Aan de slagGa gratis aan de slag

Uurlijkse weerdata importeren

De uurlijkse data ziet er net wat anders uit. De datuminformatie staat verspreid over drie kolommen: year, month en mday. Gebruik daarom make_date() om ze te combineren.

De tijdsinformatie staat weer in een aparte kolom, time. Het is heel gebruikelijk dat datum en tijd over verschillende variabelen zijn verdeeld. Een manier om de datetimes te maken is door date en time aan elkaar te plakken en daarna te parsen. Dat ga je in deze oefening doen.

Deze oefening maakt deel uit van de cursus

Werken met datums en tijden in R

Cursus bekijken

Oefeninstructies

  • Importeer de uurlijkse data, "akl_weather_hourly_2016.csv", met read_csv() en print vervolgens akl_hourly_raw om te bevestigen dat de datum is verdeeld over year, month en mday.
  • Maak met mutate() de kolom date met make_date().
  • We hebben de kolommen date en time al samengevoegd. Maak datetime door de kolom datetime_string te parsen.
  • Bekijk de kolommen date, time en datetime om te controleren of ze overeenkomen.
  • Verken de data door datetime op de x-as en temperature 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 "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()
Code bewerken en uitvoeren