# Pakiety

#install.packages("PogromcyDanych")
#install.packages("dplyr")

library("PogromcyDanych")
library("dplyr")

head(auta2012)

# Zadanie 1
# Ile cech w zbiorze danych jest cechami jakościowymi?

auta2012 %>%
  sapply(class) %>% # działa funkcją class na każdą kolumnę; pokazuje jaka jest klasa danych kolumn
  table() # podsumowuje i pokazuje ile kolumn jest danej klasy
#odp.chyba 14

# Zadanie 2
# Sortowanie marek wg popularności

auta2012 %>%
  count(Marka) %>%
  arrange(desc(n))
#odp. Volkswagen

# Zadanie 3
# Jaki procent samochodów jest napędzany benzyną

auta2012 %>%
  count(Rodzaj.paliwa) %>%
  mutate(percent = n*100 / sum(n))


# Zadanie 4
# Ile samochodów jest tańszych od 2000 PLN
auta2012 %>%
  filter(Cena.w.PLN < 2000) %>%
  count()

# Zadanie 5
# Ile procent samochodów ma pojemność silnika >= 1500

nrow(auta2012 %>% filter(Pojemnosc.skokowa >= 1500)) * 100 /  nrow(auta2012 %>% filter(!is.na(Pojemnosc.skokowa)))

# auta2012 %>% filter(Pojemnosc.skokowa >= 1500) %>%
#   count() %>%
#   mutate(percent = n*100/dim(auta2012)[1])


# Zadanie 6
# Ile samochodów jest zarejestrowanych w Polsce i tańszych od 2000

 auta2012 %>%
   filter(Kraj.aktualnej.rejestracji == 'Polska' & Cena.w.PLN < 2000 ) %>% nrow()

 #lub

 auta2012 %>%
   filter(Kraj.aktualnej.rejestracji == 'Polska' & Cena.w.PLN < 2000 ) %>%
   summarise(n=n())


# Zadanie 7
# Procent samochodów z dieselem i pojemnością > 1500

nrow(auta2012 %>%
  filter(Rodzaj.paliwa == 'olej napedowy (diesel)' & Pojemnosc.skokowa > 1500 )) * 100 /  nrow(auta2012)


# Zadanie 8
#Utworzyć nową ramkę z samochodami małymi i sportowymi; ilu ich jest

library(MASS)

filtered.frame <- Cars93 %>%
  filter(Type == 'Small' | Type == 'Sporty')
nrow(filtered.frame)

# Zadanie 9
# Wybrać zwierzęta dłuższe od 1m

koty_ptaki %>%
  filter(dlugosc > 1)


# Zadanie 10
# Posortować rosnąco wg prędkości

koty_ptaki %>%
  arrange(predkosc)


# Zadanie 11
# Wybrać tylko Volkswageny; utworzyć talbicę kntyngnencji dla typu paliwa

volks <- auta2012 %>% filter(Marka == 'Volkswagen')
table(volks$Rodzaj.paliwa)


# Zadanie 12
# Wybrać tylko Volkswageny; policzyć średnią ceną i średni przebieg

mean(volks$Cena.w.PLN)
mean(na.omit(volks$Przebieg.w.km))


# Zadanie 13
# Średnia cena dla każdej marki

auta2012 %>%
  group_by(Marka) %>%
  summarise(sr.cena = mean(Cena.w.PLN))

# Zadanie 14
# Ze zbioru auta2012 wybierz jedynie auta Toyota Corolla. Dla tak wybranych danych wyznacz
# pierwszy i trzeci kwartyl ceny.

auta2012%>%
  filter(Marka == 'Toyota' & Model ==  'Corolla') %>% summarise(Q1 = quantile(Cena.w.PLN,1/4), Q2 = quantile(Cena.w.PLN,3/4))


# Zadanie 15
# Ze zbioru auta2012 wybierz jedynie auta marki Toyota. Dla tak wybranych danych,
# dla każdego modelu wyznacz średnią cenę. Wyniki przedstaw posortowane w kolejności malejącej.

auta2012%>%
  filter(Marka == 'Toyota') %>%
  group_by(Model) %>%
  summarise(sr.cena = mean(Cena.w.PLN)) %>%
  arrange(desc(sr.cena))


# Zadanie 16
# Dla danych auta2012 wybierz auta Volkswagen Passat z roku 2006. Dla tak wybranych danych
# wyznacz średnią cenę. Ile spośród wybranych aut jest tańsze od 35 000 PLN?

auta2012%>%
  filter(Marka == 'Volkswagen' & Model ==  'Passat' & Rok.produkcji == 2006) %>%
  summarise(mean.price = mean(Cena.w.PLN))

auta <- (auta2012 %>% filter(Marka == 'Volkswagen' & Model ==  'Passat' & Rok.produkcji == 2006))
nrow(auta %>% filter(Cena.w.PLN < 35000)) * 100 / nrow(auta) #procent, w sumie niepotrzebny



# Zadanie 17
# Dla danych auta2012 wybierze jedynie auta z roku 2007. Dla tak wybranych danych ile mamy aut
# każdej marki? Przedstaw wyniki w postaci posortowanej (kolejność rosnąca) po wielkości każdej
# grupy.

auta2012 %>%
  filter (Rok.produkcji == 2007) %>%
  group_by(Marka) %>%
  summarise(n = n()) %>%
  arrange(n)