El presente documento contiene el solucionario a los ejercicios 5.3.1 del libro de R for Data Science de Hadley Wickham y Garrett Grolemund en su versión en español.
Este documento se realiza con fines académicos para el curso de Técnicas de Exploración de Datos de la carrera de Estadística e Informática de la Universidad Nacional Agraria La Molina de Lima, Perú.
arrange() funciona de manera similar a
filter excepto que en lugar de seleccionar filas, cambia su
orden. La función toma un data frame y un conjunto de nombres de
columnas (o expresiones más complicadas) para ordenar según ellas. Si
proporcionas más de un nombre de columna, cada columna adicional se
utilizará para romper empates en los valores de las columnas anteriores:
*.
arrange(vuelos, anio, mes, dia)
## # A tibble: 336,776 × 19
## anio mes dia horario_salida salida_programada atraso_salida
## <int> <int> <int> <int> <int> <dbl>
## 1 2013 1 1 517 515 2
## 2 2013 1 1 533 529 4
## 3 2013 1 1 542 540 2
## 4 2013 1 1 544 545 -1
## 5 2013 1 1 554 600 -6
## 6 2013 1 1 554 558 -4
## 7 2013 1 1 555 600 -5
## 8 2013 1 1 557 600 -3
## 9 2013 1 1 557 600 -3
## 10 2013 1 1 558 600 -2
## # … with 336,766 more rows, and 13 more variables: horario_llegada <int>,
## # llegada_programada <int>, atraso_llegada <dbl>, aerolinea <chr>,
## # vuelo <int>, codigo_cola <chr>, origen <chr>, destino <chr>,
## # tiempo_vuelo <dbl>, distancia <dbl>, hora <dbl>, minuto <dbl>,
## # fecha_hora <dttm>
Usa desc() para reordenar por una columna en orden
descendente:
arrange(vuelos, desc(atraso_salida))
## # A tibble: 336,776 × 19
## anio mes dia horario_salida salida_programada atraso_salida
## <int> <int> <int> <int> <int> <dbl>
## 1 2013 1 9 641 900 1301
## 2 2013 6 15 1432 1935 1137
## 3 2013 1 10 1121 1635 1126
## 4 2013 9 20 1139 1845 1014
## 5 2013 7 22 845 1600 1005
## 6 2013 4 10 1100 1900 960
## 7 2013 3 17 2321 810 911
## 8 2013 6 27 959 1900 899
## 9 2013 7 22 2257 759 898
## 10 2013 12 5 756 1700 896
## # … with 336,766 more rows, and 13 more variables: horario_llegada <int>,
## # llegada_programada <int>, atraso_llegada <dbl>, aerolinea <chr>,
## # vuelo <int>, codigo_cola <chr>, origen <chr>, destino <chr>,
## # tiempo_vuelo <dbl>, distancia <dbl>, hora <dbl>, minuto <dbl>,
## # fecha_hora <dttm>
Los valores faltantes siempre se ordenan al final:
df <- tibble(x = c(5, 2, NA))
arrange(df, x)
## # A tibble: 3 × 1
## x
## <dbl>
## 1 2
## 2 5
## 3 NA
arrange(df, desc(x))
## # A tibble: 3 × 1
## x
## <dbl>
## 1 5
## 2 2
## 3 NA
¿Cómo podrías usar arrange() para ordenar todos los valores faltantes al comienzo?
#VUELOS ORDENADOS SEGÚN LA CONDICIÓN MENCIONADA
vuelos %>%
arrange(across(everything(), ~is.na(.))) %>%
arrange(desc(row_number()))
## # A tibble: 336,776 × 19
## anio mes dia horario_salida salida_programada atraso_salida
## <int> <int> <int> <int> <int> <dbl>
## 1 2013 9 30 NA 2200 NA
## 2 2013 9 30 NA 1455 NA
## 3 2013 9 29 NA 700 NA
## 4 2013 9 28 NA 1635 NA
## 5 2013 9 27 NA 1600 NA
## 6 2013 9 27 NA 2100 NA
## 7 2013 9 26 NA 1400 NA
## 8 2013 9 25 NA 1900 NA
## 9 2013 9 25 NA 1300 NA
## 10 2013 9 23 NA 1756 NA
## # … with 336,766 more rows, and 13 more variables: horario_llegada <int>,
## # llegada_programada <int>, atraso_llegada <dbl>, aerolinea <chr>,
## # vuelo <int>, codigo_cola <chr>, origen <chr>, destino <chr>,
## # tiempo_vuelo <dbl>, distancia <dbl>, hora <dbl>, minuto <dbl>,
## # fecha_hora <dttm>
Vemos que hay muchos valores faltantes y se encuentran ordenados en la parte superior.
