Skip to content
This repository has been archived by the owner on Jul 30, 2021. It is now read-only.

Commit

Permalink
Add taitratools logo
Browse files Browse the repository at this point in the history
  • Loading branch information
@chinhungtseng
chinhungtseng committed Jan 7, 2021
1 parent 60c04e9 commit c212533
Show file tree
Hide file tree
Showing 4 changed files with 704 additions and 105 deletions.
18 changes: 9 additions & 9 deletions README.Rmd
View file
Original file line number Diff line number Diff line change
Expand Up @@ -13,7 +13,7 @@ knitr::opts_chunk$set(
)
```

# taitratools
# taitratools <a href=''><img src='man/figures/logo.png' align="right" height="138.5" /></a>

<!-- badges: start -->
<!-- badges: end -->
Expand Down Expand Up @@ -44,7 +44,7 @@ tt_ls()
* Get source path with `tt_get_path(PATH NAME)`
* Read file with `tt_read_table`

```{r}
```{r, eval = FALSE}
path <- tt_get_path("PATH_AREA")
path
Expand All @@ -59,7 +59,7 @@ head(area_tbl)
This is a basic example which shows you how to read data from MOF,
if you want to read data with past year, you can set `period = N`

```{r}
```{r, eval = FALSE}
# Default is `export` and `usd`
mof_data <- tt_vroom_mof("2019-01", "2019-02", period = 1, direct = "export", money = "usd", dep_month_cols = TRUE)
head(mof_data)
Expand All @@ -71,14 +71,14 @@ head(mof_data)
* `tt_bind_industry()`
* `tt_industry_grouped_sum()`

```{r}
```{r, eval = FALSE}
# industry_type => "all_industry", "industry21", "version1", "version2"
mof_data %>%
tt_bind_industry(sub = 8, col_more = TRUE, industry_type = "industry21", verbose = FALSE) %>%
head(5)
```

```{r}
```{r, eval = FALSE}
mof_industry_data <- mof_data %>%
tt_industry_grouped_sum(industry_type = "industry21", sub = 6, verbose = FALSE)
Expand All @@ -92,17 +92,17 @@ head(mof_industry_data$data, 5)
* `tt_append_area()`

Adding a area column
```{r}
```{r, eval = FALSE}
mof_industry_data$data %>% tt_bind_area() %>% head(5)
```

Append area data
```{r}
```{r, eval = FALSE}
mof_industry_data$data %>% tt_append_area() %>% head(5)
```

Append only world data
```{r}
```{r, eval = FALSE}
mof_industry_data$data %>% tt_append_global() %>% head(5)
```

Expand All @@ -111,7 +111,7 @@ mof_industry_data$data %>% tt_append_global() %>% head(5)
* `tt_df_sub_hscode()`

grouped data and sum the value
```{r}
```{r, eval = FALSE}
mof_data %>% tt_grouped_sum(country, year, by = "value") %>% head(5)
mof_data %>% tt_grouped_sum(year, month, by = "count") %>% head(5)
mof_data %>%
Expand Down
97 changes: 1 addition & 96 deletions README.md
View file
Original file line number Diff line number Diff line change
@@ -1,7 +1,7 @@

<!-- README.md is generated from README.Rmd. Please edit that file -->

# taitratools
# taitratools <a href=''><img src='man/figures/logo.png' align="right" height="138.5" /></a>

<!-- badges: start -->

Expand Down Expand Up @@ -33,19 +33,9 @@ devtools::install_github("chinhungtseng/taitratools")
``` r
path <- tt_get_path("PATH_AREA")
path
#> [1] "//172.26.1.102/dstore/重要資料/area.xlsx"

