flights |>
group_by(origin) |>
summarise(n=n(),dly=mean(dep_delay,na.rm =T))# A tibble: 3 × 3
origin n dly
<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(),dly=mean(dep_delay,na.rm =T)) |> arrange(desc(n))# A tibble: 16 × 3 carrier n dly <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(),dist=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 dist <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 解释代码
代码含义：将鸢尾花数据iris数据框转化为tibble格式，对转换后的tibble进行排序：先按照Species列进行升序排序，再然后对以Sepal开头的列（优先按Sepal.Length降序排列，相同则按Sepal.Width排列）进行降序排序。
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（星球大战）数据集按照gender列（性别）对数据进行分组，在每个性别组内，筛选出体重（mass）大于该组平均体重的行。
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：先从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（factor）
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：将数据mtcars数据框转化为tibble格式，按照vs列（发动机类型）对数据进行分组，在每个vs组内，将hp列（马力）的值分成3个区间，并将结果存储在新列hp_cut中吗，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(只保留两个数据集中键值匹配的行。)library(dplyr) # 将 Titanic 数据集转换为数据框 titanic_df <- as.data.frame(Titanic) # 创建两个示例数据集 df1 <- titanic_df[1:10, ] # 取前 10 行 df2 <- titanic_df[6:15, ] # 取第 6 到 15 行 # 使用 inner_join 连接 result <- inner_join(df1, df2, by = c("Class", "Sex", "Age", "Survived")) print(result)Class Sex Age Survived Freq.x Freq.y 1 2nd Female Child No 0 0 2 3rd Female Child No 17 17 3 Crew Female Child No 0 0 4 1st Male Adult No 118 118 5 2nd Male Adult No 154 154
##inner_join 只保留两个数据集中键值完全匹配的行。在这个例子中，键值是 Class、Sex、Age 和 Survived 列的组合。以下是匹配的行及其解释：
第一，2nd Female Child No:Freq.x 和 Freq.y 的值都是 0，表示在 df1 和 df2 中，2nd 舱位、女性、儿童、未存活的人数都是 0。
第二，3rd Female Child No:Freq.x 和 Freq.y 的值都是 17，表示在 df1 和 df2 中，3rd 舱位、女性、儿童、未存活的人数都是 17。
第三，Crew Female Child No:Freq.x 和 Freq.y 的值都是 0，表示在 df1 和 df2 中，船员、女性、儿童、未存活的人数都是 0。
第四，1st Male Adult No:Freq.x 和 Freq.y 的值都是 118，表示在 df1 和 df2 中，1st 舱位、男性、成人、未存活的人数都是 118。
第五，2nd Male Adult No:Freq.x 和 Freq.y 的值都是 154，表示在 df1 和 df2 中，2nd 舱位、男性、成人、未存活的人数都是 154。
注：如果某个键值组合（如 1st Female Child No）在 df1 或 df2 中不存在，则该行会被丢弃。例如，1st Female Child No 在 df1 或 df2 中可能不存在，因此不会出现在结果中。left_join(保留左边数据集的所有行，并将右边数据集中匹配的行合并进来。如果右边数据集中没有匹配的行，则用NA填充。)# 使用 left_join 连接 result <- left_join(df1, df2, by = c("Class", "Sex", "Age", "Survived")) print(result)Class Sex Age Survived Freq.x Freq.y 1 1st Male Child No 0 NA 2 2nd Male Child No 0 NA 3 3rd Male Child No 35 NA 4 Crew Male Child No 0 NA 5 1st Female Child No 0 NA 6 2nd Female Child No 0 0 7 3rd Female Child No 17 17 8 Crew Female Child No 0 0 9 1st Male Adult No 118 118 10 2nd Male Adult No 154 154
##left_join 保留左边数据集（df1）的所有行，并将右边数据集（df2）中匹配的行合并进来。如果右边数据集中没有匹配的行，则用 NA 填充。以下是匹配的行及其解释：
第一，1st Male Child No: Freq.x 为 0，表示在 df1 中，1st 舱位、男性、儿童、未存活的人数为 0。 Freq.y 为 NA，表示在 df2 中没有找到匹配的行。
