IniziaInizia gratis

Importa i dati meteo orari

I dati orari sono un po' diversi. Le informazioni sulla data sono distribuite su tre colonne, year, month e mday, quindi dovrai usare make_date() per combinarle.

Le informazioni sull'ora si trovano invece in un'altra colonna, time. È abbastanza comune trovare data e ora in variabili separate. Un modo per costruire i datetime è incollare insieme date e time e poi fare il parsing. È quello che farai in questo esercizio.

Questo esercizio fa parte del corso

Lavorare con date e orari in R

Visualizza il corso

Istruzioni dell'esercizio

  • Importa i dati orari, "akl_weather_hourly_2016.csv", con read_csv(), poi stampa akl_hourly_raw per confermare che la data è distribuita su year, month e mday.
  • Usando mutate() crea la colonna date utilizzando make_date().
  • Abbiamo unito le colonne date e time. Crea datetime facendo il parsing della colonna datetime_string.
  • Dai un'occhiata alle colonne date, time e datetime per verificare che corrispondano.
  • Esplora i dati tracciando datetime sull'asse x e temperature 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 "akl_weather_hourly_2016.csv"
akl_hourly_raw <- ___

# Print akl_hourly_raw
___

# Use make_date() to combine year, month and mday 
akl_hourly  <- akl_hourly_raw  %>% 
  mutate(date = make_date(year = ___, month = ___, day = ___))

# Parse datetime_string 
akl_hourly <- akl_hourly  %>% 
  mutate(
    datetime_string = paste(date, time, sep = "T"),
    datetime = ___(datetime_string)
  )

# Print date, time and datetime columns of akl_hourly
akl_hourly %>% select(___, ___, ___)

# Plot to check work
ggplot(akl_hourly, aes(x = ___, y = ___)) +
  geom_line()
Modifica ed esegui il codice