HK - Data 607 - Tidyverse Recipe - Part2
Habib Khan
November 30, 2019
Note: This is extension of Lin Li’s work on tidyverse recipe. Also I used head function to show the top rows rather than all rows to avoid ovewhelmed output
Create an Example. Using one or more TidyVerse packages, and any dataset from fivethirtyeight.com or Kaggle, create a programming sample “vignette” that demonstrates how to use one or more of the capabilities of the selected TidyVerse package with your selected dataset.
- Get dataset from 538.
weather <- read.csv("https://raw.githubusercontent.com/fivethirtyeight/data/master/us-weather-history/KCLT.csv")
head(weather)## date actual_mean_temp actual_min_temp actual_max_temp
## 1 2014-7-1 81 70 91
## 2 2014-7-2 85 74 95
## 3 2014-7-3 82 71 93
## 4 2014-7-4 75 64 86
## 5 2014-7-5 72 60 84
## 6 2014-7-6 74 61 87
## average_min_temp average_max_temp record_min_temp record_max_temp
## 1 67 89 56 104
## 2 68 89 56 101
## 3 68 89 56 99
## 4 68 89 55 99
## 5 68 89 57 100
## 6 68 89 57 99
## record_min_temp_year record_max_temp_year actual_precipitation
## 1 1919 2012 0.00
## 2 2008 1931 0.00
## 3 2010 1931 0.14
## 4 1933 1955 0.00
## 5 1967 1954 0.00
## 6 1964 1948 0.00
## average_precipitation record_precipitation
## 1 0.10 5.91
## 2 0.10 1.53
## 3 0.11 2.50
## 4 0.10 2.63
## 5 0.10 1.65
## 6 0.10 1.95- tidyr separate function:
library(tidyr)
weather2 <- weather %>% separate(date, c("year", "month", "day"), sep = "-")
head(weather2)## year month day actual_mean_temp actual_min_temp actual_max_temp
## 1 2014 7 1 81 70 91
## 2 2014 7 2 85 74 95
## 3 2014 7 3 82 71 93
## 4 2014 7 4 75 64 86
## 5 2014 7 5 72 60 84
## 6 2014 7 6 74 61 87
## average_min_temp average_max_temp record_min_temp record_max_temp
## 1 67 89 56 104
## 2 68 89 56 101
## 3 68 89 56 99
## 4 68 89 55 99
## 5 68 89 57 100
## 6 68 89 57 99
## record_min_temp_year record_max_temp_year actual_precipitation
## 1 1919 2012 0.00
## 2 2008 1931 0.00
## 3 2010 1931 0.14
## 4 1933 1955 0.00
## 5 1967 1954 0.00
## 6 1964 1948 0.00
## average_precipitation record_precipitation
## 1 0.10 5.91
## 2 0.10 1.53
## 3 0.11 2.50
## 4 0.10 2.63
## 5 0.10 1.65
## 6 0.10 1.95- dplyr select function:
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionselect(weather2, year, actual_mean_temp, record_min_temp, record_max_temp, record_precipitation)## year actual_mean_temp record_min_temp record_max_temp
## 1 2014 81 56 104
## 2 2014 85 56 101
## 3 2014 82 56 99
## 4 2014 75 55 99
## 5 2014 72 57 100
## 6 2014 74 57 99
## 7 2014 79 55 100
## 8 2014 83 58 101
## 9 2014 80 57 101
## 10 2014 78 53 101
## 11 2014 78 55 100
## 12 2014 79 59 102
## 13 2014 81 56 100
## 14 2014 85 59 102
## 15 2014 81 58 100
## 16 2014 76 58 100
## 17 2014 74 62 100
## 18 2014 77 62 102
## 19 2014 70 60 103
## 20 2014 74 60 101
## 21 2014 74 57 103
## 22 2014 79 58 103
## 23 2014 80 56 101
## 24 2014 80 59 100
## 25 2014 77 62 101
## 26 2014 78 60 100
## 27 2014 80 57 103
## 28 2014 79 54 102
## 29 2014 73 59 103
## 30 2014 74 58 101
## 31 2014 72 56 100
## 32 2014 68 58 98
## 33 2014 69 59 98
## 34 2014 77 60 98
## 35 2014 78 58 98
## 36 2014 77 55 100
## 37 2014 78 57 102
## 38 2014 78 50 100
## 39 2014 77 55 102
## 40 2014 76 56 104
## 41 2014 70 56 104
## 42 2014 78 58 98
## 43 2014 81 57 100
## 44 2014 75 57 102
## 45 2014 71 57 98
## 46 2014 73 55 99
## 47 2014 77 57 102
## 48 2014 78 55 97
## 49 2014 81 59 101
## 50 2014 80 59 100
## 51 2014 79 56 103
## 52 2014 80 56 103
## 53 2014 83 57 101
## 54 2014 82 53 103
## 55 2014 74 55 97
## 56 2014 72 56 98
## 57 2014 72 55 100
## 58 2014 72 55 101
## 59 2014 77 55 98
## 60 2014 79 54 100
## 61 2014 79 53 101
## 62 2014 83 53 99
## 63 2014 82 51 99
## 64 2014 82 53 99
## 65 2014 81 52 98
## 66 2014 77 54 100
## 67 2014 79 54 101
## 68 2014 80 53 104
## 69 2014 79 53 100
## 70 2014 70 54 99
## 71 2014 72 46 101
## 72 2014 72 47 98
## 73 2014 77 49 96
## 74 2014 81 45 95
## 75 2014 76 