ÎncepețiÎncepe gratuit

Importă datele meteo zilnice

În practică, nu vei analiza date și ore izolate – acestea vor face parte dintr-un set de date mai mare. Pe parcursul capitolului, după ce stăpânești o abilitate cu un exemplu simplu (de exemplu, momentele de lansare ale versiunilor R), vei exersa funcțiile din lubridate în context real, lucrând cu date meteo din Auckland, Noua Zeelandă.

Ai la dispoziție două seturi de date: akl_weather_daily.csv – rezumate zilnice pe o perioadă de 10 ani, și akl_weather_hourly_2016.csv – observații la fiecare jumătate de oră pentru anul 2016. În acest exercițiu vei importa datele zilnice, iar în exercițiul următor vei lucra cu datele meteo orare.

Vei folosi funcții din dplyr, așa că dacă îți simți cunoștințele cam ruginite, îți recomandăm să reverifici filter(), select() și mutate().

Acest exercițiu face parte din cursul

Lucrul cu date și ore în R

Vezi cursul

Instrucțiuni pentru exercițiu

  • Importă datele zilnice, "akl_weather_daily.csv", folosind read_csv().
  • Afișează akl_daily_raw pentru a confirma că coloana date nu a fost interpretată ca dată calendaristică. Îți dai seama de ce?
  • Folosind mutate(), suprascrie coloana date cu o versiune analizată a acesteia. Trebuie să specifici funcția de parsare. Indiciu: prima dată ar trebui să fie 1 septembrie.
  • Afișează akl_daily pentru a verifica că acum coloana date este de tip Date.
  • Aruncă o privire asupra datelor reprezentând grafic date pe axa x și max_temp pe axa y.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

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()
Editează și rulează codul