1. Učit se
    2. /
  2. Projekty
    3. /
  3. Případová studie: Analýza časových řad městských dat v R
Connected

cvičení

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.

Pokyny

100 XP
  • 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.