R Notebook

#Equipo 5
#Jenaro Martínez A01721951
#Santiago LLaguno a017219838
#Lisset Hernandez A01284611
#Evelyn Díaz A00829373

library(nycflights13)
library(tidyverse)
library(dplyr)


#1 Seleccionar del data frame flights los campos carrier, número de vuelo (flight), origen, destino, tiempo de vuelo y distancia recorrida

flights_select1 <- select(flights, carrier, flight, origin, dest, air_time, distance)

#2Selecciona del data frame flights todos los campos entre year y day (incluyéndolo)

flights_select2 <- select(flights, year:day)

#3 Seleccionar del data frame flights todos los campos con exepción de hour, minute y time_hour

flights_select3 <- select(flights, -hour, -minute, -time_hour)

#4 Seleccionar del data frame flights todos los campos que inicien con "dep"

flights_select4 <- select(flights, starts_with("dep"))

#5 Seleccionar del data frame flights todos los campos que terminen con "delay"

flights_select4 <- select(flights, ends_with("delay"))

#6 Seleccionar del data frame flights todos los campos que contengan "time"
col_time <- grep("time", colnames(flights))
col_time_df <- flights[, col_time]
col_time_df

#7 Seleccionar del data frame flights los campos de year a day, los que terminen con delay y los campos distances y air_time.
select(flights, year, day, distance, air_time)

col1 <- flights[, c("year", "day", "distance", "air_time")]

col_delay <- grep("delay", colnames(flights))
col_delay_df <- flights[, col_delay] 

combined_df <- cbind(col1, col_delay_df)
combined_df

  #agrega dos campos al data frame anterior

  #1) tiempo_ganado que resulta de restar la hora de llegada a la hora de partida
flights2 <- flights %>% mutate(tiempo_ganado = dep_time - arr_time)
tiempo_ganado_df <- flights2[, "tiempo_ganado"]
todo_df <- cbind(tiempo_ganado_df,combined_df)
todo_df

  #2) velocidad_vuelo que resulta de dividir distancia entre tiempo de vuelo por 60

flights3 <- flights %>% mutate(velocidad_vuelo = distance / air_time * 60)
velocidad_vuelo_df <- flights3[, "velocidad_vuelo"]
todo_df2 <- cbind(velocidad_vuelo_df,todo_df)
todo_df2

#8 Muestra únicamente los nuevos campos calculados con transmute()
flights4 <- flights %>% transmute(tiempo_ganado = dep_time - arr_time, velocidad_vuelo = distance/air_time *60)
flights4

#9 Muestra los vuelos que presentan un retraso superior a 2 horas a la hora de llegada
flights5 <- subset(flights, arr_delay > 2)
flights5

#10 Muestra los vuelos que presentan un retraso superior a 2 horas en la hora de llegada o en la hora de partida
flights6 <- subset(flights, dep_delay > 2)

#11
filter(flights,arr_delay<120|dep_delay<120)

#12
filter(flights,month==11|month==12)

#13
filter(flights,carrier=="UA"|carrier=="AA"|carrier=="DL")

#14
arrange(flights,desc(arr_delay))

flights %>% arrange(desc(arr_delay))

#15
mutate(flights,velocidad_vuelo=c((distance/air_time)*60)) %>% arrange(desc(velocidad_vuelo)) %>% transmute(carrier,distance,air_time,velocidad_vuelo)

#La aerolinea que vuela mas rápido es DL

## Aplicando funciones como min, max, mean, sum, count, etc con group_by() y summarize()

#16 Cuál es la media del retraso en los vuelos, agrupa por year, month, day
#Elimina los Na's
#Identifica el día, mes, año que tuvo menos retraso.
group <- group_by(flights, year, month, day)
group2<- summarize(group, retraso=mean(dep_delay, na.rm=TRUE))

`summarise()` has grouped output by 'year', 'month'. You can override using the `.groups` argument.

arrange(group2, retraso)

#La fecha con menor retraso fue el 24 de Septiembre del 2013.

#17 Obtén el número de vuelos por aerlorínea y destino
#Identifica aerolínea y destino con mayor número de vuelos ordenando el resultado anterior de forma descendente
conteo <- flights %>%
  group_by(carrier, dest) %>%
  summarize(total = n())

`summarise()` has grouped output by 'carrier'. You can override using the `.groups` argument.

conteo

#La aerolínea con mayor número de vuelos es 'DL' (Delta) y el destino con el mayor número de vuelos es ATL (Atlanta).

#18 Obtén la máxima distancias recorrida por aerolínea y destino, ordena en forma descendente por máxima distancia recorrida
dist <- flights %>%
  group_by(carrier,dest) %>%
  summarize(max_distancia = sum(distance))

`summarise()` has grouped output by 'carrier'. You can override using the `.groups` argument.

dist

#La aerolínea con mayor distancia recorrida es 'UA' (United Airlines) y el destino es SFO (San Fransisco).

#19 Obtén el tiempo de vuelo por aerolínea y destino, ordena en forma descendente por la suma_tiempo_vuelo e identifica las 3 aerolíneas con sus destinos que han volado más tiempo
tiempo <- flights %>%
  group_by(carrier, dest) %>%
  summarize(suma_tiempo_vuelo = sum(air_time, na.rm = TRUE))

`summarise()` has grouped output by 'carrier'. You can override using the `.groups` argument.

tiempo

#Las aerolineás con más tiempo volado son United Airlines (SFO, LAX, IAH), American Airlines (DFW, LAX, MIA) y Delta (ATL, LAX, SFO).

## Renombrando campos en un data frame con rename()

#20 En la consulta 18 renombra el campo max_distancia por distancia_máxima_recorrida
nombre <- dist %>% rename(distancia_máxima_recorrida = max_distancia)
nombre