Aan de slagGa gratis aan de slag

Tijdreekstrends berekenen

Een van de handigste eigenschappen van xts-objecten is dat je eenvoudige wiskundige berekeningen over de tijd kunt uitvoeren. In je vluchtgegevens is een waardevolle maatstaf het percentage vluchten dat elke maand is vertraagd, geannuleerd of omgeleid.

In deze oefening gebruik je je gegevens om een nieuwe tijdreeks-kolom te maken met het percentage vluchten dat elke maand te laat in Boston aankomt. Daarna maak je een plot van deze maatstaf, en ga je verder met het berekenen van extra maatstaven voor annuleringen en omleidingen.

Deze oefening maakt deel uit van de cursus

Casestudy: Tijdreeksgegevens van een stad analyseren in R

Cursus bekijken

Oefeninstructies

  • Gebruik eenvoudige rekenexpressies op flights_xts om het percentage vertraagde vluchten per maand te berekenen. Sla dit op als een nieuwe kolom in flights_xts met de naam pct_delay.
  • Gebruik plot.xts() om het percentage vertraagde vluchten per maand te bekijken.
  • Herhaal je berekening hierboven om twee extra kolommen in je xts-object te maken — pct_cancel en pct_divert — voor respectievelijk geannuleerde en omgeleide vluchten.
  • Gebruik plot.zoo() om alle drie de trends samen te bekijken. Selecteer hiervoor een subset van de flights_xts-gegevens met de drie zojuist gemaakte kolommen.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Calculate percentage of flights delayed each month: pct_delay
flights_xts$pct_delay <- (___ / ___) * 100

# Use plot.xts() to view pct_delay over time


# Calculate percentage of flights cancelled each month: pct_cancel


# Calculate percentage of flights diverted each month: pct_divert


# Use plot.zoo() to view all three trends over time
plot.zoo(x = ___[ , c("___", "___", "___")])
Code bewerken en uitvoeren