Day 2 Assignment

R for Data Visualization

Section 1

Give an introduction to section 1: Setting up function

Sub Section 1.1

Viet ham tinh dien tich cua mot hinh chu nhat. Code chunk ’’‘{r}’’’

rm(list = ls())

library(dplyr)
library(readr)

dien_tich_hcn <- function(a, b) {
  result <- a*b
  print(result)
}

dien_tich_hcn(3, 7)

## [1] 21

Sub Section 1.2

Tinh sample standard deviation cua 1 vector numeric

tinh_std_deviation <- function(a) {
  
  n <- length(a)
  result <- sqrt(sum((a-mean(a))^2/(n-1)))
  print(result)
    
}

a <- c(2, 6, 7, 13, 19)

tinh_std_deviation(a)

## [1] 6.655825

Section 2

Give an introduction to section 2: WOrking with stock dataset

Sub Section 2.1

Data type of the dataset: character

all_data_path <- dir("D:/Intro_to_R_n_Python_May2020/Intro_to_R/stock/stock", full.names = TRUE)

typeof(all_data_path)

## [1] "character"

class(all_data_path)

## [1] "character"

Sub Section 2.2

Co ton tai file du lieu nao co 3 chu cai vnm khong?

list.files(path = "D:/Intro_to_R_n_Python_May2020/Intro_to_R/stock/stock", recursive = TRUE, pattern = "vnm") -> vnm_file

vnm_file

## [1] "excel_vnm.csv"

Sub Section 2.3

Co bao nhieu file du lieu co ky hieu ^

test <- "\\^" #special expression, deactivate by \\

grep(test, all_data_path) -> whichfile

length(whichfile)

## [1] 2

Sub Section 2.4

Đọc hai files dữ liệu lần lượt có các cụm từ vnm và fpt rồi sử dụng lệnh bind_rows() để join hai bộ dữ liệu này thành một data frame duy nhất

library(readr)

library(dplyr)

library(purrr)

key1 = "vnm"

key2 = "fpt"

#key <- c(key1, key2)

vnm_files <- dir("D:/Intro_to_R_n_Python_May2020/Intro_to_R/stock/stock", full.names = TRUE, pattern = key1)

fpt_files <- dir("D:/Intro_to_R_n_Python_May2020/Intro_to_R/stock/stock", full.names = TRUE, pattern = key2)

selected_files <- c(vnm_files, fpt_files)

data <- selected_files %>% 
  map(read_csv) %>% 
  bind_rows()

data #merged files of VNM and FPT

## # A tibble: 5,510 x 14
##    `<Ticker>` `<DTYYYYMMDD>` `<OpenFixed>` `<HighFixed>` `<LowFixed>`
##    <chr>               <dbl>         <dbl>         <dbl>        <dbl>
##  1 VNM              20170731          153           153          152.
##  2 VNM              20170728          153.          153.         153.
##  3 VNM              20170727          153           153          153.
##  4 VNM              20170726          152           154.         152.
##  5 VNM              20170725          152.          152          151.
##  6 VNM              20170724          151.          152          150 
##  7 VNM              20170721          151.          152          151.
##  8 VNM              20170720          152           153.         152.
##  9 VNM              20170719          153           154.         153.
## 10 VNM              20170718          152           153          151 
## # ... with 5,500 more rows, and 9 more variables: `<CloseFixed>` <dbl>,
## #   `<Volume>` <dbl>, `<Open>` <dbl>, `<High>` <dbl>, `<Low>` <dbl>,
## #   `<Close>` <dbl>, `<VolumeDeal>` <dbl>, `<VolumeFB>` <dbl>,
## #   `<VolumeFS>` <dbl>

Sub Section 2.5

Lặp lại công việc ở câu hỏi 4 nhưng cho tất cả các files dữ liệu có trong thư mục stock.

library(dplyr)

library(readr)

#df_space <- data.frame()


#for (i in 1:length(all_data_path)) {
 # read_csv(all_data_path[i]) -> df_space 
  #  bind_rows()
#}

df_space <-
  do.call(bind_rows, lapply((all_data_path), read_csv))

Sub Section 2.5

Đọc hai files dữ liệu lần lượt có các cụm từ vnm và fpt rồi sử dụng lệnh bind_rows() để join hai bộ dữ liệu này thành một data frame duy nhất

library(ggplot2)

iris %>% 
  group_by(Species) %>% 
  count() %>% 
  ggplot(aes(Species, n, fill = Species)) + 
  geom_col()

Sub Section 2.5

Đọc hai files dữ liệu lần lượt có các cụm từ vnm và fpt rồi sử dụng lệnh bind_rows() để join hai bộ dữ liệu này thành một data frame duy nhất

library(ggplot2)
iris %>% 
  group_by(Species) %>% 
  count() %>% 
  ggplot(aes(Species, n, fill = Species)) + 
  geom_col()