Ordena vuelos para encontrar los vuelos más retrasados
#LOS VUELOS QUE MAS RETRASADOS
vuelos %>% arrange(-atraso_salida)
## # A tibble: 336,776 × 19
## anio mes dia horario_salida salida_programada atraso_salida
## <int> <int> <int> <int> <int> <dbl>
## 1 2013 1 9 641 900 1301
## 2 2013 6 15 1432 1935 1137
## 3 2013 1 10 1121 1635 1126
## 4 2013 9 20 1139 1845 1014
## 5 2013 7 22 845 1600 1005
## 6 2013 4 10 1100 1900 960
## 7 2013 3 17 2321 810 911
## 8 2013 6 27 959 1900 899
## 9 2013 7 22 2257 759 898
## 10 2013 12 5 756 1700 896
## # … with 336,766 more rows, and 13 more variables: horario_llegada <int>,
## # llegada_programada <int>, atraso_llegada <dbl>, aerolinea <chr>,
## # vuelo <int>, codigo_cola <chr>, origen <chr>, destino <chr>,
## # tiempo_vuelo <dbl>, distancia <dbl>, hora <dbl>, minuto <dbl>,
## # fecha_hora <dttm>
Encuentra los vuelos que salieron más temprano
#LOS VUELOS QUE SALIERON MAS TEMPRANO
vuelos %>% arrange(atraso_salida)
## # A tibble: 336,776 × 19
## anio mes dia horario_salida salida_programada atraso_salida
## <int> <int> <int> <int> <int> <dbl>
## 1 2013 12 7 2040 2123 -43
## 2 2013 2 3 2022 2055 -33
## 3 2013 11 10 1408 1440 -32
## 4 2013 1 11 1900 1930 -30
## 5 2013 1 29 1703 1730 -27
## 6 2013 8 9 729 755 -26
## 7 2013 10 23 1907 1932 -25
## 8 2013 3 30 2030 2055 -25
## 9 2013 3 2 1431 1455 -24
## 10 2013 5 5 934 958 -24
## # … with 336,766 more rows, and 13 more variables: horario_llegada <int>,
## # llegada_programada <int>, atraso_llegada <dbl>, aerolinea <chr>,
## # vuelo <int>, codigo_cola <chr>, origen <chr>, destino <chr>,
## # tiempo_vuelo <dbl>, distancia <dbl>, hora <dbl>, minuto <dbl>,
## # fecha_hora <dttm>
Ordena vuelos para encontrar los vuelos más rápidos (que viajaron a mayor velocidad)
vuelos %>% mutate(Velocidad = distancia/tiempo_vuelo) %>%
arrange(-Velocidad)
## # A tibble: 336,776 × 20
## anio mes dia horario_salida salida_programada atraso_salida
## <int> <int> <int> <int> <int> <dbl>
## 1 2013 5 25 1709 1700 9
## 2 2013 7 2 1558 1513 45
## 3 2013 5 13 2040 2025 15
## 4 2013 3 23 1914 1910 4
## 5 2013 1 12 1559 1600 -1
## 6 2013 11 17 650 655 -5
## 7 2013 2 21 2355 2358 -3
## 8 2013 11 17 759 800 -1
## 9 2013 11 16 2003 1925 38
## 10 2013 11 16 2349 2359 -10
## # … with 336,766 more rows, and 14 more variables: horario_llegada <int>,
## # llegada_programada <int>, atraso_llegada <dbl>, aerolinea <chr>,
## # vuelo <int>, codigo_cola <chr>, origen <chr>, destino <chr>,
## # tiempo_vuelo <dbl>, distancia <dbl>, hora <dbl>, minuto <dbl>,
## # fecha_hora <dttm>, Velocidad <dbl>
¿Cuáles vuelos viajaron más lejos?
#Selecciono el de mayor distancia
vuelos %>% filter(distancia == max(distancia)) %>%
select(anio,mes,dia,distancia)
## # A tibble: 342 × 4
## anio mes dia distancia
## <int> <int> <int> <dbl>
## 1 2013 1 1 4983
## 2 2013 1 2 4983
## 3 2013 1 3 4983
## 4 2013 1 4 4983
## 5 2013 1 5 4983
## 6 2013 1 6 4983
## 7 2013 1 7 4983
## 8 2013 1 8 4983
## 9 2013 1 9 4983
## 10 2013 1 10 4983
## # … with 332 more rows
¿Cuál viajó más cerca?
#Vemos cuales son los vuelos que viajaron más cerca
vuelos %>% arrange(distancia) %>% head(10) %>%
select(anio,mes,dia,distancia)
## # A tibble: 10 × 4
## anio mes dia distancia
## <int> <int> <int> <dbl>
## 1 2013 7 27 17
## 2 2013 1 3 80
## 3 2013 1 4 80
## 4 2013 1 4 80
## 5 2013 1 4 80
## 6 2013 1 5 80
## 7 2013 1 6 80
## 8 2013 1 7 80
## 9 2013 1 8 80
## 10 2013 1 9 80
#Selecciono el de menor distancia
vuelos %>% filter(distancia == min(distancia)) %>%
select(anio,mes,dia,distancia)
## # A tibble: 1 × 4
## anio mes dia distancia
## <int> <int> <int> <dbl>
## 1 2013 7 27 17