ComenzarEmpieza gratis

Extraer para filtrar y resumir

Otra razón para extraer componentes es ayudar a filtrar observaciones o crear resúmenes. Por ejemplo, si solo te interesan las observaciones realizadas en días laborables (es decir, no en fin de semana), podrías extraer los días de la semana y luego filtrar los fines de semana, p. ej., wday(date) %in% 2:6.

En el último ejercicio viste que enero, febrero y marzo eran buenas épocas para visitar Auckland por sus temperaturas cálidas, pero ¿necesitarás un chubasquero?

En este ejercicio lo averiguarás. Usarás los datos horarios para calcular cuántos días de cada mes hubo algo de lluvia durante el día.

Este ejercicio forma parte del curso

Trabajar con fechas y horas en R

Ver curso

Instrucciones del ejercicio

  • Crea nuevas columnas para la hora y el mes de la observación a partir de datetime. Asegúrate de etiquetar el mes.
  • Filtra solo las observaciones diurnas, donde la hora sea mayor o igual que 8 y menor o igual que 22.
  • Agrupa las observaciones primero por month, luego por date, y resume usando any() en la columna rainy. Esto da como resultado un valor por día
  • Resume de nuevo sumando any_rain. Esto da como resultado un valor por mes

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Create new columns hour, month and rainy
akl_hourly <- akl_hourly %>%
  mutate(
    ___ = ___(datetime),
    ___ = ___(datetime, ___),
    rainy = weather == "Precipitation"
  )

# Filter for hours between 8am and 10pm (inclusive)
akl_day <- akl_hourly %>% 
  filter(___, ___)

# Summarise for each date if there is any rain
rainy_days <- akl_day %>% 
  group_by(___, ___) %>%
  summarise(
    any_rain = ___(rainy)
  )

# Summarise for each month, the number of days with rain
rainy_days %>% 
  summarise(
    days_rainy = ___(any_rain)
  )
Editar y ejecutar código