Prepro 2: Übung A

library("dplyr")
library("readr")
library("lubridate")

# Alternativ kannst du alle tidyverse packages mit library("tidyverse") laden

Aufgabe 1

Lese die Wetterdaten von letzer Woche weather.csv (Quelle MeteoSchweiz) in R ein. Sorge dafür, dass die Spalten korrekt formatiert sind (stn als factor, time als POSIXct, tre200h0 als numeric.)

Code

# Variante 1
wetter <- read_delim("datasets/prepro/weather.csv", ",")
wetter$stn <- as.factor(wetter$stn)
wetter$time <- as.POSIXct(as.character(wetter$time), format = "%Y%m%d%H", tz = "UTC")

Code

# Variate 2 (für Profis)
wetter <- read_csv("datasets/prepro/weather.csv",
  col_types = cols(
    col_factor(levels = NULL),
    col_datetime(format = "%Y%m%d%H"),
    col_double()
  )
)

Aufgabe 2

Lese den Datensatz metadata.csv ebenfalls als csv ein.

Tipp

Wenn Umlaute und Sonderzeichen nicht korrekt dargestellt werden (z.B. das è in Genève), hat das vermutlich mit der Zeichencodierung zu tun. Das File ist aktuell in UTF-8 codiert. Wenn Umlaute nicht korrekt dargestellt werden, hat R diese Codierung nicht erkannt und sie muss in der Import-Funktion spezifitiert werden. Dies wird je nach verwendete import Funktion unterschiedlich gemacht:

• Funktionen aus dem Package readr: locale = locale(encoding = "UTF-8")
• Base-R Funktionen: fileEncoding = "UTF-8"

Wenn ihr die codierung eines Files nicht kennt, könnt wie folgt vorgehen: Anleitung für Windows, für Mac und für Linux.

Code

metadata <- read_delim("datasets/prepro/metadata.csv", delim = ";", locale = locale(encoding = "UTF-8"))

Aufgabe 3

Nun wollen wir den Datensatz wettermit den Informationen aus metadata anreichern. Uns interessiert aber nur das Stationskürzel, der Name, die x/y Koordinaten sowie die Meereshöhe, selektiere diese Spalten.

Code

metadata <- metadata[, c("stn", "Name", "x", "y", "Meereshoehe")]

Aufgabe 4

Jetzt kann metadata mit dem Datensatz wetter verbunden werden. Überlege dir, welcher Join dafür sinnvoll ist und mit welchem Attribut wir “joinen” können.

Nutze die Join-Möglichkeiten von dplyr (Hilfe via ?dplyr::join) um die Datensätze wetter und metadata zu verbinden.

Code

wetter <- left_join(wetter, metadata, by = "stn")

# Jointyp: Left-Join auf 'wetter', da uns nur die Stationen im Datensatz 'wetter' interessieren.
# Attribut: "stn"

Aufgabe 5

Erstelle eine neue Spalte month welche den jeweiligen Monat (aus time) beinhaltet. Nutze dafür die Funktion lubridate::month().

Code

wetter$month <- month(wetter$time)

Aufgabe 6

Berechne mit der Spalte month die Durchschnittstemperatur pro Monat.

Code

mean(wetter$tre200h0[wetter$month == 1])
## [1] -1.963239
mean(wetter$tre200h0[wetter$month == 2])
## [1] 0.3552632
mean(wetter$tre200h0[wetter$month == 3])
## [1] 2.965054

# usw. für alle 12 Monate