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 útiles.
Este paquete incluye las siguientes tablas:
# install.packages("nycflights13")
library(nycflights13)
#install.packages("tidyverse")
library (tidyverse)
## Warning: package 'tidyverse' was built under R version 4.3.3
## Warning: package 'lubridate' was built under R version 4.3.3
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.4 ✔ readr 2.1.5
## ✔ forcats 1.0.0 ✔ stringr 1.5.1
## ✔ ggplot2 3.4.4 ✔ tibble 3.2.1
## ✔ lubridate 1.9.3 ✔ tidyr 1.3.1
## ✔ 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
library (dplyr)
flights <- flights
weather <- weather
planes <- planes
airports <- airports
airlines <- airlines
Fuente:
Origen
de los datos
# La carga a memoria se hizo en el paso anterior
flights
## # A tibble: 336,776 × 19
## year month day dep_time sched_dep_time dep_delay arr_time sched_arr_time
## <int> <int> <int> <int> <int> <dbl> <int> <int>
## 1 2013 1 1 517 515 2 830 819
## 2 2013 1 1 533 529 4 850 830
## 3 2013 1 1 542 540 2 923 850
## 4 2013 1 1 544 545 -1 1004 1022
## 5 2013 1 1 554 600 -6 812 837
## 6 2013 1 1 554 558 -4 740 728
## 7 2013 1 1 555 600 -5 913 854
## 8 2013 1 1 557 600 -3 709 723
## 9 2013 1 1 557 600 -3 838 846
## 10 2013 1 1 558 600 -2 753 745
## # ℹ 336,766 more rows
## # ℹ 11 more variables: arr_delay <dbl>, carrier <chr>, flight <int>,
## # tailnum <chr>, origin <chr>, dest <chr>, air_time <dbl>, distance <dbl>,
## # hour <dbl>, minute <dbl>, time_hour <dttm>
str(flights)
