始める無料で始める

ボストンの冬を可視化する

前の章で、ボストンでは冬季にフライトの遅延や欠航の割合が大幅に高くなることを確認しました。気温が重要な要因であるのはもっともらしいですね。気温が低いほど、遅延や欠航の割合が高くなるのかもしれません。

この演習では、気温の推移を時系列でプロットし、ボストンの冬を視覚的に概観することで、この仮説の妥当性を探っていきます。

この演習はコースの一部です

ケーススタディ：Rで都市の時系列データを分析する

コースを見る

演習の手順

  • プロットの前に、periodicity() を使用してデータの周期性と期間を確認します。周期性を把握しておくと解釈に役立ち、以降の作業でも便利です。
  • plot.xts() を使って、データの全期間にわたるボストンの平均気温（temps_xts$mean）をプロットします。
  • 2010年11月から2011年4月まで（両端含む）のボストン平均気温のプロットをもう一つ作成します。
  • plot.zoo() を使って、直前のプロットを他の列（この場合は min と max の気温）も含めて再現します。3 本の線を同じパネルに表示するために、plot.type を "single" に指定します。あらかじめ記載されている lty 引数は変更しないでください。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Identify the periodicity of temps_xts


# Generate a plot of mean Boston temperature for the duration of your data
plot.xts(___)

# Generate a plot of mean Boston temperature from November 2010 through April 2011
plot.xts(___["___/___"])

# Use plot.zoo to generate a single plot showing mean, max, and min temperatures during the same period 
plot.zoo(___["___/___"], plot.type = "___", lty = lty)
コードを編集して実行