Instruções

# Note que para ranquear do maior para o menor valor você deve adicionar o sinal negativo.
x <- c(88, 100, 83, 92, 94)
rank(-x)

## [1] 4 1 5 3 2

# Definindo a taxa de assassinatos:
rate <-  murders$total/ murders$population * 100000
rank(-rate)

# Add a coluna com a taxa de assassinatos
murders <- mutate(murders, rate = total/population * 100000, rank = rank(-rate))

1 - Redefina os dados de murders para incluir a coluna chamada rank com as taxas de assassinatos do maior para o menor valor.

2 - Use select para mostrar somente os nomes e abreviações dos estados de murders. Defina um novo objeto chamado state_abb.

3 - Crie um novo data frame chamado murders_nw somente com os estados do nordeste e oeste northeast e west, respectivamente. Quantos estados existem nessas regiões (linhas)?

4 - Filtre os dados para que apresentem os 5 estados com maiores taxas de assassinatos. Não se esqueça de adicionar a coluna rate.

5 - Crie um novo data frame chamado no_south que remove os estados da região Sul. Quantos estados estão nessa categoria? Nós podemos usar a função nrow() pra isso.

6 - Suponha que você queira viver no Nordeste ou Oeste e quer que a taxa de assassinatos seja menor que 1. Crie um novo data frame chamado my_states com os dados dos estados que satisfaçam essas opções. Use select para mostrar somente os nomes dos estados (state), a taxa de assassinatos (rate)e o rank.

Respostas

1 -

murders <- mutate(murders, rank = rank(-rate))

# ou com pipe:
murders <-
  murders %>%
  mutate(rank = rank(-rate))

2 -

state_abb <- select(murders, state, abb)

# ou com pipe:
state_abb <-
murders %>%
select(state, abb) 

head(state_abb)

##        state abb
## 1    Alabama  AL
## 2     Alaska  AK
## 3    Arizona  AZ
## 4   Arkansas  AR
## 5 California  CA
## 6   Colorado  CO

3 -

murders_nw <- filter(murders, region %in% c("Northeast", "West"))

nrow(murders_nw)

## [1] 22

4 -

filter(murders, rank<=5)

##                  state abb        region population total      rate rank
## 1 District of Columbia  DC         South     601723    99 16.452753    1
## 2            Louisiana  LA         South    4533372   351  7.742581    2
## 3             Maryland  MD         South    5773552   293  5.074866    4
## 4             Missouri  MO North Central    5988927   321  5.359892    3
## 5       South Carolina  SC         South    4625364   207  4.475323    5

# ou com pipe:
murders %>%
  filter(rank <= 5)

##                  state abb        region population total      rate rank
## 1 District of Columbia  DC         South     601723    99 16.452753    1
## 2            Louisiana  LA         South    4533372   351  7.742581    2
## 3             Maryland  MD         South    5773552   293  5.074866    4
## 4             Missouri  MO North Central    5988927   321  5.359892    3
## 5       South Carolina  SC         South    4625364   207  4.475323    5

5 -

# Use filter para criar o data frame "no_south".
no_south<-filter(murders,region != "South")
# Use nrow() para calcular o número de linhas (observações).
nrow(no_south)

## [1] 34

6 -

# adiciona a coluna de taxas de homicídios.
murders <- mutate(murders, rate =  total / population * 100000, rank = rank(-rate))

# cria os dados chamados `my_states`, que satizfaz as duas condições.
my_states <- filter(murders, region %in% c("Northeast", "West") & rate < 1)

# Use select para mostrar apenas o nome do estado, a taxa de assassinatos e o rank.
select(my_states, state, rate, rank)

##           state      rate rank
## 1        Hawaii 0.5145920   49
## 2         Idaho 0.7655102   46
## 3         Maine 0.8280881   44
## 4 New Hampshire 0.3798036   50
## 5        Oregon 0.9396843   42
## 6          Utah 0.7959810   45
## 7       Vermont 0.3196211   51
## 8       Wyoming 0.8871131   43

# ou com pipe:
my_states <-
murders %>%
  mutate(rate = total / population * 100000, rank = rank(-rate))%>%
  filter(region %in% c("Northeast", "West") & rate < 1)%>%
  select(state, rate, rank)