## tibble [336,776 × 19] (S3: tbl_df/tbl/data.frame)
## $ year : int [1:336776] 2013 2013 2013 2013 2013 2013 2013 2013 2013 2013 ...
## $ month : int [1:336776] 1 1 1 1 1 1 1 1 1 1 ...
## $ day : int [1:336776] 1 1 1 1 1 1 1 1 1 1 ...
## $ dep_time : int [1:336776] 517 533 542 544 554 554 555 557 557 558 ...
## $ sched_dep_time: int [1:336776] 515 529 540 545 600 558 600 600 600 600 ...
## $ dep_delay : num [1:336776] 2 4 2 -1 -6 -4 -5 -3 -3 -2 ...
## $ arr_time : int [1:336776] 830 850 923 1004 812 740 913 709 838 753 ...
## $ sched_arr_time: int [1:336776] 819 830 850 1022 837 728 854 723 846 745 ...
## $ arr_delay : num [1:336776] 11 20 33 -18 -25 12 19 -14 -8 8 ...
## $ carrier : chr [1:336776] "UA" "UA" "AA" "B6" ...
## $ flight : int [1:336776] 1545 1714 1141 725 461 1696 507 5708 79 301 ...
## $ tailnum : chr [1:336776] "N14228" "N24211" "N619AA" "N804JB" ...
## $ origin : chr [1:336776] "EWR" "LGA" "JFK" "JFK" ...
## $ dest : chr [1:336776] "IAH" "IAH" "MIA" "BQN" ...
## $ air_time : num [1:336776] 227 227 160 183 116 150 158 53 140 138 ...
## $ distance : num [1:336776] 1400 1416 1089 1576 762 ...
## $ hour : num [1:336776] 5 5 5 5 6 5 6 6 6 6 ...
## $ minute : num [1:336776] 15 29 40 45 0 58 0 0 0 0 ...
## $ time_hour : POSIXct[1:336776], format: "2013-01-01 05:00:00" "2013-01-01 05:00:00" ...
# Sirve para consultar la estructura
# int: entero (sin decimales)
# num: numérico (con decimales)
# chr: character (letras o palabras)
# Date: fecha (en R el formato es año-mes-día)
# POSIXct: formato fecha y hora
class(flights)
## [1] "tbl_df" "tbl" "data.frame"
# Las 5 clases de objetos son:
# 1. numeric: número rela o decimales
# 2. integer: números enteros
# 3. complex: números complejos
# 4. character: caracteres
# 5. logical: TRUE or FALSE
# Objetos Compues 4 clases
# 1. list: lista
# 2. matrix: matriz
# 3. array: coleccipon de objetos
# 4. data.frame: base de datos
# Número de columnas
ncol(flights)
## [1] 19
# Número de renglones
nrow(flights)
## [1] 336776
# Dimensión
dim(flights)
## [1] 336776 19
head(flights)
## # A tibble: 6 × 19
## year month day dep_time sched_dep_time dep_delay arr_time sched_arr_time
## <int> <int> <int> <int> <int> <dbl> <int> <int>
## 1 2013 1 1 517 515 2 830 819
## 2 2013 1 1 533 529 4 850 830
## 3 2013 1 1 542 540 2 923 850
## 4 2013 1 1 544 545 -1 1004 1022
## 5 2013 1 1 554 600 -6 812 837
## 6 2013 1 1 554 558 -4 740 728
## # ℹ 11 more variables: arr_delay <dbl>, carrier <chr>, flight <int>,
## # tailnum <chr>, origin <chr>, dest <chr>, air_time <dbl>, distance <dbl>,
## # hour <dbl>, minute <dbl>, time_hour <dttm>
tail(flights)
## # A tibble: 6 × 19
## year month day dep_time sched_dep_time dep_delay arr_time sched_arr_time
## <int> <int> <int> <int> <int> <dbl> <int> <int>
## 1 2013 9 30 NA 1842 NA NA 2019
## 2 2013 9 30 NA 1455 NA NA 1634
## 3 2013 9 30 NA 2200 NA NA 2312
## 4 2013 9 30 NA 1210 NA NA 1330
## 5 2013 9 30 NA 1159 NA NA 1344
## 6 2013 9 30 NA 840 NA NA 1020
## # ℹ 11 more variables: arr_delay <dbl>, carrier <chr>, flight <int>,
## # tailnum <chr>, origin <chr>, dest <chr>, air_time <dbl>, distance <dbl>,
## # hour <dbl>, minute <dbl>, time_hour <dttm>
# Si quisieramos 7 renglones: head(flights,7), 6 son por default
summary(flights)
## year month day dep_time sched_dep_time
## Min. :2013 Min. : 1.000 Min. : 1.00 Min. : 1 Min. : 106
## 1st Qu.:2013 1st Qu.: 4.000 1st Qu.: 8.00 1st Qu.: 907 1st Qu.: 906
## Median :2013 Median : 7.000 Median :16.00 Median :1401 Median :1359
## Mean :2013 Mean : 6.549 Mean :15.71 Mean :1349 Mean :1344
## 3rd Qu.:2013 3rd Qu.:10.000 3rd Qu.:23.00 3rd Qu.:1744 3rd Qu.:1729
## Max. :2013 Max. :12.000 Max. :31.00 Max. :2400 Max. :2359
## NA's :8255
## dep_delay arr_time sched_arr_time arr_delay
## Min. : -43.00 Min. : 1 Min. : 1 Min. : -86.000
## 1st Qu.: -5.00 1st Qu.:1104 1st Qu.:1124 1st Qu.: -17.000
## Median : -2.00 Median :1535 Median :1556 Median : -5.000
## Mean : 12.64 Mean :1502 Mean :1536 Mean : 6.895
## 3rd Qu.: 11.00 3rd Qu.:1940 3rd Qu.:1945 3rd Qu.: 14.000
## Max. :1301.00 Max. :2400 Max. :2359 Max. :1272.000
## NA's :8255 NA's :8713 NA's :9430
## carrier flight tailnum origin
## Length:336776 Min. : 1 Length:336776 Length:336776
## Class :character 1st Qu.: 553 Class :character Class :character
## Mode :character Median :1496 Mode :character Mode :character
## Mean :1972
## 3rd Qu.:3465
## Max. :8500
##
## dest air_time distance hour
## Length:336776 Min. : 20.0 Min. : 17 Min. : 1.00
## Class :character 1st Qu.: 82.0 1st Qu.: 502 1st Qu.: 9.00
## Mode :character Median :129.0 Median : 872 Median :13.00
## Mean :150.7 Mean :1040 Mean :13.18
## 3rd Qu.:192.0 3rd Qu.:1389 3rd Qu.:17.00
## Max. :695.0 Max. :4983 Max. :23.00
## NA's :9430
## minute time_hour
## Min. : 0.00 Min. :2013-01-01 05:00:00.00
## 1st Qu.: 8.00 1st Qu.:2013-04-04 13:00:00.00
## Median :29.00 Median :2013-07-03 10:00:00.00
## Mean :26.23 Mean :2013-07-03 05:22:54.64
## 3rd Qu.:44.00 3rd Qu.:2013-10-01 07:00:00.00
## Max. :59.00 Max. :2013-12-31 23:00:00.00
##
En este trabajo pudimos utilizar las funciones más comunes del ánalisis exploratorio, el cual es el primer paso para cualquier trabajo de manipulación de datos
view(flights)
summary(flights)
