LoslegenKostenlos loslegen

Runden mit den Wetterdaten

Wann ist Runden nützlich? In vielen der gleichen Situationen, in denen das Extrahieren von Datumskomponenten hilfreich ist. Der Vorteil des Rundens gegenüber dem Extrahieren ist, dass der Kontext der Einheit erhalten bleibt. Wenn du zum Beispiel die Stunde extrahierst, erhältst du die Stunde, zu der der datetime-Wert auftrat, verlierst aber den Tag, an dem diese Stunde lag (es sei denn, du extrahierst den ebenfalls). Rundest du hingegen auf die nächste Stunde, bleiben Tag, Monat und Jahr erhalten.

Als Beispiel untersuchst du, wie viele Beobachtungen pro Stunde in den stündlichen Wetterdaten von Auckland tatsächlich vorhanden sind.

Diese Übung ist Teil des Kurses

Arbeiten mit Datums- und Zeitangaben in R

Kurs anzeigen

Anleitung zur Übung

  • Erstelle eine neue Spalte namens day_hour, die datetime auf die nächste Stunde nach unten rundet.
  • Verwende count() auf day_hour, um zu zählen, wie viele Beobachtungen es in jeder Stunde gibt. Was wirkt wie der häufigste Wert?
  • Erweitere die Pipeline so, dass du nach dem Zählen nach Beobachtungen filterst, bei denen n ungleich 2 ist.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Create day_hour, datetime rounded down to hour
akl_hourly <- akl_hourly %>%
  mutate(
    day_hour = ___(datetime, unit = ___)
  )

# Count observations per hour  
akl_hourly %>% 
  count(___) 

# Find day_hours with n != 2  
akl_hourly %>% 
  count(___) %>%
  filter(___) %>% 
  arrange(desc(n))
Code bearbeiten und ausführen