第 1 次作業的解答

作業

flights 檔是一個來自 nycflights13 套件之極為龐大的資料檔，請自行瀏覽其內容，接著請回答如下問題：

1. 使用 str() 以及 summary() 指令查驗其內容， 指出其所含連續變量與類別變量的數目

flights |> str()

文字型變量 carrier, tailnum, origin, dest 都是類別變量

附帶說明：

time_hour 是所謂的「日期/時間」變量，是另外一種特殊類型，這在之後對時間序列資料的分析中非常重要

2. 先截取檔案的前 500 筆樣本，再使用兩種指令分別製作兩個連續變量 air_time 與 distance 之間的 scatter plot

plot(flights[1:500,]$distance,flights[1:500,]$air_time)

flights[1:500,] |> ggplot() + geom_point(aes(distance,air_time))

附帶說明：

flights[1:500,] |> na.omit() |> ggplot() + geom_point(aes(distance,air_time))

這個 ggplot 的指令多加了 na.omit() 函數，先清除檔案中的缺漏值 (任何包含缺漏值的列都將被刪除) 再製圖，可避免警語的出現

3. 就同樣的檔案前 500 筆樣本使用 tapply() 函式對連續變量 distance 計算依類別變量 origin 進行分組後的各分組 mean 、 sd 以及 max， 請分別使用 enframe() 函式將前述向量結果轉換成 data.frame 後再製作 bar plot

f = flights[1:500,]
tapply(f$distance,f$origin,mean)
tapply(f$distance,f$origin,sd)
tapply(f$distance,f$origin,max)

tapply(f$distance,f$origin,mean) |> enframe() |> 
  ggplot() + geom_col(aes(name,value))

tapply(f$distance,f$origin,sd) |> enframe() |> 
  ggplot() + geom_col(aes(name,value))

tapply(f$distance,f$origin,max) |> enframe() |> 
  ggplot() + geom_col(aes(name,value))