flights %>%
group_by(origin) %>%
summarise(n=n(),depm=mean(dep_delay,na.rm=T))# A tibble: 3 × 3
origin n depm
<chr> <int> <dbl>
1 EWR 120835 15.1
2 JFK 111279 12.1
3 LGA 104662 10.3tidyverse初认识
1 第一题 编写代码
利用nycflights13包的flights数据集是2013年从纽约三大机场（JFK、LGA、EWR）起飞的所有航班的准点数据，共336776条记录。
计算纽约三大机场2013起飞航班数和平均延误时间（可使用group_by, summarise函数）
计算不同航空公司2013从纽约起飞航班数和平均延误时间
flights %>% group_by(carrier) %>% summarise(n=n(),depm=mean(dep_delay,na.rm = T)) %>% arrange(desc(n))# A tibble: 16 × 3 carrier n depm <chr> <int> <dbl> 1 UA 58665 12.1 2 B6 54635 13.0 3 EV 54173 20.0 4 DL 48110 9.26 5 AA 32729 8.59 6 MQ 26397 10.6 7 US 20536 3.78 8 9E 18460 16.7 9 WN 12275 17.7 10 VX 5162 12.9 11 FL 3260 18.7 12 AS 714 5.80 13 F9 685 20.2 14 YV 601 19.0 15 HA 342 4.90 16 OO 32 12.6计算纽约三大机场排名前三个目的地和平均飞行距离(可使用group_by, summarise, arrange, slice_max函数)
flights %>% group_by(origin,dest) %>% summarise(n=n(),distm=mean(distance)) %>% slice_max(n,n=3)`summarise()` has grouped output by 'origin'. You can override using the `.groups` argument.# A tibble: 9 × 4 # Groups: origin [3] origin dest n distm <chr> <chr> <int> <dbl> 1 EWR ORD 6100 719 2 EWR BOS 5327 200 3 EWR SFO 5127 2565 4 JFK LAX 11262 2475 5 JFK SFO 8204 2586 6 JFK BOS 5898 187 7 LGA ATL 10263 762 8 LGA ORD 8857 733 9 LGA CLT 6168 544
2 第二题
1.代码含义：将iris数据集转换为tibble格式，并对其进行排序。首先按照Species列进行升序排序，然后在每个Species组内，对以Sepal开头的列进行降序排序。最终的结果是一个排序后的tibble
tibble(iris) %>% arrange(Species,across(starts_with("Sepal"), desc))# A tibble: 150 × 5 Sepal.Length Sepal.Width Petal.Length Petal.Width Species <dbl> <dbl> <dbl> <dbl> <fct> 1 5.8 4 1.2 0.2 setosa 2 5.7 4.4 1.5 0.4 setosa 3 5.7 3.8 1.7 0.3 setosa 4 5.5 4.2 1.4 0.2 setosa 5 5.5 3.5 1.3 0.2 setosa 6 5.4 3.9 1.7 0.4 setosa 7 5.4 3.9 1.3 0.4 setosa 8 5.4 3.7 1.5 0.2 setosa 9 5.4 3.4 1.7 0.2 setosa 10 5.4 3.4 1.5 0.4 setosa # ℹ 140 more rows- 代码含义：对starwars数据集按照gender列（性别）进行分组，在每个性别组中，筛选出体重（mass）大于该组平均体重的角色，最终返回一个筛选后的数据集，其中只包含体重高于其性别组平均体重的角色
starwars %>%
group_by(gender) %>%
filter(mass > mean(mass, na.rm = TRUE))# A tibble: 15 × 14
# Groups: gender [3]
name height mass hair_color skin_color eye_color birth_year sex gender
<chr> <int> <dbl> <chr> <chr> <chr> <dbl> <chr> <chr>
1 Darth … 202 136 none white yellow 41.9 male mascu…
2 Owen L… 178 120 brown, gr… light blue 52 male mascu…
3 Beru W… 165 75 brown light blue 47 fema… femin…
4 Chewba… 228 112 brown unknown blue 200 male mascu…
5 Jabba … 175 1358 <NA> green-tan… orange 600 herm… mascu…
6 Jek To… 180 110 brown fair blue NA <NA> <NA>
7 IG-88 200 140 none metal red 15 none mascu…
8 Bossk 190 113 none green red 53 male mascu…
9 Ayla S… 178 55 none blue hazel 48 fema… femin…
10 Gregar… 185 85 black dark brown NA <NA> <NA>
11 Lumina… 170 56.2 black yellow blue 58 fema… femin…
