# # Lọc dữ liệu theo ngày tháng # # filter_theo_ngay_thang <- function(ngay = 1:nrow(data_1), thang){ # data_1 <- airquality[airquality$Month == thang, ] # kq <- data_1[ngay, ] # return(kq) # } # # filter theo 1 ngày bất kỳ trong 1 tháng # filter_theo_ngay_thang(17, 8) # # # filter theo dãy ngày trong 1 tháng # filter_theo_ngay_thang(1:20, 6) # # # filter toàn bộ ngày trong 1 tháng # filter_theo_ngay_thang(1:31, 6) # filter_theo_ngay_thang(1:31, 5) # filter_theo_ngay_thang(, 7) # # # filter 1 ngày trong tất cả các tháng # filter_theo_ngay_thang(9, ) # # airquality[airquality$Day == 9, ] # # filter_theo_ngay_thang <- function(ngay = 1:nrow(data_1), thang = 0){ # if(!(0 %in% thang)){ # data_1 <- airquality[airquality$Month %in% thang, ] # kq <- data_1[data_1$Day %in% ngay, ] # return(kq) # } else { # kq_2 <- airquality[airquality$Day %in% ngay, ] # return(kq_2) # } # } # # # filter 1 số ngày trong tất cả các tháng # filter_theo_ngay_thang(2:9, ) # # # filter 1 số ngày trong 1 tháng bất kỳ # filter_theo_ngay_thang(c(3, 14), 8) # # # filter 1 số ngày trong các tháng bất kỳ # filter_theo_ngay_thang(c(3, 14), 6:8) # # # airquality[airquality$Day == 2:9, ] # # airquality$Day %in% 2:9 # # airquality$Day # # 6:8 != 0 # # 0 != 6:8 # # 6:8 %in% 0 # # !(0 %in% 6:8) # # # filter 1 số ngày trong toàn bộ các tháng # filter_theo_ngay_thang(c(3, 14), thang = 0) # filter_theo_ngay_thang(c(3, 14), ) ############################ head(airquality) filter_theo_ngay_thang <- function(ngay = 1:31, thang = 0){ if(!(0 %in% thang)){ data_1 <- airquality[airquality$Month %in% thang, ] kq <- data_1[data_1$Day %in% ngay, ] return(kq) } else { kq_2 <- airquality[airquality$Day %in% ngay, ] return(kq_2) } } ########### TEST HÀM filter_theo_ngay_thang(12, ) filter_theo_ngay_thang(15:30, 8) filter_theo_ngay_thang(, ) filter_theo_ngay_thang(, 8) filter_theo_ngay_thang(c(3, 14), 8) filter_theo_ngay_thang(c(3, 14), 6:8) filter_theo_ngay_thang(12:14, 1:10) ###################### # BÀI TẬP # 1/ BỔ SUNG TÍNH NĂNG LOẠI MISSING VALUE # 2/ BỔ SUNG TÍNH NĂNG XỬ LÝ DATASET CÓ CÙNG CẤU TRÚC MONTH, DAY NHƯNG KHÁC TÊN AIRQUALITY # 3/ VIẾT HÀM TƯƠNG TỰ CÓ CÙNG CÁC CHỨC NĂNG NHƯ HÀM VÍ DỤ NÀY (GỢI Ý SỬ DỤNG LỆNH FOR-LOOP) ################################## # 1/ BỔ SUNG TÍNH NĂNG LOẠI MISSING VALUE data_raw <- filter_theo_ngay_thang(12:14, 1:10) complete.cases(data_raw) data_clean <- data_raw[complete.cases(data_raw), ] # làm sạch na # vì đưa thêm lệnh nhỏ này vào lệnh lớn sẽ gây cồng kềnh. # do đó tách ra 1 lệnh khác sẽ thuận hơn. ###### FUNCTION 1: FILTER BAO GỒM CẢ MISSING VALUE filter_theo_ngay_thang <- function(ngay = 1:nrow(data_1), thang = 0){ if(!