49 94
## 76 2014 66 47 97
## 77 2014 76 47 96
## 78 2014 76 47 96
## 79 2014 69 46 96
## 80 2014 71 48 99
## 81 2014 73 46 97
## 82 2014 71 45 98
## 83 2014 71 43 97
## 84 2014 69 43 98
## 85 2014 59 39 97
## 86 2014 59 43 95
## 87 2014 66 40 94
## 88 2014 67 42 94
## 89 2014 69 43 93
## 90 2014 68 41 93
## 91 2014 67 40 93
## 92 2014 71 38 91
## 93 2014 70 39 92
## 94 2014 72 36 92
## 95 2014 70 36 91
## 96 2014 55 33 95
## 97 2014 52 38 97
## 98 2014 62 38 98
## 99 2014 67 34 91
## 100 2014 72 34 93
## 101 2014 66 31 92
## 102 2014 72 30 89
## 103 2014 78 29 90
## 104 2014 63 31 87
## 105 2014 66 35 91
## 106 2014 73 32 87
## 107 2014 66 30 88
## 108 2014 61 35 87
## 109 2014 59 35 85
## 110 2014 65 31 87
## 111 2014 57 30 87
## 112 2014 59 30 86
## 113 2014 61 30 88
## 114 2014 56 29 85
## 115 2014 55 31 88
## 116 2014 54 28 88
## 117 2014 57 27 84
## 118 2014 66 27 86
## 119 2014 62 24 86
## 120 2014 68 26 87
## 121 2014 69 27 82
## 122 2014 57 26 84
## 123 2014 50 29 85
## 124 2014 47 29 84
## 125 2014 44 27 85
## 126 2014 45 24 84
## 127 2014 53 22 83
## 128 2014 60 24 81
## 129 2014 60 26 82
## 130 2014 50 26 78
## 131 2014 45 25 78
## 132 2014 51 24 82
## 133 2014 51 28 83
## 134 2014 57 24 78
## 135 2014 59 24 81
## 136 2014 53 21 81
## 137 2014 37 21 80
## 138 2014 35 20 82
## 139 2014 41 22 82
## 140 2014 47 20 84
## 141 2014 30 20 78
## 142 2014 29 14 78
## 143 2014 47 18 79
## 144 2014 44 19 78
## 145 2014 39 13 76
## 146 2014 54 18 78
## 147 2014 67 16 75
## 148 2014 58 13 76
## 149 2014 46 11 75
## 150 2014 43 18 77
## 151 2014 36 19 77
## 152 2014 44 20 76
## 153 2014 54 15 76
## 154 2014 57 15 76
## 155 2014 49 20 76
## 156 2014 53 20 75
## 157 2014 56 18 76
## 158 2014 47 18 75
## 159 2014 47 18 78
## 160 2014 48 12 76
## 161 2014 40 10 76
## 162 2014 46 14 78
## 163 2014 43 13 80
## 164 2014 37 13 79
## 165 2014 41 7 79
## 166 2014 46 2 77
## 167 2014 46 12 73
## 168 2014 43 10 73
## 169 2014 48 12 75
## 170 2014 46 14 73
## 171 2014 43 11 75
## 172 2014 43 11 76
## 173 2014 44 12 79
## 174 2014 47 10 73
## 175 2014 42 11 72
## 176 2014 42 8 73
## 177 2014 53 6 71
## 178 2014 45 4 77
## 179 2014 43 6 76
## 180 2014 48 15 72
## 181 2014 55 10 77
## 182 2014 51 2 74
## 183 2014 39 -5 76
## 184 2014 37 0 70
## 185 2015 40 10 74
## 186 2015 47 6 78
## 187 2015 50 8 74
## 188 2015 56 8 75
## 189 2015 45 10 72
## 190 2015 41 5 73
## 191 2015 29 6 77
## 192 2015 18 8 74
## 193 2015 34 4 72
## 194 2015 30 4 76
## 195 2015 31 0 78
## 196 2015 41 -1 75
## 197 2015 41 3 75
## 198 2015 35 7 77
## 199 2015 34 12 77
## 200 2015 43 5 74
## 201 2015 41 5 75
## 202 2015 49 10 71
## 203 2015 49 6 69
## 204 2015 53 -2 71
## 205 2015 50 -5 73
## 206 2015 41 5 74
## 207 2015 41 9 75
## 208 2015 43 7 74
## 209 2015 43 11 76
## 210 2015 45 8 75
## 211 2015 39 6 75
## 212 2015 36 5 79
## 213 2015 38 8 79
## 214 2015 38 4 78
## 215 2015 35 4 77
## 216 2015 47 10 76
## 217 2015 42 10 80
## 218 2015 34 8 81
## 219 2015 41 11 76
## 220 2015 40 6 78
## 221 2015 32 13 79
## 222 2015 47 10 74
## 223 2015 59 1 74
## 224 2015 56 6 77
## 225 2015 45 8 76
## 226 2015 42 12 75
## 227 2015 42 11 73
## 228 2015 31 2 74
## 229 2015 40 -5 77
## 230 2015 25 12 80
## 231 2015 29 11 76
## 232 2015 29 7 79
## 233 2015 32 5 78
## 234 2015 19 8 76
## 235 2015 19 7 77
## 236 2015 34 6 75
## 237 2015 47 12 74
## 238 2015 44 19 76
## 239 2015 32 16 80
## 240 2015 36 7 82
## 241 2015 37 7 81
## 242 2015 38 7 82
## 243 2015 37 14 78
## 244 2015 36 15 82
## 245 2015 55 14 80
## 246 2015 46 4 84
## 247 2015 56 15 82
## 248 2015 52 12 84
## 249 2015 35 10 78
## 250 2015 42 14 85
## 251 2015 52 16 84
## 252 2015 58 16 83
## 253 2015 66 17 82
## 254 2015 71 22 83
## 255 2015 61 19 86
## 256 2015 50 18 86
## 257 2015 53 16 83
## 258 2015 63 16 86
## 259 2015 62 18 83
## 260 2015 63 23 90
## 261 2015 54 21 85
## 262 2015 49 21 86
## 263 2015 50 23 85
## 264 2015 56 18 87
## 265 2015 62 24 89
## 266 2015 58 