第二，2nd Male Child No: Freq.x 为 0，表示在 df1 中，2nd 舱位、男性、儿童、未存活的人数为 0。 Freq.y 为 NA，表示在 df2 中没有找到匹配的行。
第三，3rd Male Child No: Freq.x 为 35，表示在 df1 中，3rd 舱位、男性、儿童、未存活的人数为 35。 Freq.y 为 NA，表示在 df2 中没有找到匹配的行。
第四，Crew Male Child No: Freq.x 为 0，表示在 df1 中，船员、男性、儿童、未存活的人数为 0。 Freq.y 为 NA，表示在 df2 中没有找到匹配的行。
第五，1st Female Child No: Freq.x 为 0，表示在 df1 中，1st 舱位、女性、儿童、未存活的人数为 0。 Freq.y 为 NA，表示在 df2 中没有找到匹配的行。
第六，2nd Female Child No: Freq.x 为 0，表示在 df1 中，2nd 舱位、女性、儿童、未存活的人数为 0。 Freq.y 为 0，表示在 df2 中，2nd 舱位、女性、儿童、未存活的人数也为 0。
第七，3rd Female Child No: Freq.x 为 17，表示在 df1 中，3rd 舱位、女性、儿童、未存活的人数为 17。 Freq.y 为 17，表示在 df2 中，3rd 舱位、女性、儿童、未存活的人数也为 17。
第八，Crew Female Child No: Freq.x 为 0，表示在 df1 中，船员、女性、儿童、未存活的人数为 0。 Freq.y 为 0，表示在 df2 中，船员、女性、儿童、未存活的人数也为 0。
第九，1st Male Adult No: Freq.x 为 118，表示在 df1 中，1st 舱位、男性、成人、未存活的人数为 118。 Freq.y 为 118，表示在 df2 中，1st 舱位、男性、成人、未存活的人数也为 118。
第十，2nd Male Adult No: Freq.x 为 154，表示在 df1 中，2nd 舱位、男性、成人、未存活的人数为 154。 Freq.y 为 154，表示在 df2 中，2nd 舱位、男性、成人、未存活的人数也为 154。
注：如果某个键值组合（如 `1st Male Child No`）在 `df2` 中不存在，则 `Freq.y` 列会用 `NA` 填充。例如，`1st Male Child No` 在 `df2` 中没有匹配的行，因此 `Freq.y` 为 `NA`。right_join(保留右边数据集的所有行，并将左边数据集中匹配的行合并进来。如果左边数据集中没有匹配的行，则用NA填充。)# 使用 right_join 连接 result <- right_join(df1, df2, by = c("Class", "Sex", "Age", "Survived")) print(result)Class Sex Age Survived Freq.x Freq.y 1 2nd Female Child No 0 0 2 3rd Female Child No 17 17 3 Crew Female Child No 0 0 4 1st Male Adult No 118 118 5 2nd Male Adult No 154 154 6 3rd Male Adult No NA 387 7 Crew Male Adult No NA 670 8 1st Female Adult No NA 4 9 2nd Female Adult No NA 13 10 3rd Female Adult No NA 89
##right_join 保留右边数据集（df2）的所有行，并将左边数据集（df1）中匹配的行合并进来。如果左边数据集中没有匹配的行，则用 NA 填充。以下是每一行的解释：
第一，2nd Female Child No:Freq.x 为 0，表示在 df1 中，2nd 舱位、女性、儿童、未存活的人数为 0。 Freq.y 为 0，表示在 df2 中，2nd 舱位、女性、儿童、未存活的人数也为 0。
第二，3rd Female Child No: Freq.x 为 17，表示在 df1 中，3rd 舱位、女性、儿童、未存活的人数为 17。 Freq.y 为 17，表示在 df2 中，3rd 舱位、女性、儿童、未存活的人数也为 17。
第三，Crew Female Child No: Freq.x 为 0，表示在 df1 中，船员、女性、儿童、未存活的人数为 0。 Freq.y 为 0，表示在 df2 中，船员、女性、儿童、未存活的人数也为 0。
第四，1st Male Adult No: Freq.x 为 118，表示在 df1 中，1st 舱位、男性、成人、未存活的人数为 118。 Freq.y 为 118，表示在 df2 中，1st 舱位、男性、成人、未存活的人数也为 118。
第五，2nd Male Adult No: Freq.x 为 154，表示在 df1 中，2nd 舱位、男性、成人、未存活的人数为 154。 Freq.y 为 154，表示在 df2 中，2nd 舱位、男性、成人、未存活的人数也为 154。
第六，3rd Male Adult No: Freq.x 为 NA，表示在 df1 中没有找到匹配的行。 Freq.y 为 387，表示在 df2 中，3rd 舱位、男性、成人、未存活的人数为 387。
第七，Crew Male Adult No: Freq.x 为 NA，表示在 df1 中没有找到匹配的行。 Freq.y 为 670，表示在 df2 中，船员、男性、成人、未存活的人数为 670。
第八，1st Female Adult No: Freq.x 为 NA，表示在 df1 中没有找到匹配的行。 Freq.y 为 4，表示在 df2 中，1st 舱位、女性、成人、未存活的人数为 4。
第九，2nd Female Adult No: Freq.x 为 NA，表示在 df1 中没有找到匹配的行。 Freq.y 为 13，表示在 df2 中，2nd 舱位、女性、成人、未存活的人数为 13。
