某個城市近70年來的氣溫統計
專案背景
這個專案的資料記錄了一個城市的近70年來的氣溫變化， 降雨量等的記錄，而這個專案是採用R語言作為資料分析工具。 是一個練手的專案，如有錯誤還望大家多多提意見，同時也感謝來自Kaggle提供的原始資料
切入正題
資料的載入, 匯入csv檔案
dataSet<-read。csv（“D：/R/weather_1948-2017/weather_1948-2017。csv”）
檢視資料集合的基本資訊
str（dataSet）
可以看出共觀測到25551條資料 和5個數據欄位
$ DATE #時間日期
$ PRCP #當天的降水量 以英寸為單位
$ TMAX： #當天的最高氣溫 （華氏攝氏度）
$ TMIN： #當天的最低氣溫 （華氏攝氏度）
$ RAIN： #當天是否降雨 （true/false）
我們來對每年的降雨量進行大致上資料的統計
library（lubridate）
library（sqldf）
dataSet$year <- year（dataSet$DATE）
我們獲取了從1948年到2017年每年的總降水量
yearRain <- sqldf（“select sum（PRCP） as yPRCP， year from dataSet as yPRCP group by year”）
獲取年降雨量的平均值
mean（yearRain$yPRCP）
我們將年降雨量的資料進行歸類
table（cut（yearRain$yPRCP， breaks = c（20， 30， 40， 50， 60）））
從圖片可以看出年降雨量大部分集中在35~40英寸和40~50英寸2個區間內
現在我們來分析一下年降水量是否近似正態分佈
histRains <- hist（yearRain$yPRCP， ylab = “數量”， xlab = “降水量的區間（英寸）”， main = “降水量的分佈圖”）
xfit <- seq（min（yearRain$yPRCP）， max（yearRain$yPRCP）， length（70））
yfit <- dnorm（xfit， mean = mean（yearRain$yPRCP）， sd = sd（yearRain$yPRCP））
yfit <- yfit * （diff（histRains$mids［1：2］）-0。2） * length（yearRain$yPRCP）
lines（xfit， yfit， col = “blue”， lwd = 2）
可以看出圖上的資料大致上呈正態分佈，說明這個城市70年來的降雨量還是比較正常的
既然已經知道這年降雨量的大致情況 ，那麼我們再進一步的瞭解這一年中的月份的降水量情況
sqldf（“select count（*） from dataSet group by RAIN”）
可以看出這70年來的降雨的天數與不降雨的天數大致比例是2：3也就是平均一年中大概150天在下雨
dataSet$month <- month（dataSet$DATE）
rainDataSet <- sqldf（“select * from dataSet where RAIN = 1”）
table（rainDataSet$month）
barplot（table（rainDataSet$month））
可以看出這近70年來每年的降雨量在11， 12， 1，3月份是比較多，而且可以看出這個城市的夏天明顯降雨量是比較少，會比較乾燥
問題1：是不是當月的降水天數越多， 當月降雨天的日降水量就越大
PRCPMax <- sqldf（“select PRCP from rainDataSet where month in （11， 12， 1）”）
nrow（PRCPMax）
table（cut（PRCPMax$PRCPmm， breaks = c（0， 10， 25， 50， 100， 200）））
nrow（PRCPMin）
table（cut（PRCPMin$PRCPmm， breaks = c（0， 10， 25， 50， 100， 200）））
圖中 PRCPMax是降水天數最多的月份11， 12， 1月份資料集合，PRCPMin是降水天數最少的月份7， 8， 9月份資料集合。可以看出這夏天這3個月的降水天數明顯少很多，也看出夏季日降水量小於25毫米天數比例的確實比冬季高，且降水量在10-25毫米天數比例明顯少於冬季
test1 <- c（PRCPMax$PRCPmm）
test2 <- c（PRCPMin$PRCPm）
wilcox。test（test1， test2， alternative = “greater”）
透過Wilcoxon秩檢驗我們發現p-value遠小於0。05，的確11， 12， 1月份日降水量的確大於7， 8， 9月份
問題2:降水對溫度是否有影響(我們取1949年-2017年的全部8月份的資料比較，因為夏天氣溫比較高，降雨對氣溫的影響會比較明顯）
rainDataSet$year <- year（rainDataSet$DATE）
PRCPAugust <- rainDataSet［which（rainDataSet$month == “8”）， c（“PRCP”， “year”）］
TMAXAugust <- rainDataSet［which（rainDataSet$month == “8”）， c（“TMAX”）］
dataSetAugust <- data。frame（PRCPAugust， TMAXAugust）
names（dataSetAugust） <- c（“PRCP”， “year”， “TMAX”）
attach（dataSetAugust）
plot（TMAX ~ PRCP， main=“當天的降雨量與最高溫度的散點圖”， xlab=“降水量（英寸）”， ylab=“最高溫度（華氏度）”）
abline（lm（TMAX ~ PRCP））
summary（lm（TMAX ~ PRCP））
從圖形上看， 溫度會隨著降水量的增加而下降
從資料的迴歸分析上看， 引數確實是高度顯著，也就是降雨量與溫度的確存在某種關係。但是我們也應該注意到Multiple R-squared=0。06059，這也說明了降水量和溫度的線性關係並不是很強
問題3:年降水量是不是在逐年增加還是逐年降少
attach（yearRain）
plot（year， yPRCP，）
summary（lm（yPRCP ~ year））
從散點圖 除了1980-1990這10年的降水量比較少， 基本上其他年份並沒很明顯的變化趨勢
Q-Q圖可以看其圖形基本上是呈一條直線，這也說明了總體上降水量處於正態分佈，即便是算上降水量比較少的10年，也是在合理的範圍內
問題4:是不是天氣越來越熱了呢（我們獲取沒有無降水天的資料，因為降水可能會降低溫度，影響資料）
unRainDataSet <- sqldf（“select * from dataSet where RAIN = 0”）
PRCPMedian <- sqldf（“select median（TMAX）， year from unRainDataSet group by year”）
names（PRCPMedian） <- c（“TMAX”， “year”）
plot（TMAX ~ year， data = PRCPMedian）
可以看出在2010年前，每年的溫度總體上是比較平衡的趨勢， 在進入2010年後，溫度有一個比較明顯的上升趨勢
PRCPMedian <- PRCPMedian［order（PRCPMedian$TMAX， decreasing = T）， c（“TMAX”， “year”）］
row。names（PRCPMedian） <- c（1：70）
這是我們對每年溫度做一個排名，可以看出在前12名中2010年後的年份佔據了4個，而且溫度最高的年份是2017年和2016年，貌似現在的天氣正變得越來越熱了
最後我們在分析下在過去剛剛結束的2017年裡， 這座城市的氣候狀況
states2017 <- sqldf（“select * from dataSet where date >= ‘2017-01-01’ and date <= ‘2017-12-31’”）
sum（states2017$PRCP）
max（states2017$TMAX）
min（states2017$TMIN）
可以看出這一年裡的總降水量為43。55英寸（約為1106。17毫米），最高溫度華氏96度（35。5攝氏度），最低溫度是20華氏度（-6。66攝氏度）
wencha <- states2017$TMAX-states2017$TMIN
wencha2017 <- data。frame（c（1：348）， wencha）
names（wencha2017） <- c（“day”， “wencha”）
plot（wencha2017$wencha2017 ~ wencha2017$day）
可以看在橫座標150-275這段時間對應的縱座標比較大，折算一下也就是說從6月到9月這夏季的四個月溫差比較大的