20 91
## 267 2015 59 24 88
## 268 2015 62 22 90
## 269 2015 65 22 86
## 270 2015 54 19 85
## 271 2015 43 25 90
## 272 2015 42 26 89
## 273 2015 55 24 86
## 274 2015 56 21 86
## 275 2015 61 24 86
## 276 2015 66 28 86
## 277 2015 70 28 90
## 278 2015 58 29 87
## 279 2015 52 26 88
## 280 2015 64 28 90
## 281 2015 65 25 89
## 282 2015 73 21 88
## 283 2015 77 25 89
## 284 2015 75 28 90
## 285 2015 67 28 88
## 286 2015 62 29 92
## 287 2015 66 28 90
## 288 2015 73 27 89
## 289 2015 58 28 89
## 290 2015 51 29 89
## 291 2015 62 30 94
## 292 2015 70 32 93
## 293 2015 67 30 89
## 294 2015 67 28 91
## 295 2015 58 30 90
## 296 2015 60 33 91
## 297 2015 62 35 91
## 298 2015 54 36 96
## 299 2015 56 31 93
## 300 2015 53 34 92
## 301 2015 55 37 90
## 302 2015 54 36 90
## 303 2015 55 33 91
## 304 2015 63 37 91
## 305 2015 57 37 92
## 306 2015 61 32 91
## 307 2015 63 39 94
## 308 2015 69 34 92
## 309 2015 69 36 91
## 310 2015 69 39 93
## 311 2015 70 38 95
## 312 2015 71 35 96
## 313 2015 72 39 94
## 314 2015 74 38 94
## 315 2015 76 39 95
## 316 2015 77 39 94
## 317 2015 73 38 93
## 318 2015 67 41 95
## 319 2015 73 40 94
## 320 2015 75 42 94
## 321 2015 75 43 93
## 322 2015 78 34 94
## 323 2015 77 40 95
## 324 2015 76 40 95
## 325 2015 75 41 97
## 326 2015 64 42 98
## 327 2015 65 37 98
## 328 2015 68 43 95
## 329 2015 73 41 95
## 330 2015 78 45 96
## 331 2015 75 41 96
## 332 2015 78 42 97
## 333 2015 78 48 98
## 334 2015 76 47 95
## 335 2015 78 42 97
## 336 2015 77 45 98
## 337 2015 73 46 99
## 338 2015 67 51 100
## 339 2015 69 50 98
## 340 2015 72 50 102
## 341 2015 76 48 98
## 342 2015 78 45 97
## 343 2015 79 47 99
## 344 2015 79 50 99
## 345 2015 79 46 99
## 346 2015 79 47 100
## 347 2015 81 45 98
## 348 2015 83 49 97
## 349 2015 83 53 99
## 350 2015 84 51 99
## 351 2015 84 52 99
## 352 2015 86 53 100
## 353 2015 87 52 100
## 354 2015 84 54 102
## 355 2015 83 54 102
## 356 2015 84 54 99
## 357 2015 83 53 100
## 358 2015 87 53 100
## 359 2015 88 55 102
## 360 2015 86 53 102
## 361 2015 85 55 102
## 362 2015 82 56 103
## 363 2015 76 53 101
## 364 2015 73 54 104
## 365 2015 83 54 104
## record_precipitation
## 1 5.91
## 2 1.53
## 3 2.50
## 4 2.63
## 5 1.65
## 6 1.95
## 7 2.37
## 8 1.87
## 9 3.71
## 10 2.45
## 11 3.10
## 12 1.95
## 13 2.09
## 14 2.15
## 15 4.61
## 16 1.47
## 17 4.14
## 18 1.82
## 19 2.30
## 20 1.25
## 21 3.83
## 22 2.56
## 23 6.88
## 24 2.83
## 25 2.34
## 26 2.84
## 27 2.46
## 28 2.98
## 29 2.04
## 30 4.24
## 31 1.45
## 32 2.39
## 33 2.00
## 34 4.51
## 35 2.59
## 36 3.01
## 37 3.19
## 38 1.53
## 39 1.37
## 40 1.26
## 41 2.26
## 42 3.04
## 43 2.25
## 44 1.27
## 45 2.00
## 46 3.17
## 47 2.51
## 48 2.92
## 49 1.76
## 50 1.96
## 51 1.84
## 52 2.22
## 53 2.81
## 54 2.74
## 55 2.35
## 56 3.16
## 57 5.36
## 58 4.39
## 59 4.64
## 60 1.42
## 61 2.54
## 62 3.40
## 63 2.93
## 64 1.20
## 65 2.67
## 66 1.15
## 67 2.46
## 68 3.47
## 69 2.38
## 70 1.96
## 71 1.92
## 72 3.64
## 73 1.80
## 74 1.76
## 75 4.12
## 76 3.23
## 77 4.06
## 78 4.06
## 79 3.14
## 80 4.84
## 81 2.72
## 82 2.82
## 83 2.74
## 84 2.92
## 85 1.69
## 86 3.89
## 87 1.31
## 88 2.54
## 89 1.94
## 90 3.38
## 91 3.59
## 92 3.65
## 93 3.80
## 94 1.60
## 95 2.15
## 96 4.21
## 97 1.16
## 98 1.98
## 99 2.70
## 100 3.82
## 101 3.80
## 102 4.18
## 103 2.58
## 104 2.82
## 105 1.93
## 106 2.27
## 107 1.83
## 108 4.76
## 109 1.90
## 110 2.34
## 111 1.20
## 112 2.33
## 113 1.31
## 114 4.52
## 115 1.72
## 116 0.85
## 117 2.65
## 118 1.85
## 119 2.03
## 120 1.23
## 121 1.65
## 122 2.51
## 123 1.68
## 124 1.14
## 125 1.82
## 126 1.69
## 127 1.97
## 128 0.97
## 129 1.34
## 130 1.71
## 131 2.79
## 132 2.76
## 133 1.43
## 134 1.82
## 135 1.54
## 136 1.93
## 137 1.23
## 138 1.32
## 139 2.26
## 140 1.90
## 141 1.93
## 142 2.04
## 143 1.36
## 144 3.26
## 145 1.68
## 146 1.72
## 147 1.68
## 148 2.42
## 149 2.36
## 150 1.54
## 151 2.93
## 152 1.37
## 153 2.09
## 154 1.21
## 155 1.85
## 156 2.96
## 157 1.93
## 158 2.06
## 159 2.37
## 160 1.56
## 