CommencerCommencer gratuitement

Importer des données météo quotidiennes

En pratique, vous ne traiterez pas des dates et heures isolées : elles feront partie d’un jeu de données plus large. Tout au long du chapitre, après avoir acquis une compétence sur un exemple simple (comme les dates de sortie des versions de R), vous l’exercerez en contexte avec des données météo d’Auckland (NZ).

Il y a deux jeux de données : akl_weather_daily.csv, un résumé quotidien sur 10 ans, et akl_weather_hourly_2016.csv, des observations toutes les demi-heures pour 2016. Vous allez importer les données quotidiennes dans cet exercice, puis les données horaires dans le suivant.

Vous utiliserez des fonctions de dplyr. Si vous avez besoin d’une remise à niveau, pensez à revoir filter(), select() et mutate().

Cet exercice fait partie du cours

Travailler avec les dates et heures en R

Afficher le cours

Instructions

  • 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 en deviner la raison ?
  • Avec mutate(), écrasez la colonne date avec une version analysée de date. Vous devez préciser la fonction de parsing. Indice : la première date doit 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 cet exemple de code.

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