I osa

Jaanus “Sops” Kolmene käib jõusaalis kolm korda nädalas. Järgmisel kuul sisustab ta ka reede õhtupooliku raskusi tõstes, sest tema rinnalihas on statistiku jaoks liiga nõrk. Nimelt otsib korvpalliklubi Brooklyn Nets oma ridadesse statistikut, kes analüüsiks korvpalliandmeid ja aitaks seeläbi optimiseerida meeskonna mängustrateegiat. Kandidaadi nõuete seas on ka 50 kg rinnalt surumine.

Kuna rinnalihase nõue on ehk peagi täidetud, tahab Jaanus enne intervjuule minekut saada praktilist kogemust NBA andmete analüüsimisel. Ta teab, et NBA mängude kohta kogutakse SportVU tehnoloogia abil detailset statistikat.

Ta tahab koostada iga mängija ja meeskonna kohta profiili: kust visatakse ning kust tabatakse. Just nagu tegi NY Times’i graafikaosakond:

Selles praktikumis uurime, kuidas teha sarnast joonist R-i vahenditega.

Tutvumine andmestikuga

Kasutame NBA 2020/21 hooaja andmeid. Lae alla vajalikud NBA 2020/21 hooaja andmed aine kodulehelt, paki fail lahti ja loe andmed järgmise koodiga sisse:

# Sea paika töökataloog 
# Kui skripti fail asub samas kaustas andmetega, siis kasuta järgmist koodi.
setwd(dirname(rstudioapi::getActiveDocumentContext()[[2]]))

# Loe andmed sisse
nba <- read.csv('NBA_20_21.csv')

Tunnused, mida järgnevalt vaja läheb, on:

  • PLAYER_NAME - korvpalluri nimi
  • TEAM_NAME - korvpalluri meeskonna nimi
  • SHOT_MADE_FLAG - kas vise läks korvi
  • LOC_X - viske x-koordinaat
  • LOC_Y - viske y-koordinaat

Andmestikust ülevaate saamiseks võid enda jaoks visualiseerida huvipakkuva mängija viskekohti hajuvusdiagrammi abil, kus iga vise oleks punktike. Kasuta tunnuseid LOC_X ja LOC_Y.

Näpunäide: kasuta käsku coord_fixed(ratio = 1) (ka edaspidiselt).

Ülesanne 1.1 - väljak diskreetseks (2 punkti)

Diskretiseeri mänguväljak (jaga mänguväljak tükkideks).

Tükid moodusta nii, et ümarda x- ja y-koordinaat kümnelisteni. Iga kastikese kohta arvuta:

  • visete arv
  • tabavusprotsent

Tee seda iga algandmestikus oleva mängija puhul, võttes arvesse ka mängija meeskondlikku kuuluvust (mängija võib hooaja keskel meeskonda vahetada). Salvesta saadud andmestik muutujasse nba_agr.

Näpunäited:

  • uuri, mida teeb käsk round(21:30, -1).
  • kasuks tuleb paketi dplyr funktsionaalsus (mutate, group_by, summarise)
# SINU LAHENDUS

library(ggplot2)
library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
library(reshape2) 
## Warning: package 'reshape2' was built under R version 4.3.3
nba <- read.csv('NBA_20_21.csv')

nba_agr <- nba %>%
  mutate(x_uus = round(LOC_X, -1), y_uus = round(LOC_Y, -1)) %>%
  group_by(x_uus, y_uus, PLAYER_NAME) %>%
  summarize(visete_arv = n(), tabavusprotsent = sum(SHOT_MADE_FLAG)/n())
## `summarise()` has grouped output by 'x_uus', 'y_uus'. You can override using
## the `.groups` argument.

