Kom igångKom igång gratis

Importera dagliga väderdata

I praktiken kommer du inte att tolka enstaka datum och tider – de ingår i en större datamängd. Under kapitlets gång får du, efter att ha bemästrat varje färdighet med ett enklare exempel (till exempel när R-versioner släpptes), öva dina lubridate-kunskaper i ett verkligt sammanhang med väderdata från Auckland i Nya Zeeland.

Det finns två datamängder: akl_weather_daily.csv med dagliga sammanfattningar under 10 år, och akl_weather_hourly_2016.csv med observationer var halvtimme under 2016. I den här övningen importerar du de dagliga data, och i nästa övning hanterar du de timvisa väderdata.

Du kommer att använda funktioner från dplyr, så om du känner dig lite rostig kan det vara bra att repetera filter(), select() och mutate().

Den här övningen är en del av kursen

Arbeta med datum och tider i R

Visa kurs

Övningsinstruktioner

  • Importera de dagliga data, "akl_weather_daily.csv", med read_csv().
  • Skriv ut akl_daily_raw för att bekräfta att kolumnen date inte har tolkats som ett datum. Kan du se varför?
  • Använd mutate() för att skriva över kolumnen date med en tolkad version av date. Du behöver ange rätt tolkningsfunktion. Ledtråd: det första datumet ska vara den 1 september.
  • Skriv ut akl_daily för att verifiera att kolumnen date nu är av typen Date.
  • Granska datan genom att plotta date på x-axeln och max_temp på y-axeln.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

library(lubridate)
library(readr)
library(dplyr)
library(ggplot2)

# Import CSV with read_csv()
akl_daily_raw <- read_csv(___)

# Print akl_daily_raw
___

# Parse date 
akl_daily <- akl_daily_raw %>%
  mutate(date = ___(date))

# Print akl_daily
___

# Plot to check work
ggplot(akl_daily, aes(x = ___, y = ___)) +
  geom_line()
Redigera och kör kod