Data Wrangling (Parte 1)

Contexto

El paquete nycflights13 contiene información sobre todos los vuelos que partieron desde Nueva York (EWR,JFK Y LGA) a destinos en los Estados Unidos en 2013. Fueron 336,776 vuelos en total. Para ayudar a comprender las causas de los retrasos, también incluye otros conjuntos de datos utiles. Este paquete incluye las siguientes tablas:

• flights = todos los vuelos que salieron de Nueva York en 2013
  
• weather = datos meteorológicos por hora de cada aeropuerto
• planes = informacion d e construccion de cada avión
• airports = nombres y ubicaciones de aeropuertos
• airlines = relación entre nombres y codigos de las aerolineas

Instalar paquetes y llamar librerias

#install.packages("nycflights13")
library(nycflights13)
#install.packages("tidyverse")
library(tidyverse)

## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.4     ✔ readr     2.1.4
## ✔ forcats   1.0.0     ✔ stringr   1.5.1
## ✔ ggplot2   3.4.4     ✔ tibble    3.2.1
## ✔ lubridate 1.9.3     ✔ tidyr     1.3.0
## ✔ purrr     1.0.2     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

Guardar base de datos

flights <- flights
weather <- weather
planes <- planes
airports <- airports
airlines <- airlines

Relacion entre la base de datos

Funciones Básicas de Manejo de Datos

Select

La función Select sirve para seleccionar columnas de una tabla (data frame).

df1<- flights %>% select(carrier,flight)
df2<- flights %>% select(carrier:distance)
df3<- flights %>% select(-carrier,-flight)
df4<- flights %>% select(-carrier:-distance)
df5<- flights %>% select(aerolinea=carrier)
df6<- flights %>% rename(aerolinea=carrier)

Filter

La funcion filter sirve para seleccionar renglones de una tabla (data frame).

df7<- flights%>% filter(dep_delay >=500)
df8<- flights%>% filter(dep_delay >=500, dep_delay <600)
df9<- flights%>% slice (1000:1099)

Distinct

La funcion distinct sirve para eliminar renglones duplicados.

df10<- distinct(flights)

Merge

La funcion merge sirve para juntar base de datos.

bdgrande <-merge(flights,airlines, by="carrier")
bdgrande <-merge(bdgrande,planes, by="tailnum")