CommencezCommencez gratuitement

Élargir vos données

Maintenant que vous maîtrisez le flux de travail des séries chronologiques, vous êtes prêt à vérifier l'hypothèse selon laquelle les retards de vol dépendent de la visibilité et du vent.

Dans cet exercice, vous ajouterez quelques colonnes à votre objet xts en fusionnant des données sur la visibilité moyenne mensuelle (vis) et les vitesses du vent (wind) dans la région de Boston de 2010 à 2015. Ces données proviennent de la même source que vos données de température, mais elles ont déjà été traitées et converties en xts pour vous faciliter la tâche.

C'est semblable à ce que vous avez fait auparavant, mais cette fois vous avez moins de code préécrit. Votre objet xts de travail, flights_temps, est aussi 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

  • Votre première tâche, comme toujours, est de confirmer la périodicité et la durée de vos données vis et wind à l'aide de deux appels à periodicity().
  • Une fois que vous avez confirmé que les données vis et wind ont la même périodicité et la même durée que vos données existantes, utilisez merge() pour combiner les trois objets en un seul objet xts : flights_weather. Pour rester cohérent, fusionnez vos données dans l'ordre suivant : flights_temps, vis, wind.
  • Utilisez head() pour afficher les premières lignes de flights_weather et vous assurer que votre fusion a réussi.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Confirm the periodicity and duration of the vis and wind data



# Merge vis and wind with your existing flights_temps data
flights_weather <- 

# View the first few rows of your flights_weather data
Modifier et exécuter le code