CommencerCommencer gratuitement

Élargir vos données

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

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

C’est proche de ce que vous avez déjà fait, mais cette fois vous disposez de moins de code préécrit. Votre objet xts de travail, flights_temps, est également disponible dans votre espace de travail.

Cet exercice fait partie du cours

Étude de cas : analyser des séries temporelles urbaines en R

Afficher le cours

Instructions

  • 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 vérifié 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 vérifier que la fusion a réussi.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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