复杂数据处理（下）：1816-2013年拉萨年平均气温变化分析（附数据集）

2017 年 11 月 21 日 R语言中文社区 郭小龙

作者：郭小龙，R语言中文社区专栏作者。知乎专栏：https://www.zhihu.com/people/guo-xiao-long-3-18/posts

公众号后台回复“西藏”下载数据集

西藏拉萨一直是很多人心目中向往的圣地，也是我心目中最想去的地方之一。蓝天白云、布达拉宫、藏传佛教等等，每年光顾的骑行者、旅游者以及佛教徒络绎不绝。作为中国受工业经济发展影响较少的城市，近百年来气候变化又如何呢？本文从年平均气温角度，用R语言简单分析了拉萨1816-2013年的年平均气温变化。

1、数据来源说明

研究数据来源于Kaggle网站的全球城市气温资料，其中包括全球主要国家大部分城市的气温、经纬度等信息（见下图）。本文研究的是拉萨1816-2013年的气温数据，计算平均气温时删去一年不够12个月的数据。

2、用R语言进行数据分析处理和绘图

（1）读取下载的CSV格式全球气温资料

###读取下载的全球城市气温数据
library(openxlsx)
readFilepath <- "G:/大数据作业实践和有用资料/第四关作业实践/下载环境数据/GlobalLandTemperaturesByCity.csv"
Temdata <- read.csv(readFilepath,header = TRUE,sep = ",")

（2）数据预处理：选择子集

#选择子集
library(dplyr)
myData <- select(Temdata,
                 dt,AverageTemperature,City,Country)

（3）数据预处理：删除缺失数据并选择拉萨

ChinaData <- filter(Temdata,
                 !is.na(AverageTemperature),
                 !is.na(City),
                 !is.na(Country),
                 Country == "China",
                 City == "Lasa")
ChinaData <- select(ChinaData,
                    dt,AverageTemperature,City)

（4）数据预处理：对列进行拆分和重命名

#对列进行拆分和重命名
library(stringr)
timeDate <- str_split_fixed(ChinaData$dt,"-",n = 3)
ChinaData$dt <- timeDate[,1]                       #想要实现把1986-03-01分解成年月日3列，后面继续研究
ChinaData$dt <- as.numeric(ChinaData$dt)           #年字符段转换为数值型，这一步非常重要，否则影响后续分组计算
ChinaData <- rename(ChinaData,AveT = AverageTemperature)

（5）数据的分组和计算

###数据按年份进行分组并计算
#按年份进行分组
Year_data <- group_by(ChinaData,dt)
TLasa <- summarise(Year_data,
                     count = n(),
                     T = mean(AveT,na.rm = TRUE))
TLasa <- filter(TLasa,count > 11)

（6）数据的图形绘制

###数据图形显示
library(ggplot2)
ggplot(data = TLasa) + 
  geom_point(mapping = aes(x = dt,y = T)) +
  geom_smooth(mapping = aes(x = dt,y = T))

（7）结论

从1816年至2012年（上图横坐标表示年份，纵坐标表示温度），随着时间的推移，拉萨年平均气温呈逐年上升的趋势，并且从90年代开始呈加速上升趋势。

3、收获和总结

（1）本次学习解决了打开RStudio文件时中文乱码问题。通过在弹出的编码中，选择UTF-8编码，具体方法如下。

（2）代码写好后运行没错，但再打开时前面总出现感汉号。是因为Tool—Global Options—code—中“变量没有定义是否报警”或“变量有定义但是没有使用进行提示”被选中。我个人觉得这个提示符号特别不舒服，坚决去掉^_^^_^^_^

（3）R语言特有的诊断（如空格的提示），对养成良好的代码习惯编写很有帮助，强烈建议选中code界面中“Provide R style diagnostics”选项。

（4）dplyr包的管道函数（%>%）省略了中间的赋值步骤，在初期学习代码相对简单情况下可能用处不大，但随着代码复杂时管道函数的作用会越来越大。

（5）数据处理的模块化思维和代码的断点调试等知识，是贯穿程序语言学习始终的。这块知识属于方法论，后续学习中一定要逐步实践实践再实践。

公众号后台回复关键字即可学习

回复 R R语言快速入门免费视频
回复统计          统计方法及其在R中的实现
回复用户画像   民生银行客户画像搭建与应用
回复大数据      大数据系列免费视频教程
回复可视化   利用R语言做数据可视化
回复数据挖掘   数据挖掘算法原理解释与应用
回复机器学习   R&Python机器学习入门