1.1) Produce a Tidy Version of the Data

The goal in this problem is to get a tidy version of the data set.  To accomplish this task, you will have to “reshape” the raw data set and create a new table with a simpler and nicer structure . . .  without using functions from any tidyverse package. In other words, you can only use base functions and loops.

• Download a copy of the file raw-gas-prices-2010-2020.csv.

• Write code to generate a data frame gas_data containing three variables:

– year_month

–  end_date

– price

• The data frame gas_data should contain no missing values or blank cells.

• Display the head(), tail(), dim(), and str() of your data frame clean_gas.

• Here is how the first rows of the new table should look like:

Table 2: First five rows of weekly gas prices

2) Distance Matrix of Letters

The following code generates a random matrix distances with arbitrary distance values

#  random  distance  matrix

num_letters  <-  length(LETTERS)

set.seed(321)

values  <-  sample.int(num_letters)

distances  <-  values  %*%  t(values)

diag(distances)  <-  0

dimnames(distances)  <-  list(LETTERS,  LETTERS)

The first 5 rows and columns of distances are:

distances[1 :5 ,  1 :5]

Consider the following character vector vec  <-  c( 'E' ,  'D ' ,  'A '). The idea is to use the values in matrix distances to compute the total distance between the letters: that is from E to D, and then from D to A:

#  (E  to  D)  +  (D  to  A)

272  +  352

##  [1]  624

Hence, you can say that the letters in the word  'E'  'D '  'A ' have a total distance value of

75.

2.1) Computing Distances: with a character vector

Consider the matrix distances defined above, and assume you also have a character vector with upper case letters, e.g. ltrs =  c( 'E' ,  'D ' ,  'A ')

Write R code (using loops) to compute the total distance between the letters of a given character vector. For example, you can use the following input vector and calculate the total distance among its letters:

•  stats  <-  c( 'S ' ,  'T ' ,  'A ' ,  'T ' ,  'S ')

2.2) Computing Distances: with a list of character vectors

To make things more interesting, consider the following list strings

#  use  your  own   'first '  and   ' last '  objects

strings  <-  list(

oski  =  c ( 'O ' ,  'S ' ,  'K ' ,  'I'),

bear  =  c ( 'B ' ,  'E' ,  'A ' ,  'R'),

berk  =  c ( 'B ' ,  'E' ,  'R' ,  'K ' ,  'E' ,  'L ' ,  'E' ,  'Y'),

lets  =  rev (LETTERS),

first  =  c ( 'G ' ,  'A ' ,  'S ' ,  'T ' ,  'O ' ,  'N'),        #  use  your  first  name!

last  =  c ( 'S ' ,  'A ' ,  'N ' ,  'C ' ,  'H' ,  'E' ,  'Z ')  #  use  your  last  name! )