161 1.15
## 162 1.78
## 163 1.91
## 164 1.69
## 165 1.57
## 166 1.78
## 167 2.38
## 168 2.46
## 169 1.58
## 170 1.30
## 171 1.74
## 172 0.85
## 173 2.38
## 174 2.19
## 175 2.27
## 176 2.12
## 177 1.47
## 178 2.32
## 179 1.72
## 180 1.25
## 181 1.67
## 182 1.82
## 183 1.21
## 184 2.15
## 185 1.54
## 186 2.10
## 187 1.93
## 188 1.32
## 189 1.77
## 190 3.45
## 191 1.76
## 192 1.47
## 193 1.91
## 194 2.35
## 195 1.78
## 196 2.22
## 197 1.68
## 198 1.45
## 199 0.96
## 200 1.69
## 201 2.38
## 202 2.51
## 203 2.28
## 204 1.98
## 205 2.28
## 206 1.79
## 207 1.48
## 208 1.79
## 209 2.27
## 210 1.43
## 211 1.51
## 212 1.27
## 213 1.21
## 214 1.13
## 215 1.75
## 216 1.78
## 217 2.30
## 218 1.25
## 219 1.93
## 220 2.00
## 221 2.91
## 222 1.65
## 223 1.12
## 224 1.81
## 225 2.22
## 226 1.19
## 227 1.65
## 228 1.88
## 229 1.53
## 230 1.65
## 231 2.28
## 232 1.47
## 233 1.89
## 234 2.08
## 235 1.82
## 236 1.44
## 237 1.53
## 238 1.72
## 239 1.90
## 240 1.78
## 241 1.82
## 242 1.70
## 243 2.09
## 244 2.18
## 245 1.59
## 246 3.04
## 247 1.70
## 248 1.65
## 249 2.46
## 250 1.38
## 251 1.87
## 252 1.78
## 253 1.35
## 254 1.04
## 255 2.17
## 256 2.31
## 257 1.81
## 258 4.24
## 259 1.84
## 260 2.00
## 261 1.52
## 262 2.65
## 263 2.11
## 264 1.79
## 265 0.88
## 266 2.00
## 267 1.62
## 268 1.89
## 269 2.86
## 270 1.22
## 271 1.95
## 272 2.20
## 273 2.36
## 274 2.21
## 275 1.26
## 276 2.99
## 277 1.18
## 278 1.58
## 279 1.86
## 280 3.84
## 281 1.74
## 282 1.33
## 283 2.07
## 284 1.98
## 285 3.20
## 286 1.77
## 287 1.75
## 288 1.65
## 289 1.73
## 290 1.60
## 291 1.51
## 292 1.70
## 293 2.65
## 294 1.47
## 295 2.39
## 296 2.28
## 297 1.58
## 298 2.33
## 299 1.78
## 300 2.34
## 301 1.35
## 302 2.23
## 303 2.19
## 304 2.34
## 305 1.84
## 306 1.36
## 307 3.67
## 308 1.62
## 309 2.40
## 310 1.60
## 311 2.58
## 312 2.41
## 313 1.35
## 314 0.86
## 315 1.12
## 316 1.92
## 317 2.46
## 318 1.34
## 319 2.11
## 320 1.79
## 321 1.09
## 322 4.85
## 323 2.40
## 324 3.81
## 325 2.41
## 326 3.50
## 327 3.16
## 328 1.03
## 329 2.24
## 330 3.03
## 331 1.55
## 332 2.70
## 333 1.18
## 334 2.52
## 335 1.77
## 336 2.87
## 337 2.28
## 338 3.78
## 339 2.12
## 340 2.45
## 341 2.76
## 342 2.22
## 343 1.98
## 344 3.26
## 345 2.18
## 346 2.85
## 347 2.73
## 348 3.77
## 349 3.16
## 350 1.16
## 351 3.32
## 352 2.76
## 353 1.86
## 354 1.50
## 355 1.67
## 356 1.98
## 357 1.31
## 358 1.82
## 359 1.25
## 360 2.76
## 361 1.98
## 362 1.86
## 363 1.83
## 364 2.39
## 365 2.75- dplyr filter (subsetting dataset)
library(dplyr)
filter(weather2, year == "2014")## year month day actual_mean_temp actual_min_temp actual_max_temp
## 1 2014 7 1 81 70 91
## 2 2014 7 2 85 74 95
## 3 2014 7 3 82 71 93
## 4 2014 7 4 75 64 86
## 5 2014 7 5 72 60 84
## 6 2014 7 6 74 61 87
## 7 2014 7 7 79 67 91
## 8 2014 7 8 83 72 94
## 9 2014 7 9 80 71 89
## 10 2014 7 10 78 71 85
## 11 2014 7 11 78 68 87
## 12 2014 7 12 79 67 91
## 13 2014 7 13 81 69 92
## 14 2014 7 14 85 74 96
## 15 2014 7 15 81 67 94
## 16 2014 7 16 76 66 85
## 17 2014 7 17 74 63 84
## 18 2014 7 18 77 70 83
## 19 2014 7 19 70 66 74
## 20 2014 7 20 74 65 83
## 21 2014 7 21 74 70 77
## 22 2014 7 22 79 72 85
## 23 2014 7 23 80 69 90
## 24 2014 7 24 80 71 89
## 25 2014 7 25 77 68 86
## 26 2014 7 26 78 66 89
## 27 2014 7 27 80 70 90
## 28 2014 7 28 79 68 90
## 29 2014 7 29 73 62 83
## 30 2014 7 30 74 63 85
## 31 2014 7 31 72 65 78
## 32 2014 8 1 68 65 70
## 33 2014 8 2 69 65 72
## 34 2014 8 3 77 67 86
## 35 2014 8 4 78 69 87
## 36 2014 8 5 77 65 88
## 37 2014 8 6 78 68 88
## 38 2014 8 7 78 67 88
## 39 2014 8 8 77 73 81
## 40 2014 8 9 76 68 84
## 41 2014 8 10 70 67 73
## 42 2014 8 11 78 71 85
## 43 2014 8 12 81 72 89
## 44 2014 8 13 75 65 84
## 45 2014 8 14 71 59 83
## 46 2014 8 15 73 60 86
## 47 2014 8 16 77 68 86
## 48 2014 8 17 78 67 89
## 49 2014 8 18 81 71 90
## 50 2014 8 19 80 70 90
## 51 2014 8 20 79 67 91
## 52 2014 8 21 80 67 93
## 53 2014 8 22 83 70 95
## 54 2014 8 23 82 73 91
## 55 2014 8 