ComenzarEmpieza gratis

Importar datos meteorológicos diarios

En la práctica no analizarás fechas y horas aisladas; formarán parte de un conjunto de datos más grande. A lo largo del capítulo, después de dominar una habilidad con un ejemplo simple (por ejemplo, las fechas de lanzamiento de R), pondrás en práctica tus habilidades con lubridate en contexto trabajando con datos meteorológicos de Auckland (NZ).

Hay dos conjuntos de datos: akl_weather_daily.csv, un conjunto de resúmenes diarios durante 10 años, y akl_weather_hourly_2016.csv, observaciones cada media hora de 2016. En este ejercicio importarás los datos diarios y en el siguiente, los datos horarios.

Usarás funciones de dplyr, así que si necesitas refrescar, quizá te venga bien repasar filter(), select() y mutate().

Este ejercicio forma parte del curso

Trabajar con fechas y horas en R

Ver curso

Instrucciones del ejercicio

  • Importa los datos diarios, "akl_weather_daily.csv", con read_csv().
  • Imprime akl_daily_raw para confirmar que la columna date no se ha interpretado como fecha. ¿Puedes ver por qué?
  • Usando mutate(), sobrescribe la columna date con una versión analizada de date. Debes especificar la función de análisis. Pista: la primera fecha debería ser 1 de septiembre.
  • Imprime akl_daily para verificar que la columna date ahora es de tipo Date.
  • Échale un vistazo a los datos representando date en el eje x y max_temp en el eje y.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

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()
Editar y ejecutar código