CommencezCommencez gratuitement

Importer des données météo quotidiennes

Dans la pratique, vous n'analyserez pas des dates et heures isolées : elles feront partie d'un jeu de données plus vaste. Tout au long du chapitre, après avoir acquis une compétence avec un exemple plus simple (par exemple les moments de publication des versions de R), vous mettrez en contexte vos acquis avec lubridate en travaillant avec des données météo d'Auckland, en Nouvelle-Zélande.

Il y a deux jeux de données : akl_weather_daily.csv, des résumés quotidiens sur 10 ans, et akl_weather_hourly_2016.csv, des observations toutes les demi-heures pour 2016. Vous importerez les données quotidiennes dans cet exercice et les données horaires dans le prochain.

Vous utiliserez des fonctions de dplyr. Si vous êtes un peu rouillé, prenez un moment pour revoir filter(), select() et mutate().

Cette activité fait partie du cours

Travailler avec les dates et les heures en R

Voir le cours

Instructions de l’exercice

  • Importez les données quotidiennes, "akl_weather_daily.csv", avec read_csv().
  • Affichez akl_daily_raw pour confirmer que la colonne date n'a pas été interprétée comme une date. Pouvez-vous voir pourquoi?
  • Avec mutate(), écrasez la colonne date par une version analysée de date. Vous devez préciser la fonction d'analyse. Indice : la première date devrait être le 1er septembre.
  • Affichez akl_daily pour vérifier que la colonne date est maintenant de type Date.
  • Examinez les données en traçant date sur l'axe des x et max_temp sur l'axe des y.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

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()
Modifier et exécuter le code