BaşlayınÜcretsiz başlayın

Sonraki adımlar - II

Sıcaklık verilerin, uçuş gecikmeleri ve iptallerinin nedenlerini keşfetmek için birkaç olası yol gösterdi. Ancak müşterin, Boston’daki uçuş varış düzenlerinin sıcaklıktan değil, görüş mesafesi ve rüzgârdan etkilendiğinde ısrar ediyor. İlerlemeden önce daha fazla veri toplaman gerekecek.

Kapsamlı bir araştırmadan sonra, Boston bölgesinde haftalık ortalama görüş mesafesi ve rüzgâr hızıyla ilgili bazı uygun veriler belirledin. Bu verileri mevcut aylık xts nesnen, flights_temps ile birleştirmeden önce aşağıdaki adımlardan hangilerini atarsın?

  1. Veriyi zamana dayalı bir indeksle xts nesnesi olarak kodla.
  2. Haftanın ilk gözlemini kullanarak to.period() ile veriyi aylık periyoda dönüştür.
  3. Her veri nesnesinin yalnızca tek bir bilgi sütununa sahip olduğundan emin ol.
  4. Aylık ortalamalar üretmek için split() ve lapply() kullanarak veriyi aylık periyoda dönüştür.
  5. merge() kullanmadan önce xts nesnelerinin periyodunu ve süresini kontrol et.
  6. merge() kullanmadan önce flights_temps içindeki mevcut sıcaklık bilgisini kaldır.

Bu egzersiz, kursun bir parçasıdır

Vaka Çalışması: R ile Şehir Zaman Serisi Verilerini Analiz Etme

Kursa Göz Atın

Uygulamalı etkileşimli egzersiz

Teoriyi etkileşime dönüştürün, interaktif egzersizlerimizden biriyle

Egzersize başla