CommencezCommencez gratuitement

Explorer les données sur le chômage

Maintenant que vous avez revu les étapes de base pour gérer les données manquantes, vous pouvez examiner et nettoyer plus facilement de nouvelles séries chronologiques à la volée.

Dans cet exercice, vous vous exercerez davantage en explorant, en nettoyant et en traçant des données sur le chômage, tant aux États-Unis en général qu'au Massachusetts (MA) en particulier. Un objet xts contenant ces données, unemployment, est disponible dans votre espace de travail.

Cette activité fait partie du cours

Étude de cas : analyser des séries chronologiques urbaines en R

Voir le cours

Instructions de l’exercice

  • Affichez un résumé de vos données unemployment avec summary(). Portez une attention particulière au nombre de NA's indiqué dans votre résultat. Notez aussi que les valeurs min et max de votre index temporel indiquent la période couverte par vos données.
  • Utilisez na.approx() pour supprimer les valeurs manquantes de vos données sur le chômage par interpolation linéaire. Enregistrez ces valeurs de nouveau dans votre objet unemployment.
  • Utilisez plot.zoo() pour tracer vos données unemployment. Spécifiez plot.type à "single" pour afficher à la fois les données des États-Unis et celles propres au Massachusetts sur le même graphique. Conservez l'argument lty et l'appel à legend() tels quels.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# View a summary of your unemployment data


# Use na.approx to remove missing values in unemployment data
unemployment <- 

# Plot new unemployment data
plot.zoo(___, plot.type = "___", lty = lty)
legend("topright", lty = lty, legend = labels, bg = "white")
Modifier et exécuter le code