nasa05

data

eda

lagemaße

vis

animation

string

Published

May 5, 2023

Aufgabe

Viele Quellen berichten Klimadaten unserer Erde, z.B. auch National Aeronautics and Space Administration - Goddard Institute for Space Studies.

Von dieser Quelle beziehen wir diesen Datensatz.

Die Datensatz sind auf der Webseite wie folgt beschrieben:

Tables of Global and Hemispheric Monthly Means and Zonal Annual Means

Combined Land-Surface Air and Sea-Surface Water Temperature Anomalies (Land-Ocean Temperature Index, L-OTI)

The following are plain-text files in tabular format of temperature anomalies, i.e. deviations from the corresponding 1951-1980 means.

Global-mean monthly, seasonal, and annual means, 1880-present, updated through most recent month: TXT, CSV

Starten Sie zunächst das R-Paket tidyverse falls noch nicht geschehen.

library(tidyverse)

Zum Animieren verwenden wir diese Pakete:

library(gganimate)
library(plotly)

Importieren Sie dann die Daten:

data_path <- "https://data.giss.nasa.gov/gistemp/tabledata_v4/GLB.Ts+dSST.csv"
d <- read_csv(data_path, skip = 1)

Wir lassen die 1. Zeile des Datensatzes aus (Argument skip), da dort Metadaten stehen, also keine Daten, sondern Informationen (Daten) zu den eigentlichen Daten.

Aufgabe

Visualisieren Sie Temperatur pro Jahr und Dekade; animieren Sie Ihre Diagramme mittels plotly.

Hinweise:

Sie müssen zuerst die Dekade als neue Spalte berechnen.

Lösung

Daten aufbereiten

Character in Zahlen umwandeln:

d2 <-
  d %>% 
  select(Year:Dec) %>% 
  mutate(across(Apr:Dec, as.numeric))

d3 <- 
  d2 %>% 
  pivot_longer(-Year, values_to = "temp", names_to = "month")

months <-
  tibble(
    month = d3$month[1:12],
    month_num = 1:12
  )

d3 <- 
  d3 %>% 
  full_join(months)

Daten zusammenfassen

Animation mit plotly

d3 %>% 
plot_ly(
  x = ~Year,
  y = ~temp,
  #color = ~month,
  frame = ~Year,
  hoverinfo = "text",
  text = ~Year,
  type = "scatter",
  mode = "markers"
)

d3 %>% 
plot_ly(
  x = ~Year,
  y = ~temp,
  color = ~month_num,
  frame = ~Year,
  hoverinfo = "text",
  text = ~Year,
  type = "scatter",
  mode = "markers"
)

Fazit

Falls Sie Teile der R-Syntax nicht kennen: Machen Sie sich nichts daraus. Be happy 😄

Categories:

data
eda
lagemaße
vis
animation
string

--- extype: string exsolution: NA exname: nasa05 expoints: 1 categories: - data - eda - lagemaße - vis - animation - string date: '2023-05-05' slug: nasa05 title: nasa05 --- ```{r global-knitr-options, include=FALSE} knitr::opts_chunk$set( fig.pos = 'H', fig.asp = 0.618, fig.align='center', fig.width = 5, out.width = "100%", fig.cap = "", fig.path = "chunk-img/", dpi = 300, # tidy = TRUE, echo = TRUE, message = FALSE, warning = FALSE, cache = FALSE, fig.show = "hold") ``` # Aufgabe Viele Quellen berichten Klimadaten unserer Erde, z.B. auch [National Aeronautics and Space Administration - Goddard Institute for Space Studies](https://data.giss.nasa.gov/gistemp/). Von dieser Quelle beziehen wir [diesen Datensatz](https://data.giss.nasa.gov/gistemp/tabledata_v4/GLB.Ts+dSST.csv). Die Datensatz sind auf der Webseite wie folgt beschrieben: *Tables of Global and Hemispheric Monthly Means and Zonal Annual Means* Combined Land-Surface Air and Sea-Surface Water Temperature Anomalies (Land-Ocean Temperature Index, L-OTI) The following are plain-text files in tabular format of temperature anomalies, i.e. *deviations from the corresponding 1951-1980 means*. > Global-mean monthly, seasonal, and annual means, 1880-present, updated through most recent month: TXT, CSV Starten Sie zunächst das R-Paket `tidyverse` falls noch nicht geschehen. ```{r message = FALSE} library(tidyverse) ``` Zum Animieren verwenden wir diese Pakete: ```{r} library(gganimate) library(plotly) ``` Importieren Sie dann die Daten: ```{r} data_path <- "https://data.giss.nasa.gov/gistemp/tabledata_v4/GLB.Ts+dSST.csv" d <- read_csv(data_path, skip = 1) ``` Wir lassen die 1. Zeile des Datensatzes aus (Argument `skip`), da dort *Metadaten* stehen, also keine Daten, sondern Informationen (Daten) zu den eigentlichen Daten. **Aufgabe** - Visualisieren Sie Temperatur pro Jahr und Dekade; animieren Sie Ihre Diagramme mittels `plotly`. Hinweise: - Sie müssen zuerst die Dekade als neue Spalte berechnen. # Lösung ## Daten aufbereiten Character in Zahlen umwandeln: ```{r} d2 <- d %>% select(Year:Dec) %>% mutate(across(Apr:Dec, as.numeric)) ``` ```{r} d3 <- d2 %>% pivot_longer(-Year, values_to = "temp", names_to = "month") ``` ```{r} months <- tibble( month = d3$month[1:12], month_num = 1:12 ) ``` ```{r} d3 <- d3 %>% full_join(months) ``` ## Daten zusammenfassen ## Animation mit plotly ```{r} d3 %>% plot_ly( x = ~Year, y = ~temp, #color = ~month, frame = ~Year, hoverinfo = "text", text = ~Year, type = "scatter", mode = "markers" ) ``` ```{r} d3 %>% plot_ly( x = ~Year, y = ~temp, color = ~month_num, frame = ~Year, hoverinfo = "text", text = ~Year, type = "scatter", mode = "markers" ) ``` ## Fazit Falls Sie Teile der R-Syntax nicht kennen: Machen Sie sich nichts daraus. Be happy 😄 --- Categories: - data - eda - lagemaße - vis - animation - string