複雜數據處理（下）：1816-2013年拉薩年平均氣溫變化分析

西藏拉薩一直是很多人心目中嚮往的聖地，也是我心目中最想去的地方之一。藍天白雲、布達拉宮、藏傳佛教等等，每年光顧的騎行者、旅遊者以及佛教徒絡繹不絕。作為中國受工業經濟發展影響較少的城市，近百年來氣候變化又如何呢？本文從年平均氣溫角度，用R語言簡單分析了拉薩1816-2013年的年平均氣溫變化。

1、數據來源說明

研究數據來源於Kaggle網站的全球城市氣溫資料，其中包括全球主要國家大部分城市的氣溫、經緯度等信息（見下圖）。本文研究的是拉薩1816-2013年的氣溫數據，計算平均氣溫時刪去一年不夠12個月的數據。

2、用R語言進行數據分析處理和繪圖

（1）讀取下載的CSV格式全球氣溫資料

###讀取下載的全球城市氣溫數據nlibrary(openxlsx)nreadFilepath <- "G:/大數據作業實踐和有用資料/第四關作業實踐/下載環境數據/GlobalLandTemperaturesByCity.csv"nTemdata <- read.csv(readFilepath,header = TRUE,sep = ",")n

（2）數據預處理：選擇子集

#選擇子集nlibrary(dplyr)nmyData <- select(Temdata,n dt,AverageTemperature,City,Country)n

（3）數據預處理：刪除缺失數據並選擇拉薩

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

（4）數據預處理：對列進行拆分和重命名

#對列進行拆分和重命名nlibrary(stringr)ntimeDate <- str_split_fixed(ChinaData$dt,"-",n = 3)nChinaData$dt <- timeDate[,1] #想要實現把1986-03-01分解成年月日3列，後面繼續研究nChinaData$dt <- as.numeric(ChinaData$dt) #年字元段轉換為數值型，這一步非常重要，否則影響後續分組計算nChinaData <- rename(ChinaData,AveT = AverageTemperature)n

（5）數據的分組和計算

###數據按年份進行分組並計算n#按年份進行分組nYear_data <- group_by(ChinaData,dt)nTLasa <- summarise(Year_data,n count = n(),n T = mean(AveT,na.rm = TRUE))nTLasa <- filter(TLasa,count > 11)n

（6）數據的圖形繪製

###數據圖形顯示nlibrary(ggplot2)nggplot(data = TLasa) + n geom_point(mapping = aes(x = dt,y = T)) +n geom_smooth(mapping = aes(x = dt,y = T))n

（7）結論

從1816年至2012年（上圖橫坐標表示年份，縱坐標表示溫度），隨著時間的推移，拉薩年平均氣溫呈逐年上升的趨勢，並且從90年代開始呈加速上升趨勢。

3、收穫和總結

（1）本次學習解決了打開RStudio文件時中文亂碼問題。通過在彈出的編碼中，選擇UTF-8編碼，具體方法如下。

（2）代碼寫好後運行沒錯，但再打開時前面總出現感漢號。是因為Tool—Global Options—code—中「變數沒有定義是否報警」或「變數有定義但是沒有使用進行提示」被選中。我個人覺得這個提示符號特別不舒服，堅決去掉^_^^_^^_^

（3）R語言特有的診斷（如空格的提示），對養成良好的代碼習慣編寫很有幫助，強烈建議選中code界面中「Provide R style diagnostics」選項。

（4）dplyr包的管道函數（%>%）省略了中間的賦值步驟，在初期學習代碼相對簡單情況下可能用處不大，但隨著代碼複雜時管道函數的作用會越來越大。

（5）數據處理的模塊化思維和代碼的斷點調試等知識，是貫穿程序語言學習始終的。這塊知識屬於方法論，後續學習中一定要逐步實踐實踐再實踐。