Membuat sebuah zoo

Objek zoo adalah alat penting dalam perangkat analis deret waktu; banyak fungsi lanjutan dalam analisis deret waktu memerlukan objek deret waktu. Membuat objek zoo dari vektor atau data frame adalah langkah pertama untuk memastikan data Anda siap untuk analisis deret waktu!

Dalam latihan ini, Anda akan membuat dan memvisualisasikan deret waktu dari harga rata-rata sebuah kartu tertentu dari permainan kartu koleksi yang populer.

Anda akan menggunakan data inti yang disimpan dalam vektor cards_price, serta vektor indeks cards_index yang berisi tanggal ketika setiap harga diambil sampelnya.

cards_index, cards_price, serta paket zoo dan ggplot2 tersedia untuk digunakan.

Latihan ini adalah bagian dari kursus

Memanipulasi Data Deret Waktu di R

Lihat Kursus

Petunjuk latihan

Kembalikan head, atau enam observasi pertama dari cards_index.
Kembalikan head, atau enam observasi pertama dari cards_price.
Hasilkan objek zoo dari vektor indeks dan data inti Anda, lalu tetapkan ke cards_zoo.
Hasilkan autoplot dari cards_zoo.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Return the head of cards_index
___

# Return the head of cards_price
___

# Create a zoo object: cards_zoo
___ <- ___(x = ___, order.by = ___)

# Autoplot cards_zoo
___

Edit dan Jalankan Kode

Memanipulasi Data Deret Waktu di R

SkillTag.level.intermediateSkillTag.label

4.9+

244 reviews

You’ll learn to create “rolling” windows of a time series that move, or "roll" along with data, making it possible to summarize trends in the data across time, such as the average over success months of observations or the sum over several weeks of sales. Overall summary statistics, like mean, median, sum, maximum, and so on, do not always provide insight into how data changes over time, and rolling windows will allow you to compute statistics dynamically. In addition to rolling windows, you will also learn how to create expanding windows, which show how these summary statistics approach their final value.

Exercise 1: What is a rolling window?Exercise 2: Rolling window functions Exercise 3: Rolling windows versus aggregation Exercise 4: Applying functions to rolling windows Exercise 5: Rolling minimum Exercise 6: Rolling apply with a custom function Exercise 7: Expanding windows Exercise 8: Rolling versus expanding windows Exercise 9: Expanding sum Exercise 10: Expanding mean Exercise 11: Congratulations!