LoslegenKostenlos loslegen

Bostoner Winter visualisieren

Im vorherigen Kapitel hast du herausgefunden, dass in Boston im Winter ein deutlich höherer Anteil an Flügen verspätet ist oder ausfällt. Es liegt nahe, dass die Temperatur hier eine wichtige Rolle spielt. Vielleicht gehen niedrigere Temperaturen mit einem höheren Anteil an Verspätungen oder Ausfällen einher?

In dieser Übung prüfst du die Plausibilität dieser Hypothese, indem du Temperaturtrends über die Zeit plottest und einen visuellen Überblick über die Winter in Boston erstellst.

Diese Übung ist Teil des Kurses

Fallstudie: Zeitreihendaten von Städten in R analysieren

Kurs anzeigen

Anleitung zur Übung

  • Prüfe vor dem Plotten die Periodizität und Dauer deiner Daten mit periodicity(). Das Wissen über die Periodizität hilft dir, die Daten zu interpretieren, und ist im weiteren Verlauf nützlich.
  • Verwende plot.xts(), um einen Plot der mittleren Temperatur in Boston (temps_xts$mean) über die gesamte Dauer deiner Daten zu erzeugen.
  • Erzeuge einen weiteren Plot der mittleren Temperatur in Boston von November 2010 bis einschließlich April 2011.
  • Verwende plot.zoo(), um deinen letzten Plot zu reproduzieren und dabei die anderen Spalten in deinen Daten (hier: min und max Temperatur) einzubeziehen. Setze plot.type auf "single", um alle drei Linien im selben Panel darzustellen. Ändere das vorgegebene lty-Argument nicht.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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)
Code bearbeiten und ausführen