Začněte nyníZačněte zdarma

Import denních dat o počasí

V praxi nebudeš parsovat data a časy samostatně – budou součástí většího datasetu. V průběhu celé kapitoly si nejdříve procvičíš každou dovednost na jednoduchém příkladu (třeba na datech o vydání verzí R) a pak ji uplatníš v reálném kontextu při práci s daty o počasí z novozélandského Aucklandu.

Máme dva datasety: akl_weather_daily.csv s denními souhrny za 10 let a akl_weather_hourly_2016.csv s měřeními každou půl hodinu pro rok 2016. V tomto cvičení naimportuješ denní data, v dalším pak hodinová.

Budeš pracovat s funkcemi z balíčku dplyr – pokud si nejsi jistý/á, možná se ti hodí připomenout funkce filter(), select() a mutate().

Toto cvičení je součástí kurzu

Práce s daty a časy v R

Zobrazit kurz

Pokyny k cvičení

  • Naimportuj denní data "akl_weather_daily.csv" pomocí read_csv().
  • Vypiš akl_daily_raw a zkontroluj, že sloupec date nebyl interpretován jako datum. Vidíš proč?
  • Pomocí mutate() přepiš sloupec date jeho naparsovanou verzí. Musíš zvolit správnou parsovací funkci. Nápověda: první datum by mělo být 1. září.
  • Vypiš akl_daily a ověř, že sloupec date je teď typu Date.
  • Podívej se na data graficky: vynos date na osu x a max_temp na osu y.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

library(lubridate)
library(readr)
library(dplyr)
library(ggplot2)

# Import CSV with read_csv()
akl_daily_raw <- read_csv(___)

# Print akl_daily_raw
___

# Parse date 
akl_daily <- akl_daily_raw %>%
  mutate(date = ___(date))

# Print akl_daily
___

# Plot to check work
ggplot(akl_daily, aes(x = ___, y = ___)) +
  geom_line()
Upravit a spustit kód