(0 %in% thang)){ data_1 <- airquality[airquality$Month %in% thang, ] kq <- data_1[data_1$Day %in% ngay, ] return(kq) } else { kq_2 <- airquality[airquality$Day %in% ngay, ] return(kq_2) } } ###### FUNCTION 2: SỬ DỤNG FUNCTION 1, THÊM THAM SỐ TRUE/FALSE ĐỂ TÙY CHỌN CÓ CLEAN NA HAY KO filter_theo_ngay_thang_final <- function(ngay = 1:nrow(data_1), thang = 0, clean_na = FALSE ) { data_raw <- filter_theo_ngay_thang(ngay, thang) if(clean_na == FALSE){ return(data_raw) } else { complete.cases(data_raw) data_clean <- data_raw[complete.cases(data_raw), ] return(data_clean) } } ########### TEST HÀM filter_theo_ngay_thang_final(14, 5) filter_theo_ngay_thang_final(22:30, 5) filter_theo_ngay_thang_final(22:30, 5, TRUE) filter_theo_ngay_thang_final(22:30, , TRUE) filter_theo_ngay_thang_final(22:30, 7:9, TRUE) filter_theo_ngay_thang_final(22:30, 7:9) filter_theo_ngay_thang_final(, 7:9) filter_theo_ngay_thang_final(, 7) filter_theo_ngay_thang(, 7) ################################## # 2/ BỔ SUNG TÍNH NĂNG XỬ LÝ DATASET CÓ CÙNG CẤU TRÚC MONTH, DAY NHƯNG KHÁC TÊN AIRQUALITY # download file csv chat_luong_khong_khi_2022 và 1992 # https://github.com/tanduc307/tuhocr ########## CÁCH 1) chat_luong_khong_khi_2022 <- read.csv("D:/tuhocr/chat_luong_khong_khi_2022.csv") dim(chat_luong_khong_khi_2022) dim(airquality) chat_luong_khong_khi_2022 -> airquality chat_luong_khong_khi_2022 head(chat_luong_khong_khi_2022) filter_theo_ngay_thang_final(14, 5) # change col names cho phù hợp colnames(chat_luong_khong_khi_2022)[c(5, 6)] colnames(chat_luong_khong_khi_2022)[c(5, 6)] <- c("Month", "Day") chat_luong_khong_khi_2022 -> airquality head(airquality) ########## CÁCH 2) # xử lý chỗ thay đổi Month và Day đồng bộ về 1 style colnames(chat_luong_khong_khi_2022) test_1 <- c("Month", "month", "MONTH", "moNTH", "montH", "monnth", "monthh") grep(pattern = "month", test_1, value = TRUE) grep(pattern = "M|month", test_1, value = TRUE) grep(pattern = "M|mO|onth", test_1, value = TRUE) grep(pattern = "(M|m)(O|o)nth", test_1, value = TRUE) grep(pattern = "[MONTH]|[month]", test_1, value = TRUE) grep(pattern = "([MONTH]|[month]){3}", test_1, value = TRUE) grep(pattern = "M", test_1, value = TRUE) grep(pattern = "^([Mm]{1})([Oo]{1})([Nn]{1})([Tt]{1})([Hh]{1})$", test_1, value = TRUE) test_2 <- c("DAY", "dayy", "day", "daYY", "DAaY", "Day") grep(pattern = "([Dd]{1})([Aa]{1})([Yy]{1})", test_2, value = TRUE) grep(pattern = "^([Dd]{1})([Aa]{1})([Yy]{1})$", test_2, value = TRUE) grep(pattern = "Day", test_2, ignore.case = FALSE, # check case sensitive value = TRUE) grep(pattern = "^([Mm]{1})([Oo]{1})([Nn]{1})([Tt]{1})([Hh]{1})$", colnames(chat_luong_khong_khi_2022), value = TRUE) colnames(chat_luong_khong_khi_2022) gsub(pattern = "^([Mm]{1})([Oo]{1})([Nn]{1})([Tt]{1})([Hh]{1})$", colnames(chat_luong_khong_khi_2022), replacement = "Month") # kết quả trả về toàn bộ vector colnames(chat_luong_khong_khi_2022) # sử dụng tham số dot-dot-dot để linh động subset trực tiếp theo file name dataset # Hình dung: # function hiện tại: filter_theo_ngay_thang(ngay, thang) # function cải tiến: filter_theo_ngay_thang(ngay, thang, name_dataset) filter_theo_ngay_thang <- function(ngay = 1:nrow(data_1), thang = 0, ...){ if(!(0 %in% thang)){ data_1 <- ...[...$Month %in% thang, ] kq <- data_1[data_1$Day %in% ngay, ] return(kq) } else { kq_2 <- ...[...$Day %in% ngay, ] return(kq_2) } } ## TUY NHIÊN BẢN CHẤT ... là tham số chứ không phải là object nên chúng ta không dùng ... để thay thế filter_theo_ngay_thang <- function(ngay = 1:nrow(data_1), thang = 0, name_dataset = airquality){ data_xuly <- name_dataset if(!