665	Hanchuan	China	0.0327	w
793927	786127	Vereeniging	South Africa	0.0099	w
792620	778087	Amravati	India	0.0187	w
791931	758275	Anqiu	China	0.0444	w
791214	767107	Muzaffarnagar	India	0.0314	w
789755	767329	Danyang	China	0.0292	w
788276	776617	Gorakhpur	India	0.0150	w
786192	757238	Kayamkulam	India	0.0382	w
784230	775245	Shaoguan	China	0.0116	w
783243	743760	Malanje	Angola	0.0531	w
781047	775751	Hamilton	Canada	0.0068	w
779535	762382	Anqing	China	0.0225	w
778280	764116	Bur Sa’id	Egypt	0.0185	w
778187	756083	Gaza	Palestine	0.0292	w
776076	754831	Linhai	China	0.0281	w
775559	762998	Cuttack	India	0.0165	w
774321	752919	Erduosi-Ordoss	China	0.0284	w
771515	749750	Oshogbo	Nigeria	0.0290	w
771514	731511	Ibb	Yemen	0.0547	w
770959	757329	Banjarmasin	Indonesia	0.0180	w
769417	769595	Krakow	Poland	-0.0002	w
768075	757011	Zigong	China	0.0146	w
767188	739777	Yan’an	China	0.0371	w
767161	752185	Belgaum	India	0.0199	w
766782	755409	Qingyuan	China	0.0151	w
766703	764669	Ansan	South Korea	0.0027	w
766007	749297	Zaria	Nigeria	0.0223	w
764628	747821	Malegaon	India	0.0225	w
762981	735499	Kitwe	Zambia	0.0374	w
761169	745467	Shaoyang	China	0.0211	w
760129	727772	Merca	Somalia	0.0445	w
759150	732643	Dengzhou	China	0.0362	w
758185	739052	Maturin	Venezuela	0.0259	w
757224	737464	Yanji	China	0.0268	w
756158	738713	Tongliao	China	0.0236	w
754711	729924	Yuncheng	China	0.0340	w
753325	736488	Sialkot	Pakistan	0.0229	w
752916	734805	Tongling	China	0.0246	w
752744	729109	Tirupati	India	0.0324	w
751679	733917	Wuzhou	China	0.0242	w
750102	723114	Yuxi	China	0.0373	w
750097	733643	Suining Sichuan	China	0.0224	w

2. Bộ dữ liệu world-country-populations

Thông tin tổng quan

---

• is.data.frame - cho biết bộ dữ liệu có phải mang thông tin định tính hay không, kết quả trả về TRUE hoặc FALSE

  • Nếu kết quả là TRUE - bộ dữ liệu mang thông tin định tính
  • Nếu kết quả là FALSE - bộ dữ liệu mang thông tin định lượng

Với bộ dữ liệu trên, kết quả là TRUE - nghĩa là bdl mang thông tin định tính

is.data.frame(bdl)

## [1] TRUE

---

• length - cho biết độ dài của bộ dữ liệu là bao nhiêu biến, kết quả trả về giá trị số

Với bộ dữ liệu trên, kết quả là 6 - nghĩa là bộ dữ liệu có 6 biến (cột)

length(bdl)

## [1] 6

---

• names - cho biết tên của các biến có trong bộ dữ liệu

Với bộ dữ liệu trên, kết quả có 6 biến với các tên tương ứng

names(bdl)

## [1] "population_in_2023"    "population_in_2022"    "city"                 
## [4] "country"               "population_growthRate" "type"

---

• dim - cho biết tổng số quan sát(hàng) và biến(cột)

Với bộ dữ liệu trên, kết quả có 778 quan sát và 6 biến

dim(bdl)

## [1] 778   6

---

• skim - cho biết thêm các thông tin khác nhau về bộ dữ liệu

Các thông tin được biết như : số lỗ hỏng (n_missing), số trung bình (mean), độ lệch chuẩn (sd) ,… Có thể xem thêm các thông tin khác bên dưới :

library(skimr)
skim(bdl)

Data summary

Name	bdl
Number of rows	778
Number of columns	6
_______________________
Column type frequency:
character	3
numeric	3
________________________
Group variables	None

Variable type: character

skim_variable	n_missing	complete_rate	min	max	empty	n_unique	whitespace
city	0	1	3	24	0	774	0
country	0	1	2	24	0	141	0
type	0	1	1	2	0	2	0

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
population_in_2023	0	1	2658927.29	3700348.55	750097.00	992181.25	1381251.50	2607129.50	37194105.00	▇▁▁▁▁
population_in_2022	0	1	2607826.46	3638665.06	723114.00	965789.00	1362342.50	2548158.50	37274002.00	▇▁▁▁▁
population_growthRate	0	1	0.02	0.01	-0.03	0.01	0.02	0.03	0.06	▁▂▇▆▁

