LoslegenKostenlos loslegen

Auch mit Datetimes lässt sich gut arbeiten

Genau wie mit Date-Objekten kannst du POSIXct-Objekte plotten und mit ihnen rechnen.

In dieser Aufgabe siehst du zum Beispiel, wie schnell Leute neue R-Versionen herunterladen, indem du die Download-Logs vom RStudio-CRAN-Mirror untersuchst.

R 3.2.0 wurde am "2015-04-16 07:13:33" veröffentlicht, daher enthält cran-logs_2015-04-17.csv eine Zufallsstichprobe von Downloads am 16., 17. und 18.

Diese Übung ist Teil des Kurses

Arbeiten mit Datums- und Zeitangaben in R

Kurs anzeigen

Anleitung zur Übung

  • Verwende read_csv(), um cran-logs_2015-04-17.csv zu importieren.
  • Gib logs aus, um zu sehen, welche Informationen wir zu jedem Download haben.
  • Speichere den Veröffentlichungszeitpunkt von R 3.2.0 als POSIXct-Objekt.
  • Finde heraus, wann die erste Anfrage für 3.2.0 gestellt wurde, indem du nach Werten in der Spalte datetime filterst, die größer als release_time sind.
  • Schau dir schließlich an, wie die Downloads zunehmen, indem du Histogramme der Downloadzeiten für 3.2.0 und die vorherige Version 3.1.3 erstellst. Den Großteil des Codes haben wir bereitgestellt; du musst nur die Ästhetik x auf die Spalte datetime setzen.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import "cran-logs_2015-04-17.csv" with read_csv()
logs <- read_csv(___)

# Print logs
___

# Store the release time as a POSIXct object
release_time <- ___("2015-04-16 07:13:33", tz = "UTC")

# When is the first download of 3.2.0?
logs %>% 
  filter(___,
    r_version == "3.2.0")

# Examine histograms of downloads by version
ggplot(logs, aes(x = ___)) +
  geom_histogram() +
  geom_vline(aes(xintercept = as.numeric(release_time)))+
  facet_wrap(~ r_version, ncol = 1)
Code bearbeiten und ausführen