Vizualizace bostonských zim

V předchozí kapitole jsi zjistil/a, že v Bostonu je v zimě výrazně vyšší procento zpožděných nebo zrušených letů. Zdá se logické, že teplota zde hraje důležitou roli. Mohlo by platit, že nižší teploty souvisejí s vyšším procentem zpožděných nebo zrušených letů?

V tomto cvičení prověříš věrohodnost této hypotézy – vykreslíš teplotní trendy v čase a vytvoříš vizuální přehled bostonských zim.

Toto cvičení je součástí kurzu

Případová studie: Analýza časových řad městských dat v R

Zobrazit kurz

Pokyny k cvičení

Před vykreslením grafu zkontroluj periodicitu a rozsah dat pomocí periodicity(). Znalost periodicity ti pomůže správně interpretovat data a bude se hodit v dalším postupu.
Pomocí plot.xts() vykresli průměrnou teplotu v Bostonu (temps_xts$mean) za celé dostupné období.
Vykresli další graf průměrné teploty v Bostonu za období od listopadu 2010 do dubna 2011 (včetně).
Pomocí plot.zoo() zopakuj předchozí graf, tentokrát ale zahrň i ostatní sloupce dat (tedy min a max teplotu). Parametr plot.type nastav na "single", aby se všechny tři linie zobrazily ve stejném panelu. Přednastavený argument lty neměň.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Identify the periodicity of temps_xts


# Generate a plot of mean Boston temperature for the duration of your data
plot.xts(___)

# Generate a plot of mean Boston temperature from November 2010 through April 2011
plot.xts(___["___/___"])

# Use plot.zoo to generate a single plot showing mean, max, and min temperatures during the same period 
plot.zoo(___["___/___"], plot.type = "___", lty = lty)

Upravit a spustit kód