НачатьНачать бесплатно

Импорт ежедневных данных о погоде

На практике вы будете работать не с отдельными датами и временем, а с полноценными наборами данных. В этой главе, освоив каждый навык на простом примере (например, на данных о датах выпуска R), вы будете закреплять его в контексте реальных задач — на данных о погоде в Окленде (Новая Зеландия).

В вашем распоряжении два набора данных: akl_weather_daily.csv — ежедневные сводки за 10 лет, и akl_weather_hourly_2016.csv — наблюдения каждые полчаса за 2016 год. В этом упражнении вы импортируете ежедневные данные, а в следующем — почасовые.

Вы будете использовать функции из пакета dplyr. Если вы немного подзабыли его возможности, рекомендуем освежить в памяти filter(), select() и mutate().

Это упражнение является частью курса

Работа с датами и временем в R

Посмотреть курс

Инструкции к упражнению

  • Импортируйте ежедневные данные из файла "akl_weather_daily.csv" с помощью read_csv().
  • Выведите akl_daily_raw, чтобы убедиться, что столбец date не был распознан как дата. Можете ли вы понять, почему?
  • С помощью mutate() перезапишите столбец date, применив к нему подходящую функцию парсинга. Подсказка: первая дата должна соответствовать 1 сентября.
  • Выведите akl_daily, чтобы проверить, что столбец date теперь имеет тип Date.
  • Постройте график: отложите date по оси x, а max_temp — по оси y, чтобы наглядно изучить данные.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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()
Редактировать и запускать код