Ülesanne 1.2 - mänguväljaku põhja lisamine (1 punkti)

Kasuta edasisel visualiseerimisel järgnevat koodi näidist mänguväljaku loomiseks:

library(grid) 
library(jpeg) 

# mänguväljaku loomine pildi abil
manguvaljak <- rasterGrob(readJPEG("nba_court.jpg"), width=unit(1,"npc"), height=unit(1,"npc"))
                    
valitud_mangija_agr = filter(nba_agr, PLAYER_NAME == 'Stephen Curry') # Vaheta nimi!

valjak <- ggplot(valitud_mangija_agr, aes(x = x_uus, y = y_uus)) + 
  annotation_custom(manguvaljak, -250, 250, -50, 420) + geom_point()
  
# SINU LAHENDUS

valjak <- ggplot(valitud_mangija_agr, aes(x = x_uus, y = y_uus)) + 
  annotation_custom(manguvaljak, -250, 250, -50, 420) + geom_point(aes(size = visete_arv)) +
  ylim(-50,300) + xlim(-250,250) + coord_fixed(ratio = 1)

valjak

Visualiseeri enda jaoks ülesandes 1 saadud andmeid (valitud mängija korral). Iga diskretiseeritud kastikese kohta joonista ring. Ringi pindala olgu proportsionaalne visete arvuga.

Näpunäited:

  • määra ylim(-50,300) ja xlim(-250,250) (et ka varupingimeestel või hooaja keskel liitunutel näidatakse ikka tervet väljakut).

Ülesanne 1.3 - suuruse muutmine (1 punkti)

NY Timesi graafikaosakond on jaganud visete arvu kolme kategooriasse: low, medium, high. Vali välja piirid, mille põhjal jaotatakse visete arv kolme kategooriasse (low, medium, high). Iga kategooria jaoks vali sobiv pindala suurus (kontrolli, et tulemus oleks visuaalselt kena). Kirjuta funktsioon kolm_suurust, mis vastavalt valitud suuruste väärtustele ning kategooriate piiridele tagastab andmestiku, kus tunnus “uus_suurus” vastab kategooria suurusele.

kolm_suurust = function(andmed, suurus1, suurus2, suurus3, piir1, piir2){
  # Kui visete_arv <= piir1, siis uus_suurus = suurus1,
  # kui piir1 < visete_arv <= piir2, siis uus_suurus = suurus2,
  # kui visete_arv>piir2, siis uus_suurus = suurus3
  
  # SINU LAHENDUS
  
  filtr_andmed <- andmed
  
  filtr_andmed$visete_arv <- ifelse(andmed$visete_arv <= piir1, suurus1, filtr_andmed$visete_arv)
  filtr_andmed$visete_arv <- ifelse(andmed$visete_arv > piir1 & andmed$visete_arv <= piir2, suurus2, filtr_andmed$visete_arv)
  filtr_andmed$visete_arv <- ifelse(andmed$visete_arv > piir2, suurus3, filtr_andmed$visete_arv)
  
  return(filtr_andmed)
}

vma <- kolm_suurust(valitud_mangija_agr, 50, 100, 200, 2, 4)

ggplot(vma, aes(x = x_uus, y = y_uus)) + 
  annotation_custom(manguvaljak, -250, 250, -50, 420) + geom_point(aes(colour = tabavusprotsent, size = visete_arv)) +
  ylim(-50,300) + xlim(-250,250) + coord_fixed(ratio = 1) + 
  scale_colour_gradient2(low = "#ABCDBC", mid = "#EFF471", high = "#D9060B", midpoint = 0.5)

Visualiseeri enda jaoks viskepositsioone sarnaselt eelmisele joonisele, kuid nüüd olgu ringidel vaid 3 erinevat suurust.

Ülesanne 1.4 - värvid (1 punkti)

Uuri, mida tähistavad NY Times’i graafikul punane ja roheline värv.

Lisa nüüd ringidele värv vastavalt visketabavusele. Kasuta sarnast värvigammat, näiteks värvikoodid #ABCDBC, #EFF471 ja #D9060B.

