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

ćwiczenie

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.

Instrukcje

100 XP
  • 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.