LoslegenKostenlos starten

Arbeitslosigkeitsdaten erkunden

Nachdem du die grundlegenden Schritte zum Umgang mit fehlenden Werten wiederholt hast, kannst du neue Zeitreihendaten unterwegs leichter prüfen und bereinigen.

In dieser Übung sammelst du weitere Praxis, indem du Daten zur Arbeitslosigkeit untersuchst, bereinigst und visualisierst – sowohl für die USA insgesamt als auch speziell für Massachusetts (MA). Ein xts-Objekt mit diesen Daten, unemployment, steht dir in deinem Workspace zur Verfügung.

Diese Übung ist Teil des Kurses

<Kurs>Fallstudie: Zeitreihendaten von Städten in R analysieren</Kurs>
Kurs ansehen

Übungsanweisungen

  • Lass dir mit summary() Zusammenfassungsinformationen zu deinen unemployment-Daten anzeigen. Achte besonders auf die Anzahl der in der Ausgabe erkannten NA's. Beachte außerdem, dass die min- und max-Werte deines Zeitindex den Zeitraum deiner Daten angeben.
  • Verwende na.approx(), um fehlende Werte in deinen Arbeitslosigkeitsdaten per linearer Interpolation zu entfernen. Speichere die resultierenden Werte zurück in dein unemployment-Objekt.
  • Zeichne deine unemployment-Daten mit plot.zoo(). Setze plot.type auf "single", um sowohl die US-weiten als auch die Massachusetts-spezifischen Daten im selben Plot darzustellen. Belasse das Argument lty und den Aufruf von legend() unverändert.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# View a summary of your unemployment data


# Use na.approx to remove missing values in unemployment data
unemployment <- 

# Plot new unemployment data
plot.zoo(___, plot.type = "___", lty = lty)
legend("topright", lty = lty, legend = labels, bg = "white")
Code bearbeiten und ausführen