CommencerCommencer gratuitement

Visualiser les hivers à Boston

Vous avez découvert au chapitre précédent qu’un pourcentage bien plus élevé de vols est retardé ou annulé à Boston pendant l’hiver. Il semble logique que la température y joue un rôle important. Des températures plus froides seraient-elles associées à une proportion plus élevée de retards ou d’annulations de vols ?

Dans cet exercice, vous allez tester la plausibilité de cette hypothèse en traçant l’évolution des températures dans le temps et en produisant une vue d’ensemble visuelle des hivers à Boston.

Cet exercice fait partie du cours

Étude de cas : analyser des séries temporelles urbaines en R

Afficher le cours

Instructions

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

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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