1.数据整理
时空建模和预测通常涉及大量数据，这些数据以各种形式提供给用户，但通常以 CSV 文件或文本文件中的表格形式提供。通常会花费大量时间来加载数据并对其进行预处理，以便将它们转化为适合分析的形式。R 中有几个包可以帮助用户快速实现这些目标；在这里，我们专注于使用tidyverse工作流处理删失，它们包含特别适合所需数据操作技术的函数。我们首先加载所需的包，以及 STRbook（访问 获取有关如何安装 STRbook 的说明）
library(tidyverse)library(STRbook)
作为运行示例，我们将考虑 NOAA 数据集，该数据集以表格中的文本形式提供给我们，并随包 STRbook 提供。有六个数据表：
Stationinfo.dat。该表包含 328 行（每个站点一列）和三列（站点 ID、纬度坐标和经度坐标），包含站点位置信息。
Times_1990.dat。该表包含 1461 行（1990 年 1 月 1 日至 1993 年 12 月 30 日之间的每一天）和包含数据时间戳的四列（Julian公立日期、年、月、日）。
Tmax_1990.dat。该表包含 1461 行（每个时间点一行）和 328 列（每个站点位置一列），其中包含所有最高温度数据，缺失值编码为 -9999。
Tmin_1990.dat。与 Tmax_1990.dat 相同，但包含最低温度数据。
TDP_1990.dat。与 Tmax_1990.dat 相同&#x
