BaşlayınÜcretsiz başlayın

Hava durumu verileriyle yuvarlama

Yuvarlama ne zaman kullanışlıdır? Tarih bileşenlerini çıkarmanın faydalı olduğu durumların çoğunda. Yuvarlamanın, bileşen çıkarmaya göre avantajı, birimin bağlamını korumasıdır. Örneğin, saati çıkarmak sana datetime’ın gerçekleştiği saati verir ama o saatin hangi güne ait olduğunu kaybedersin (günü ayrıca çıkarmazsan). Öte yandan, en yakın saate yuvarlamak günü, ayı ve yılı korur.

Örnek olarak, saatlik Auckland hava durumu verilerinde gerçekten saat başına kaç gözlem olduğunu inceleyeceksin.

Bu egzersiz, kursun bir parçasıdır

R'de Tarihler ve Zamanlarla Çalışma

Kursa Göz Atın

Egzersiz talimatları

  • datetime değerini en yakın saat için aşağı yuvarlayarak day_hour adında yeni bir sütun oluştur.
  • Her saatte kaç gözlem olduğunu saymak için day_hour üzerinde count() kullan. En yaygın değer hangisi gibi görünüyor?
  • Veri hattını genişlet ve sayımdan sonra n değeri 2'ye eşit olmayan gözlemleri filtrele.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Create day_hour, datetime rounded down to hour
akl_hourly <- akl_hourly %>%
  mutate(
    day_hour = ___(datetime, unit = ___)
  )

# Count observations per hour  
akl_hourly %>% 
  count(___) 

# Find day_hours with n != 2  
akl_hourly %>% 
  count(___) %>%
  filter(___) %>% 
  arrange(desc(n))
Kodu Düzenle ve Çalıştır