IniziaInizia gratis

Importa i dati meteo giornalieri

Nella pratica non ti capiterà di analizzare date e orari isolati: faranno parte di un insieme di dati più grande. In questo capitolo, dopo aver imparato una tecnica con un esempio semplice (per esempio gli orari di rilascio di R), metterai in pratica le tue abilità con lubridate nel loro contesto lavorando con dati meteo di Auckland, NZ.

Ci sono due dataset: akl_weather_daily.csv, un insieme di riepiloghi giornalieri per 10 anni, e akl_weather_hourly_2016.csv, osservazioni ogni mezz’ora per il 2016. In questo esercizio importerai i dati giornalieri e nel prossimo esercizio quelli orari.

Userai funzioni di dplyr, quindi se ti senti arrugginito, potresti voler ripassare filter(), select() e mutate().

Questo esercizio fa parte del corso

Lavorare con date e orari in R

Visualizza il corso

Istruzioni dell'esercizio

  • Importa i dati giornalieri, "akl_weather_daily.csv", con read_csv().
  • Stampa akl_daily_raw per confermare che la colonna date non è stata interpretata come data. Riesci a capire perché?
  • Usando mutate() sovrascrivi la colonna date con una versione analizzata di date. Devi specificare la funzione di parsing. Suggerimento: la prima data dovrebbe essere 1 settembre.
  • Stampa akl_daily per verificare che la colonna date ora sia un oggetto Date.
  • Dai un’occhiata ai dati tracciando date sull’asse x e max_temp sull’asse y.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

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()
Modifica ed esegui il codice