Näpunäide:

  • uuri, mida teeb käsk scale_color_gradient2(), sh parameeter midpoint.

Ülesanne 1.5 - kuusnurgad (3 punkti)

Kasuta nüüd ringide asemel kuusnurki.

Meeldetuletus kuusnurkadest:

ggplot() võimaldab parameetri shape abil määrata erinevaid geomeetrilisi kujutusviise (näit. ruut, kolmnurk), kuid valikute seas ei leidu kuusnurka. Oleme ette andnud funktsiooni kuusnurk, mis sisestades kuusnurga keskpunkti koordinaadid ja pindala, väljastab kuusnurga tippude koordinaadid. Paraku ise defineeritud geomeetriliste objektide kujutamiseks geom_point() ei sobi.

Näpunäited:

  • uuri, mida teeb funktsioon geom_polygon()
  • uuri, mida teeb funktsioon kuusnurk ühe vaatluse korral (st fikseeritud koordinaatide x ja y ning pindala korral)
  • moodusta eelnevalt valitud mängijale vastav uus andmestik, kus olemasoleva andmestiku iga rida on dubleeritud 6 korda, et kuusnurga iga tipu kohta oleks sama info
  • kuusnurkade eristamiseks tuleks lisada grupeeriv tunnus, mida ggplot joonist tehes parameetri group puhul kasutada
  • kuusnurki saab seest värvida parameetri fill abil ja kontuure parameetri color abil.
  • uuri, mida teeb funktsioon scale_fill_gradient2()
kuusnurk = function(x, y, pindala){
    r = sqrt(2*sqrt(3)/9*pindala)
    x_coord=x+c(0,sqrt(3)/2*r,sqrt(3)/2*r,0,-sqrt(3)/2*r,-sqrt(3)/2*r) 
    y_coord=y+c(r, r/2, -r/2, -r, -r/2, r/2)
    return(data.frame(x_kuusnurk=x_coord,y_kuusnurk=y_coord))
  }

# SINU LAHENDUS

vma_kuusnurk <- kuusnurk(as.numeric(vma[1, 'x_uus']), as.numeric(vma[1, 'y_uus']), as.numeric(vma[1, 'visete_arv']))
vma_kuusnurk <- merge(vma[1, ], vma_kuusnurk)
vma_kuusnurk <- cbind(vma_kuusnurk, kuusnurk_nr = 1)

for(i in 2:nrow(vma)) {
  temp <- kuusnurk(as.numeric(vma[i, 'x_uus']), as.numeric(vma[i, 'y_uus']), as.numeric(vma[i, 'visete_arv']))
  temp <- merge(vma[i, ], temp)
  temp <- cbind(temp, kuusnurk_nr = i)
  vma_kuusnurk <- rbind(vma_kuusnurk, temp)
}

ggplot(vma_kuusnurk) +
  annotation_custom(manguvaljak, -250, 250, -50, 420)+ 
  geom_polygon(data=vma_kuusnurk, mapping=aes(x=x_kuusnurk, y=y_kuusnurk, group=kuusnurk_nr, fill=tabavusprotsent)) +
  ylim(-50,300) + xlim(-250,250) + coord_fixed(ratio = 1) + 
  theme(legend.position="bottom") +
  scale_fill_gradient2(low = "#ABCDBC",mid = "#EFF471", high = "#D9060B", midpoint = 0.5) 

Ülesanne 1.6 - shiny rakendus (7 punkti)

Ehita Shiny rakendus, kus kasutaja saab valida meeskonna ja valitud meeskonnas oleva mängija. Seejärel peab rakendus kuvama valitud mängijale vastava viskeprofiili.