第十，3rd Female Adult No: Freq.x 为 NA，表示在 df1 中没有找到匹配的行。 Freq.y 为 89，表示在 df2 中，3rd 舱位、女性、成人、未存活的人数为 89。
注：如果某个键值组合（如 3rd Male Adult No）在 df1 中不存在，则 Freq.x 列会用 NA 填充。例如，3rd Male Adult No 在 df1 中没有匹配的行，因此 Freq.x 为 NA。full_join(保留两个数据集中的所有行，并将匹配的行合并。如果某一行在其中一个数据集中不存在，则用NA填充。)# 使用 full_join 连接 result <- full_join(df1, df2, by = c("Class", "Sex", "Age", "Survived")) print(result)Class Sex Age Survived Freq.x Freq.y 1 1st Male Child No 0 NA 2 2nd Male Child No 0 NA 3 3rd Male Child No 35 NA 4 Crew Male Child No 0 NA 5 1st Female Child No 0 NA 6 2nd Female Child No 0 0 7 3rd Female Child No 17 17 8 Crew Female Child No 0 0 9 1st Male Adult No 118 118 10 2nd Male Adult No 154 154 11 3rd Male Adult No NA 387 12 Crew Male Adult No NA 670 13 1st Female Adult No NA 4 14 2nd Female Adult No NA 13 15 3rd Female Adult No NA 89
##full_join 保留两个数据集（df1和df2）中的所有行，并将匹配的行合并。如果某一行在其中一个数据集中不存在，则用 NA 填充。以下是每一行的解释：
第一，2nd Female Child No:Freq.x 为 0，表示在 df1 中，2nd 舱位、女性、儿童、未存活的人数为 0。Freq.y 为 0，表示在 df2 中，2nd 舱位、女性、儿童、未存活的人数也为 0。
第二，3rd Female Child No: Freq.x 为 17，表示在 df1 中，3rd 舱位、女性、儿童、未存活的人数为 17。 Freq.y 为 17，表示在 df2 中，3rd 舱位、女性、儿童、未存活的人数也为 17。
第三，Crew Female Child No: Freq.x 为 0，表示在 df1 中，船员、女性、儿童、未存活的人数为 0。 Freq.y 为 0，表示在 df2 中，船员、女性、儿童、未存活的人数也为 0。
第四，1st Male Adult No: Freq.x 为 118，表示在 df1 中，1st 舱位、男性、成人、未存活的人数为 118。 Freq.y 为 118，表示在 df2 中，1st 舱位、男性、成人、未存活的人数也为 118。
第五，2nd Male Adult No: Freq.x 为 154，表示在 df1 中，2nd 舱位、男性、成人、未存活的人数为 154。 Freq.y 为 154，表示在 df2 中，2nd 舱位、男性、成人、未存活的人数也为 154。
第六，3rd Male Adult No: Freq.x 为 NA，表示在 df1 中没有找到匹配的行。 Freq.y 为 387，表示在 df2 中，3rd 舱位、男性、成人、未存活的人数为 387。
第七，Crew Male Adult No: Freq.x 为 NA，表示在 df1 中没有找到匹配的行。 Freq.y 为 670，表示在 df2 中，船员、男性、成人、未存活的人数为 670。
第八，1st Female Adult No: Freq.x 为 NA，表示在 df1 中没有找到匹配的行。 Freq.y 为 4，表示在 df2 中，1st 舱位、女性、成人、未存活的人数为 4。
第九，2nd Female Adult No: Freq.x 为 NA，表示在 df1 中没有找到匹配的行。 Freq.y 为 13，表示在 df2 中，2nd 舱位、女性、成人、未存活的人数为 13。
第十，3rd Female Adult No: Freq.x 为 NA，表示在 df1 中没有找到匹配的行。 Freq.y 为 89，表示在 df2 中，3rd 舱位、女性、成人、未存活的人数为 89。
注：如果某个键值组合（如 3rd Male Adult No）在 df1 中不存在，则 Freq.x 列会用 NA 填充。如果某个键值组合（如 1st Female Adult No）在 df2 中不存在，则 Freq.y 列会用 NA 填充。例如，3rd Male Adult No 在 df1 中没有匹配的行，因此 Freq.x 为 NA。总结；
inner_join 的结果只包含两个数据集中键值完全匹配的行。 在这个例子中，Class、Sex、Age 和 Survived 列的组合完全匹配的行被保留，其他行被丢弃。 输出结果中的 Freq.x 和 Freq.y 列分别表示 df1 和 df2 中对应组合的频率值。
left_join 保留了 df1 的所有行，并将 df2 中匹配的行合并进来。 如果 df2 中没有匹配的行，则 Freq.y 列用 NA 填充。 输出结果中的 Freq.x 列表示 df1 中的频率值，Freq.y 列表示 df2 中的频率值（如果存在）。
right_join 保留了 df2 的所有行，并将 df1 中匹配的行合并进来。 如果 df1 中没有匹配的行，则 Freq.x 列用 NA 填充。 输出结果中的 Freq.x 列表示 df1 中的频率值（如果存在），Freq.y 列表示 df2 中的频率值。
full_join 保留了 df1 和 df2 的所有行，并将匹配的行合并。 如果某一行在其中一个数据集中不存在，则对应的列用 NA 填充。 输出结果中的 Freq.x 列表示 df1 中的频率值（如果存在），Freq.y 列表示 df2 中的频率值（如果存在）。```