area_tbl <- tt_read_table(path)
head(area_tbl)
#> # A tibble: 6 x 2
#> areaName countryName
#> <chr> <chr>
#> 1 全球 大溪地,巴布亞紐幾內亞,未列名美屬太平洋領域,吉里巴斯,吐瓦魯,其他大洋洲地區,帛琉,東加,美屬薩摩亞,索羅門群島,紐西蘭,紐~
#> 2 亞洲 土耳其,巴林,巴勒斯坦,以色列,卡達,伊拉克,伊朗,沙烏地阿拉伯,其他中東及近東地區,阿拉伯聯合大公國,阿曼,阿富汗,科威特,~
#> 3 歐洲 丹麥,比利時,白俄羅斯,立陶宛,冰島,列支敦斯登,匈牙利,安道爾,西班牙,克羅埃西亞,希臘,其他歐洲地區,拉脫維亞,波士尼亞及~
#> 4 北美洲 加拿大,其他北美洲地區,美國,格陵蘭,其他北美洲地區,美國小島嶼,百慕達,其他北美洲國家~
#> 5 中美洲 千里達及托巴哥,巴貝多,巴哈馬,巴拿馬,牙買加,古巴,尼加拉瓜,未列名法屬中美洲領域,未列名美屬中美洲領域,未列名英屬中美洲領~
#> 6 南美洲 厄瓜多,巴西,巴拉圭,其他南美洲地區,委內瑞拉,法屬圭亞那,阿根廷,玻利維亞,哥倫比亞,烏拉圭,秘魯,智利,圭亞那,蘇利南,福~
```

- read mof data
Expand All @@ -59,16 +49,6 @@ you want to read data with past year, you can set `period = N`
# Default is `export` and `usd`
mof_data <- tt_vroom_mof("2019-01", "2019-02", period = 1, direct = "export", money = "usd", dep_month_cols = TRUE)
head(mof_data)
#> # A tibble: 6 x 11
#> hscode hscode_ch hscode_en country count count_unit weight weight_unit
#> <chr> <chr> <chr> <chr> <dbl> <chr> <dbl> <chr>
#> 1 01061~ 海豹、海獅及海象~ Seals, s~ 中國大陸~ 0 - 176 KGM
#> 2 01061~ 松鼠 Squirrel~ 馬來西亞~ 0 - 3 KGM
#> 3 01062~ 鱉（甲魚）及苗~ Soft-she~ 中國大陸~ 0 - 19839 KGM
#> 4 01062~ 其他陸龜（象龜）~ Other to~ 菲律賓 0 - 50 KGM
#> 5 01063~ 鸚鵡目﹝包括鸚鵡~ Psittaci~ 伊拉克 0 - 105 KGM
#> 6 01063~ 鸚鵡目﹝包括鸚鵡~ Psittaci~ 孟加拉 0 - 50 KGM
#> # ... with 3 more variables: value <dbl>, year <chr>, month <chr>
```

### Data Transform
Expand All @@ -85,42 +65,14 @@ head(mof_data)
mof_data %>%
tt_bind_industry(sub = 8, col_more = TRUE, industry_type = "industry21", verbose = FALSE) %>%
head(5)
#> # A tibble: 5 x 15
#> hscode hscode_ch hscode_en country count count_unit weight weight_unit
#> <chr> <chr> <chr> <chr> <dbl> <chr> <dbl> <chr>
#> 1 01061~ 海豹、海獅及海象~ Seals, s~ 中國大陸~ 0 - 176 KGM
#> 2 01061~ 松鼠 Squirrel~ 馬來西亞~ 0 - 3 KGM
#> 3 01062~ 鱉（甲魚）及苗~ Soft-she~ 中國大陸~ 0 - 19839 KGM
#> 4 01062~ 其他陸龜（象龜）~ Other to~ 菲律賓 0 - 50 KGM
#> 5 01063~ 鸚鵡目﹝包括鸚鵡~ Psittaci~ 伊拉克 0 - 105 KGM
#> # ... with 7 more variables: value <dbl>, year <chr>, month <chr>,
#> # type <chr>, major <chr>, minor <chr>, industry <chr>
```

``` r
mof_industry_data <- mof_data %>%
tt_industry_grouped_sum(industry_type = "industry21", sub = 6, verbose = FALSE)

str(mof_industry_data)
#> List of 2
#> $ industry_type: chr "industry21"
#> $ data :Classes 'tbl_df', 'tbl' and 'data.frame': 6152 obs. of 7 variables:
#> ..$ type : chr [1:6152] "全部產品" "全部產品" "全部產品" "全部產品" ...
#> ..$ major : chr [1:6152] "全部產品" "全部產品" "全部產品" "全部產品" ...
#> ..$ minor : chr [1:6152] "全部產品" "全部產品" "全部產品" "全部產品" ...
#> ..$ industry: chr [1:6152] "全部產品_全部產品" "全部產品_全部產品" "全部產品_全部產品" "全部產品_全部產品" ...
#> ..$ country : chr [1:6152] "千里達及托巴哥" "千里達及托巴哥" "土耳其" "土耳其" ...
#> ..$ year : chr [1:6152] "2018" "2019" "2018" "2019" ...
#> ..$ value : num [1:6152] 6282 4776 271304 144290 166 ...
head(mof_industry_data$data, 5)
#> # A tibble: 5 x 7
#> type major minor industry country year value
#> <chr> <chr> <chr> <chr> <chr> <chr> <dbl>
#> 1 全部產品 全部產品 全部產品 全部產品_全部產品 千里達及托巴哥 2018 6282
#> 2 全部產品 全部產品 全部產品 全部產品_全部產品 千里達及托巴哥 2019 4776
#> 3 全部產品 全部產品 全部產品 全部產品_全部產品 土耳其 2018 271304
#> 4 全部產品 全部產品 全部產品 全部產品_全部產品 土耳其 2019 144290
#> 5 全部產品 全部產品 全部產品 全部產品_全部產品 土庫曼 2018 166
```

#### Area data transforming
Expand All @@ -133,42 +85,18 @@ Adding a area column