## year month day dep_time sched_dep_time
## Min. :2013 Min. : 1.000 Min. : 1.00 Min. : 1 Min. : 106
## 1st Qu.:2013 1st Qu.: 4.000 1st Qu.: 8.00 1st Qu.: 907 1st Qu.: 906
## Median :2013 Median : 7.000 Median :16.00 Median :1401 Median :1359
## Mean :2013 Mean : 6.549 Mean :15.71 Mean :1349 Mean :1344
## 3rd Qu.:2013 3rd Qu.:10.000 3rd Qu.:23.00 3rd Qu.:1744 3rd Qu.:1729
## Max. :2013 Max. :12.000 Max. :31.00 Max. :2400 Max. :2359
## NA's :8255
## dep_delay arr_time sched_arr_time arr_delay
## Min. : -43.00 Min. : 1 Min. : 1 Min. : -86.000
## 1st Qu.: -5.00 1st Qu.:1104 1st Qu.:1124 1st Qu.: -17.000
## Median : -2.00 Median :1535 Median :1556 Median : -5.000
## Mean : 12.64 Mean :1502 Mean :1536 Mean : 6.895
## 3rd Qu.: 11.00 3rd Qu.:1940 3rd Qu.:1945 3rd Qu.: 14.000
## Max. :1301.00 Max. :2400 Max. :2359 Max. :1272.000
## NA's :8255 NA's :8713 NA's :9430
## carrier flight tailnum origin
## Length:336776 Min. : 1 Length:336776 Length:336776
## Class :character 1st Qu.: 553 Class :character Class :character
## Mode :character Median :1496 Mode :character Mode :character
## Mean :1972
## 3rd Qu.:3465
## Max. :8500
##
## dest air_time distance hour
## Length:336776 Min. : 20.0 Min. : 17 Min. : 1.00
## Class :character 1st Qu.: 82.0 1st Qu.: 502 1st Qu.: 9.00
## Mode :character Median :129.0 Median : 872 Median :13.00
## Mean :150.7 Mean :1040 Mean :13.18
## 3rd Qu.:192.0 3rd Qu.:1389 3rd Qu.:17.00
## Max. :695.0 Max. :4983 Max. :23.00
## NA's :9430
## minute time_hour
## Min. : 0.00 Min. :2013-01-01 05:00:00.00
## 1st Qu.: 8.00 1st Qu.:2013-04-04 13:00:00.00
## Median :29.00 Median :2013-07-03 10:00:00.00
## Mean :26.23 Mean :2013-07-03 05:22:54.64
## 3rd Qu.:44.00 3rd Qu.:2013-10-01 07:00:00.00
## Max. :59.00 Max. :2013-12-31 23:00:00.00
##
mean_distance <- mean(flights$distance, na.rm = TRUE)
La media de la distancia recorrida en millas es 1040 mi
aero_recorrido <- select(flights, carrier, distance, origin, dest)
aero_millas <- filter(aero_recorrido, distance >1040)
aero_millas_orden <- arrange(aero_millas, desc(distance))
dist_recorrida <- flights %>%
group_by(carrier) %>%
summarize(
total_distance=sum(distance, na.rm=TRUE),
meandistance=mean(distance, na.rm=TRUE)) %>%
arrange(desc(total_distance))
Aerolíneas con Mayor Volumen de Operaciones: Las aerolíneas que aparecen al principio de la tabla, específicamente DL y UA, tienen las sumas totales de distancia recorrida más altas. Esto indica que son las aerolíneas con el mayor volumen de operaciones dentro de la base de datos. Esto podría deberse a que tienen una mayor frecuencia de vuelos, rutas más largas o una combinación de ambos factores.
Aerolíneas con Mayor Promedio de Distancia por Vuelo: Las aerolíneas con las medias más altas, como HA y VX, tienden a operar vuelos más largos en promedio. Esto sugiere que sus operaciones pueden estar más centradas en vuelos de larga distancia, posiblemente intercontinentales o transoceánicos.
Relación entre Volumen y Distancia Promedio: No hay una correlación directa entre el volumen total de operaciones y la distancia promedio de los vuelos. Por ejemplo, UA tiene una suma total alta y también una media relativamente alta, lo que podría indicar una combinación de un gran número de vuelos y una propensión hacia rutas de larga distancia. En cambio, OO y EV, aunque tienen un volumen considerable de operaciones, tienen una media más baja, lo que sugiere un enfoque en vuelos más cortos.
Diversidad Operativa: Algunas aerolíneas, como F9, tienen un menor número de operaciones pero una distancia media alta, lo que puede indicar una estrategia de vuelos menos frecuentes pero de mayor alcance.
La tabla permite identificar qué aerolíneas podrían ser grandes transportistas nacionales o internacionales (alta suma y alta media), aerolíneas regionales o de bajo costo (alta suma y baja media), y aerolíneas especializadas o de nicho (baja suma y alta media).
Esta tabla proporciona una perspectiva valiosa sobre las estrategias operativas de las aerolíneas y su posicionamiento en el mercado en términos de distancia y volumen de vuelos. Los datos pueden ser utilizados por la dirección del aeropuerto para tomar decisiones sobre asociaciones, priorización de horarios de vuelo, y desarrollo de infraestructura.
JFK <- flights %>%
filter(origin == "JFK") %>%
select(airline = carrier) %>%
group_by(airline) %>%
summarise(flights_count = n()) %>%
arrange(desc(flights_count))
LGA <- flights %>%
filter(origin == "LGA") %>%
select(airline = carrier) %>%
group_by(airline) %>%
summarise(flights_count = n()) %>%
arrange(desc(flights_count))
EWR <- flights %>%
filter(origin == "EWR") %>%
select(airline = carrier) %>%
group_by(airline) %>%
summarise(flights_count = n()) %>%
arrange(desc(flights_count))
Resumen:
Este reporte resume los hallazgos clave derivados del análisis de datos del paquete nycflights13, que contiene información detallada de vuelos, aerolíneas, aeropuertos, aviones y condiciones meteorológicas para el año 2013. Se realizó una exploración exhaustiva para entender la estructura de los datos y se manipuló el conjunto de datos de vuelos para identificar las aerolíneas líderes en términos de distancia recorrida desde los aeropuertos de Nueva York.
