CommencerCommencer gratuitement

Arrondir avec les données météo

Dans quels cas l’arrondi est-il utile ? Dans beaucoup de situations où l’extraction de composantes de date l’est aussi. L’avantage de l’arrondi par rapport à l’extraction est qu’il préserve 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 correspondant (sauf si vous l’extrayez aussi). À l’inverse, arrondir à l’heure la plus proche conserve le jour, le mois et l’année.

À titre d’exemple, vous allez examiner combien d’observations par heure il y a réellement dans les données horaires de la météo à Auckland.

Cet exercice fait partie du cours

Travailler avec les dates et heures en R

Afficher le cours

Instructions

  • Créez une nouvelle colonne appelée day_hour qui correspond à datetime arrondi à l’inférieur à l’heure la plus proche.
  • Utilisez count() sur day_hour pour compter combien d’observations il y a à chaque heure. Quel semble être la valeur la plus courante ?
  • Étendez le pipeline de façon à filtrer, après le comptage, les observations où n est différent de 2.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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