La nueva expresión regular es "^[:alnum:]+@[^\\d\\s]+\\.(com|es)$"
-
Solución
library(dplyr) library(stringr) sales1 <- mutate(sales_clean, region_country = str_to_title(`REGIONS/COUNTRIES`))
-
Solución
library(dplyr) library(stringr) sales2 <- filter(sales1, str_detect(region_country, "^Z"))
bicis_long %>%
mutate(Tipo_uso = str_replace(Tipo_uso, "^Usos bicis ", "")) %>%
filter(Tipo_uso != "total")
-
Son de tipo numeric y factor
-
summarize(PlantGrowth, niveles = levels(group))
-
Las etiquetas del eje x tienen el mismo orden que los niveles del factor, que es orden alfabético
Actividades
-
mutate(PlantGrowth, group = fct_collapse(group, trt = c("trt1", "trt2")))
-
Solución
starwars %>% summarize(fct_count(homeworld)) %>% arrange(desc(n))
-
sw <- mutate(starwars, homeworld = fct_lump(homeworld, n = 5))
-
Solución
library(readr) accidentes <- read_csv2('AccidentesBicicletas_2017.csv', skip = 2, locale = locale(encoding = 'latin1'))
-
accidentes <- mutate(accidentes, Fecha_hora = dmy_hm(Fecha))
-
accidentes <- mutate(accidentes, Fecha = as_date(Fecha_hora))
bicis_hasta_1503 <-
bicis_long %>%
filter(DIA <= ymd("20200315")) %>% # apartado 1
mutate(dia_semana = wday(DIA)) # apartado 2
# apartado 3
bicis_hasta_1503 %>%
group_by(dia_semana, Tipo_uso) %>%
summarize(total_usos = sum(Usos))
# apartados 4 y 5
bicis_long %>%
mutate(DIA = as_date(DIA)) %>%
ggplot(aes(x = DIA, y = Usos)) +
geom_col() +
geom_vline(xintercept = ymd("2020-03-16"), linetype = "dashed") +
annotate("text", x = ymd("2020-03-17"), y = 10000,
label = "Cierre BiciMAD\npor estado de alarma",
hjust = "left") +
labs(x = "Día", y = "Número total de usos")