Exploración de Datos:
La estructura de los data frames fue examinada utilizando herramientas de R, destacando los siguientes puntos: Los datos incluyen diversos tipos como números enteros (int), números de doble precisión (dbl), cadenas de caracteres (chr), y fechas con tiempo (dttm). Se observaron campos de fecha y hora (year, month, day, time), identificadores de vuelo y aerolínea (carrier, flight), y parámetros de operaciones de vuelo (origin, dest, distance, delay).
Análisis Descriptivo de Vuelos:
El data frame flights contiene información detallada sobre las operaciones de vuelo: Se identificaron las aerolíneas con mayor y menor tráfico en términos de distancia total recorrida (total_distance) y distancia promedio por vuelo (meandistance).
Comparativa por Aeropuerto:
Los análisis individuales de cada aeropuerto (JFK, LGA, EWR) revelaron variaciones en las aerolíneas líderes por número de vuelos.
Implicaciones y Recomendaciones:
La distribución de operaciones de vuelo entre las aerolíneas sugiere una competencia dinámica y estrategias operativas diferenciadas. Los líderes por volumen y distancia tienden a ser transportadores nacionales o internacionales con amplias redes de rutas. Aquellas aerolíneas con altas distancias medias por vuelo, como HA, podrían estar sirviendo mercados de larga distancia con menos frecuencia.
Se recomienda una planificación estratégica que considere estos patrones operativos para optimizar la asignación de horarios de vuelo, la gestión de terminales y el desarrollo de infraestructura aeroportuaria. La colaboración con aerolíneas líderes debería enfocarse en mejorar la eficiencia operativa y la experiencia del pasajero, mientras que se deben identificar oportunidades de crecimiento con aerolíneas de rápido crecimiento o aquellas que sirven rutas especializadas.
# install.packages("nycflights13")
library(nycflights13)
#install.packages("tidyverse")
library (tidyverse)
library(dplyr)
view (planes)
view (weather)
aerolineas <- flights %>%
select(flight,carrier,origin,dest)
aerolineas_name <- aerolineas %>%
left_join(airlines, by = "carrier")
cantidad_vuelos <- flights %>%
group_by(dest, carrier) %>%
count() %>%
arrange(desc(n))
cantidad_vuelos_name <- cantidad_vuelos %>%
left_join(airlines, by = "carrier")
carrier_horario <- flights %>%
select(carrier, dest, dep_time) %>%
left_join(airlines, by = "carrier")
clasxhora<- mutate(carrier_horario, clas_horario = case_when (
dep_time >= 600 & dep_time < 1200 ~ "Mañana",
dep_time >= 1200 & dep_time < 1900 ~ "Tarde",
dep_time >= 1900 & dep_time <= 2400 ~ "Noche", TRUE ~ "Madrugada"))
cant_clasxhora <- clasxhora %>%
group_by(carrier, dest,clas_horario) %>% count()
destinos_aa <- clasxhora %>%
select(carrier,name, dest,clas_horario) %>%
filter(carrier == "AA" & clas_horario == "Madrugada") %>%
group_by(carrier,name, dest,clas_horario)
avion_aa <- flights %>%
left_join(planes, by = "tailnum") %>%
select(carrier, type, engine, seats) %>%
filter(carrier == "AA", !is.na(type)) %>%
group_by(carrier,type,engine,seats) %>%
count()
Análisis:
La exploración de datos del paquete nycflights13 ha proporcionado una visión integral de las operaciones de American Airlines Inc. Se revisaron detalladamente los data frames planes y weather para comprender la flota disponible y las condiciones meteorológicas asociadas. La integración de datos a través de múltiples data frames permitió establecer un perfil de la operatividad de la aerolínea.
Vuelos de American Airlines: Se identificaron todos los vuelos, clasificándolos por origen, destino y horario. La mayoría de los destinos más populares son aeropuertos grandes y centrales, con Dallas/Fort Worth (DFW) y Miami (MIA) liderando en frecuencia.
Clasificación de Vuelos por Horario: Los datos revelan que American Airlines tiene un número considerable de vuelos en la madrugada, posiblemente para maximizar la utilización de su flota y ofrecer conexiones tempranas.
Flota de American Airlines: La revisión de las aeronaves utilizadas por American Airlines muestra una variedad de tipos y capacidades de motores, con una presencia destacada de aviones con motores turbofan, indicando una flota moderna y eficiente en combustible.
Recomendaciones:
Optimización de la Red de Rutas: Se sugiere revisar las rutas de alta densidad para asegurar la eficiencia en el uso de las aeronaves y considerar ajustes en los destinos con menor frecuencia de vuelos.
Horarios de Vuelo: Evaluar la distribución de los vuelos en horarios nocturnos y matutinos para mejorar la oferta a los pasajeros y optimizar los tiempos de rotación de la flota.
Gestión de Flota: Continuar con la modernización de la flota para mantener una operación eficiente, especialmente en rutas de larga distancia.
Ejecución:
Análisis de Datos: Continuar con la integración y el análisis de datos operativos para respaldar decisiones estratégicas.
Diálogo con Stakeholders: Iniciar conversaciones con los aeropuertos y reguladores para discutir los hallazgos y planificar cambios en la red de rutas y horarios.
