ComeçarComece de graça

Importar dados horários de clima

Os dados horários são um pouco diferentes. As informações de data estão distribuídas em três colunas, year, month e mday, então você vai precisar usar make_date() para combiná-las.

Depois, as informações de hora estão em outra coluna, time. É bem comum encontrar data e hora separadas em variáveis diferentes. Uma maneira de construir os datetimes é juntar date e time e depois fazer o parsing. É isso que você vai fazer neste exercício.

Este exercício faz parte do curso

Trabalhando com datas e horários no R

Ver curso

Instruções do exercício

  • Importe os dados horários, "akl_weather_hourly_2016.csv" com read_csv() e depois imprima akl_hourly_raw para confirmar que a data está distribuída entre year, month e mday.
  • Usando mutate(), crie a coluna date com make_date().
  • Nós já juntamos as colunas date e time. Crie datetime fazendo o parsing da coluna datetime_string.
  • Observe as colunas date, time e datetime para verificar se correspondem.
  • Dê uma olhada nos dados fazendo um gráfico com datetime no eixo x e temperature no eixo y.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

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

# Import "akl_weather_hourly_2016.csv"
akl_hourly_raw <- ___

# Print akl_hourly_raw
___

# Use make_date() to combine year, month and mday 
akl_hourly  <- akl_hourly_raw  %>% 
  mutate(date = make_date(year = ___, month = ___, day = ___))

# Parse datetime_string 
akl_hourly <- akl_hourly  %>% 
  mutate(
    datetime_string = paste(date, time, sep = "T"),
    datetime = ___(datetime_string)
  )

# Print date, time and datetime columns of akl_hourly
akl_hourly %>% select(___, ___, ___)

# Plot to check work
ggplot(akl_hourly, aes(x = ___, y = ___)) +
  geom_line()
Editar e executar o código