Juhend:

  1. Tekita esmalt võimalus meeskonna valikuks
  • Kasuta ui osas funktsiooni selectInput()
  • parameetri choices valikuks olgu algandmetes olevate meeskondade nimed tähestiku järjekorras
  • testi enda jaoks, kas see valik töötab
  1. Tekita juurde võimalus mängija valikuks. Kasutajale kuvatakse vaid neid mängijaid, kes kuuluvad (või on hooaja jooksul kuulunud) valitud meeskonda.
  • Kasuta ui osas funktsiooni selectInput()
  • parameetri choices väärtuseks olgu esialgu tühisõne, st ““,
selectInput("mangija", "Vali mängija", choices = "")
  • server funktsioonile lisa juurde parameeter session
server <- function(input, output, session) {
  • kasuta server funktsiooni sees funktsiooni observe() (selleks, et kui meeskonna valikut on muudetud, uuendataks ka mängijate nimekirja)
  • funktsiooni observe() sees kasuta omakorda funktsiooni updateSelectizeInput (uuri ka, mida see teeb):
  observe({

    # Sinu kood
    ## Vali välja nende mängijate nimed, kes kuuluvad (või on kuulunud) 
    ## valitud meeskonda
    
    ## mangijad_meeskonnas = ...
    
    updateSelectizeInput(session, "mangija",
                         label = "Vali mängija",
                         choices = mangijad_meeskonnas,
                         selected = head(mangijad_meeskonnas, 1))
  })
  • observe() sisuks on jälgida, kas mõni temas sisalduv sisendi väärtus on muutunud (antud kontekstis meeskonna valik). Kui on, siis jooksutatakse läbi kogu observe() funktsioonis sisalduv kood.
  • Kontrolli, kas kood töötab nii nagu vaja.
  1. Väljasta valitud meeskonna ja mängija viskeprofiili joonis (vt ülesanne 5).
  2. Eemalda jooniselt kõik üleliigne (telgede tekst, tick’d, joonise raam ja ruudustik (grid)). Kasuta selleks funktsiooni theme().

Lõplik tulemus võiks välja nähe umbes selline:

Boonusülesanne B1.1 - mängijate valik (2 punkt)

Muuda mängijate valikut selliselt, et mängijaid kuvatakse vastavalt sooritatud visete arvule (rohkem viskeid teinud mängijad eespool).

Boonusülesanne B1.2 - geomeetria (1 punkt)

Kui võrrelda meie kuusnurki NY Times’i omadega, siis on näha, et NY Times’i omi on 90 kraadi pööratud. Muuda funktsiooni kuusnurk() selliselt, et selle väljundiks olev kuusnurk oleks 90 kraadi pööratud.

II osa

Paul Butler oli 2010. aasta lõpus Facebookis praktikal. Ta visualiseeris sotsiaalvõrgustiku andmeid tõmmates jooni sõprade asukohtade vahel.

Joonis on atraktiivne ja annab hästi edasi FB visiooni. Seda sama joonist näidatakse igapäevaselt FB kontoris hiigelsuurelt ekraanilt ja kasutati näiteks FB aktsiaemissiooni prospektis, et meelde tuletada või selgitada ettevõtte missiooni. Paul tegi selle joonise kasutades R-i. Kuna FB meile andmeid ei andnud, vaatame selles kodutöös, kuidas lennuliiklus ühendab maailma.

Tutvumine andmestikuga

Laadi alla andmestikud airports.csv ja flights.csv ning loe need töökeskkonda.

Andmestikus airports.csv on informatsioon lennujaamade kohta. Selles on järgnevad tunnused:

  • id - lennujaama id
  • name - lennujaama nimi
  • city - millises linnas asub lennujaam
  • country - millises riigis asub lennujaam
  • lat - lennujaama asukoha laiuskraad
  • lon - lennujaama asukoha pikkuskraad

Andmestik flights.csv sisaldab infot lendude kohta. Selles on järgnevad tunnused:

  • airline - lennukompanii lühend
  • airline_id - lennukompanii id
  • source_airport - lähtekoha lennujaama lühend
  • source_airport_id - lähtekoha lennujaama id
  • dest_airport - sihtkoha lennujaama lühend
  • dest_airport_id - sithkoha lennujaama id

Suurringjoon

Paul Butler kasutas suurringjooni, et visualiseerida ühendusi sõprade vahel. Kahe punkti lühim vahemaa keral avaldub suurringjoone kaudu. Kui tuult ja muid sarnaseid tegureid mitte arvestada, lendavad lennukid pikki vahemaid suurringjoonte marsruutide kaudu.