24 74 66 81
## 56 2014 8 25 72 60 83
## 57 2014 8 26 72 60 84
## 58 2014 8 27 72 57 87
## 59 2014 8 28 77 61 92
## 60 2014 8 29 79 69 88
## 61 2014 8 30 79 68 90
## 62 2014 8 31 83 74 91
## 63 2014 9 1 82 71 93
## 64 2014 9 2 82 69 94
## 65 2014 9 3 81 68 93
## 66 2014 9 4 77 69 85
## 67 2014 9 5 79 69 89
## 68 2014 9 6 80 70 90
## 69 2014 9 7 79 70 88
## 70 2014 9 8 70 67 73
## 71 2014 9 9 72 66 77
## 72 2014 9 10 72 65 79
## 73 2014 9 11 77 64 89
## 74 2014 9 12 81 72 90
## 75 2014 9 13 76 66 86
## 76 2014 9 14 66 62 69
## 77 2014 9 15 76 65 86
## 78 2014 9 16 76 65 86
## 79 2014 9 17 69 63 74
## 80 2014 9 18 71 62 80
## 81 2014 9 19 73 67 79
## 82 2014 9 20 71 59 82
## 83 2014 9 21 71 57 85
## 84 2014 9 22 69 61 76
## 85 2014 9 23 59 53 65
## 86 2014 9 24 59 53 64
## 87 2014 9 25 66 61 70
## 88 2014 9 26 67 62 71
## 89 2014 9 27 69 59 78
## 90 2014 9 28 68 60 76
## 91 2014 9 29 67 64 70
## 92 2014 9 30 71 59 83
## 93 2014 10 1 70 56 84
## 94 2014 10 2 72 59 85
## 95 2014 10 3 70 61 79
## 96 2014 10 4 55 43 67
## 97 2014 10 5 52 38 65
## 98 2014 10 6 62 47 76
## 99 2014 10 7 67 53 80
## 100 2014 10 8 72 58 86
## 101 2014 10 9 66 52 80
## 102 2014 10 10 72 60 84
## 103 2014 10 11 78 68 87
## 104 2014 10 12 63 58 68
## 105 2014 10 13 66 59 72
## 106 2014 10 14 73 64 82
## 107 2014 10 15 66 58 73
## 108 2014 10 16 61 50 71
## 109 2014 10 17 59 44 74
## 110 2014 10 18 65 53 76
## 111 2014 10 19 57 45 69
## 112 2014 10 20 59 46 71
## 113 2014 10 21 61 47 75
## 114 2014 10 22 56 44 68
## 115 2014 10 23 55 40 70
## 116 2014 10 24 54 39 69
## 117 2014 10 25 57 39 74
## 118 2014 10 26 66 48 83
## 119 2014 10 27 62 43 80
## 120 2014 10 28 68 52 84
## 121 2014 10 29 69 58 79
## 122 2014 10 30 57 45 68
## 123 2014 10 31 50 39 61
## 124 2014 11 1 47 40 53
## 125 2014 11 2 44 30 57
## 126 2014 11 3 45 24 65
## 127 2014 11 4 53 39 67
## 128 2014 11 5 60 49 70
## 129 2014 11 6 60 48 71
## 130 2014 11 7 50 39 61
## 131 2014 11 8 45 31 58
## 132 2014 11 9 51 38 63
## 133 2014 11 10 51 32 69
## 134 2014 11 11 57 39 74
## 135 2014 11 12 59 41 77
## 136 2014 11 13 53 46 60
## 137 2014 11 14 37 28 46
## 138 2014 11 15 35 25 45
## 139 2014 11 16 41 29 53
## 140 2014 11 17 47 36 57
## 141 2014 11 18 30 20 39
## 142 2014 11 19 29 14 44
## 143 2014 11 20 47 34 59
## 144 2014 11 21 44 30 58
## 145 2014 11 22 39 22 55
## 146 2014 11 23 54 42 65
## 147 2014 11 24 67 59 74
## 148 2014 11 25 58 49 66
## 149 2014 11 26 46 40 52
## 150 2014 11 27 43 34 52
## 151 2014 11 28 36 25 47
## 152 2014 11 29 44 31 56
## 153 2014 11 30 54 39 68
## 154 2014 12 1 57 41 73
## 155 2014 12 2 49 42 55
## 156 2014 12 3 53 42 64
## 157 2014 12 4 56 49 63
## 158 2014 12 5 47 42 51
## 159 2014 12 6 47 42 52
## 160 2014 12 7 48 39 56
## 161 2014 12 8 40 36 43
## 162 2014 12 9 46 37 55
## 163 2014 12 10 43 32 53
## 164 2014 12 11 37 23 51
## 165 2014 12 12 41 22 60
## 166 2014 12 13 46 25 66
## 167 2014 12 14 46 29 63
## 168 2014 12 15 43 26 60
## 169 2014 12 16 48 37 58
## 170 2014 12 17 46 31 60
## 171 2014 12 18 43 30 56
## 172 2014 12 19 43 30 56
## 173 2014 12 20 44 40 48
## 174 2014 12 21 47 42 51
## 175 2014 12 22 42 38 46
## 176 2014 12 23 42 37 47
## 177 2014 12 24 53 45 60
## 178 2014 12 25 45 32 57
## 179 2014 12 26 43 27 59
## 180 2014 12 27 48 32 64
## 181 2014 12 28 55 49 60
## 182 2014 12 29 51 44 58
## 183 2014 12 30 39 32 45
## 184 2014 12 31 37 27 46
## average_min_temp average_max_temp record_min_temp record_max_temp
## 1 67 89 56 104
## 2 68 89 56 101
## 3 68 89 56 99
## 4 68 89 55 99
## 5 68 89 57 100
## 6 68 89 57 99
## 7 68 89 55 100
## 8 68 89 58 101
## 9 68 89 57 101
## 10 68 89 53 101
## 11 68 89 55 100
## 12 68 89 59 102
## 13 68 89 56 100
## 14 68 89 59 102
## 15 68 89 58 100
## 16 68 89 58 100
## 17 68 89 62 100
## 18 68 89 62 102
## 19 68 89 60 103
## 20 68 89 60 101
## 21 68 89 57 103
## 22 68 89 58 103
## 23 68 89 56 101
## 24 68 89 59 100
## 25 68 89 62 101
## 26 68 89 60 100
## 27 68 89 