MulaiMulai sekarang secara gratis

Mengekstrak untuk pemfilteran dan peringkasan

Alasan lain mengekstrak komponen adalah untuk membantu memfilter observasi atau membuat ringkasan. Misalnya, jika Anda hanya tertarik pada observasi yang dibuat pada hari kerja (yaitu bukan akhir pekan) Anda bisa mengekstrak hari-hari kerja lalu menyaring akhir pekan, misalnya wday(date) %in% 2:6.

Pada latihan sebelumnya Anda melihat bahwa Januari, Februari, dan Maret adalah waktu yang tepat untuk mengunjungi Auckland untuk suhu hangat, tetapi apakah Anda memerlukan jas hujan?

Di latihan ini Anda akan mengetahuinya! Anda akan menggunakan data per jam untuk menghitung berapa hari di setiap bulan terjadi hujan pada siang hari.

Latihan ini adalah bagian dari kursus

Bekerja dengan Tanggal dan Waktu di R

Lihat Kursus

Petunjuk latihan

  • Buat kolom baru untuk jam dan bulan observasi dari datetime. Pastikan Anda memberi label pada bulan.
  • Saring hanya observasi pada siang hari, yaitu ketika jam lebih besar atau sama dengan 8 dan kurang dari atau sama dengan 22.
  • Kelompokkan observasi terlebih dahulu berdasarkan month, lalu berdasarkan date, dan rangkum dengan menggunakan any() pada kolom rainy. Ini menghasilkan satu nilai per hari
  • Rangkum lagi dengan menjumlahkan any_rain. Ini menghasilkan satu nilai per bulan

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Create new columns hour, month and rainy
akl_hourly <- akl_hourly %>%
  mutate(
    ___ = ___(datetime),
    ___ = ___(datetime, ___),
    rainy = weather == "Precipitation"
  )

# Filter for hours between 8am and 10pm (inclusive)
akl_day <- akl_hourly %>% 
  filter(___, ___)

# Summarise for each date if there is any rain
rainy_days <- akl_day %>% 
  group_by(___, ___) %>%
  summarise(
    any_rain = ___(rainy)
  )

# Summarise for each month, the number of days with rain
rainy_days %>% 
  summarise(
    days_rainy = ___(any_rain)
  )
Edit dan Jalankan Kode