(0 %in% thang)){ data_1 <- data_xuly[data_xuly$Month %in% thang, ] kq <- data_1[data_1$Day %in% ngay, ] return(kq) } else { kq_2 <- data_xuly[data_xuly$Day %in% ngay, ] return(kq_2) } } ### TEST head(airquality) data("airquality") head(chat_luong_khong_khi_2022) colnames(chat_luong_khong_khi_2022)[c(5, 6)] <- c("Month", "Day") filter_theo_ngay_thang(, 8, chat_luong_khong_khi_2022) filter_theo_ngay_thang(ngay = 25, thang = 11, chat_luong_khong_khi_2022) filter_theo_ngay_thang(ngay = 25, thang = 9) # thiếu tham số dataset để filter filter_theo_ngay_thang(chat_luong_khong_khi_2022, ngay = 25:30, thang = c(7, 9, 2:3)) filter_theo_ngay_thang(chat_luong_khong_khi_2022, ngay = 25:31, thang = 0) filter_theo_ngay_thang(chat_luong_khong_khi_2022, ngay = 25:31,) filter_theo_ngay_thang(chat_luong_khong_khi_2022, ngay = 25:31) filter_theo_ngay_thang_final(ngay = 25:10, , chat_luong_khong_khi_2022, TRUE) ############ ĐƯA GSUB cho Month và Day VÀO filter_theo_ngay_thang <- function(ngay = 1:nrow(data_1), thang = 0, name_dataset){ data_xuly <- name_dataset colnames(data_xuly) <- gsub(pattern = "^([Mm]{1})([Oo]{1})([Nn]{1})([Tt]{1})([Hh]{1})$", colnames(data_xuly), replacement = "Month") colnames(data_xuly) <- gsub(pattern = "^([Dd]{1})([Aa]{1})([Yy]{1})$", colnames(data_xuly), replacement = "Day") if(!(0 %in% thang)){ data_1 <- data_xuly[data_xuly$Month %in% thang, ] kq <- data_1[data_1$Day %in% ngay, ] return(kq) } else { kq_2 <- data_xuly[data_xuly$Day %in% ngay, ] return(kq_2) } } ####### TEST HÀM chat_luong_khong_khi_2022 <- read.csv("D:/tuhocr/chat_luong_khong_khi_2022.csv") head(chat_luong_khong_khi_2022) filter_theo_ngay_thang(ngay = 25, thang = 11, chat_luong_khong_khi_2022) filter_theo_ngay_thang(chat_luong_khong_khi_2022, ngay = 25:30, thang = c(7, 9, 2:3)) chat_luong_khong_khi_1992 <- read.csv("D:/tuhocr/chat_luong_khong_khi_1992.csv") filter_theo_ngay_thang(ngay = 2:6, thang = 8, chat_luong_khong_khi_1992) ################################### # FUNCTION HOÀN CHỈNH 1 filter_theo_ngay_thang <- function(ngay = 1:nrow(data_1), thang = 0, name_dataset = airquality){ data_xuly <- name_dataset colnames(data_xuly) <- gsub(pattern = "^([Mm]{1})([Oo]{1})([Nn]{1})([Tt]{1})([Hh]{1})$", colnames(data_xuly), replacement = "Month") colnames(data_xuly) <- gsub(pattern = "^([Dd]{1})([Aa]{1})([Yy]{1})$", colnames(data_xuly), replacement = "Day") if(!(0 %in% thang)){ data_1 <- data_xuly[data_xuly$Month %in% thang, ] kq <- data_1[data_1$Day %in% ngay, ] return(kq) } else { kq_2 <- data_xuly[data_xuly$Day %in% ngay, ] return(kq_2) } } # FUNCTION HOÀN CHỈNH 2 filter_theo_ngay_thang_final <- function(ngay = 1:nrow(data_1), thang = 0, name_dataset = airquality, clean_na = FALSE # thêm tham số ) { data_raw <- filter_theo_ngay_thang(ngay, thang , name_dataset) if(clean_na == FALSE){ return(data_raw) } else { complete.cases(data_raw) data_clean <- data_raw[complete.cases(data_raw), ] return(data_clean) } } ########### TEST HÀM