Stad Gent deelt via het Open Data Portaal¹ de bezettingsgraad van zijn verschillende parkeermogelijkheden.

Een parkeergarage waar zeker nog plaats is.

Meerdere vectoren in één data frame

Het is mogelijk om deze data automatisch te importeren naar R, via de volgende code:

# Importeert data data van Stad Gent, waarbij slechts bepaalde kolommen geslecteerd worden
data <- read.csv2("https://data.stad.gent/api/explore/v2.1/catalog/datasets/bezetting-parkeergarages-real-time/exports/csv",
                  sep = ";",
                  colClasses = c("character", "character", "NULL", "numeric", "numeric", rep("NULL", 14)) )
# Geeft de kolommen een beter naam
colnames(data) <- c("naam", "laatste_update", "capaciteit", "percentage_bezet")
# Herrekent de laatste kolom naar een percentage
data$percentage_bezet <- data$percentage_bezet / 100

De precieze details van het bovenstaande stukje code zijn niet zo belangrijk. Belangrijker is dat er een zogenaamd data frame werd aangemaakt. Je kan een voorsmaakje van de variabele data opvragen via:

head(data)

Dit resulteert in iets van de vorm:

               naam            laatste_update capaciteit percentage_bezet
1 Sint-Pietersplein 2023-08-29T21:35:38+02:00        505             0.26
2           Tolhuis 2023-08-29T21:35:38+02:00        102             0.32
3   B-Park Dampoort 2023-08-29T21:21:59+02:00        181             0.00
4         Dok noord 2023-08-29T20:34:22+02:00        188             0.65
5      Vrijdagmarkt 2023-08-29T21:35:38+02:00        299             0.50
6     Sint-Michiels 2023-08-29T21:35:38+02:00        259             0.42

Je merkt dat een data frame ruw gesproken een combinatie is van verschillende vectoren. Je kan de vectoren apart opvragen via de accessor $.

data$capaciteit
# Dit resulteert in een vector met enkel de verschillende capaciteiten, in het voorbeeld zou dit gelijk zijn aan
# 505  102  181  188  299  259

De dataset bestaat hier dus uit vier vectoren, data$naam, data$laatste_update, data$capaciteit en data$percentage_bezet. Met elk van deze vectoren kan je verder werken.

Gegeven

Gebruik deze dataset (met de bijbehorende vectoren) om de volgende vragen te beantwoorden.

Gevraagd

Maak een variabele vrije_plaatsen waarin je voor elke parking uitrekent hoeveel plaatsen er nog vrij zijn. Gebruik de functie floor() om het aantal vrije plaatsen naar beneden af te ronden. Indien er uit je berekening volgt dat er 77.52 plaatsen vrij zijn, betekent dit dat er eigenlijk slechts 77 plaatsen vrij zijn.
Maak een variabele veel_plaats die bestaat uit een vector met booleaanse waarden van de parkings waar nog minstens 75% van de plaatsen vrij zijn.
Selecteer nu de parkings waar veel plaats is en geef deze weer.