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)%>% summarise(n=n(),dist=mean(distance,na.rm = T))%>% slice_max(n,n=3)# A tibble: 3 × 3 origin n dist <chr> <int> <dbl> 1 EWR 120835 1057. 2 JFK 111279 1266. 3 LGA 104662 780.
由第一组代码得出的数据可知：纽约三大机场2013起飞航班数分别为120835、111279、104662；平均延误时间分别为15.11、12.11、10.35
由第二组代码得出的数据可知：不同航空公司2013从纽约起飞航班数分别为58665、54635…和平均延误时间分别为12.11、13.02…，其中最航班数排名前三的为UA、B6、EV；平均延误时间排名前三的为EV、WN、9E
由第三组代码得出的数据可知：纽约三大机场排名前三个目的地为EWR、JFK、LGA；平均飞行距离为1056.7428、1266.2491、779.8357
2 第二题 解释代码
代码含义：
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该代码含义是：首先将iris数据集转换成一个数据框tibble，接着根据species对数据进行排序，再根据以“Sepal”字母为开头的数据进行降序排序
代码含义：
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>该代码含义是：首先将数据starwars根据gender列进行分组，接着筛选出每个组中mass列大于改组mass列平均值的行
代码含义：
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该代码含义是：首先将starwars数据集中选择name、homeworld、species列，然后将Iname列转换为因子类型（Factor）
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
首先将mtcars数据集转换成一个tibble,然后按vs列进行分组，接着使用mutate函数建立一了新的列thp_cut，该列是通过将thp_3列的值进行分箱得到的，最后再次按thp_cut列进行分组
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()：作用：只保留两个表中键值匹配的行（交集）。如果某行在一个表中存在但在另一个表中没有匹配项，则该行不会出现在结果中。
library(dplyr) # 创建两个示例数据框 employees <- tibble( id = c(1, 2, 3, 4), name = c("Alice", "Bob", "Charlie", "David") ) salaries <- tibble( id = c(1, 2, 4, 5), salary = c(5000, 6000, 4500, 7000) ) # 内连接 result <- inner_join(employees, salaries, by = "id") print(result)# A tibble: 3 × 3 id name salary <dbl> <chr> <dbl> 1 1 Alice 5000 2 2 Bob 6000 3 4 David 4500只有id为1、2、4的员工在两个表中都存在，所以结果只包含这三条记录。id为3和5的员工因为只在一个表中存在，所以被排除。
left_join()：作用：保留左边表（第一个参数）的所有行，无论是否有匹配。右边表中没有匹配的行将用NA填充。
result <- left_join(employees, salaries, by = "id") print(result)# A tibble: 4 × 3 id name salary <dbl> <chr> <dbl> 1 1 Alice 5000 2 2 Bob 6000 3 3 Charlie NA 4 4 David 4500保留了左边表employees的所有记录。Charlie(id=3)在salaries表中没有对应记录，所以salary显示为NA。David(id=4)在两个表中都有记录，所以salary显示正常。
right_join()：作用：保留右边表（第二个参数）的所有行，无论是否有匹配。左边表中没有匹配的行将用NA填充。
result <- right_join(employees, salaries, by = "id") print(result)# A tibble: 4 × 3 id name salary <dbl> <chr> <dbl> 1 1 Alice 5000 2 2 Bob 6000 3 4 David 4500 4 5 <NA> 7000保留了右边表salaries的所有记录。id=5的员工在employees表中没有记录，所以name显示为NA。Charlie(id=3)因为不在salaries表中，所以没有出现在结果中。
full_join()：作用：保留两个表中的所有行，无论是否有匹配。没有匹配的行将用NA填充。
result <- full_join(employees, salaries, by = "id") print(result)# A tibble: 5 × 3 id name salary <dbl> <chr> <dbl> 1 1 Alice 5000 2 2 Bob 6000 3 3 Charlie NA 4 4 David 4500 5 5 <NA> 7000结果包含了两个表的所有记录。Charlie(id=3)在salaries表中没有匹配，所以salary为NA；id=5的员工在employees表中没有匹配，所以name为NA。
总结：
inner_join(): 只保留两个表都有的行（交集）left_join(): 保留左表所有行，右表匹配right_join(): 保留右表所有行，左表匹配full_join(): 保留两个表所有行（并集）