12 Zam We… 168 55 blonde fair, gre… yellow NA fema… femin…
13 Shaak … 178 57 none red, blue… black NA fema… femin…
14 Grievo… 216 159 none brown, wh… green, y… NA male mascu…
15 Tarfful 234 136 brown brown blue NA male mascu…
# ℹ 5 more variables: homeworld <chr>, species <chr>, films <list>,
# vehicles <list>, starships <list>代码含义：从starwars数据集中选择name、homeworld和species三列，将homeworld和species列的数据类型转换为因子类型，返回一个修改后的数据框，其中homeworld和species列是因子类型，而name列保持不变
starwars %>% select(name, homeworld, species) %>% mutate(across(!name, as.factor))# A tibble: 87 × 3 name homeworld species <chr> <fct> <fct> 1 Luke Skywalker Tatooine Human 2 C-3PO Tatooine Droid 3 R2-D2 Naboo Droid 4 Darth Vader Tatooine Human 5 Leia Organa Alderaan Human 6 Owen Lars Tatooine Human 7 Beru Whitesun Lars Tatooine Human 8 R5-D4 Tatooine Droid 9 Biggs Darklighter Tatooine Human 10 Obi-Wan Kenobi Stewjon Human # ℹ 77 more rows代码含义：将mtcars数据集转换为tibble格式，按照vs列对数据进行分组，在每组中，将hp列的值分成3个区间，并创建一个新列hp_cut表示这些区间，最后按照hp_cut列对数据进行分组。
tibble(mtcars) %>% group_by(vs) %>% mutate(hp_cut = cut(hp, 3)) %>% group_by(hp_cut)# A tibble: 32 × 12 # Groups: hp_cut [6] mpg cyl disp hp drat wt qsec vs am gear carb hp_cut <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <fct> 1 21 6 160 110 3.9 2.62 16.5 0 1 4 4 (90.8,172] 2 21 6 160 110 3.9 2.88 17.0 0 1 4 4 (90.8,172] 3 22.8 4 108 93 3.85 2.32 18.6 1 1 4 1 (75.7,99.3] 4 21.4 6 258 110 3.08 3.22 19.4 1 0 3 1 (99.3,123] 5 18.7 8 360 175 3.15 3.44 17.0 0 0 3 2 (172,254] 6 18.1 6 225 105 2.76 3.46 20.2 1 0 3 1 (99.3,123] 7 14.3 8 360 245 3.21 3.57 15.8 0 0 3 4 (172,254] 8 24.4 4 147. 62 3.69 3.19 20 1 0 4 2 (51.9,75.7] 9 22.8 4 141. 95 3.92 3.15 22.9 1 0 4 2 (75.7,99.3] 10 19.2 6 168. 123 3.92 3.44 18.3 1 0 4 4 (99.3,123] # ℹ 22 more rows
3 第三题 查找帮助理解函数
阅读 https://dplyr.tidyverse.org/reference/mutate-joins.html 内容，说明4个数据集链接函数函数的作用。分别举一个实际例子演示并解释其输出结果。
inner_join()：其作用是返回两个数据框中键匹配的行，也就是交集# 创建两个示例数据框 df1 <- tibble(id = c(1, 2, 3), value_x = c("A", "B", "C")) df2 <- tibble(id = c(2, 3, 4), value_y = c("X", "Y", "Z")) # 执行 inner_join result <- inner_join(df1, df2, by = "id") print(result)# A tibble: 2 × 3 id value_x value_y <dbl> <chr> <chr> 1 2 B X 2 3 C Yleft_join()：保留左边数据框的所有行，右边没有匹配的用NA来填充result <- left_join(df1, df2, by = "id") print(result)# A tibble: 3 × 3 id value_x value_y <dbl> <chr> <chr> 1 1 A <NA> 2 2 B X 3 3 C Yright_join()：保留右边数据框的所有行，左边没有匹配的用NA来填充result <- right_join(df1, df2, by = "id") print(result)# A tibble: 3 × 3 id value_x value_y <dbl> <chr> <chr> 1 2 B X 2 3 C Y 3 4 <NA> Zfull_join()：是以上两者的并集，保留所有行，缺失的部分用NA来填充result <- full_join(df1, df2, by = "id") print(result)# A tibble: 4 × 3 id value_x value_y <dbl> <chr> <chr> 1 1 A <NA> 2 2 B X 3 3 C Y 4 4 <NA> Z