Zacznij terazZacznij za darmo

Importowanie dziennych danych pogodowych

W praktyce nie będziesz analizować pojedynczych dat i godzin – będą one częścią większego zbioru danych. W kolejnych częściach rozdziału, po opanowaniu danej umiejętności na prostszym przykładzie (np. dat wydań R), będziesz ćwiczyć znajomość lubridate w kontekście rzeczywistych danych pogodowych z Auckland w Nowej Zelandii.

Do dyspozycji masz dwa zbiory danych: akl_weather_daily.csv – dobowe podsumowania z 10 lat, oraz akl_weather_hourly_2016.csv – obserwacje co pół godziny z 2016 roku. W tym ćwiczeniu zaimportujesz dane dzienne, a w następnym – dane godzinowe.

Będziesz korzystać z funkcji pakietu dplyr. Jeśli czujesz, że trochę zapomniałeś, warto odświeżyć sobie działanie funkcji filter(), select() i mutate().

To ćwiczenie jest częścią kursu

Praca z datami i czasem w R

Zobacz kurs

Instrukcje do ćwiczenia

  • Zaimportuj dane dzienne z pliku "akl_weather_daily.csv" za pomocą funkcji read_csv().
  • Wyświetl akl_daily_raw, aby sprawdzić, czy kolumna date nie została zinterpretowana jako data. Czy widzisz dlaczego?
  • Używając funkcji mutate(), nadpisz kolumnę date jej sparsowaną wersją. Wskaż odpowiednią funkcję parsującą. Podpowiedź: pierwsza data powinna odpowiadać 1 września.
  • Wyświetl akl_daily, aby upewnić się, że kolumna date ma teraz typ Date.
  • Przyjrzyj się danym, tworząc wykres z date na osi x i max_temp na osi y.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

library(lubridate)
library(readr)
library(dplyr)
library(ggplot2)

# Import CSV with read_csv()
akl_daily_raw <- read_csv(___)

# Print akl_daily_raw
___

# Parse date 
akl_daily <- akl_daily_raw %>%
  mutate(date = ___(date))

# Print akl_daily
___

# Plot to check work
ggplot(akl_daily, aes(x = ___, y = ___)) +
  geom_line()
Edytuj i uruchom kod