Utöka dina data

Nu när du har koll på arbetsflödet för tidsserier är du redo att undersöka hypotesen att förseningar i flygtrafiken beror på sikt och vind.

I den här övningen lägger du till några fler kolumner i ditt xts-objekt genom att sammanfoga data om månatlig genomsnittlig sikt (vis) och vindhastighet (wind) i Bostonområdet från 2010 till 2015. Dessa data kommer från samma källa som dina temperaturdata, men har redan bearbetats och konverterats till xts för att underlätta ditt arbete.

Detta liknar vad du har gjort tidigare, men den här gången finns det mindre föreskriven kod att utgå från. Ditt befintliga xts-objekt, flights_temps, finns också tillgängligt i din arbetsmiljö.

Den här övningen är en del av kursen

Fallstudie: Analys av tidsseridata för städer i R

Visa kurs

Övningsinstruktioner

Ditt första steg, som alltid, är att kontrollera periodicitet och tidsomfång för dina vis- och wind-data med hjälp av två anrop till periodicity().
När du har bekräftat att vis- och wind-data har samma periodicitet och tidsomfång som dina befintliga data använder du merge() för att kombinera alla tre objekt till ett enda xts-objekt: flights_weather. Håll ordningen konsekvent och sammanfoga data i följande ordning: flights_temps, vis, wind.
Använd head() för att visa de första raderna i flights_weather och kontrollera att sammanfogningen lyckades.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Confirm the periodicity and duration of the vis and wind data



# Merge vis and wind with your existing flights_temps data
flights_weather <- 

# View the first few rows of your flights_weather data

Redigera och kör kod