Visualisera flygdata

Nu när du har koll på dina data är nästa steg att visualisera trender över tid. I den här övningen plottar du flights_xts-data över tid med några olika metoder för att visualisera tidsseriedata.

Ofta är det enklaste sättet att plotta xts-objekt att använda plot.xts(), som bara kräver ett enda argument för y-axeln. X-axeln hämtas automatiskt från tidsindexet i ditt xts-objekt.

För mer avancerade plottar kan du använda plot.zoo(), som låter dig inkludera flera datakolumner. Argumentet plot.type avgör om data visas i en enda panel ("single") eller i flera separata paneler ("multiple"). Det är praktiskt när du vill jämföra flera kolumner över tid.

Den här övningen är en del av kursen

Fallstudie: Analys av tidsseridata för städer i R

Visa kurs

Övningsinstruktioner

Använd plot.xts() för att visualisera det totala antalet månatliga flygningar till BOS (total_flights) över tid. Kommandot kräver bara att du anger data för y-axeln, men du behöver vara specifik om vilken kolumn du vill plotta.
Använd ytterligare ett anrop till plot.xts() för att skapa en plot av månatliga försenade flygningar till BOS över tid.
Generera en plot av alla fyra tidsseriekolumner i flights_xts med plot.zoo(). Sätt argumentet plot.type till "multiple" för att skapa en plot med fyra separata paneler. Lämna argumentet ylab som det är.
Visa alla fyra tidsserier i en enda panel med ytterligare ett anrop till plot.zoo(). Lämna argumentet lty och funktionen legend som de är.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Use plot.xts() to view total monthly flights into BOS over time
plot.xts(___)

# Use plot.xts() to view monthly delayed flights into BOS over time


# Use plot.zoo() to view all four columns of data in their own panels
plot.zoo(___, plot.type = "___", ylab = labels)

# Use plot.zoo() to view all four columns of data in one panel
plot.zoo(___, plot.type = "___", lty = lty)
legend("right", lty = lty, legend = labels)

Redigera och kör kod