1. Nauka
    2. /
  2. Projekty
    3. /
  3. Studium przypadku: analiza danych szeregów czasowych miasta w R
Connected

ćwiczenie

Rozszerzanie danych

Skoro już opanowałeś(-aś) sposób pracy z danymi szeregów czasowych, czas sprawdzić hipotezę, że opóźnienia lotów zależą od widoczności i siły wiatru.

W tym ćwiczeniu dodasz kilka kolejnych kolumn do obiektu xts, łącząc dane o miesięcznej średniej widoczności (vis) i prędkości wiatru (wind) w okolicach Bostonu z lat 2010–2015. Dane te pochodzą z tego samego źródła co dane o temperaturze, ale zostały już przetworzone i przekonwertowane do formatu xts, żeby ułatwić ci pracę.

Zasada jest podobna do tego, co już robiłeś(-aś), ale tym razem masz do dyspozycji mniej gotowego kodu. W przestrzeni roboczej dostępny jest również twój dotychczasowy obiekt xts – flights_temps.

Instrukcje

100 XP
  • Pierwszym krokiem, jak zawsze, jest sprawdzenie okresowości i zakresu czasowego danych vis i wind – użyj w tym celu dwóch wywołań funkcji periodicity().
  • Gdy potwierdzisz, że dane vis i wind mają taką samą okresowość i zakres jak twoje dotychczasowe dane, użyj funkcji merge(), aby połączyć wszystkie trzy obiekty w jeden obiekt xts o nazwie flights_weather. Dla zachowania spójności scalaj dane w następującej kolejności: flights_temps, vis, wind.
  • Użyj funkcji head(), aby wyświetlić pierwsze wiersze obiektu flights_weather i upewnić się, że scalanie przebiegło pomyślnie.