Utforska temperaturdata
Nu när du har lärt dig lite om flights-data – och repeterat grunderna i tidsseriemanipulering – är nästa steg att undersöka vädermönster i Bostonområdet för att förstå vad som kan påverka flygförseningar och inställda flygningar. För det behöver du sammanställa och bearbeta ytterligare tidsserie-data.
I den här övningen utforskar du temperaturdata för Bostonområdet, inklusive mått på lägsta, genomsnittlig och högsta daglig temperatur över tid. Dessa data samlades in med paketet weatherData i R, som hämtar offentligt tillgänglig data från Weather Underground.
Innan du börjar manipulera tidsserie-data är det första steget i all dataanalys att undersöka datamängdens grundläggande egenskaper. Du tittar närmare på två temperaturdata-objekt (temps_1 och temps_2) för att förstå vad de innehåller och hur du bör gå vidare.
Den här övningen är en del av kursen
Fallstudie: Analys av tidsseridata för städer i R
Övningsinstruktioner
- Använd
str()två gånger för att se strukturen hos varje temperaturobjekt:temps_1ochtemps_2. Titta noga på utdatan! - Visa de första och sista raderna i
temps_1medhead()ochtail(). - Visa de första och sista raderna i
temps_2medhead()ochtail(). Innehåller de två objekten liknande data?
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# View the structure of each object
str(___)
str(___)
# View the first and last rows of temps_1
head(___)
tail(___)
# View the first and last rows of temps_2