MulaiMulai sekarang secara gratis

Impor data cuaca harian

Dalam praktiknya, Anda tidak akan mengurai tanggal dan waktu secara terpisah; keduanya akan menjadi bagian dari himpunan data yang lebih besar. Sepanjang bab ini, setelah Anda menguasai suatu keterampilan dengan contoh yang lebih sederhana (misalnya waktu rilis R), Anda akan melatih keterampilan lubridate dalam konteks dengan bekerja menggunakan data cuaca dari Auckland, NZ.

Ada dua himpunan data: akl_weather_daily.csv berisi ringkasan harian sekali sehari selama 10 tahun, dan akl_weather_hourly_2016.csv berisi observasi setiap setengah jam untuk tahun 2016. Anda akan mengimpor data harian pada latihan ini dan data cuaca per jam pada latihan berikutnya.

Anda akan menggunakan fungsi-fungsi dari dplyr, jadi jika Anda merasa perlu penyegaran, sebaiknya meninjau kembali filter(), select(), dan mutate().

Latihan ini adalah bagian dari kursus

Bekerja dengan Tanggal dan Waktu di R

Lihat Kursus

Petunjuk latihan

  • Impor data harian, "akl_weather_daily.csv" dengan read_csv().
  • Cetak akl_daily_raw untuk memastikan kolom date belum ditafsirkan sebagai tanggal. Dapatkah Anda melihat alasannya?
  • Dengan mutate() timpa kolom date dengan versi date yang sudah diurai. Anda perlu menentukan fungsi parsing. Petunjuk: tanggal pertama seharusnya 1 September.
  • Cetak akl_daily untuk memverifikasi bahwa kolom date sekarang bertipe Date.
  • Amati datanya dengan membuat plot date pada sumbu-x dan max_temp pada sumbu-y.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

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()
Edit dan Jalankan Kode