Bắt đầu ngayBắt đầu miễn phí

Trực quan hóa mùa đông ở Boston

Ở chương trước, bạn đã phát hiện rằng tỷ lệ chuyến bay bị hoãn hoặc hủy ở Boston cao hơn nhiều vào mùa đông. Có vẻ hợp lý khi cho rằng nhiệt độ là một yếu tố quan trọng. Có thể nhiệt độ càng thấp thì tỷ lệ hoãn hoặc hủy chuyến càng cao?

Trong bài tập này, bạn sẽ kiểm tra tính hợp lý của giả thuyết đó bằng cách vẽ xu hướng nhiệt độ theo thời gian và tạo một cái nhìn trực quan tổng quan về mùa đông ở Boston.

Bài tập này là một phần của khóa học

Nghiên cứu tình huống: Phân tích dữ liệu chuỗi thời gian của thành phố bằng R

Xem khóa học

Hướng dẫn bài tập

  • Trước khi vẽ, hãy kiểm tra tính định kỳ và khoảng thời gian của dữ liệu bằng periodicity(). Biết được tính định kỳ sẽ giúp bạn diễn giải dữ liệu và hữu ích cho các bước tiếp theo.
  • Dùng plot.xts() để tạo biểu đồ nhiệt độ trung bình ở Boston (temps_xts$mean) cho toàn bộ khoảng thời gian dữ liệu của bạn.
  • Tạo một biểu đồ khác cho nhiệt độ trung bình ở Boston từ tháng 11/2010 đến hết tháng 4/2011 (bao gồm cả hai mốc).
  • Dùng plot.zoo() để lặp lại biểu đồ vừa rồi nhưng bao gồm cả các cột khác trong dữ liệu (trong trường hợp này là nhiệt độ min và max). Chỉ định plot.type là "single" để hiển thị cả ba đường trên cùng một khung. Không thay đổi đối số lty đã được viết sẵn.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# Identify the periodicity of temps_xts


# Generate a plot of mean Boston temperature for the duration of your data
plot.xts(___)

# Generate a plot of mean Boston temperature from November 2010 through April 2011
plot.xts(___["___/___"])

# Use plot.zoo to generate a single plot showing mean, max, and min temperatures during the same period 
plot.zoo(___["___/___"], plot.type = "___", lty = lty)
Chỉnh sửa và Chạy Mã