Visualisera Boston-vintrar

I föregående kapitel såg du att en betydligt större andel flygningar försenas eller ställs in i Boston under vintern. Det verkar rimligt att temperaturen spelar en viktig roll här. Kanske är lägre temperaturer förknippade med fler förseningar och inställda flygningar?

I den här övningen undersöker du om det finns stöd för den hypotesen, genom att plotta temperaturutvecklingen över tid och skapa en visuell överblick av Boston-vintrarna.

Den här övningen är en del av kursen

Fallstudie: Analys av tidsseridata för städer i R

Visa kurs

Övningsinstruktioner

Kontrollera periodiciteten och dataspannet för dina data med periodicity() innan du plottar. Att känna till periodiciteten hjälper dig att tolka dina data och kommer att vara användbart längre fram.
Använd plot.xts() för att generera ett diagram över Bostons medeltemperatur (temps_xts$mean) för hela dataspannet.
Generera ett nytt diagram över Bostons medeltemperatur för perioden november 2010 till och med april 2011.
Använd plot.zoo() för att återskapa ditt senaste diagram och inkludera de övriga kolumnerna i dina data (i det här fallet min- och max-temperatur). Ange plot.type som "single" för att visa alla tre linjer i samma panel. Ändra inte det fördefinierade lty-argumentet.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Identify the periodicity of temps_xts


# Generate a plot of mean Boston temperature for the duration of your data
plot.xts(___)

# Generate a plot of mean Boston temperature from November 2010 through April 2011
plot.xts(___["___/___"])

# Use plot.zoo to generate a single plot showing mean, max, and min temperatures during the same period 
plot.zoo(___["___/___"], plot.type = "___", lty = lty)

Redigera och kör kod