Aan de slagGa gratis aan de slag

Je data uitbreiden

Nu je de workflow voor tijdreeksen onder de knie hebt, kun je de hypothese toetsen dat vertragingen bij vluchten samenhangen met zicht en wind.

In deze oefening voeg je een paar extra kolommen toe aan je xts-object door gegevens samen te voegen over de maandelijkse gemiddelde zichtbaarheid (vis) en windsnelheden (wind) in de omgeving van Boston van 2010 tot en met 2015. Deze gegevens komen uit dezelfde bron als je temperatuurdata, maar zijn al bewerkt en omgezet naar xts om het je makkelijker te maken.

Dit lijkt op wat je eerder hebt gedaan, maar dit keer krijg je minder voorgekauwde code. Je werk-xts-object, flights_temps, staat ook tot je beschikking in je werkruimte.

Deze oefening maakt deel uit van de cursus

Casestudy: Tijdreeksgegevens van een stad analyseren in R

Cursus bekijken

Oefeninstructies

  • Je eerste taak is, zoals altijd, om de periodiciteit en duur van je vis- en wind-gegevens te bevestigen met twee aanroepen van periodicity().
  • Zodra je hebt bevestigd dat de vis- en wind-gegevens dezelfde periodiciteit en duur hebben als je bestaande data, gebruik je merge() om alle drie de objecten te combineren tot één xts-object: flights_weather. Om alles consistent te houden, voeg je de data samen in de volgende volgorde: flights_temps, vis, wind.
  • Gebruik head() om de eerste rijen van flights_weather te bekijken en te controleren of het samenvoegen is gelukt.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Confirm the periodicity and duration of the vis and wind data



# Merge vis and wind with your existing flights_temps data
flights_weather <- 

# View the first few rows of your flights_weather data
Code bewerken en uitvoeren