filter_theo_ngay_thang_final(, 5) filter_theo_ngay_thang(, 5) filter_theo_ngay_thang_final(22:30, 5) filter_theo_ngay_thang_final(22:30, 5, TRUE) filter_theo_ngay_thang_final(22:30, 5, , TRUE) filter_theo_ngay_thang_final(22:30, , TRUE) filter_theo_ngay_thang_final(22:30, , , TRUE) filter_theo_ngay_thang_final(22:30, 7:9, , TRUE) filter_theo_ngay_thang_final(22:30, 7:9) chat_luong_khong_khi_2022 <- read.csv("D:/tuhocr/chat_luong_khong_khi_2022.csv") filter_theo_ngay_thang_final(ngay = 12:28, thang = 11, chat_luong_khong_khi_2022) filter_theo_ngay_thang_final(ngay = 12:28, thang = 11, chat_luong_khong_khi_2022, TRUE) chat_luong_khong_khi_1992 <- read.csv("D:/tuhocr/chat_luong_khong_khi_1992.csv") filter_theo_ngay_thang_final(, 8, chat_luong_khong_khi_1992) filter_theo_ngay_thang_final(ngay = 2:28, thang = 8:12, chat_luong_khong_khi_1992) filter_theo_ngay_thang_final(ngay = 2:28, thang = 8:12, chat_luong_khong_khi_1992, TRUE) ############################################################# # 3/ VIẾT HÀM TƯƠNG TỰ CÓ CÙNG CÁC CHỨC NĂNG NHƯ HÀM VÍ DỤ NÀY (GỢI Ý SỬ DỤNG LỆNH FOR-LOOP) # FUNCTION HOÀN CHỈNH 1 filter_theo_ngay_thang_ver2 <- function(ngay = 1:nrow(data_1), thang = unique(airquality$Month), name_dataset = airquality ) { data_xuly <- name_dataset colnames(data_xuly) <- gsub(pattern = "^([Mm]{1})([Oo]{1})([Nn]{1})([Tt]{1})([Hh]{1})$", colnames(data_xuly), replacement = "Month") colnames(data_xuly) <- gsub(pattern = "^([Dd]{1})([Aa]{1})([Yy]{1})$", colnames(data_xuly), replacement = "Day") data_2 <- data.frame() for(thang_i in thang){ data_1 <- data_xuly[data_xuly$Month == thang_i, ] data_2 <- rbind(data_2, data_1) } kq <- data_2[data_2$Day %in% ngay, ] return(kq) } ### TEST HÀM data("airquality") airquality filter_theo_ngay_thang_ver2(21:30, 8) filter_theo_ngay_thang(21:30, 8) filter_theo_ngay_thang_ver2(27:30, c(3, 5, 8)) filter_theo_ngay_thang(27:30, c(3, 5, 8)) # FUNCTION HOÀN CHỈNH 2 filter_theo_ngay_thang_final_ver2 <- function(ngay = 1:nrow(data_1), thang = unique(airquality$Month), name_dataset = airquality, clean_na = FALSE # thêm tham số ) { data_raw <- filter_theo_ngay_thang_ver2(ngay, thang, name_dataset) if(clean_na == FALSE){ return(data_raw) } else { complete.cases(data_raw) data_clean <- data_raw[complete.cases(data_raw), ] return(data_clean) } } ########### TEST HÀM a1 <- filter_theo_ngay_thang_final(14, 5) a2 <- filter_theo_ngay_thang_final_ver2(14, 5) a3 <- filter_theo_ngay_thang_final(22:30, 5) a4 <- filter_theo_ngay_thang_final_ver2(22:30, 5) a5 <- filter_theo_ngay_thang_final(22:30, 5, , TRUE) a6 <- filter_theo_ngay_thang_final_ver2(22:30, 5, , TRUE) a7 <- filter_theo_ngay_thang_final(22:30, , , TRUE) a8 <- filter_theo_ngay_thang_final_ver2(22:30, , , TRUE) a9 <-filter_theo_ngay_thang_final(22:30, 7:9, , TRUE) a10 <-filter_theo_ngay_thang_final_ver2(22:30, 7:9, , TRUE) a11 <- filter_theo_ngay_thang_final(22:30, 7:9) a12 <- filter_theo_ngay_thang_final_ver2(22:30, 7:9) chat_luong_khong_khi_2022 <- read.csv("D:/tuhocr/chat_luong_khong_khi_2022.csv") a13 <- filter_theo_ngay_thang_final(ngay = 