Monitoreo y Ajuste: Implementar un sistema de revisión y ajuste basado en el desempeño operativo y la respuesta del mercado.
aa_vuelos_retrasos <- flights %>%
filter(carrier == "AA") %>%
select(dep_delay, arr_delay)
ggplot(aa_vuelos_retrasos, aes(x = dep_delay, y = arr_delay)) +
geom_point(alpha = 0.3) +
labs(x = "Retraso en la Salida (minutos)", y = "Retraso en la Llegada (minutos)",
title = "Relación entre los Retrasos de Salida y Llegada de American Airlines")
## Warning: Removed 782 rows containing missing values (`geom_point()`).
clima_ewr <- weather %>%
filter(origin == "EWR", month == 1, day <= 15)
ggplot(clima_ewr, aes(x = time_hour, y = temp)) +
geom_line() +
labs(x = "Hora", y = "Temperatura (°C)",
title = "Tendencia de la Temperatura en Newark durante los Primeros 15 Días de Enero")
ggplot(clima_ewr, aes(x = temp)) +
geom_histogram(binwidth = 1, fill = "blue", color = "black") +
labs(x = "Temperatura (°C)", y = "Frecuencia",
title = "Distribución de la Temperatura en Newark durante los Primeros 15 Días de Enero")
clima_anual <- weather %>%
filter(origin == "EWR")
ggplot(clima_anual, aes(x = temp)) +
geom_histogram(binwidth = 1, fill = "blue", color = "black") +
facet_wrap(~month) +
labs(x = "Temperatura (°C)", y = "Frecuencia",
title = "Distribución de la Temperatura en Newark por Mes")
## Warning: Removed 1 rows containing non-finite values (`stat_bin()`).
top_aerolinea <- flights %>%
group_by(carrier) %>%
summarize(count = n()) %>%
arrange(desc(count)) %>%
slice(1:10)
ggplot(top_aerolinea, aes(x = reorder(carrier, count), y = count, fill = carrier)) +
geom_bar(stat = "identity") +
labs(x = "Aerolínea", y = "Número de Vuelos",
title = "Top 10 Aerolíneas por Número de Vuelos desde Nueva York en 2013")
ggplot(top_aerolinea, aes(x = "", y = count, fill = carrier)) +
geom_bar(width = 1, stat = "identity") +
coord_polar("y", start = 0) +
labs(x = "", y = "",
title = "Distribución del Número de Vuelos por Aerolínea en 2013")
flights_con_airports <- airports %>% rename('dest' = 'faa')
flights_con_airports <- flights %>%
left_join(flights_con_airports, by = c("dest"))
top_carriers_by_dest <- flights_con_airports %>%
select(carrier, origin) %>%
group_by(origin, carrier) %>%
count(origin) %>%
arrange(desc(n))
top_EWR <- top_carriers_by_dest %>% filter(origin%in%("EWR")) %>% head(5)
top_JFK <- top_carriers_by_dest %>% filter(origin%in%("JFK")) %>% head(5)
top_LGA <- top_carriers_by_dest %>% filter(origin%in%("LGA")) %>% head(5)
# Gráfico de barras
ggplot(top_carriers_by_dest , aes(x=carrier, y=n, fill=origin)) +
geom_bar(stat="identity", color='#FFFFFF') +
scale_fill_manual(values=c('#FFC0CB','#30FF24', '#FF5733')) +
labs(title='Top 5 aerolineas', x='Aerolinea', y='Cantidad')
# Gráfico de barras con resultados no apilados
ggplot(top_carriers_by_dest, aes(x = carrier, y = n, fill = origin)) +
geom_bar(stat = "identity", color = "#FFFFFF", position = position_dodge(width = 0.8)) +
theme_minimal() +
scale_fill_manual(values = c('#FFC0CB', '#30FF24', '#FF5733')) +
labs(title = 'Top 5 aerolíneas por destino', x = 'Aerolínea', y = 'Cantidad')
# Gráficos de barras apilados verticalmente, uno por color
ggplot(top_carriers_by_dest, aes(x = carrier, y = n, fill = origin)) +
geom_bar(stat = "identity", color = "#FFFFFF", position = position_dodge(width = 0.8)) +
theme_minimal() +
scale_fill_manual(values = c('#FFC0CB', '#30FF24', '#FF5733')) +
labs(title = 'Top 5 aerolíneas por destino', x = 'Aerolínea', y = 'Cantidad') +
facet_grid(origin ~ ., scales = "free_y", space = "free_y")
Contexto: Este reporte consolida visualizaciones críticas para la aerolínea American Airlines, destacando aspectos fundamentales de sus operaciones de vuelo en 2013 y proporcionando información que podría influir en las decisiones estratégicas futuras.
Análisis de Puntualidad: La gráfica de dispersión examina la relación entre los retrasos de salida y llegada. Datos claves a destacar incluyen: * Una tendencia notoria en la que vuelos retrasados en su partida tienden a llegar también con retraso. * Observaciones de vuelos con retrasos de salida de más de 250 minutos generalmente indican retrasos similares en la llegada, sugiriendo que los retrasos no se recuperan en vuelo.
