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）
library(dplyr)
result <- flights %>%
group_by(origin) %>%
summarise(total_flights = n(), avg_delay = mean(dep_delay, na.rm = TRUE))
print(result)# A tibble: 3 × 3
origin total_flights avg_delay
<chr> <int> <dbl>
1 EWR 120835 15.1
2 JFK 111279 12.1
3 LGA 104662 10.3计算不同航空公司2013从纽约起飞航班数和平均延误时间
airline_stats <- flights %>%
group_by(carrier) %>%
summarise(total_flights = n(), avg_delay = mean(dep_delay, na.rm = TRUE))
print(airline_stats)# A tibble: 16 × 3
carrier total_flights avg_delay
<chr> <int> <dbl>
1 9E 18460 16.7
2 AA 32729 8.59
3 AS 714 5.80
4 B6 54635 13.0
5 DL 48110 9.26
6 EV 54173 20.0
7 F9 685 20.2
8 FL 3260 18.7
9 HA 342 4.90
10 MQ 26397 10.6
11 OO 32 12.6
12 UA 58665 12.1
13 US 20536 3.78
14 VX 5162 12.9
15 WN 12275 17.7
16 YV 601 19.0 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)
top_destinations <- flights %>%
group_by(origin, dest) %>%
summarise(avg_distance = mean(distance, na.rm = TRUE), num_flights = n()) %>%
arrange(origin, desc(num_flights)) %>%
group_by(origin) %>%
slice_max(n = 3, order_by = num_flights) `summarise()` has grouped output by 'origin'. You can override using the
`.groups` argument.print(top_destinations)# A tibble: 9 × 4
# Groups: origin [3]
origin dest avg_distance num_flights
<chr> <chr> <dbl> <int>
1 EWR ORD 719 6100
2 EWR BOS 200 5327
3 EWR SFO 2565 5127
4 JFK LAX 2475 11262
5 JFK SFO 2586 8204
6 JFK BOS 187 5898
7 LGA ATL 762 10263
8 LGA ORD 733 8857
9 LGA CLT 544 6168代码含义：首先将 iris 数据集转换为 tibble。然后对数据进行排序：首先按 Species 列升序排列。然后对每个 Species 组内的数据，按 Sepal.Length 和 Sepal.Width 列降序排列。比如当Species都同时为setosa时，再根据Sepal.Length进行降序排序，若Sepal.Length相同，则根据Sepal.Width再进行降序排序
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：在starwars数据框中，首先按性别分组，然后筛选出每个性别组中t体重大于该组平均体重的角色。结果呈现为一个新的数据框，其中只包含那些体重大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：在starwars数据框中，首先选择name、homeworld和species三列，然后将除了name之外的两列转化为因子类型，最终的结果是一个新的数据框，包含name、homeworld和species三列，其中homeworld和species两列的数据类型是因子。
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：
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这段代码的作用是：
将mtcars数据集转换为tibble格式。
按发动机类型（vs）分组。
在每组中，将马力（hp）分成3个等宽的区间，并创建一个新列hp_cut表示每个马力值所属的区间。
最后，按hp_cut（马力区间）进一步分组。
最终的结果是一个按vs和hp_cut双重分组的数据集。
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() ：
library(dplyr)
# 创建数据集
df1 <- data.frame(
EmployeeID = c(1, 2, 3, 4),
Name = c("Alice", "Bob", "Charlie", "David"),
DepartmentID = c(101, 102, 103, 104)
)
df2 <- data.frame(
DepartmentID = c(101, 102, 103, 105),
DepartmentName = c("HR", "Finance", "IT", "Marketing")
)
# 内连接
result <- inner_join(df1, df2, by = "DepartmentID")
# 输出结果
print(result) EmployeeID Name DepartmentID DepartmentName
1 1 Alice 101 HR
2 2 Bob 102 Finance
3 3 Charlie 103 ITinner_join() 是数据操作中常用的函数，用于将两个数据集按照指定的键（key）进行连接，并返回两个数据集中键匹配的行。它属于“内连接”操作，即只保留两个数据集中键值匹配的行，不匹配的行会被丢弃。
匹配规则：inner_join() 根据 DepartmentID 列进行匹配。
匹配结果：
df1 中的 DepartmentID 为 101、102、103 的行与 df2 中的对应行匹配。
