LoslegenKostenlos loslegen

Tägliche Wetterdaten importieren

In der Praxis wirst du selten einzelne Datums- oder Zeitwerte parsen, sondern sie sind Teil eines größeren Datensatzes. Durch das Kapitel hindurch übst du, nachdem du eine Fähigkeit an einem einfacheren Beispiel (z. B. den Veröffentlichungszeiten von R) gemeistert hast, deine lubridate-Skills im Kontext, indem du mit Wetterdaten aus Auckland, Neuseeland, arbeitest.

Es gibt zwei Datensätze: akl_weather_daily.csv, tägliche Zusammenfassungen über 10 Jahre, und akl_weather_hourly_2016.csv, Beobachtungen alle 30 Minuten für 2016. In dieser Aufgabe importierst du die täglichen Daten, und in der nächsten Aufgabe die stündlichen Wetterdaten.

Du verwendest Funktionen aus dplyr. Falls du etwas eingerostet bist, lohnt sich ein kurzer Blick auf filter(), select() und mutate().

Diese Übung ist Teil des Kurses

Arbeiten mit Datums- und Zeitangaben in R

Kurs anzeigen

Anleitung zur Übung

  • Importiere die täglichen Daten "akl_weather_daily.csv" mit read_csv().
  • Gib akl_daily_raw aus, um zu prüfen, dass die Spalte date nicht als Datum interpretiert wurde. Kannst du erkennen, warum?
  • Überschreibe mit mutate() die Spalte date mit einer geparsten Version von date. Du musst die passende Parsing-Funktion angeben. Hinweis: Das erste Datum sollte der 1. September sein.
  • Gib akl_daily aus, um zu überprüfen, dass date jetzt ein Date ist.
  • Sieh dir die Daten an, indem du date auf der x-Achse und max_temp auf der y-Achse plottest.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

library(lubridate)
library(readr)
library(dplyr)
library(ggplot2)

# Import CSV with read_csv()
akl_daily_raw <- read_csv(___)

# Print akl_daily_raw
___

# Parse date 
akl_daily <- akl_daily_raw %>%
  mutate(date = ___(date))

# Print akl_daily
___

# Plot to check work
ggplot(akl_daily, aes(x = ___, y = ___)) +
  geom_line()
Code bearbeiten und ausführen