繼續介紹資料預處理上遇到的一些問題，確保資料的正確性。我們想知道是站碼還是站名有被更動過，如果有被更動過，那是哪個站備更過動呢？

用等於(=) 、不等於(!=)以及獨立(unique)找出是誰更動過站名

length(data1$TKT_BEG) == length(unique(data1$TKT_BEG)) 

結果顯示為為TRUE 由此可知，站碼沒有重複值

length(data1$STOP_NAME) == length(unique(data1$STOP_NAME)) 

結果顯示為為FALSE ，表示說站名有重複值，要想辦法去抓是240站當中哪個站的站碼曾經換過

統計數據 table()

table(data1$STOP_NAME)
table(data1$STOP_NAME) == 1
w = table(data1$STOP_NAME) == 1
w[w == F]

這幾行的結果如下

我們用table(data1$STOP_NAME)可以顯示出每一個站名出現過的次數，table(data1$STOP_NAME) == 1表示說出現次數為1的我們讓他顯示為TRUE，若不是1則為FLASE，將結果紀錄下來設為w，找 w 等於 FLASE 的那個選項即為我要找的目標。

抓到，更動過的站碼的是 豐富站 ，現在我們要把"豐富新舊站"合併，其實方法很簡單，既然"站名"都一樣，那我們僅用"站名"進行group_by就可以得到我想要的結果啦

data2 = data %>%　group_by (STOP_NAME) %>% summarise(總進站 = sum(進站),總出站 = sum(出站))
#再檢查一次
length(data2$STOP_NAME) == length(unique(data2$STOP_NAME))
#果然是顯示TRUE啦 

排序 由大到小、由小到大order()

對data2進行排列

data2[order(data2$總進站,decreasing = T),]

總共有幾列 nrow()

不過其實這樣還有一個小問題總天數 x 站名 != 所有資料，意思是說，有些站並不是每一天都有資料(也許有些遺失的部分，因此要進行比較的話必須再除上一個基數便是出現次數了，讓資料變成平均一天的進、出站人數)

nrow(data)
[1] 1061714
day * length(data2$STOP_NAME)
[1] 1178031

因此要計算每日的平均進出人口

data2 = data %>%　group_by (STOP_NAME) %>% summarise(每日進站 = sum(進站)/length(進站),每日出站 = sum(出站)/length(出站))
data2[order(data2$每日進站,decreasing = T),]

用order進行排序， 資料[order(資料排序依據),] ，這是order的用法，不過這樣會是由小排到大，加上decreasing = T就是由大排到小了。

其實我前面就很隨意地使用了R的vlookup了，這邊重點多解釋下那時候使用的原理是什麼。

我們先把台北車站一天的資料拉出來看，

Taipei = data[which(data$STOP_NAME == "台北"),]
Taipei_in = Taipei$進站
plot(Taipei_in)
plot.ts(Taipei_in)

看起來還是挺平均的。