Minicaso AA NY

Caso American Airlines en Nueva York

Se nos ha solicitado hacer un estudio sobre la situación actual de la aerolínea American Airlines ya que se necesita revisar sus destinos, horarios y aviones con los que cuenta para hacer propuestas de aumento o reducción de vuelos por destino y horarios, así como la cantidad de aviones.

Análisis Exploratorio de los datos

Librerias a usar

1. Consulta las tablas planes y weather para que conozcas su contenido.

2. Se necesita saber de cada vuelo, la aerolinea, el aeropuerto de origen y el aeropuerto destino.

al = flights %>% select(carrier, origin, dest)
al

## # A tibble: 336,776 x 3
##    carrier origin dest 
##    <chr>   <chr>  <chr>
##  1 UA      EWR    IAH  
##  2 UA      LGA    IAH  
##  3 AA      JFK    MIA  
##  4 B6      JFK    BQN  
##  5 DL      LGA    ATL  
##  6 UA      EWR    ORD  
##  7 B6      EWR    FLL  
##  8 EV      LGA    IAD  
##  9 B6      JFK    MCO  
## 10 AA      LGA    ORD  
## # ... with 336,766 more rows

3. En la consulta anterior se necesita conocere el nombre de la aerolinea

al_name = al %>% left_join(airlines, by = 'carrier')
al_name

## # A tibble: 336,776 x 4
##    carrier origin dest  name                    
##    <chr>   <chr>  <chr> <chr>                   
##  1 UA      EWR    IAH   United Air Lines Inc.   
##  2 UA      LGA    IAH   United Air Lines Inc.   
##  3 AA      JFK    MIA   American Airlines Inc.  
##  4 B6      JFK    BQN   JetBlue Airways         
##  5 DL      LGA    ATL   Delta Air Lines Inc.    
##  6 UA      EWR    ORD   United Air Lines Inc.   
##  7 B6      EWR    FLL   JetBlue Airways         
##  8 EV      LGA    IAD   ExpressJet Airlines Inc.
##  9 B6      JFK    MCO   JetBlue Airways         
## 10 AA      LGA    ORD   American Airlines Inc.  
## # ... with 336,766 more rows

4 Se necesita saber la cantidad de vuelos por cada destino para identificar cuáles son los destinos más buscados.

total_vuelos = flights %>% select(carrier, dest) %>% count(carrier)
total_vuelos[order(desc(total_vuelos$n)),]

## # A tibble: 16 x 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
## 11 FL       3260
## 12 AS        714
## 13 F9        685
## 14 YV        601
## 15 HA        342
## 16 OO         32

5 Agregar el nombre de la aerolínea a la tabla anterior.

bd2 = total_vuelos %>% left_join(al_name, by = 'carrier')

## Warning in left_join(., al_name, by = "carrier"): Each row in `x` is expected to
## match at most 1 row in `y`.

order = c('name', 'carrier','origin','dest','n')
bd2 = bd2[,order]
bd2

## # A tibble: 336,776 x 5
##    name              carrier origin dest      n
##    <chr>             <chr>   <chr>  <chr> <int>
##  1 Endeavor Air Inc. 9E      JFK    MSP   18460
##  2 Endeavor Air Inc. 9E      JFK    IAD   18460
##  3 Endeavor Air Inc. 9E      JFK    BUF   18460
##  4 Endeavor Air Inc. 9E      JFK    SYR   18460
##  5 Endeavor Air Inc. 9E      JFK    ROC   18460
##  6 Endeavor Air Inc. 9E      JFK    BWI   18460
##  7 Endeavor Air Inc. 9E      JFK    ORD   18460
##  8 Endeavor Air Inc. 9E      JFK    IND   18460
##  9 Endeavor Air Inc. 9E      JFK    BNA   18460
## 10 Endeavor Air Inc. 9E      JFK    BOS   18460
## # ... with 336,766 more rows