57 103
## 28 68 89 54 102
## 29 68 89 59 103
## 30 68 89 58 101
## 31 68 89 56 100
## 32 68 89 58 98
## 33 68 89 59 98
## 34 68 89 60 98
## 35 68 89 58 98
## 36 68 89 55 100
## 37 68 88 57 102
## 38 68 88 50 100
## 39 68 88 55 102
## 40 68 88 56 104
## 41 68 88 56 104
## 42 68 88 58 98
## 43 68 88 57 100
## 44 68 88 57 102
## 45 68 88 57 98
## 46 68 88 55 99
## 47 68 88 57 102
## 48 67 88 55 97
## 49 67 88 59 101
## 50 67 87 59 100
## 51 67 87 56 103
## 52 67 87 56 103
## 53 67 87 57 101
## 54 67 87 53 103
## 55 67 87 55 97
## 56 66 87 56 98
## 57 66 87 55 100
## 58 66 86 55 101
## 59 66 86 55 98
## 60 66 86 54 100
## 61 66 86 53 101
## 62 65 86 53 99
## 63 65 85 51 99
## 64 65 85 53 99
## 65 65 85 52 98
## 66 64 85 54 100
## 67 64 84 54 101
## 68 64 84 53 104
## 69 64 84 53 100
## 70 63 84 54 99
## 71 63 83 46 101
## 72 63 83 47 98
## 73 62 83 49 96
## 74 62 83 45 95
## 75 62 82 49 94
## 76 61 82 47 97
## 77 61 81 47 96
## 78 61 81 47 96
## 79 60 81 46 96
## 80 60 81 48 99
## 81 59 80 46 97
## 82 59 80 45 98
## 83 59 80 43 97
## 84 58 79 43 98
## 85 58 79 39 97
## 86 57 79 43 95
## 87 57 78 40 94
## 88 57 78 42 94
## 89 56 78 43 93
## 90 56 77 41 93
## 91 55 77 40 93
## 92 55 77 38 91
## 93 54 76 39 92
## 94 54 76 36 92
## 95 54 76 36 91
## 96 53 75 33 95
## 97 53 75 38 97
## 98 52 75 38 98
## 99 52 74 34 91
## 100 52 74 34 93
## 101 51 74 31 92
## 102 51 74 30 89
## 103 51 73 29 90
## 104 50 73 31 87
## 105 50 73 35 91
## 106 49 72 32 87
## 107 49 72 30 88
## 108 49 72 35 87
## 109 48 71 35 85
## 110 48 71 31 87
## 111 48 71 30 87
## 112 47 71 30 86
## 113 47 70 30 88
## 114 47 70 29 85
## 115 46 70 31 88
## 116 46 70 28 88
## 117 46 69 27 84
## 118 45 69 27 86
## 119 45 69 24 86
## 120 45 68 26 87
## 121 44 68 27 82
## 122 44 68 26 84
## 123 44 68 29 85
## 124 43 67 29 84
## 125 43 67 27 85
## 126 43 67 24 84
## 127 43 66 22 83
## 128 42 66 24 81
## 129 42 66 26 82
## 130 42 65 26 78
## 131 41 65 25 78
## 132 41 65 24 82
## 133 41 64 28 83
## 134 41 64 24 78
## 135 40 64 24 81
## 136 40 63 21 81
## 137 40 63 21 80
## 138 39 63 20 82
## 139 39 62 22 82
## 140 39 62 20 84
## 141 38 62 20 78
## 142 38 61 14 78
## 143 38 61 18 79
## 144 38 61 19 78
## 145 37 60 13 76
## 146 37 60 18 78
## 147 37 59 16 75
## 148 37 59 13 76
## 149 36 59 11 75
## 150 36 58 18 77
## 151 36 58 19 77
## 152 35 58 20 76
## 153 35 57 15 76
## 154 35 57 15 76
## 155 35 57 20 76
## 156 34 56 20 75
## 157 34 56 18 76
## 158 34 56 18 75
## 159 34 55 18 78
## 160 33 55 12 76
## 161 33 55 10 76
## 162 33 54 14 78
## 163 33 54 13 80
## 164 33 54 13 79
## 165 32 54 7 79
## 166 32 53 2 77
## 167 32 53 12 73
## 168 32 53 10 73
## 169 32 53 12 75
## 170 32 52 14 73
## 171 31 52 11 75
## 172 31 52 11 76
## 173 31 52 12 79
## 174 31 52 10 73
## 175 31 51 11 72
## 176 31 51 8 73
## 177 31 51 6 71
## 178 30 51 4 77
## 179 30 51 6 76
## 180 30 51 15 72
## 181 30 51 10 77
## 182 30 51 2 74
## 183 30 50 -5 76
## 184 30 50 0 70
## record_min_temp_year record_max_temp_year actual_precipitation
## 1 1919 2012 0.00
## 2 2008 1931 0.00
## 3 2010 1931 0.14
## 4 1933 1955 0.00
## 5 1967 1954 0.00
## 6 1964 1948 0.00
## 7 1972 1954 0.00
## 8 1892 2010 0.00
## 9 1891 1986 0.15
## 10 1961 1926 0.00
## 11 1961 1986 0.00
## 12 1953 1930 0.00
## 13 1918 1986 0.00
## 14 2007 1954 0.00
## 15 2001 1893 0.87
## 16 2001 1887 0.00
## 17 1886 1986 0.00
## 18 1896 1887 0.00
## 19 2009 1986 0.17
## 20 1910 1986 0.00
## 21 1890 1986 1.30
## 22 2001 1926 0.00
## 23 2007 1987 0.00
## 24 1947 1952 0.06
## 25 1947 2010 0.00
## 26 1904 2005 0.00
## 27 1920 1940 0.18
## 28 1962 1952 0.06
## 29 1920 1952 0.00
## 30 1914 2011 0.00
## 31 1914 1999 1.45
## 32 1966 1957 2.39
## 33 1895 1942 0.00
## 34 1998 2011 0.00
## 35 1912 1935 0.00
## 36 1912 1954 0.00
## 37 1912 1956 0.17
## 38 2004 1963 0.00
## 39 2004 2007 0.00
## 40 2002 2007 0.00
## 41 1879 2007 0.01
## 42 1879 1956 0.58
## 43 1890 1925 0.31
## 44 1979 1956 0.00
## 45 1967 1925 0.00
