Aan de slagGa gratis aan de slag

Dagelijkse weersgegevens importeren

In de praktijk parse je zelden losse datums en tijden; ze maken deel uit van een groter gegevensbestand. In dit hoofdstuk oefen je, nadat je een vaardigheid onder de knie hebt met een eenvoudiger voorbeeld (zoals de uitgiftetijden van R), je lubridate-skills in context met weerdata uit Auckland, Nieuw-Zeeland.

Er zijn twee datasets: akl_weather_daily.csv, dagelijkse samenvattingen over 10 jaar, en akl_weather_hourly_2016.csv, waarnemingen elke halve uur voor 2016. In deze oefening importeer je de dagelijkse data en in de volgende oefening de uurlijkse weerdata.

Je gebruikt functies uit dplyr, dus als je wat roestig bent, kijk dan nog even naar filter(), select() en mutate().

Deze oefening maakt deel uit van de cursus

Werken met datums en tijden in R

Cursus bekijken

Oefeninstructies

  • Importeer de dagelijkse data, "akl_weather_daily.csv", met read_csv().
  • Print akl_daily_raw om te controleren dat de kolom date niet als datum is geïnterpreteerd. Kun je zien waarom?
  • Overschrijf met mutate() de kolom date met een geparste versie van date. Je moet de parse-functie opgeven. Hint: de eerste datum hoort 1 september te zijn.
  • Print akl_daily om te verifiëren dat de kolom date nu een Date is.
  • Bekijk de data door date op de x-as en max_temp op de y-as te plotten.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

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()
Code bewerken en uitvoeren