Järgneval joonisel on see tähistatud punase joonega.

Näide1: suurringjoon R-is

Näide, kuidas joonistada suurringjoont R-is. Ühendame Delta maja Facebooki peakontoriga kasutades baasgraafika võimalusi.

library(maps)
library(geosphere)

map("world", col="#f2f2f2", fill=TRUE, border=NA)

lat_delta = 58.385582 
lon_delta = 26.725512
lat_fb = 37.485245
lon_fb = -122.148807

gc_points = gcIntermediate(c(lon_delta, lat_delta), 
                           c(lon_fb, lat_fb), 
                           n=50, addStartEnd=TRUE)
lines(gc_points)

Näide2: suurringjoon R-is

Näide, kuidas joonistada suurringjoont R-is. Ühendame Delta maja maailma suurima pitsa sünnikohaga kahutades leaflet paketti. Loe rohkem leaflet’i kohta siit.

lat_delta = 58.385582 
lon_delta = 26.725512
lat_pitsa = 41.535158
lon_pitsa = 12.306798

library(leaflet)
library(geosphere)

m = leaflet() #koordinaatsüsteemis sisse lugemine

m = addTiles(m) #kaardikihtide lisamine

#suurringjoone punktid
gc_points = gcIntermediate(c(lon_delta, lat_delta), 
                           c(lon_pitsa, lat_pitsa), 
                           n = 50, addStartEnd = TRUE)
gc = data.frame(gc_points)

m = m %>% #punktide lisamine kaardile
  addCircles(lng = lon_delta,lat = lat_delta,color = 'red',weight = 3) %>%
  addCircles(lng = lon_pitsa,lat = lat_pitsa,color = 'red',weight = 3)

m = m %>% #joonte lisamine kaardile
  addPolylines(lng = gc$lon, lat = gc$lat, weight = 3, color = 'red')

m = m %>% 
  setView(lng = 0, lat = 50, zoom = 3) %>% 
  addProviderTiles("Esri.WorldImagery") #geoloogiline
m

Ülesanne 2.1 (4 punkti)

Visualiseeri suurringjoonte abil ühendusi, kuhu saab Tallinna lennujaamast otselennuga. Võid kasutada vabalt valitud meetodit eelnevalt toodud näidete seast.

Näpunäited:

  • Kuna otselennuga saab Tallinnast vaid Euroopasse, siis kanna joonisele vaid Euroopa kaart.
  • Tallinna lennujaama kood on 415 (mille võid leida, kui uurid andmestikust airports Eesti lennujaamu).
  • Sihtkohtade lennujaamad leiad andmestikust flights.csv.
  • Lennujaamade koordinaadid leiad andmestikus airports.csv.
# SINU LAHENDUS
airports <- read.csv('airports.csv')
flights <- read.csv('flights.csv')

leia_otselennud = function(lahtekoht_id) {
  temp <- flights %>%
    filter(source_airport_id == lahtekoht_id) %>%
    filter(dest_airport_id %in% airports$id)
  
  temp <- temp %>%
    rowwise() %>%
    mutate(lon = as.numeric(airports[airports$id == dest_airport_id, "lon"]),
           lat = as.numeric(airports[airports$id == dest_airport_id, "lat"]))
  
  return(temp)
}

m = leaflet() #koordinaatsüsteemis sisse lugemine
m = addTiles(m) #kaardikihtide lisamine

jooned <- leia_otselennud(415)

