or
Den här övningen är en del av kursen
Du lär dig grunderna i vad en tidsserie är, hur du hämtar sammanfattande statistik från tidsseriedata och hur du tolkar ett tidsseriediagram visuellt som en del av utforskningsfasen i din analys. Du får också lära dig hur du hanterar datum- och tidsinformation i R-objekt och hur du tillämpar konsekvent formatering för datum.
Här lär du dig att hämta viktiga attribut från tidsserieinformation, till exempel datamängdens tidsintervall och samplingshastighet, för att bättre förstå dina data. Du introduceras även till paketet zoo, som innehåller verktyg och funktioner för att skapa och manipulera tidsserieobjekt. Många datavetenskapliga tillämpningar i R bygger på dataramsprincipen – du lär dig hur du konverterar mellan en dataram och en tidsserie.
Du lär dig hur du urvalsbegränsar ett fönster från en tidsserie för att fokusera på ett specifikt tidsintervall. När du arbetar med verkliga tidsseriedata kan datamängdens tidsomfång innehålla mer information än du behöver, vilket kan göra visualiseringar svårlästa. Du samplar tidsseriedata med olika frekvenser, till exempel varje minut, timme, månad eller år. Genom att aggregera dina data lär du dig också att urskilja övergripande trender med hjälp av paketet xts. Dessutom lär du dig metoder för att imputera data – det vill säga fylla i saknade värden med konstantfyllning, LOCF eller linjär interpolation.
Du lär dig att skapa rullande fönster för en tidsserie – fönster som rör sig framåt med data och gör det möjligt att sammanfatta trender över tid, till exempel medelvärdet under ett antal månader eller summan under flera försäljningsveckor. Övergripande sammanfattande statistik, som medelvärde, median, summa och maximum, ger inte alltid en bild av hur data förändras över tid – rullande fönster gör det möjligt att beräkna sådan statistik dynamiskt. Utöver rullande fönster lär du dig även att skapa expanderande fönster, som visar hur dessa sammanfattande mått successivt närmar sig sina slutliga värden.
Aktuell övning