STATISTICAL FLIGHTS IN NEW YORK
Nguyễn Đức Phương
2023-02-23
#install.packages("nycflights13")#R-Test 1 ##Hỏi ngày đầu tiên của tháng 1 năm 2013 có bao nhiêu chuyến bay được thực hiện?
library(nycflights13)
# Tạo bản sao dữ liệu để không thay đổi nguồn gốc
flight_data <- flights
count_flights <- subset(flight_data,month == 1 & day ==1)
nrow(count_flights)## [1] 842##Vào ngày nào trong năm 2013 có nhiều chuyến bay nhất từ New York?
library(tidyr)
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionflight_data$month <- as.factor(flight_data$month)
table(flight_data$month, flight_data$day) -> ketqua
ketqua <- as.data.frame(ketqua)
names(ketqua) <- c("Month", "Day", "Total_flight")
ketqua[which.max(ketqua$Total_flight),]## Month Day Total_flight
## 323 11 27 1014##Đưa ra danh sách 10 hãng hàng không thực hiện số chuyến bay lớn nhấ. Hiển thị kết quả theo thứ tự giảm dần
library(nycflights13)
library(tidyr)
library(dplyr)
flight_data %>%
group_by(carrier) %>%
count() %>%
ungroup() %>%
arrange(-n) %>%
slice(1:10) -> companies_top10
companies_top10## # A tibble: 10 × 2
## carrier n
## <chr> <int>
## 1 UA 58665
## 2 B6 54635
## 3 EV 54173
## 4 DL 48110
## 5 AA 32729
## 6 MQ 26397
## 7 US 20536
## 8 9E 18460
## 9 WN 12275
## 10 VX 5162##Nếu chúng ta chỉ thu thập dữ liệu mà không bỏ sót giá trị nào từ biến “dep_delay” và đặt tên cho nó là df_full_dep_delay, thì có bao nhiêu hàng trong tập dữ liệu này?
library(nycflights13)
library(tidyr)
library(dplyr)
flight_data %>%
filter(!is.na(dep_delay)) -> df_full_delay
df_full_delay## # A tibble: 328,521 × 19
## year month day dep_time sched_de…¹ dep_d…² arr_t…³ sched…⁴ arr_d…⁵ carrier
## <int> <fct> <int> <int> <int> <dbl> <int> <int> <dbl> <chr>
## 1 2013 1 1 517 515 2 830 819 11 UA
## 2 2013 1 1 533 529 4 850 830 20 UA
## 3 2013 1 1 542 540 2 923 850 33 AA
## 4 2013 1 1 544 545 -1 1004 1022 -18 B6
## 5 2013 1 1 554 600 -6 812 837 -25 DL
## 6 2013 1 1 554 558 -4 740 728 12 UA
## 7 2013 1 1 555 600 -5 913 854 19 B6
## 8 2013 1 1 557 600 -3 709 723 -14 EV
## 9 2013 1 1 557 600 -3 838 846 -8 B6
## 10 2013 1 1 558 600 -2 753 745 8 AA
## # … with 328,511 more rows, 9 more variables: flight <int>, tailnum <chr>,
## # origin <chr>, dest <chr>, air_time <dbl>, distance <dbl>, hour <dbl>,
## # minute <dbl>, time_hour <dttm>, and abbreviated variable names
## # ¹sched_dep_time, ²dep_delay, ³arr_time, ⁴sched_arr_time, ⁵arr_delay##Tính thời gian chậm trung bình của 10 hãng hàng không trong danh sách được tạo từ câu 3 và sắp xếp theo thứ tự giảm dần theo thời gian chậm trung bình
library(nycflights13)
library(tidyr)
library(dplyr)
df_full_delay %>%
group_by(carrier) %>%
summarise(avg_delay_company = mean(dep_delay)) %>%
ungroup() %>%
arrange(avg_delay_company) -> xapxep_tb
xapxep_tb## # A tibble: 16 × 2
## carrier avg_delay_company
## <chr> <dbl>
## 1 US 3.78
## 2 HA 4.90
## 3 AS 5.80
## 4 AA 8.59
## 5 DL 9.26
## 6 MQ 10.6
## 7 UA 12.1
## 8 OO 12.6
## 9 VX 12.9
## 10 B6 13.0
## 11 9E 16.7
## 12 WN 17.7
## 13 FL 18.7
## 14 YV 19.0
## 15 EV 20.0
## 16 F9 20.2library(nycflights13)
library(tidyr)
library(dplyr)
df_full_delay %>%
group_by(carrier) %>%
summarise(avg_delay_company = mean(dep_delay)) %>%
ungroup() %>%
arrange(avg_delay_company) -> sapxep_tb
sapxep_tb## # A tibble: 16 × 2