Condiciones Meteorológicas en EWR: Las visualizaciones meteorológicas muestran patrones para los primeros 15 días de enero:
Distribución de Vuelos: La representación de los vuelos de todas las aerolíneas desde Nueva York muestra:
Preferencias de Destino: Las gráficas de barras y pastel indican:
Recomendaciones Estratégicas:
Acciones Propuestas:
Conclusión: Los hallazgos de estas visualizaciones proporcionan una base para mejorar la eficiencia operativa, aumentar la satisfacción del cliente y fortalecer la posición de mercado de American Airlines. Se recomienda una revisión detallada de las políticas de programación y un enfoque analítico continuo para el ajuste y la innovación en las operaciones de vuelo.
En el entorno del transporte aéreo, los retrasos en los vuelos representan un problema significativo tanto para las aerolíneas como para los pasajeros, llevando a inconvenientes operacionales y costos económicos elevados. Comprender las causas de estos retrasos es fundamental para mejorar la eficiencia de las operaciones aéreas y la satisfacción del cliente. Entre las múltiples razones que pueden contribuir a los retrasos de los vuelos, las condiciones climáticas son conocidas por ser una de las más críticas e impredecibles.
El objetivo de la investigación es conocer cómo las diferentes condiciones climáticas afectan los tiempos de retraso en los vuelos. Al centrarse en variables como la visibilidad, la precipitación, la velocidad del viento y la humedad, se busca cuantificar su impacto en los retrasos y proporcionar insights que podrían ayudar a las aerolíneas y operadores aeroportuarios a mejorar la puntualidad de los vuelos.
#Llamar a las librerías que se usarán
library(nycflights13)
library (tidyverse)
vuelos_aerolinea <- flights %>%
group_by(carrier) %>%
summarise(
avg_dep_delay = mean(dep_delay, na.rm = TRUE),
avg_arr_delay = mean(arr_delay, na.rm = TRUE),
total_flights = n(),
delayed_flights = sum(dep_delay > 0, na.rm = TRUE),
perc_delayed = (delayed_flights / total_flights) * 100
) %>%
arrange(desc(avg_dep_delay))
ggplot(vuelos_aerolinea, aes(x = carrier, y = perc_delayed)) +
geom_bar(stat = "identity", fill = "coral") +
geom_text(aes(label = round(perc_delayed, 1), y = perc_delayed + 1), vjust = 0.5, color = "black", size = 3.5) +
labs(x = "Aerolínea", y = "Porcentaje de Vuelos Retrasados", title = "Porcentaje de Vuelos Retrasados por Aerolínea")
vuelos_aeropuerto <- flights %>%
group_by(origin) %>%
summarise(
avg_dep_delay = mean(dep_delay, na.rm = TRUE),
total_flights = n(),
delayed_flights = sum(dep_delay > 0, na.rm = TRUE),
perc_delayed = (delayed_flights / total_flights) * 100
) %>%
arrange(desc(avg_dep_delay))
ggplot(vuelos_aeropuerto, aes(x = origin, y = avg_dep_delay)) +
geom_bar(stat = "identity", fill = "chartreuse3") +
geom_text(aes(label = paste(round(perc_delayed, 1), "%"), y = avg_dep_delay + 1), vjust = 0.5, color = "black", size = 3.5) +
labs(x = "Aeropuerto", y = "Promedio de Retraso de Salida (min)", title = "Retraso Promedio de Salida por Aeropuerto")
flights$hour <- round(flights$dep_time / 100, 0)
retraso_hora <- flights %>%
group_by(hour) %>%
summarise(avg_dep_delay = mean(dep_delay, na.rm = TRUE),
total_flights = n(),
delayed_flights = sum(dep_delay > 0, na.rm = TRUE),
perc_delayed = (delayed_flights / total_flights) * 100) %>%
arrange(hour)
ggplot(retraso_hora, aes(x = hour, y = perc_delayed)) +
geom_line(group = 1, color = "blue") +
geom_text(aes(label = round(perc_delayed, 1)), vjust = -0.5, color = "antiquewhite4") +
labs(x = "Hora del Día", y = "Porcentaje de Retrasos", title = "Porcentaje de Retraso Promedio de Salida por Hora del Día")
## Warning: Removed 1 row containing missing values (`geom_line()`).
## Warning: Removed 1 rows containing missing values (`geom_text()`).
flights$wday <- wday(flights$time_hour, label = TRUE)
retrasos_dia_semana <- flights %>%
group_by(wday) %>%
summarise(
avg_dep_delay = mean(dep_delay, na.rm = TRUE),
avg_arr_delay = mean(arr_delay, na.rm = TRUE),
total_flights = n(),
delayed_flights = sum(dep_delay > 0, na.rm = TRUE),
perc_delayed = (delayed_flights / total_flights) * 100
)
ggplot(retrasos_dia_semana, aes(x = wday, y = perc_delayed)) +
geom_bar(stat = "identity", fill = "#76EEC6") +
geom_text(aes(label = round(perc_delayed, 1)), vjust = -0.5, color = "black") +
labs(x = "Día de la Semana", y = "Porcentaje de Retrasos", title = "Porcentaje de Retraso Promedio de Salida por Día de la Semana")
#Combinar los datos de los vuelos con los datos del clima en un solo Data Frame
flights_weather <- left_join(flights, weather, by = c("year", "month", "day", "hour", "origin"))
# Filtrar valores nulos
flights_weather <- flights_weather %>%
filter(!is.na(dep_delay))
ggplot(flights_weather, aes(x = temp, y = dep_delay)) +
geom_point(alpha = 0.3) +
geom_smooth(method = "lm", se = FALSE, color = "blue") +
labs(x = "Temperatura (°F)", y = "Retraso en la Salida (minutos)", title = "Relación entre la Temperatura y los Retrasos en la Salida")
