library(dplyr) library(MLAK) devtools::load_all(".") wszystkoS = wczytajDane('../dane/stare/2016-09_0.7.0.RData') wszystkoS = wszystkoS %>% filter(!ID_ZDAU %in% wszystkoS$ID_ZDAU[duplicated(wszystkoS$ID_ZDAU)]) miesieczneS = wczytajDane('../dane/stare/2016-09_0.7.0_mies.RData') miesieczneS = miesieczneS %>% rename(ID_ZDAU = ID_ZDAU_M, OKRES = OKRES_M) %>% semi_join(wszystkoS %>% select(ID_ZDAU)) wszystko = wczytajDane('../dane/stare/2016-09_0.7.1.RData') miesieczne = wczytajDane('../dane/stare/2016-09_0.7.1_mies.RData') wszystko = wszystko %>% semi_join(wszystkoS %>% select(ID_ZDAU)) wszystkoS = wszystkoS %>% semi_join(wszystko %>% select(ID_ZDAU)) miesieczne = miesieczne %>% rename(ID_ZDAU = ID_ZDAU_M, OKRES = OKRES_M) %>% semi_join(wszystko %>% select(ID_ZDAU)) miesieczneS = miesieczneS %>% semi_join(miesieczne %>% select(ID_ZDAU, OKRES)) %>% distinct()
porownaj(wszystkoS, wszystko, 'NME', 'NM_E') %>% group_by(d) %>% summarize(n = n()) porownaj(wszystkoS, wszystko, 'NEM', 'NPM_E') %>% group_by(d) %>% summarize(n = n()) porownaj(wszystkoS, wszystko, 'EZARDP1', 'EZ_Z_P1') %>% group_by(d) %>% summarize(n = n()) %>% filter(abs(d) > 0.01 | is.na(d) | is.nan(d)) porownaj(wszystkoS, wszystko, 'EZARD', 'EZ_Z') %>% group_by(d) %>% summarize(n = n()) %>% filter(abs(d) > 0.01 | is.na(d) | is.nan(d)) # osoby mające w wersji 0.6.0 nieistniejący kod pocztowy skutkujący NA/NaN na dany miesiąc prPna = miesieczneS %>% filter(is.nan(BILOD_M)) %>% select(ID_ZDAU) %>% distinct() %>% mutate(prPna = 1L) porownaj(wszystkoS, wszystko, 'ZILOP1', 'WZG_EZ_Z_P1') %>% arrange(desc(abs(d))) %>% filter(abs(d) > 0.0001) %>% arrange(desc(abs(d))) %>% left_join(prPna) porownaj(wszystkoS, wszystko, 'ZILO', 'WZG_EZ_Z') %>% arrange(desc(abs(d))) %>% filter(abs(d) > 0.0001) %>% arrange(desc(abs(d))) %>% left_join(prPna) # NA w poprzednim zbiorze wyglądają na błędy porownaj(wszystkoS, wszystko, 'BILODP1', 'WZG_RYZBEZ_P1') %>% filter(abs(d) > 0.001 | is.na(d) | is.nan(d), !is.na(a)) %>% arrange(desc(abs(d))) %>% left_join(prPna) # NA w poprzednim zbiorze z braku kodów pocztowych porownaj(wszystkoS, wszystko, 'BILOD', 'WZG_RYZBEZ') %>% filter(abs(d) > 0.0001 | is.na(d) | is.nan(d), !is.na(a)) %>% arrange(desc(abs(d))) %>% left_join(prPna)
porownaj(wszystkoS, wszystko, 'LENP1', 'LEN_P1') %>% group_by(d) %>% summarize(n = n())
porownaj(wszystkoS, wszystko, 'EMLENP', 'ENUP_ENL') %>% group_by(d) %>% summarize(n = n()) porownaj(wszystkoS, wszystko, 'NNDN', 'NPN_E') %>% group_by(d) %>% summarize(n = n())
porownaj(wszystkoS, wszystko, 'IFZUS', 'IF_ZUS') %>% group_by(d) %>% summarize(n = n())
porownaj(wszystkoS, wszystko, 'KONT', 'KONT') %>% group_by(d) %>% summarize(n = n())
Różnice na tych, którzy umarli miesiąc po dyplomie - teraz mają NA w zamieszkaniu
porownaj(wszystkoS, wszystko, 'JPDZAM0', 'JPDZAM0') %>% group_by(d) %>% summarize(n = n()) porownaj(wszystkoS, wszystko, 'JPDZAM1', 'JPDZAM1') %>% group_by(d) %>% summarize(n = n())
porownaj(wszystkoS, wszystko, 'TMUN', 'TP_M') %>% group_by(d) %>% summarize(n = n())
porownaj(wszystkoS, wszystko, 'NMLE', 'UP_E') %>% group_by(d) %>% summarize(n = n()) porownaj(wszystkoS, wszystko, 'NMLEP1', 'UP_E_P1') %>% group_by(d) %>% summarize(n = n()) porownaj(wszystkoS, wszystko, 'NMLENP', 'UP_ENL') %>% group_by(d) %>% summarize(n = n()) porownaj(wszystkoS, wszystko, 'NMLEP', 'UP_EL') %>% group_by(d) %>% summarize(n = n()) porownaj(wszystkoS, wszystko, 'NMLEPP1', 'UP_EL_P1') %>% group_by(d) %>% summarize(n = n())
porownaj(miesieczneS, miesieczne, 'BILOD_M', 'WZG_RYZBEZ_M', c('ID_ZDAU', 'OKRES')) %>% filter(!is.nan(a), abs(d) > 0.0001) # pomijamy nan-y ze względu na błędy wyliczania w wersji 0.6.0 porownaj(miesieczneS, miesieczne, 'ZILO_M', 'WZG_EZ_Z_M', c('ID_ZDAU', 'OKRES')) %>% filter(!is.na(a), abs(d) > 0.0001) # pomijamy NA, bo w poprzednim zbiorze brakowało paru kodów pocztowych, przez co ZILO wychodziło NA
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.