Wizualizacja bostońskich zim

W poprzednim rozdziale odkryto, że znacznie wyższy odsetek lotów jest opóźnionych lub odwoływanych w Bostonie podczas zimy. Logiczne wydaje się, że temperatura odgrywa tu ważną rolę. Być może niższe temperatury wiążą się z większym odsetkiem opóźnionych lub odwołanych lotów?

W tym ćwiczeniu sprawdzisz, czy ta hipoteza jest wiarygodna – wygenerujesz wykresy trendów temperatury w czasie i uzyskasz wizualny przegląd bostońskich zim.

To ćwiczenie jest częścią kursu

Studium przypadku: analiza danych szeregów czasowych miasta w R

Zobacz kurs

Instrukcje do ćwiczenia

Przed tworzeniem wykresu sprawdź periodyczność i zakres czasowy danych za pomocą periodicity(). Znajomość periodyczności pomoże ci właściwie interpretować dane i przyda się w dalszej pracy.
Użyj plot.xts(), aby wygenerować wykres średniej temperatury w Bostonie (temps_xts$mean) dla całego zakresu danych.
Wygeneruj kolejny wykres średniej temperatury w Bostonie od listopada 2010 do kwietnia 2011 (włącznie).
Użyj plot.zoo(), aby odtworzyć ostatni wykres, uwzględniając tym razem pozostałe kolumny danych (czyli min i max temperatury). Ustaw argument plot.type na "single", aby wszystkie trzy linie znalazły się na tym samym panelu. Nie zmieniaj wcześniej zapisanego argumentu lty.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Identify the periodicity of temps_xts


# Generate a plot of mean Boston temperature for the duration of your data
plot.xts(___)

# Generate a plot of mean Boston temperature from November 2010 through April 2011
plot.xts(___["___/___"])

# Use plot.zoo to generate a single plot showing mean, max, and min temperatures during the same period 
plot.zoo(___["___/___"], plot.type = "___", lty = lty)

Edytuj i uruchom kod