for (i in 1:nrow(jooned)) {
  sihtpunkt = c(as.numeric(jooned[i, "lon"]), as.numeric(jooned[i, "lat"]))
  
  gc_points = gcIntermediate(c(lon_delta, lat_delta), 
                             sihtpunkt, 
                             n = 50, addStartEnd = TRUE)
  gc = data.frame(gc_points)
  
  m = m %>% #joonte lisamine kaardile
    addPolylines(lng = gc$lon, lat = gc$lat, weight = 3, color = 'red')
}

m = m %>% 
  setView(lng = 0, lat = 50, zoom = 3) %>% 
  addProviderTiles("Esri.WorldImagery")
m

Ülesanne 2.2 (6 punkti)

Visualiseeri ühendusi, kuhu saab Tallinna lennujaamast otselennu või ühe vahepeatusega. Võid kasutada esimeses ning kolmandas näites tutvustatud võimalusi.

Näpunäited:

  • Et värve muuta läbipaistvaks, lisa värvikoodile lõppu läbipaistvuse intensiivsus. Näiteks kasuta funktsiooni lines korral argumenti col="#00000010", et muuta mustade (värvikood #000000) joonte läbipaistvus 10%-ni või funktsiooni addPolylines korral argumente weight=0.7 ja opacity=0.3.

  • Visualiseeri ühendusi Tallinn - vahelennujaam - lõpp-punkt. Tingimata pole tarvis mitu korda joonistada Tallinn - vahelennujaam ühendusi, need võid joonistada ka ühe korra.

# SINU LAHENDUS
m = leaflet() #koordinaatsüsteemis sisse lugemine
m = addTiles(m) #kaardikihtide lisamine

jooned <- leia_otselennud(415)
nrow(jooned)
## [1] 38
for (i in 1:nrow(jooned)) {
  uus_lahtekoht <- as.numeric(jooned[i, "dest_airport_id"])
  uus_lahtepunkt <- c(as.numeric(jooned[i, "lon"]), as.numeric(jooned[i, "lat"]))
  uued_jooned <- leia_otselennud(uus_lahtekoht)
  
  for (j in 1:nrow(uued_jooned)) {
    sihtpunkt <- c(as.numeric(uued_jooned[j, "lon"]), as.numeric(uued_jooned[j, "lat"]))
    
    gc_points <- gcIntermediate(uus_lahtepunkt, 
                               sihtpunkt, 
                               n = 50, addStartEnd = TRUE)
    gc <- data.frame(gc_points)
    
    m <- m %>% #joonte lisamine kaardile
      addPolylines(lng = gc$lon, lat = gc$lat, weight = 0.7, color = '#34d8eb', opacity = 0.1)
  }
}

m = m %>% 
  setView(lng = 0, lat = 50, zoom = 1) %>% 
  addProviderTiles("NASAGIBS.ViirsEarthAtNight2012")
m

Sinu joonis võiks tulla umbes selline:

või selline:

Boonusülesanne B2.1 (1 punkt) - Juhuslik ekslemine eralennukiga

Alusta Tallinna lennujaamast. Vali kõikvõimalikest lennujaamadest juhuslikult üks ja lenda sinna. Vali nüüd juhuslikult järgmine sihtpunkt ning lenda sinna. Jätka seda protsessi 100 korral ja visualiseeri läbitud teekonda.

# SINU LAHENDUS

Boonusülesanne B2.2 (2 punkti) - Juhuslik ekslemine kasutades kommertsliine

Alusta Tallinna lennujaamast. Vali võimalikest sihtkohtadest üks ja lenda sinna. Vali selle lennujaama võimalikest sihtkohtadest juhuslikult järgmine ning lenda sinna. Jätka seda protsessi 100 korral ja visualiseeri läbitud teekonda.

# SINU LAHENDUS

Esita Moodlesse nii .Rmd fail kui ka knitr abil loodud .html väljund.

NB! Ülesanne 1.6 lahendus tuleb esitada eraldi app.R failina.