## 46 1964 2007 0.00
## 47 1924 1954 0.00
## 48 1979 1911 0.00
## 49 1976 1988 0.00
## 50 1981 1988 0.00
## 51 1918 1925 0.00
## 52 1998 1983 0.00
## 53 1886 1983 0.00
## 54 1930 1983 0.08
## 55 1888 1968 0.14
## 56 1952 1943 0.00
## 57 1942 1954 0.00
## 58 1952 1954 0.00
## 59 1905 1924 0.00
## 60 1986 1948 0.00
## 61 1965 1932 0.00
## 62 1946 1957 0.06
## 63 1999 1957 0.00
## 64 1967 1932 0.00
## 65 1967 1925 0.63
## 66 1952 1925 0.82
## 67 1967 1954 0.01
## 68 1924 1954 0.00
## 69 1924 1925 0.09
## 70 1988 1925 0.00
## 71 1998 1939 0.00
## 72 1998 1939 0.00
## 73 1956 1925 0.09
## 74 1917 1925 0.08
## 75 1917 1962 1.56
## 76 1985 1897 0.00
## 77 2000 1956 0.37
## 78 2000 1956 0.37
## 79 1984 1954 0.00
## 80 2001 1896 0.00
## 81 1984 1954 0.02
## 82 1929 1925 0.00
## 83 1918 1895 0.00
## 84 1918 1895 0.00
## 85 1999 1931 0.02
## 86 1999 1895 0.19
## 87 1887 2010 0.01
## 88 1950 1961 0.00
## 89 1940 1900 0.00
## 90 1947 1954 0.00
## 91 1942 1941 0.09
## 92 1888 1926 0.00
## 93 1899 1954 0.00
## 94 1899 1954 0.00
## 95 1974 1954 0.03
## 96 1974 1954 0.00
## 97 1974 1954 0.00
## 98 1935 1954 0.00
## 99 1935 1951 0.00
## 100 1889 1941 0.00
## 101 2000 2007 0.00
## 102 2000 1939 0.00
## 103 2000 1939 0.08
## 104 1906 1919 0.02
## 105 1964 1954 0.04
## 106 2006 1940 0.45
## 107 2006 1985 0.24
## 108 1939 1925 0.00
## 109 2001 1962 0.00
## 110 2001 1938 0.00
## 111 2009 1938 0.00
## 112 1972 1926 0.00
## 113 1952 1943 0.00
## 114 1952 1939 0.00
## 115 1998 1941 0.00
## 116 2006 1939 0.00
## 117 2006 1931 0.00
## 118 2013 1940 0.00
## 119 1962 1939 0.00
## 120 2001 1940 0.00
## 121 1976 1984 0.00
## 122 1952 1950 0.00
## 123 2008 1950 0.49
## 124 1954 1950 0.28
## 125 1954 1961 0.00
## 126 1954 1961 0.00
## 127 1966 1961 0.00
## 128 2006 2003 0.00
## 129 1976 2003 0.04
## 130 1998 1888 0.00
## 131 1967 1934 0.00
## 132 1976 2005 0.00
## 133 1973 2006 0.00
## 134 1973 2006 0.00
## 135 1894 1989 0.00
## 136 2013 1931 0.00
## 137 2013 1879 0.01
## 138 1969 1993 0.00
## 139 1969 1958 0.00
## 140 1883 1958 0.63
## 141 2014 1942 0.00
## 142 2014 1942 0.00
## 143 1951 1942 0.00
## 144 1914 1942 0.00
## 145 2008 2011 0.00
## 146 1880 1900 1.72
## 147 1970 1958 0.00
## 148 1970 1921 0.22
## 149 1950 2001 0.89
## 150 1903 2001 0.00
## 151 2013 1990 0.00
## 152 1955 2001 0.00
## 153 1929 1991 0.00
## 154 1964 1946 0.00
## 155 1924 1991 0.00
## 156 1960 1998 0.00
## 157 2000 1956 0.00
## 158 1969 1998 0.04
## 159 1895 1998 0.12
## 160 2010 1998 0.00
## 161 1882 1998 0.14
## 162 2006 1943 0.00
## 163 1917 2007 0.00
## 164 1957 2007 0.00
## 165 1962 2007 0.00
## 166 1962 2007 0.00
## 167 1962 1948 0.00
## 168 2010 1948 0.00
## 169 1958 1971 0.09
## 170 1901 1956 0.00
## 171 1953 1984 0.00
## 172 1963 1984 0.00
## 173 1884 1931 0.03
## 174 1901 2013 0.00
## 175 1960 1998 0.26
## 176 1989 1990 0.29
## 177 1983 1982 0.91
## 178 1983 1955 0.00
## 179 1983 1889 0.00
## 180 1970 1971 0.00
## 181 1925 1971 0.04
## 182 1894 1984 0.59
## 183 1880 1984 0.06
## 184 1890 1996 0.00
## average_precipitation record_precipitation
## 1 0.10 5.91
## 2 0.10 1.53
## 3 0.11 2.50
## 4 0.10 2.63
## 5 0.10 1.65
## 6 0.10 1.95
## 7 0.11 2.37
## 8 0.11 1.87
## 9 0.12 3.71
## 10 0.11 2.45
## 11 0.12 3.10
## 12 0.11 1.95
## 13 0.12 2.09
## 14 0.12 2.15
## 15 0.12 4.61
## 16 0.12 1.47
## 17 0.12 4.14
## 18 0.12 1.82
## 19 0.12 2.30
## 20 0.12 1.25
## 21 0.12 3.83
## 22 0.12 2.56
## 23 0.13 6.88
## 24 0.12 2.83
## 25 0.13 2.34
## 26 0.13 2.84
## 27 0.13 2.46
## 28 0.13 2.98
## 29 0.14 2.04
## 30 0.14 4.24
## 31 0.14 1.45
## 32 0.14 2.39
## 33 0.14 2.00
## 34 0.15 4.51
## 35 0.15 2.59
## 36 0.15 3.01
## 37 0.14 3.19
## 38 0.13 1.53
## 39 0.13 1.37
## 40 0.13 1.26
## 41 0.13 2.26
## 42 0.13 3.04
## 43 0.13 2.25
## 44 0.14 1.27
## 45 0.14 2.00
## 46 0.14 3.17
## 47 0.14 2.51
## 48 0.14 2.92
## 49 0.13 1.76
## 50 0.14 1.96
## 51 0.14 1.84
## 52 0.13 2.22
## 53 0.15 2.81
## 54 0.13 2.74
## 55 0.14 2.35
## 56 0.14 3.16
## 57 