Temperaturdaten erkunden
Nachdem du nun ein bisschen über deine flights-Daten gelernt und die Grundlagen der Zeitreihenmanipulation wiederholt hast, erkundest du als Nächstes Wetterdaten aus dem Raum Boston, um zu verstehen, was Flugverspätungen und -ausfälle beeinflussen könnte. Dafür musst du zusätzliche Zeitreihendaten zusammenstellen und aufbereiten.
In dieser Übung schaust du dir Temperaturdaten aus dem Raum Boston an, darunter die minimale, durchschnittliche und maximale tägliche Temperatur über die Zeit. Diese Daten wurden mit dem R-Paket weatherData erhoben, das öffentlich verfügbare Daten von Weather Underground abruft.
Bevor du mit der Manipulation von Zeitreihendaten weitermachst, besteht der erste Schritt jeder Datenanalyse darin, die grundlegenden Eigenschaften deiner Daten zu prüfen. Konkret wirfst du einen genaueren Blick auf zwei Temperatur-Objekte (temps_1 und temps_2), um zu verstehen, welche Informationen sie enthalten und wie du weiter vorgehen solltest.
Diese Übung ist Teil des Kurses
Fallstudie: Zeitreihendaten von Städten in R analysieren
Anleitung zur Übung
- Verwende zweimal
str(), um die Struktur der beiden Temperatur-Objekte anzusehen:temps_1undtemps_2. Achte genau auf die Ausgaben! - Zeige die ersten und letzten Zeilen von
temps_1mithead()undtail()an. - Zeige die ersten und letzten Zeilen von
temps_2mithead()undtail()an. Enthalten diese beiden Objekte ähnliche Daten?
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# View the structure of each object
str(___)
str(___)
# View the first and last rows of temps_1
head(___)
tail(___)
# View the first and last rows of temps_2