CommencezCommencez gratuitement

Visualiser les hivers à Boston

Dans le chapitre précédent, vous avez constaté qu'un pourcentage beaucoup plus élevé de vols sont retardés ou annulés à Boston pendant l'hiver. Il semble logique que la température soit un facteur important. Peut‑être que des températures plus froides sont associées à une plus grande proportion de retards ou d'annulations?

Dans cet exercice, vous allez tester la plausibilité de cette hypothèse en traçant l'évolution des températures dans le temps et en générant un aperçu visuel des hivers à Boston.

Cette activité fait partie du cours

Étude de cas : analyser des séries chronologiques urbaines en R

Voir le cours

Instructions de l’exercice

  • Avant de tracer, vérifiez la périodicité et la durée de vos données à l'aide de periodicity(). Connaître la périodicité vous aidera à interpréter vos données et vous sera utile par la suite.
  • Utilisez plot.xts() pour générer un graphique de la température moyenne à Boston (temps_xts$mean) pour toute la période couverte par vos données.
  • Générez un autre graphique de la température moyenne à Boston de novembre 2010 à avril 2011 (inclusivement).
  • Utilisez plot.zoo() pour reproduire votre dernier graphique tout en incluant les autres colonnes de vos données (dans ce cas, les températures min et max). Indiquez plot.type à "single" pour inclure les trois lignes sur le même panneau. Ne modifiez pas l'argument lty déjà fourni.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Identify the periodicity of temps_xts


# Generate a plot of mean Boston temperature for the duration of your data
plot.xts(___)

# Generate a plot of mean Boston temperature from November 2010 through April 2011
plot.xts(___["___/___"])

# Use plot.zoo to generate a single plot showing mean, max, and min temperatures during the same period 
plot.zoo(___["___/___"], plot.type = "___", lty = lty)
Modifier et exécuter le code