## `geom_smooth()` using formula = 'y ~ x'
## Warning: Removed 2307 rows containing non-finite values (`stat_smooth()`).
## Warning: Removed 2307 rows containing missing values (`geom_point()`).
modelo_regresion <- lm(dep_delay ~ temp + dewp + humid + wind_dir + wind_speed + precip + visib, data = flights_weather)
summary(modelo_regresion)
##
## Call:
## lm(formula = dep_delay ~ temp + dewp + humid + wind_dir + wind_speed +
## precip + visib, data = flights_weather)
##
## Residuals:
## Min 1Q Median 3Q Max
## -67.61 -17.81 -11.73 -0.68 1288.64
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -6.210e+01 2.060e+00 -30.14 <2e-16 ***
## temp 1.023e+00 4.114e-02 24.88 <2e-16 ***
## dewp -9.868e-01 4.425e-02 -22.30 <2e-16 ***
## humid 7.724e-01 2.180e-02 35.44 <2e-16 ***
## wind_dir 8.728e-03 7.487e-04 11.66 <2e-16 ***
## wind_speed 2.875e-01 1.392e-02 20.66 <2e-16 ***
## precip 3.816e+01 2.791e+00 13.67 <2e-16 ***
## visib 6.901e-01 4.948e-02 13.95 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 39.58 on 318246 degrees of freedom
## (10267 observations deleted due to missingness)
## Multiple R-squared: 0.02422, Adjusted R-squared: 0.02419
## F-statistic: 1128 on 7 and 318246 DF, p-value: < 2.2e-16
Todos los coeficientes tienen p-valores significativamente menores que 0.05, lo que indica que hay una fuerte evidencia estadística de que las variables tienen un efecto significativo en los retrasos de llegada. En conclusión, este modelo indica que hay una relación estadísticamente significativa entre los factores climáticos incluidos y los retrasos en los vuelos, aunque el modelo solo explica una pequeña parte de la variabilidad en los retrasos de los vuelos.
ggplot(flights_weather, aes(x = visib, y = dep_delay)) +
geom_point(aes(color = origin), alpha = 0.5) +
geom_smooth(method = "lm", aes(color = origin), se = FALSE) +
facet_wrap(~ origin) +
labs(title = "Relación entre Visibilidad y Retrasos en la Salida por Aeropuerto",
x = "Visibilidad (millas)",
y = "Retraso en la Salida (minutos)") +
theme_minimal() +
scale_color_brewer(type = 'qual', palette = 'Set1')
## `geom_smooth()` using formula = 'y ~ x'
## Warning: Removed 2293 rows containing non-finite values (`stat_smooth()`).
## Warning: Removed 2293 rows containing missing values (`geom_point()`).
## Precipitación de Retrasos en la Salida
por Aeropuerto y Visibilidad
ggplot(flights_weather, aes(x = precip, y = dep_delay)) +
geom_point(aes(color = origin), alpha = 0.5) +
geom_smooth(method = "lm", aes(color = origin), se = FALSE) +
facet_wrap(~ origin) +
labs(title = "Relación entre Precipitacion y Retrasos en la Salida por Aeropuerto",
x = "Precipitacion",
y = "Retraso en la Salida (minutos)") +
theme_minimal() +
scale_color_brewer(type = 'qual', palette = 'Set1')
## `geom_smooth()` using formula = 'y ~ x'
## Warning: Removed 2293 rows containing non-finite values (`stat_smooth()`).
## Warning: Removed 2293 rows containing missing values (`geom_point()`).
Al integrar los conjuntos de datos de vuelos y clima, pudimos evaluar cómo factores específicos del clima, como la visibilidad, la precipitación, la velocidad del viento y la humedad, se relacionan con los retrasos en la llegada de los vuelos. A través de un modelo de regresión lineal, encontramos que la visibilidad y la precipitación tienen un impacto considerable en los tiempos de retraso. Específicamente, la precipitación está fuertemente asociada con aumentos significativos en los retrasos, mientras que una mayor visibilidad tiende a reducir los tiempos de retraso. La velocidad del viento y la humedad también mostraron tener un efecto, aunque en menor medida.
El modelo sugiere que las condiciones climáticas adversas son un factor clave en la ocurrencia de retrasos de vuelos. La precipitación, en particular, puede causar retrasos significativos, probablemente debido a su impacto en la visibilidad y en las operaciones de los aeropuertos, como despegues y aterrizajes más cautelosos y la necesidad de deshielo de las aeronaves. La visibilidad reducida puede forzar a los controladores de tráfico aéreo a incrementar los intervalos entre los despegues y aterrizajes para garantizar la seguridad, lo que también contribuye a los retrasos.