12:28, thang = 11, chat_luong_khong_khi_2022) a14 <-filter_theo_ngay_thang_final_ver2(ngay = 12:28, thang = 11, chat_luong_khong_khi_2022) a15 <- filter_theo_ngay_thang_final(ngay = 12:28, thang = 11, chat_luong_khong_khi_2022, TRUE) a16 <- filter_theo_ngay_thang_final_ver2(ngay = 12:28, thang = 11, chat_luong_khong_khi_2022, TRUE) identical(a1, a2) identical(a3, a4) identical(a5, a6) identical(a7, a8) identical(a9, a10) identical(a11, a12) identical(a13, a14) identical(a15, a16) ################################## # ỨNG DỤNG chat_luong_khong_khi_2022 <- read.csv("D:/tuhocr/chat_luong_khong_khi_2022.csv") ok_1 <- filter_theo_ngay_thang_final(, thang = 8, chat_luong_khong_khi_2022) chat_luong_khong_khi_1992 <- read.csv("D:/tuhocr/chat_luong_khong_khi_1992.csv") ok_2 <- filter_theo_ngay_thang_final(, thang = 5, chat_luong_khong_khi_1992) plot(POLLUTION ~ Day, data_2, pch = 19, col = "blue", type = "l", ylim = c(0, 30), main = "Mức độ ô nhiễm không khí") points(POLLUTION ~ Day, data_1, pch = 19, col = "red", type = "l", ylim = c(0, 30)) legend("topright", lty = 1, col = c("blue", "red"), legend = c("1992", "2022"), cex = 1) ####################################################### # PHÁT HIỆN LỖI FUNCTION head(airquality) ###### FUNCTION 1: FILTER BAO GỒM CẢ MISSING VALUE filter_theo_ngay_thang <- function(ngay = 1:nrow(data_1), thang = 0){ if(!(0 %in% thang)){ data_1 <- airquality[airquality$Month %in% thang, ] kq <- data_1[data_1$Day %in% ngay, ] return(kq) } else { kq_2 <- airquality[airquality$Day %in% ngay, ] return(kq_2) } } # test hàm filter_theo_ngay_thang(1:10, 5) filter_theo_ngay_thang(, 9) # chủ quan chưa test tình huống CỰC ĐOAN!! filter_theo_ngay_thang( , thang = 0) filter_theo_ngay_thang( , ) #################### ## SỬA LỖI ###### FUNCTION 1: FILTER BAO GỒM CẢ MISSING VALUE filter_theo_ngay_thang <- function(ngay = 1:31, thang = 0){ if(!(0 %in% thang)){ data_1 <- airquality[airquality$Month %in% thang, ] kq <- data_1[data_1$Day %in% ngay, ] return(kq) } else { kq_2 <- airquality[airquality$Day %in% ngay, ] return(kq_2) } } ################################### # FUNCTION HOÀN CHỈNH 1 filter_theo_ngay_thang <- function(ngay = 1:31, thang = 0, name_dataset = airquality){ data_xuly <- name_dataset colnames(data_xuly) <- gsub(pattern = "^([Mm]{1})([Oo]{1})([Nn]{1})([Tt]{1})([Hh]{1})$", colnames(data_xuly), replacement = "Month") colnames(data_xuly) <- gsub(pattern = "^([Dd]{1})([Aa]{1})([Yy]{1})$", colnames(data_xuly), replacement = "Day") if(!(0 %in% thang)){ data_1 <- data_xuly[data_xuly$Month %in% thang, ] kq <- data_1[data_1$Day %in% ngay, ] return(kq) } else { kq_2 <- data_xuly[data_xuly$Day %in% ngay, ] return(kq_2) } } # FUNCTION HOÀN CHỈNH 2 filter_theo_ngay_thang_final <- function(ngay = 1:31, thang = 0, name_dataset = airquality, clean_na = FALSE # thêm tham số ) { data_raw <- filter_theo_ngay_thang(ngay, thang , name_dataset) if(clean_na == FALSE){ return(data_raw) } else { complete.cases(data_raw) data_clean <- data_raw[complete.cases(data_raw), ] return(data_clean) } } #################### filter_theo_ngay_thang(1:10, 