## carrier avg_delay_company
## <chr> <dbl>
## 1 US 3.78
## 2 HA 4.90
## 3 AS 5.80
## 4 AA 8.59
## 5 DL 9.26
## 6 MQ 10.6
## 7 UA 12.1
## 8 OO 12.6
## 9 VX 12.9
## 10 B6 13.0
## 11 9E 16.7
## 12 WN 17.7
## 13 FL 18.7
## 14 YV 19.0
## 15 EV 20.0
## 16 F9 20.2#R-Test 2
##Tạo vectơ rỗng (không có phần tử), với tên là space_vector. Thử viết vòng lặp for để tính tổng bình phương từ 1 đến 10 rồi gán kết quả cho space_vector
library(nycflights13)
library(tidyr)
library(dplyr)
space_vector <- c()
binhphuong <- 1
for (i in 1:10)
{
binhphuong <- i^2
space_vector <- c(space_vector, binhphuong)
}
space_vector## [1] 1 4 9 16 25 36 49 64 81 100##Tạo hàm ( count_missing ) để đếm số quan sát bị thiếu trong vectơ đã cho. Sử dụng hàm này và vòng lặp for để tóm tắt số lượng quan sát cho các cột của tất cả các chuyến bay và hiển thị kết quả
count_missing <- function(x) # Create the function count_missing
{
is.na(x) -> missing_value
sum(missing_value) -> all_missing_value
return(all_missing_value)
}
myvector <- c(NA, 3, 5, 4, 8, NA, 3, 88, NA, NA, NA) # Test the function
count_missing(myvector) ## [1] 5# Tìm tất cả các giá trị còn thiếu trong chuyến bay tập dữ liệu cho tất cả các biến
vector_missing_flights <- c()
k <- ncol(flight_data)
for (i in 1:k ) # for loop for all columns
{
# Sử dụng hàm pull() để liệt kê tất cả các giá trị cho mỗi cột, chẳng hạn như vòng lặp for thứ hai cho tất cả các hàng của tập dữ liệu
flight_data %>% pull(i) -> alternative_values
count_missing(alternative_values) -> missing_values_flights
vector_missing_flights <- c(vector_missing_flights, missing_values_flights)
}
names(flight_data) -> col_name
final_result <- data.frame(col_name, vector_missing_flights)
names(final_result)[2] <- c("n_missing")
final_result## col_name n_missing
## 1 year 0
## 2 month 0
## 3 day 0
## 4 dep_time 8255
## 5 sched_dep_time 0
## 6 dep_delay 8255
## 7 arr_time 8713
## 8 sched_arr_time 0
## 9 arr_delay 9430
## 10 carrier 0
## 11 flight 0
## 12 tailnum 2512
## 13 origin 0
## 14 dest 0
## 15 air_time 9430
## 16 distance 0
## 17 hour 0
## 18 minute 0
## 19 time_hour 0#R-Test 3 ##Tìm hiểu về định luật Benford và viết hàm tính xác suất của 1 số tự nhiên ngẫu nhiên trong khoảng [1..9]
benford <- function(d)
{
prob_d <- log10(1 + 1/d)
return(prob_d)
}
test_vector_benford <- c()
# Using the for loop
for (i in 1:9)
{ i <- i + 1
benford(i) -> vector_benford
test_vector_benford <- c(test_vector_benford, vector_benford)
}
test_vector_benford## [1] 0.17609126 0.12493874 0.09691001 0.07918125 0.06694679 0.05799195 0.05115252
## [8] 0.04575749 0.04139269digits <- c(1:9)
visualization <- data.frame(digits, test_vector_benford)
names(visualization)[2] <- "Probability"
visualization## digits Probability
## 1 1 0.17609126
## 2 2 0.12493874
## 3 3 0.09691001
## 4 4 0.07918125
## 5 5 0.06694679
## 6 6 0.05799195
## 7 7 0.05115252
## 8 8 0.04575749
## 9 9 0.04139269##The barplot using ggplot2
library(ggplot2)
digits <- c(1:9)
visualization <- data.frame(digits, test_vector_benford)
names(visualization)[2] <- "Probability"
ggBarplot <- ggplot(visualization, aes(x = reorder(factor(digits), Probability), y = Probability, fill = Probability)) +
geom_col() +
geom_bar(stat = "identity", width = 0.9) +
xlab("Digits") +
ylab("Probability")+
ggtitle("The Benford's law") +
coord_flip ()
ggBarplot