0.14 5.36
## 58 0.13 4.39
## 59 0.13 4.64
## 60 0.13 1.42
## 61 0.12 2.54
## 62 0.12 3.40
## 63 0.11 2.93
## 64 0.12 1.20
## 65 0.11 2.67
## 66 0.11 1.15
## 67 0.11 2.46
## 68 0.11 3.47
## 69 0.11 2.38
## 70 0.11 1.96
## 71 0.11 1.92
## 72 0.10 3.64
## 73 0.10 1.80
## 74 0.09 1.76
## 75 0.11 4.12
## 76 0.10 3.23
## 77 0.11 4.06
## 78 0.11 4.06
## 79 0.11 3.14
## 80 0.11 4.84
## 81 0.10 2.72
## 82 0.11 2.82
## 83 0.11 2.74
## 84 0.10 2.92
## 85 0.11 1.69
## 86 0.10 3.89
## 87 0.11 1.31
## 88 0.11 2.54
## 89 0.11 1.94
## 90 0.12 3.38
## 91 0.11 3.59
## 92 0.12 3.65
## 93 0.12 3.80
## 94 0.11 1.60
## 95 0.12 2.15
## 96 0.12 4.21
## 97 0.12 1.16
## 98 0.12 1.98
## 99 0.11 2.70
## 100 0.12 3.82
## 101 0.12 3.80
## 102 0.11 4.18
## 103 0.12 2.58
## 104 0.12 2.82
## 105 0.12 1.93
## 106 0.11 2.27
## 107 0.11 1.83
## 108 0.11 4.76
## 109 0.11 1.90
## 110 0.12 2.34
## 111 0.10 1.20
## 112 0.11 2.33
## 113 0.11 1.31
## 114 0.10 4.52
## 115 0.11 1.72
## 116 0.10 0.85
## 117 0.09 2.65
## 118 0.10 1.85
## 119 0.09 2.03
## 120 0.10 1.23
## 121 0.10 1.65
## 122 0.10 2.51
## 123 0.10 1.68
## 124 0.10 1.14
## 125 0.10 1.82
## 126 0.10 1.69
## 127 0.10 1.97
## 128 0.10 0.97
## 129 0.10 1.34
## 130 0.10 1.71
## 131 0.11 2.79
## 132 0.10 2.76
## 133 0.10 1.43
## 134 0.09 1.82
## 135 0.10 1.54
## 136 0.10 1.93
## 137 0.11 1.23
## 138 0.10 1.32
## 139 0.10 2.26
## 140 0.11 1.90
## 141 0.10 1.93
## 142 0.11 2.04
## 143 0.11 1.36
## 144 0.11 3.26
## 145 0.11 1.68
## 146 0.11 1.72
## 147 0.11 1.68
## 148 0.10 2.42
## 149 0.11 2.36
## 150 0.11 1.54
## 151 0.11 2.93
## 152 0.12 1.37
## 153 0.11 2.09
## 154 0.11 1.21
## 155 0.11 1.85
## 156 0.12 2.96
## 157 0.11 1.93
## 158 0.11 2.06
## 159 0.10 2.37
## 160 0.10 1.56
## 161 0.11 1.15
## 162 0.10 1.78
## 163 0.10 1.91
## 164 0.11 1.69
## 165 0.11 1.57
## 166 0.10 1.78
## 167 0.10 2.38
## 168 0.10 2.46
## 169 0.10 1.58
## 170 0.10 1.30
## 171 0.10 1.74
## 172 0.11 0.85
## 173 0.10 2.38
## 174 0.10 2.19
## 175 0.11 2.27
## 176 0.11 2.12
## 177 0.11 1.47
## 178 0.10 2.32
## 179 0.11 1.72
## 180 0.10 1.25
## 181 0.11 1.67
## 182 0.10 1.82
## 183 0.10 1.21
## 184 0.10 2.15Extension of work
Here, I am going to save another dataset after filtering the year and specific month and selecting the required columns
Data manipulation
library(knitr)
library(tidyverse)## -- Attaching packages ----------------------------------------------------------------------------------------- tidyverse 1.2.1 --## v ggplot2 3.1.0 v purrr 0.3.2
## v tibble 2.1.1 v stringr 1.4.0
## v readr 1.3.1 v forcats 0.4.0## -- Conflicts -------------------------------------------------------------------------------------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()weather_July2014 <- filter(weather2, year=="2014", month=="7") %>%
select(month, day, actual_min_temp, actual_max_temp)
kable(weather_July2014)| month | day | actual_min_temp | actual_max_temp |
|---|---|---|---|
| 7 | 1 | 70 | 91 |
| 7 | 2 | 74 | 95 |
| 7 | 3 | 71 | 93 |
| 7 | 4 | 64 | 86 |
| 7 | 5 | 60 | 84 |
| 7 | 6 | 61 | 87 |
| 7 | 7 | 67 | 91 |
| 7 | 8 | 72 | 94 |
| 7 | 9 | 71 | 89 |
| 7 | 10 | 71 | 85 |
| 7 | 11 | 68 | 87 |
| 7 | 12 | 67 | 91 |
| 7 | 13 | 69 | 92 |
| 7 | 14 | 74 | 96 |
| 7 | 15 | 67 | 94 |
| 7 | 16 | 66 | 85 |
| 7 | 17 | 63 | 84 |
| 7 | 18 | 70 | 83 |
| 7 | 19 | 66 | 74 |
| 7 | 20 | 65 | 83 |
| 7 | 21 | 70 | 77 |
| 7 | 22 | 72 | 85 |
| 7 | 23 | 69 | 90 |
| 7 | 24 | 71 | 89 |
| 7 | 25 | 68 | 86 |
| 7 | 26 | 66 | 89 |
| 7 | 27 | 70 | 90 |
| 7 | 28 | 68 | 90 |
| 7 | 29 | 62 | 83 |
| 7 | 30 | 63 | 85 |
| 7 | 31 | 65 | 78 |
Data visualization
Minimum temperature in July 2014 on daily basis
library(ggplot2)
ggplot(weather_July2014, aes(x=reorder(day, actual_min_temp), y=actual_min_temp))+geom_bar(stat="identity", fill="steelblue")
Maximum temperature in July 2014 on daily basis
ggplot(weather_July2014, aes(x=reorder(day, actual_max_temp), y=actual_max_temp))+geom_bar(stat="identity", fill="steelblue")