Kom igångKom igång gratis

Extrahera för visualisering

Att extrahera komponenter från ett datetime-värde är särskilt användbart när du utforskar data. Tidigare i kapitlet importerade du dagliga väderdata för Auckland och skapade ett tidsserieplot över tio års dagliga maxtemperaturer. Det plottet ger en bra överblick över hela perioden, men det är svårt att se det årliga mönstret.

I den här övningen använder du datumkomponenter för att utforska hur maxtemperaturen varierar under året. Första steget är att skapa några nya kolumner för de extraherade värdena – sedan använder du dem i ett par visualiseringar.

Den här övningen är en del av kursen

Arbeta med datum och tider i R

Visa kurs

Övningsinstruktioner

  • Använd mutate() för att skapa tre nya kolumner: year, yday och month, som innehåller motsvarande komponenter från kolumnen date. Kom ihåg att sätta månadsnamn som etiketter.
  • Skapa ett plot med yday på x-axeln och max_temp på y-axeln, där linjer grupperas efter year. Varje år representeras av en linje, och x-axeln löper från 1 jan till 31 dec.
  • För en alternativ vy, skapa ett ridgeline-plot (tidigare kallat joyplot) med max_temp på x-axeln och month på y-axeln, med hjälp av geom_density_ridges() från paketet ggridges.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

library(ggplot2)
library(dplyr)
library(ggridges)

# Add columns for year, yday and month
akl_daily <- akl_daily %>%
  mutate(
    ___ = ___(date),
    ___ = ___(date),
    ___ = ___(date, ___))

# Plot max_temp by yday for all years
ggplot(akl_daily, aes(x = ___, y = ___)) +
  geom_line(aes(group = ___), alpha = 0.5)

# Examine distribution of max_temp by month
ggplot(akl_daily, aes(x = ___, y = ___, height = ..density..)) +
  geom_density_ridges(stat = "density")
Redigera och kör kod