Một số thông tin mở rộng của bộ dữ liệu

---

head - cho biết các quan sát tính từ hàng đầu tiên của bộ dữ liệu, số quan sát có thể điều chỉnh tùy vào nhu cầu sử dựng

Với bộ dự liệu trên head(bdl,5) - cho biết 5 quan sát đầu tiên của bộ dữ liệu

head(bdl,5)

population_in_2023	population_in_2022	city	country	population_growthRate	type
37194105	37274002	Tokyo	Japan	-0.0021	w
32941309	32065760	Delhi	India	0.0273	w
29210808	28516903	Shanghai	China	0.0243	w
23209616	22478117	Dhaka	Bangladesh	0.0325	w
22619736	22429799	Sao Paulo	Brazil	0.0085	w

---

tail - cho biết các quan sát tính từ hàng cuối cùng của bộ dữ liệu, số quan sát có thể điều chỉnh tùy vào nhu cầu sử dựng

Với bộ dự liệu trên tail(bdl,5) - cho biết 5 quan sát cuối cùng của bộ dữ liệu

tail(bdl,5)

	population_in_2023	population_in_2022	city	country	population_growthRate	type
774	752916	734805	Tongling	China	0.0246	w
775	752744	729109	Tirupati	India	0.0324	w
776	751679	733917	Wuzhou	China	0.0242	w
777	750102	723114	Yuxi	China	0.0373	w
778	750097	733643	Suining Sichuan	China	0.0224	w

---

str - cho biết các thông tin về biến và quan sát của bộ dữ liệu

Với bộ dữ liệu trên, kết quả có 778 quan sát, 6 biến, tên của các biến và giá trị của các quan sát

str(bdl)

## 'data.frame':    778 obs. of  6 variables:
##  $ population_in_2023   : int  37194105 32941309 29210808 23209616 22619736 22281442 22183201 21766214 21296517 19013434 ...
##  $ population_in_2022   : int  37274002 32065760 28516903 22478117 22429799 22085139 21750020 21333331 20961473 19059857 ...
##  $ city                 : chr  "Tokyo" "Delhi" "Shanghai" "Dhaka" ...
##  $ country              : chr  "Japan" "India" "China" "Bangladesh" ...
##  $ population_growthRate: num  -0.0021 0.0273 0.0243 0.0325 0.0085 0.0089 0.0199 0.0203 0.016 -0.0024 ...
##  $ type                 : chr  "w" "w" "w" "w" ...

Kiểm tra tính hoàn thiện của dữ liệu

---

sum(is.na()) - cho biết tổng số giá trị còn thiếu (bỏ trống) trong bộ dữ liệu là bao nhiêu giá trị

Với bộ dữ liệu trên cho thấy không có giá trị nào còn thiếu

sum(is.na(bdl))

## [1] 0

---

which(is.na()) - cho biết tổng số giá trị nguyên có trong bộ dữ liệu là bao nhiêu giá trị

Với bộ dữ liệu trên cho thấy không có giá trị số nguyên nào

which(is.na(bdl))

## integer(0)

3. Rút trích dữ liệu world-country-populations

Đổi tên

• names - dùng để đổi tên các biến trong bộ dữ liệu, giúp dữ liệu trở nên ngắn gọn, có thể dễ dàng thao tác và tiết kiệm thời gian

• Với bdl trên ta tiến hành đổi :

  • population_in_2023 -> pp23

  • population_in_2022 -> pp22

  • city -> ct

  • country -> ctr

  • population_growthRate -> ppgr

  • type -> tp

names(bdl) <- c('pp23','pp22','ct','ctr','ppgr','tp')

Rút tích dữ liệu

• Ta có thể rút trích dữ liệu theo nhu cầu với các biến và quan sát mong muốn có trong bộ dữ liệu

• Rút trích dữ liệu được tiến hành nhằm giúp tìm kiếm thông tin nhanh chóng, tránh mất thời gian

---

v1 <- bdl[48,4]
v2 <- bdl[,4]
v3 <- bdl[c(2,4,6),]

• Với bdl trên :

  • v1 <- bdl[48,4] - ta rút trích quan sát số 48 và biến số 4 thành v1, kết quả thu được là giá trị “NY”

  • v2 <- bdl[,4] - ta rút trích tất cả các quan sát và biến số 4 thành v2, kết quả thu được còn 1 biến và 778 quan sát

  • v3 <- bdl[c(2,4,6),] - ra rút trích các quan sát số 2,4,6 và tất cả các biến đó thành v3, kết quả thu được còn 6 biến và 3 quan sát

