Obliczanie trendów w szeregach czasowych
Jedną z najważniejszych zalet obiektów xts jest możliwość wykonywania prostych działań matematycznych na danych szeregów czasowych. W przypadku danych o lotach warto obliczyć na przykład odsetek lotów opóźnionych, odwołanych lub przekierowanych w każdym miesiącu.
W tym ćwiczeniu użyjesz swoich danych, aby wygenerować nową kolumnę szeregu czasowego zawierającą odsetek lotów przylatujących z opóźnieniem do Bostonu w każdym miesiącu. Następnie stworzysz wykres tej metryki, a potem obliczysz dodatkowe wskaźniki dla lotów odwołanych i przekierowanych.
To ćwiczenie jest częścią kursu
Studium przypadku: analiza danych szeregów czasowych miasta w R
Instrukcje do ćwiczenia
- Użyj prostych działań matematycznych na obiekcie
flights_xts, aby obliczyć odsetek opóźnionych lotów w każdym miesiącu. Zapisz wynik jako nową kolumnę wflights_xtso nazwiepct_delay. - Użyj funkcji
plot.xts(), aby zwizualizować odsetek opóźnionych lotów w poszczególnych miesiącach. - Zastosuj ten sam schemat obliczeń, aby dodać do obiektu xts dwie kolejne kolumny:
pct_cancelipct_divert– odpowiednio dla lotów odwołanych i przekierowanych. - Użyj funkcji
plot.zoo(), aby wyświetlić wszystkie trzy trendy na jednym wykresie. W tym celu wybierz z obiektuflights_xtspodzbiór danych zawierający tylko te trzy kolumny, które właśnie utworzyłeś.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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("___", "___", "___")])