5) filter_theo_ngay_thang_final(1:10, 5) filter_theo_ngay_thang(, 9) filter_theo_ngay_thang_final(, 5) filter_theo_ngay_thang( , thang = 0) filter_theo_ngay_thang( , ) filter_theo_ngay_thang_final( , ) ########################################## # FUNCTION HOÀN CHỈNH 1 SỬ DỤNG FOR-LOOP filter_theo_ngay_thang_ver2 <- function(ngay = 1:31, thang = 1:12, name_dataset = airquality ) { data_xuly <- name_dataset colnames(data_xuly) <- gsub(pattern = "^([Mm]{1})([Oo]{1})([Nn]{1})([Tt]{1})([Hh]{1})$", colnames(data_xuly), replacement = "Month") colnames(data_xuly) <- gsub(pattern = "^([Dd]{1})([Aa]{1})([Yy]{1})$", colnames(data_xuly), replacement = "Day") data_2 <- data.frame() for(thang_i in thang){ data_1 <- data_xuly[data_xuly$Month == thang_i, ] data_2 <- rbind(data_2, data_1) } kq <- data_2[data_2$Day %in% ngay, ] return(kq) } ### TEST HÀM # FUNCTION HOÀN CHỈNH 2 filter_theo_ngay_thang_final_ver2 <- function(ngay = 1:31, thang = 1:12, name_dataset = airquality, clean_na = FALSE # thêm tham số ) { data_raw <- filter_theo_ngay_thang_ver2(ngay, thang, name_dataset) if(clean_na == FALSE){ return(data_raw) } else { complete.cases(data_raw) data_clean <- data_raw[complete.cases(data_raw), ] return(data_clean) } } ###################### ########### TEST HÀM a1 <- filter_theo_ngay_thang_final(14, 5) a2 <- filter_theo_ngay_thang_final_ver2(14, 5) a3 <- filter_theo_ngay_thang_final(22:30, 5) a4 <- filter_theo_ngay_thang_final_ver2(22:30, 5) a5 <- filter_theo_ngay_thang_final(22:30, 5, , TRUE) a6 <- filter_theo_ngay_thang_final_ver2(22:30, 5, , TRUE) a7 <- filter_theo_ngay_thang_final(22:30, , , TRUE) a8 <- filter_theo_ngay_thang_final_ver2(22:30, , , TRUE) a9 <- filter_theo_ngay_thang_final(22:30, 7:9, , TRUE) a10 <- filter_theo_ngay_thang_final_ver2(22:30, 7:9, , TRUE) a11 <- filter_theo_ngay_thang_final(22:30, 7:9) a12 <- filter_theo_ngay_thang_final_ver2(22:30, 7:9) chat_luong_khong_khi_2022 <- read.csv("D:/tuhocr/chat_luong_khong_khi_2022.csv") a13 <- filter_theo_ngay_thang_final(ngay = 12:28, thang = 11, chat_luong_khong_khi_2022) a14 <- filter_theo_ngay_thang_final_ver2(ngay = 12:28, thang = 11, chat_luong_khong_khi_2022) a15 <- filter_theo_ngay_thang_final(ngay = 12:28, thang = 11, chat_luong_khong_khi_2022, TRUE) a16 <- filter_theo_ngay_thang_final_ver2(ngay = 12:28, thang = 11, chat_luong_khong_khi_2022, TRUE) identical(a1, a2) identical(a3, a4) identical(a5, a6) identical(a7, a8) identical(a9, a10) identical(a11, a12) identical(a13, a14) identical(a15, a16) ########### TEST EXTREME e1 <- filter_theo_ngay_thang_final( , ) e2 <- filter_theo_ngay_thang_final_ver2(, ) e3 <- filter_theo_ngay_thang_final( , 6) e4 <- filter_theo_ngay_thang_final_ver2( , 6) e5 <- filter_theo_ngay_thang_final(6, ) e6 <- filter_theo_ngay_thang_final_ver2(6, ) chat_luong_khong_khi_2022 <- read.csv("D:/tuhocr/chat_luong_khong_khi_2022.csv") e7 <- filter_theo_ngay_thang_final(, 1:3, chat_luong_khong_khi_2022) e8 <- filter_theo_ngay_thang_final_ver2(, 1:3, chat_luong_khong_khi_2022) e9 <- filter_theo_ngay_thang_final(, , chat_luong_khong_khi_2022) e10 <- filter_theo_ngay_thang_final_ver2(, , chat_luong_khong_khi_2022) str(e10) identical(e3, e4) identical(e5, e6) identical(e1, e2) identical(e7, e8) identical(e9, e10) # ỨNG DỤNG # Line chart chat_luong_khong_khi_2022 <- read.csv("D:/tuhocr/chat_luong_khong_khi_2022.csv") ok_1 <- filter_theo_ngay_thang_final(10:25, thang = 6, chat_luong_khong_khi_2022) chat_luong_khong_khi_1992 <- read.csv("D:/tuhocr/chat_luong_khong_khi_1992.csv") ok_2 <- filter_theo_ngay_thang_final(10:25, thang = 6, chat_luong_khong_khi_1992) plot(POLLUTION ~ Day, ok_1, pch = 19, col = "blue", type = "l", xlab = "Ngày", ylab = "Chỉ số ô nhiễm (%)", ylim = c(0, 25), main = "Mức độ ô nhiễm không khí") points(POLLUTION ~ Day, ok_2, pch = 19, col = "red", type = "l", ylim = c(0, 30)) legend("topright", lty = 1, col = c("blue", "red"), legend = c("6/2022", "6/1992"), cex = 1) ############################## # barplot chat_luong_khong_khi_2022 <- read.csv("D:/tuhocr/chat_luong_khong_khi_2022.csv") ok_3 <- filter_theo_ngay_thang_final(15, thang = 8:12, chat_luong_khong_khi_2022) chat_luong_khong_khi_1992 <- read.csv("D:/tuhocr/chat_luong_khong_khi_1992.csv") ok_4 <- filter_theo_ngay_thang_final(15, thang = 8:12, chat_luong_khong_khi_1992) ok_3_2022 <- ok_3[ , c(3, 5)] ok_3_2022 colnames(ok_3_2022) <- c(2022, "Month") ok_4_1992 <- ok_4[ , c(3, 5)] ok_4_1992 colnames(ok_4_1992) <- c(1992, "Month") ok_4_1992 barplot_data <- cbind(ok_3_2022[1], ok_4_1992[1]) rownames(barplot_data) <- c("tháng 8", "tháng 9", "tháng 10", "tháng 11", "tháng 12") barplot_data <- as.matrix(barplot_data) # Define a set of colors my_colors <- c("lightblue", "mistyrose", "lightcyan", "lavender", "cornsilk") # Bar plot barplot(barplot_data, col = my_colors, beside = TRUE, ylim = c(0, 20), xlab = "Năm", ylab = "Chỉ số ô nhiễm (%)", main = "Mức độ ô nhiễm không khí ở ngày 15 hằng tháng") # Add legend legend("top", legend = rownames(barplot_data), horiz = TRUE, fill = my_colors, box.lty = 0, cex = 0.75) abline(h = 10, col = "red", lty = 2, lwd = 2) ############################## # boxplot chat_luong_khong_khi_2022 <- read.csv("D:/tuhocr/chat_luong_khong_khi_2022.csv") ok_5 <- filter_theo_ngay_thang_final(, thang = 4:6, chat_luong_khong_khi_2022) ok_5 ok_5 chat_luong_khong_khi_1992 <- read.csv("D:/tuhocr/chat_luong_khong_khi_1992.csv") ok_6 <- filter_theo_ngay_thang_final(, thang = 4:6, chat_luong_khong_khi_1992) ok_6 identical(ok_5, ok_6) old.par <- par(mfrow = c(1, 2)) boxplot(POLLUTION ~ Month, data = ok_5, lwd = 1, ylab = "Chỉ số ô nhiễm (%)", xlab = "2022", col = terrain.colors(5)) stripchart(POLLUTION ~ Month, vertical = TRUE, data = ok_5, method = "jitter", add = TRUE, pch = 20, col = 'blue') boxplot(POLLUTION ~ Month, data = ok_6, lwd = 1, ylab = NULL, xlab = "1992", col = 4:6) stripchart(POLLUTION ~ Month, vertical = TRUE, data = ok_6, method = "jitter", add = TRUE, pch = 20, col = 'red') mtext("Mức độ ô nhiễm không khí theo tháng giữa các năm", side = 3, line = -2, outer = TRUE) par(old.par) # CODE FORMAT # https://rpubs.com/tuhocr/filter-dataset-month-day