导入每日天气数据
在实际工作中，您不会只解析单独的日期和时间，它们通常是更大数据集的一部分。本章中，在用更简单的示例（例如 R 的发布时刻）掌握技巧之后，您将结合奥克兰（Auckland, NZ）的天气数据，在情境中练习您的 lubridate 技能。
这里有两个数据集：akl_weather_daily.csv，包含 10 年的每日一次汇总；以及 akl_weather_hourly_2016.csv，包含 2016 年每半小时的观测。您将在本练习中导入每日数据，并在下一个练习中导入每小时天气数据。
您将使用 dplyr 中的函数。如果感觉有些生疏，建议先复习 filter()、select() 和 mutate()。
本练习是课程的一部分
在 R 中处理日期和时间
练习说明
- 使用
read_csv()导入每日数据"akl_weather_daily.csv"。 - 打印
akl_daily_raw，确认date列尚未被解释为日期。您能看出原因吗？ - 使用
mutate()将date列覆盖为解析后的date。您需要指定解析函数。提示：第一条日期应为 9 月 1 日。 - 打印
akl_daily，验证date列现在是Date类型。 - 简单浏览数据：绘图时将
date放在 x 轴，将max_temp放在 y 轴。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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()