IniziaInizia gratis

Arrotondare con i dati meteo

Quando è utile arrotondare? In molte delle stesse situazioni in cui è utile estrarre le componenti della data. Il vantaggio dell’arrotondamento rispetto all’estrazione è che mantiene il contesto dell’unità. Per esempio, estrarre l’ora ti dice l’ora in cui è avvenuto il datetime, ma perdi il giorno in cui è avvenuta quell’ora (a meno che tu non estragga anche quello); invece, arrotondare all’ora più vicina mantiene giorno, mese e anno.

Come esempio, esplorerai quante osservazioni per ora ci sono davvero nei dati meteo orari di Auckland.

Questo esercizio fa parte del corso

Lavorare con date e orari in R

Visualizza il corso

Istruzioni dell'esercizio

  • Crea una nuova colonna chiamata day_hour che sia datetime arrotondato per difetto all’ora più vicina.
  • Usa count() su day_hour per contare quante osservazioni ci sono in ogni ora. Qual è il valore che sembra più comune?
  • Estendi la pipeline in modo che, dopo il conteggio, filtri per le osservazioni in cui n è diverso da 2.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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))
Modifica ed esegui il codice