Ga naar hoofdinhoud

Cursus

Casestudy: Tijdreeksgegevens van een stad analyseren in R

GemiddeldVaardigheidsniveau

Bijgewerkt 01-2026

Versterk je kennis van de onderwerpen die aan bod komen in Manipuleren van tijdreeksen in R met behulp van echte casestudygegevens.

Start Cursus Kosteloos

RProbability & Statistics

4 u

12 videos

50 Opdrachten

3,950 XP

14,094

Bewijs van Prestatie

Geliefd bij leerlingen van duizenden bedrijven

Een team trainen?

Probeer voor bedrijven

Cursusbeschrijving

In deze cursus versterk je je kennis van tijdreeksconcepten met interactieve oefeningen en interessante datasets. Je verkent allerlei gegevens over Boston, waaronder data over vluchten, weer, economische trends en lokale sportteams.

Vereisten

Manipulating Time Series Data in R

1

Vluchtengegevens

Je bent ingehuurd om de reisbehoeften van toeristen in de omgeving van Boston te begrijpen. Als je eerste opdracht ga je de vaardigheden die je hebt geleerd voor het manipuleren van tijdreeksgegevens in R oefenen door gegevens te verkennen over vluchten die aankomen op Boston's Logan International Airport (BOS) met xts & zoo.

Herhaling van de basis van xts

Herken de tijdreeks

Vluchtgegevens

Kies het xts-object

Je vluchtgegevens encoderen

Je gegevens manipuleren en visualiseren

Je vluchtgegevens verkennen

Visualiseer vluchtgegevens

Tijdreekstrends berekenen

xts-objecten opslaan en exporteren

Vluchttendensen beoordelen

Tijd besparen - I

Tijd besparen - II

Hoofdstuk beginnen

2

Weergegevens

In dit hoofdstuk breid je je bibliotheek met tijdreeksgegevens uit met weergegevens voor de regio Boston. Voor je analyses kunt uitvoeren, moet je eerst wat datamanipulaties doen, zoals het samenvoegen van meerdere xts-objecten en het isoleren van bepaalde perioden in de data. Een mooie kans om extra te oefenen!

Tijdreeksgegevens samenvoegen per rij

Temperatuurdata verkennen

Volgende stappen - I

Samenvoegen met rbind()

Bostonse winters visualiseren

Tijdreeksgegevens samenvoegen per kolom

Subsetten en periodiciteit aanpassen

Een maandelijks gemiddelde genereren

merge() gebruiken en over de tijd plotten

Hangen vluchtvertragingen samen met temperatuur?

Workflow voor tijdreeksgegevens

Volgende stappen - II

Je data uitbreiden

Hangen vertragingen van vluchten samen met zicht of wind?

Hoofdstuk beginnen

3

Economische gegevens

Tijd om je blik te verruimen. Naast vertragingen bij vluchten is je klant ook benieuwd hoe de toeristenindustrie in Boston wordt beïnvloed door economische trends. Je gaat tijdreeksgegevens over economische indicatoren bewerken, waaronder het bbp per hoofd van de bevolking en werkloosheid in de Verenigde Staten in het algemeen en Massachusetts (MA) in het bijzonder.

Omgaan met missende waarden

Economische gegevens verkennen

Missende gegevens vervangen - I

Ontbrekende data vervangen - II

Ontbrekend bbp schatten

Vertraging en differentiatie

Werkloosheidsgegevens verkennen

Werkloosheid verschuiven (laggen)

Differenties van werkloosheid

Rol-functies

Voeg een discrete rolling som toe aan BBP-gegevens

Voeg een doorlopende rollende gemiddelde toe aan werkloosheidsdata

Werken met werkloosheidsdata van MA

Hoofdstuk beginnen

4

Sportgegevens

Nu andere opties zijn uitgeput, denkt je klant dat de toeristenindustrie in Boston te maken moet hebben met het succes van lokale sportteams. Voor je laatste taak in dit project heeft je leidinggevende je gevraagd om tijdreeksgegevens te verzamelen over Boston's sportteams van de afgelopen jaren.

Geavanceerde functies van xts

Coderen en plotten van Red Sox-data

Bereken een slotgemiddelde

Bereken en plot een seizoensgemiddelde

Bereken en plot een voortschrijdend gemiddelde

Indexeeropdrachten in xts

Weekendwedstrijden ophalen

Bereken een voortschrijdend gemiddelde over alle sporten

Sporttrends bekijken

Gefeliciteerd

Hoofdstuk beginnen

Casestudy: Tijdreeksgegevens van een stad analyseren in R

Cursus
voltooid

Verdien een prestatieverklaring

Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitae
Deel het op sociale media en in je functioneringsgesprekSchrijf je nu in

Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Casestudy: Tijdreeksgegevens van een stad analyseren in R!

Ontwikkel je datavaardigheden met DataCamp voor Mobiel

Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.