Kom igångKom igång gratis

Importera väderdata per timme

Timdata ser lite annorlunda ut. Datuminformationen är fördelad över tre kolumner – year, month och mday – så du behöver använda make_date() för att kombinera dem.

Tidsinformationen finns i en separat kolumn, time. Det är ganska vanligt att datum och tid är uppdelade i olika variabler. Ett sätt att skapa datetime-värden är att klistra ihop date och time och sedan parsa resultatet. Det är vad du gör i den här övningen.

Den här övningen är en del av kursen

Arbeta med datum och tider i R

Visa kurs

Övningsinstruktioner

  • Importera timdata, "akl_weather_hourly_2016.csv", med read_csv() och skriv sedan ut akl_hourly_raw för att bekräfta att datumet är fördelat över year, month och mday.
  • Använd mutate() för att skapa kolumnen date med hjälp av make_date().
  • Vi har redan klistrat ihop kolumnerna date och time. Skapa datetime genom att parsa kolumnen datetime_string.
  • Titta på kolumnerna date, time och datetime för att kontrollera att de stämmer överens.
  • Utforska datan genom att plotta datetime på x-axeln och temperature 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 "akl_weather_hourly_2016.csv"
akl_hourly_raw <- ___

# Print akl_hourly_raw
___

# Use make_date() to combine year, month and mday 
akl_hourly  <- akl_hourly_raw  %>% 
  mutate(date = make_date(year = ___, month = ___, day = ___))

# Parse datetime_string 
akl_hourly <- akl_hourly  %>% 
  mutate(
    datetime_string = paste(date, time, sep = "T"),
    datetime = ___(datetime_string)
  )

# Print date, time and datetime columns of akl_hourly
akl_hourly %>% select(___, ___, ___)

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