Utforska arbetslöshetsdata

Nu när du har gått igenom de grundläggande stegen för att hantera saknade värden kan du enklare undersöka och rensa ny tidsseriedata.

I den här övningen får du lite mer träning genom att utforska, rensa och plotta data om arbetslöshet – både för USA som helhet och för delstaten Massachusetts (MA) i synnerhet. Ett xts-objekt med denna data, unemployment, finns tillgängligt i din arbetsyta.

Den här övningen är en del av kursen

Fallstudie: Analys av tidsseridata för städer i R

Visa kurs

Övningsinstruktioner

Visa sammanfattande information om din unemployment-data med summary(). Lägg särskilt märke till antalet NA's i utdatan. Notera också att min- och max-värdena för tidsindexet anger vilken tidsperiod som täcks av datan.
Använd na.approx() för att ta bort saknade värden från din arbetslöshetsdata via linjär interpolation. Spara resultatet tillbaka i ditt unemployment-objekt.
Använd plot.zoo() för att plotta din unemployment-data. Ange plot.type som "single" för att visa både USA-övergripande och Massachusetts-specifik data i samma diagram. Behåll argumentet lty och anropet till legend() som de är.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# View a summary of your unemployment data


# Use na.approx to remove missing values in unemployment data
unemployment <- 

# Plot new unemployment data
plot.zoo(___, plot.type = "___", lty = lty)
legend("topright", lty = lty, legend = labels, bg = "white")

Redigera och kör kod