``` r
mof_industry_data$data %>% tt_bind_area() %>% head(5)
#> # A tibble: 5 x 8
#> type major minor industry country year value area
#> <chr> <chr> <chr> <chr> <chr> <chr> <dbl> <chr>
#> 1 全部產品 全部產品 全部產品~ 全部產品_全部產品~ 千里達及托巴哥~ 2018 6282 全球
#> 2 全部產品 全部產品 全部產品~ 全部產品_全部產品~ 千里達及托巴哥~ 2019 4776 全球
#> 3 全部產品 全部產品 全部產品~ 全部產品_全部產品~ 土耳其 2018 271304 全球
#> 4 全部產品 全部產品 全部產品~ 全部產品_全部產品~ 土耳其 2019 144290 全球
#> 5 全部產品 全部產品 全部產品~ 全部產品_全部產品~ 土庫曼 2018 166 全球
```

Append area data

``` r
mof_industry_data$data %>% tt_append_area() %>% head(5)
#> # A tibble: 5 x 7
#> type major minor industry country year value
#> <chr> <chr> <chr> <chr> <chr> <chr> <dbl>
#> 1 全部產品 全部產品 全部產品 全部產品_全部產品 大洋洲 2018 622281
#> 2 全部產品 全部產品 全部產品 全部產品_全部產品 大洋洲 2019 615697
#> 3 全部產品 全部產品 全部產品 全部產品_全部產品 中東及近東 2018 1189816
#> 4 全部產品 全部產品 全部產品 全部產品_全部產品 中東及近東 2019 859674
#> 5 全部產品 全部產品 全部產品 全部產品_全部產品 中美洲 2018 493986
```

Append only world data

``` r
mof_industry_data$data %>% tt_append_global() %>% head(5)
#> # A tibble: 5 x 7
#> type major minor industry country year value
#> <chr> <chr> <chr> <chr> <chr> <chr> <dbl>
#> 1 全部產品 全部產品 全部產品~ 全部產品_全部產品 全球 2018 4.94e7
#> 2 全部產品 全部產品 全部產品~ 全部產品_全部產品 全球 2019 4.74e7
#> 3 財政部定義產業~ 01_活動物,動物產品~ 全部產品~ 01_活動物,動物產品_全部產品~ 全球 2018 3.47e5
#> 4 財政部定義產業~ 01_活動物,動物產品~ 全部產品~ 01_活動物,動物產品_全部產品~ 全球 2019 3.18e5
#> 5 財政部定義產業~ 02_植物產品 全部產品~ 02_植物產品_全部產品~ 全球 2018 1.14e5
```

#### Others
Expand All @@ -180,31 +108,8 @@ grouped data and sum the value

``` r
mof_data %>% tt_grouped_sum(country, year, by = "value") %>% head(5)
#> # A tibble: 5 x 3
#> country year value
#> <chr> <chr> <dbl>
#> 1 千里達及托巴哥 2018 6282
#> 2 千里達及托巴哥 2019 4776
#> 3 土耳其 2018 271304
#> 4 土耳其 2019 144290
#> 5 土庫曼 2018 166
mof_data %>% tt_grouped_sum(year, month, by = "count") %>% head(5)
#> # A tibble: 4 x 3
#> year month count
#> <chr> <chr> <dbl>
#> 1 2018 01 115226513407
#> 2 2018 02 92634718086
#> 3 2019 01 107429262706
#> 4 2019 02 73474545476
mof_data %>%
tt_bind_industry(industry_type = "industry21", verbose = FALSE) %>%
tt_grouped_sum(industry, country, year, by = "weight") %>% head(5)
#> # A tibble: 5 x 4
#> industry country year weight
#> <chr> <chr> <chr> <dbl>
#> 1 01_活動物,動物產品_全部產品 千里達及托巴哥 2018 786310
#> 2 01_活動物,動物產品_全部產品 千里達及托巴哥 2019 306143
#> 3 01_活動物,動物產品_全部產品 土耳其 2019 9026
#> 4 01_活動物,動物產品_全部產品 大溪地 2018 16550
#> 5 01_活動物,動物產品_全部產品 大溪地 2019 15207
```
Loading

0 comments on commit c212533

Please sign in to comment.