Recomendaciones:
Ejecución:
En resumen, un análisis detallado de las operaciones aéreas y las condiciones climáticas subraya la importancia de una planificación proactiva y de la adaptabilidad en la gestión de la aviación. La identificación de patrones específicos en las retrasos ayuda a dirigir las estrategias operativas y de mitigación para mejorar la puntualidad de los vuelos.
De la misma manera, los datos analizados evidencian que los retrasos de vuelo son un fenómeno multifacético que afecta directamente a la eficiencia operacional de las aerolíneas y la gestión aeroportuaria combinandolo con factores ambientales. La primera gráfica destaca la disparidad en el porcentaje de vuelos retrasados entre las aerolíneas; por ejemplo, mientras que aerolíneas como HA (Hawaiian Airlines) muestran menores retrasos, otras como WN (Southwest Airlines) presentan porcentajes significativamente más altos. Esta variabilidad puede indicar diferencias en la administración de las operaciones y la capacidad de respuesta a factores disruptivos. Por otro lado, la segunda gráfica muestra que el aeropuerto EWR tiene un porcentaje más alto de retrasos en comparación con JFK y LGA, lo cual podría estar influenciado por su ubicación y la densidad de tráfico aéreo. La tercera gráfica refleja que los retrasos aumentan drásticamente en las últimas horas del día, señalando posibles ineficiencias en la planificación de vuelos y la acumulación de retrasos a lo largo del día. Finalmente, la cuarta gráfica sugiere que los días de fin de semana presentan un menor porcentaje de retrasos, lo que podría ser explotado para mejorar la programación de vuelos durante la semana laboral. El patrón claro de incremento en retrasos con la disminución de visibilidad y el aumento de precipitación sugiere que ciertas condiciones climáticas exacerban las demoras operativas. Específicamente, EWR muestra una correlación sustancial entre baja visibilidad y retrasos extendidos, lo cual resalta la importancia de sistemas de navegación y control robustos. Similarmente, un aumento en los retrasos durante los periodos de precipitación indica la necesidad de una gestión más eficiente durante mal tiempo.
Específicamente, aerolíneas con altos retrasos pueden necesitar mejorar su gestión de horarios o la eficiencia en las operaciones de tierra. EWR podría requerir una evaluación de la gestión de tráfico o una mejora en la infraestructura. La tendencia de retrasos por hora sugiere que estrategias como ajustar los horarios de vuelo para distribuir uniformemente la carga de trabajo podrían aliviar los picos de retraso. Los datos de retraso por día de la semana ofrecen una oportunidad para redistribuir los vuelos de manera que se reduzca la congestión en días laborales. La concentración de retrasos en EWR bajo condiciones de visibilidad menor a 2 millas y la tendencia a retrasos más largos en todos los aeropuertos durante la precipitación apuntan a la necesidad de estrategias proactivas para mitigar el impacto del clima en las operaciones aéreas. Ejecución:
Implementar programas de entrenamiento para el personal que mejoren la eficiencia en tierra, adaptar los horarios de vuelo a las tendencias observadas, y mejorar la infraestructura de los aeropuertos pueden ser pasos efectivos hacia la reducción de retrasos. Las aerolíneas podrían beneficiarse de la revisión de sus procedimientos operativos basándose en los datos específicos de retrasos, mientras que los aeropuertos como EWR podrían necesitar inversiones en tecnología para la gestión del tráfico en condiciones climáticas adversas y picos de actividad. Sería prudente para los aeropuertos fortalecer los protocolos para condiciones de baja visibilidad y alta precipitación, quizás a través de la mejora de sistemas tecnológicos y entrenamiento especializado del personal, enfocándose en EWR como un caso prioritario debido a su alta susceptibilidad a retrasos por factores climáticos.
Camila Cevallos A00837355
La integridad es un valor fundamental en cualquier ámbito de la vida, y es especialmente crucial en el mundo de los negocios y el análisis de datos. La integridad implica ser honesto, justo, y mantener un conjunto coherente de principios éticos en todas nuestras acciones. Es un compromiso que guía la conducta hacia prácticas transparentes y éticas, asegurando que se actúe de manera consistente con valores morales y éticos, independientemente de las circunstancias o consecuencias.
Desde una perspectiva personal, actuar con respeto y honestidad en los negocios y el uso de datos significa varias cosas. En primer lugar, es tratar la información confidencial con la máxima discreción, respetando la privacidad y los derechos de todas las partes interesadas. En segundo lugar, es asegurar que el análisis de datos sea imparcial, objetivo y libre de manipulaciones que puedan distorsionar la verdad o influir indebidamente en las decisiones. Finalmente, implica comunicar los hallazgos de manera clara y precisa, admitiendo limitaciones y evitando exagerar las conclusiones.
En el uso de datos de una empresa, actuar con integridad significa también garantizar la calidad y la precisión de los datos, reconocer y corregir los errores, y evitar el sesgo en la recolección, análisis e interpretación de datos. Significa mantener la objetividad, incluso cuando los resultados del análisis puedan no alinearse con los intereses personales o los de la empresa. Esto es esencial para mantener la confianza y la credibilidad tanto internamente como con clientes y socios.