df1 中的 DepartmentID 为 104 的行在 df2 中没有匹配项，因此被丢弃。
df2 中的 DepartmentID 为 105 的行在 df1 中没有匹配项，因此也被丢弃。
输出：最终结果只包含两个数据集中 DepartmentID 匹配的行，并合并了 DepartmentName 列。
left_join() ：
library(dplyr)
# 创建数据集
df1 <- data.frame(
EmployeeID = c(1, 2, 3, 4),
Name = c("Alice", "Bob", "Charlie", "David"),
DepartmentID = c(101, 102, 103, 104)
)
df2 <- data.frame(
DepartmentID = c(101, 102, 103, 105),
DepartmentName = c("HR", "Finance", "IT", "Marketing")
)
# 左连接
result <- left_join(df1, df2, by = "DepartmentID")
# 输出结果
print(result) EmployeeID Name DepartmentID DepartmentName
1 1 Alice 101 HR
2 2 Bob 102 Finance
3 3 Charlie 103 IT
4 4 David 104 <NA>left_join() 是数据操作中常用的函数，用于将两个数据集按照指定的键（key）进行连接，并返回以左侧数据集（第一个数据集）为基础的所有行，同时将右侧数据集（第二个数据集）中匹配的行合并进来。如果右侧数据集中没有匹配的行，则用 NA 填充。它属于“左连接”操作。
匹配规则：left_join() 根据 DepartmentID 列进行匹配。
匹配结果：
df1 中的 DepartmentID 为 101、102、103 的行与 df2 中的对应行匹配，因此合并了 DepartmentName。
df1 中的 DepartmentID 为 104 的行在 df2 中没有匹配项，因此 DepartmentName 显示为 NA。
df2 中的 DepartmentID 为 105 的行在 df1 中没有匹配项，因此被忽略。
输出：最终结果包含 df1 的所有行，并合并了 df2 中匹配的 DepartmentName 列，未匹配的部分用 NA 填充。
right_join()
library(dplyr)
# 创建数据集
df1 <- data.frame(
EmployeeID = c(1, 2, 3, 4),
Name = c("Alice", "Bob", "Charlie", "David"),
DepartmentID = c(101, 102, 103, 104)
)
df2 <- data.frame(
DepartmentID = c(101, 102, 103, 105),
DepartmentName = c("HR", "Finance", "IT", "Marketing")
)
# 右连接
result <- right_join(df1, df2, by = "DepartmentID")
# 输出结果
print(result) EmployeeID Name DepartmentID DepartmentName
1 1 Alice 101 HR
2 2 Bob 102 Finance
3 3 Charlie 103 IT
4 NA <NA> 105 Marketingright_join() 是数据操作中常用的函数，用于将两个数据集按照指定的键（key）进行连接，并返回以右侧数据集（第二个数据集）为基础的所有行，同时将左侧数据集（第一个数据集）中匹配的行合并进来。如果左侧数据集中没有匹配的行，则用 NA 填充。它属于“右连接”操作。
匹配规则：right_join() 根据 DepartmentID 列进行匹配。
匹配结果：
df2 中的 DepartmentID 为 101、102、103 的行与 df1 中的对应行匹配，因此合并了员工信息（EmployeeID 和 Name）。
df2 中的 DepartmentID 为 105 的行在 df1 中没有匹配项，因此员工信息（EmployeeID 和 Name）显示为 NA。
df1 中的 DepartmentID 为 104 的行在 df2 中没有匹配项，因此被忽略。
输出：最终结果包含 df2 的所有行，并合并了 df1 中匹配的员工信息，未匹配的部分用 NA 填充。
full_join() ：
library(dplyr)
# 创建数据集
df1 <- data.frame(
EmployeeID = c(1, 2, 3, 4),
Name = c("Alice", "Bob", "Charlie", "David"),
DepartmentID = c(101, 102, 103, 104)
)
df2 <- data.frame(
DepartmentID = c(101, 102, 103, 105),
DepartmentName = c("HR", "Finance", "IT", "Marketing")
)
# 全连接
result <- full_join(df1, df2, by = "DepartmentID")
# 输出结果
print(result) EmployeeID Name DepartmentID DepartmentName
1 1 Alice 101 HR
2 2 Bob 102 Finance
3 3 Charlie 103 IT
4 4 David 104 <NA>
5 NA <NA> 105 Marketingfull_join() 是数据操作中常用的函数，用于将两个数据集按照指定的键（key）进行连接，并返回两个数据集中所有行的合并结果。无论键值是否匹配，所有行都会被保留。如果某个数据集中的键值在另一个数据集中没有匹配项，则用 NA 填充。它属于“全连接”操作。
匹配规则：full_join() 根据 DepartmentID 列进行匹配。
匹配结果：
df1 中的 DepartmentID 为 101、102、103 的行与 df2 中的对应行匹配，因此合并了 DepartmentName。
df1 中的 DepartmentID 为 104 的行在 df2 中没有匹配项，因此 DepartmentName 显示为 NA。
df2 中的 DepartmentID 为 105 的行在 df1 中没有匹配项，因此员工信息（EmployeeID 和 Name）显示为 NA。
输出：最终结果包含两个数据集的所有行，并合并了匹配的列，未匹配的部分用 NA 填充。