CommencezCommencez gratuitement

Arrondir avec les données météo

Dans quels cas l'arrondissement est-il utile? Souvent dans les mêmes situations où l'extraction de composantes de date est utile. Son avantage, par rapport à l'extraction, est qu'il conserve le contexte de l'unité. Par exemple, extraire l'heure vous donne l'heure à laquelle le datetime s'est produit, mais vous perdez le jour où cette heure s'est produite (à moins d'extraire aussi le jour). À l'inverse, arrondir à l'heure la plus près conserve le jour, le mois et l'année.

À titre d'exemple, vous allez explorer combien d'observations par heure il y a réellement dans les données météo horaires d'Auckland.

Cette activité fait partie du cours

Travailler avec les dates et les heures en R

Voir le cours

Instructions de l’exercice

  • Créez une nouvelle colonne appelée day_hour qui correspond à datetime arrondi à l'unité d'heure inférieure.
  • Utilisez count() sur day_hour pour compter combien d'observations il y a à chaque heure. Quelle semble être la valeur la plus fréquente?
  • Prolongez l'enchaînement, de sorte qu'après le dénombrement, vous filtriez les observations où n n'est pas égal à 2.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Create day_hour, datetime rounded down to hour
akl_hourly <- akl_hourly %>%
  mutate(
    day_hour = ___(datetime, unit = ___)
  )

# Count observations per hour  
akl_hourly %>% 
  count(___) 

# Find day_hours with n != 2  
akl_hourly %>% 
  count(___) %>%
  filter(___) %>% 
  arrange(desc(n))
Modifier et exécuter le code