MulaiMulai sekarang secara gratis

Pembulatan dengan data cuaca

Kapan pembulatan berguna? Dalam banyak situasi yang sama dengan saat mengekstrak komponen tanggal. Keunggulan pembulatan dibandingkan ekstraksi adalah tetap menjaga konteks satuannya. Misalnya, mengekstrak jam memberi Anda jam saat datetime terjadi, tetapi Anda kehilangan hari terjadinya jam tersebut (kecuali Anda mengekstraknya juga). Di sisi lain, membulatkan ke jam terdekat mempertahankan hari, bulan, dan tahun.

Sebagai contoh, Anda akan menelusuri berapa banyak observasi per jam yang sebenarnya ada dalam data cuaca Auckland per jam.

Latihan ini adalah bagian dari kursus

Bekerja dengan Tanggal dan Waktu di R

Lihat Kursus

Petunjuk latihan

  • Buat kolom baru bernama day_hour yang merupakan datetime dibulatkan ke bawah ke jam terdekat.
  • Gunakan count() pada day_hour untuk menghitung berapa banyak observasi pada setiap jam. Apa nilai yang tampak paling umum?
  • Perluas pipeline sehingga setelah menghitung, Anda memfilter observasi dengan n tidak sama dengan 2.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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))
Edit dan Jalankan Kode