---

bdl1 <- bdl[bdl$country=='China',]

• Với bdl trên : bdl1 <- bdl[bdl$country==‘China’,]

  • Ta rút trích các giá trị mang tên ‘China’ ở biến country, kết quả thu được còn 219 quan sát

---

bdl2 <- bdl[bdl$country=='Vietnam'|bdl$country=='Japan',]

• Với bdl trên : bdl2 <- bdl[bdl\(country=='Vietnam'|bdl\)country==‘Japan’,]

  • Ta rút trích các giá trị mang tên ‘China’ và ‘Vietnam’ ở biến country, kết quả thu được còn 15 quan sát

4. Tạo dữ liệu mới

• Tạo dữ liệu mới cho phép ta tạo ra các thông tin mới từ dữ liệu có sẵn trong bộ dữ liệu

• Dữ liệu mới được tào tùy thuộc vào nhu cầu sử dụng thông tin, có thể giúp dễ so sánh, dễ rút trích,…

d <- bdl
tyle <- d$population_in_2023-d$population_in_2022
tongsodan24 <- d$population_in_2023*d$population_growthRate
d1 <- cbind(tongsodan24, tyle)

• Với bộ dữ liệu có sẵn, ta muốn tạo bộ dữ liệu mới về tổng số dân tăng của năm 2022-2023 và dự đoán tổng số dân năm 2024

• Ta có :

  • tyle - là tổng số dân tăng của năm 22-23, ta lấy population_in_2023 trừ cho population_in_2022

  • tongsodan24 - là dự đoán tổng số dân năm 2024, ta lấy population_in_2023 nhân cho population_growthRate

  • Từ đó, ta có một bảng dự liệu mới gồm 2 biến và 778 quan sát

---

Nhiệm vụ 2.2

Chọn bộ dữ liệu : Dataset on Air Quality in Vietnam in 2021

1. Mô tả bộ dữ liệu

• Trang web tham khảo của bộ dữ liệu :

  • Google Dataset Search

  • Open Development Mekong

• Link trang web chính xác của bộ dữ liệu : Dataset on Air Quality in Vietnam in 2021

• Bộ dữ liệu gồm có : 2622 obs và 18 variables

• Nội dung của bộ dữ liệu về :

  • Nghĩa tiếng Việt : Dữ liệu chất lượng không khí tại Việt Nam năm 2021

  • Mô tả chất lượng không khí tại Việt Nam trong năm 2021 tại từng trạm

  • Mỗi trạm có : độ ẩm, áp suất, nhiệt độ,… riêng biệt

2. Đọc bộ dữ liệu

Dataset on Air Quality in Vietnam in 2021 là file csv, nên ta đọc bộ dữ liệu từ file csv

• Thao tác thực hiện :

library(csv)
air <- read.csv("D:/UFM/historical_air_quality_2021_en.csv", header = T)

3. Rút trích các dư liệu

• Có thể rút trích dữ liệu theo nhu cầu với các biến và quan sát mong muốn có trong bộ dữ liệu

a1 <- air[101,9]
a2 <- air[2024,]

• Với bộ dữ liệu trên :

  • a1 <- [101,11] - ta rút trích dữ liệu ở quan sát số 101 và biến số 11, thu được kết quả là Humidity - độ ẩm là 85.3

  • a2 <- air[2024,] - ta rút trích dữ liệu ở quan sát số 2024, thu được kết quả gồm 1 quan sát số 2024 và 21 biến của nó

---

a3 <- air[air$Humidity >= 77,]
a4 <- air[air$Humidity == 49 & air$CO >= 7,]

• Với bộ dữ liệu trên :

  • a3 <- air[air$Humidity >= 77,] - ta rút trích dư liệu có biến Humidity (độ ẩm) lớn hơn bằng 77, kết quả thu được có 2249 quan sát thỏa điều kiện

  • a4 <- air[air\(Humidity == 49 & air\)CO >= 7,] - ta rút trích dữ liệu có Humidity (độ ẩm) bằng 49 và nồng độ CO lớn hơn bằng 7, kết quả thu được có 3 quan sát thỏa điều kiện

4. Tạo dữ liệu mới

• Ta tiến hành tạo một dữ liệu mới từ dữ liệu có sẵn

  • Với bộ dữ liệu này, ta có sẵn Temperature (nhiệt độ) ở độ C, ta tiến hành đổi từ độ C sang độ F

  • Công thức đổi nhiệt độ : °F = °C × 9/5 + 32

n <- air
doF <- n$Temperature*9/5+32
n1 <- cbind(n,doF)

Kết quả thu được thêm 1 biến có tên doF

Vậy bộ dữ liệu hiện tại tổng cộng có 3415 obs và 22 variables