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(tidyverse)
library(nycflights13)
?flightsstarting httpd help server ... doneflights %>%
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 10.3计算不同航空公司2013从纽约起飞航班数和平均延误时间
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代码含义：
#这段代码首先将iris数据集转换为tibble格式。
#然后，它按照Species列进行升序排序，并对所有以sepal开头的列（即Sepal.Length和Sepal.Width）进行降序排序。
#across(starts_with("sepal"), desc)表示对所有以sepal开头的列应用降序排序。
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：
#这段代码对starwars数据集按gender列进行分组。
#然后，它筛选出每个性别组中mass（质量）大于该组平均mass的行。
#na.rm = TRUE用于在计算平均值时忽略缺失值。
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：
#这段代码从starwars数据集中选择name、homeworld和species列。
#然后，它使用mutate和across函数将除了name列之外的所有列（即homeworld和species）#转换为因子（factor）类型。
#!name表示除了name列之外的所有列
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：
#这段代码首先将mtcars数据集转换为tibble格式。然后，它按vs列进行分组。
#接着，它使用cut函数将hp（马力）列分成3个区间，并将结果存储在新列hp_cut中。
#最后，它再次按hp_cut列进行分组。
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(tidyverse)
# 创建两个数据集
df1 <- tibble(id = c(1, 2, 3), name = c("Alice", "Bob", "Charlie"))
df2 <- tibble(id = c(2, 3, 4), age = c(25, 30, 35))
# 使用 inner_join 合并
result <- df1 %>%
inner_join(df2, by = "id")
print(result)# A tibble: 2 × 3
id name age
<dbl> <chr> <dbl>
1 2 Bob 25
2 3 Charlie 30left_join() ：
result <- df1
result%>%
left_join(df2, by = "id")# A tibble: 3 × 3
id name age
<dbl> <chr> <dbl>
1 1 Alice NA
2 2 Bob 25
3 3 Charlie 30print(result)# A tibble: 3 × 2
id name
<dbl> <chr>
1 1 Alice
2 2 Bob
3 3 Charlieright_join() ：
result <- df1 %>%
right_join(df2, by = "id")
print(result)# A tibble: 3 × 3
id name age
<dbl> <chr> <dbl>
1 2 Bob 25
2 3 Charlie 30
3 4 <NA> 35full_join() ：
result <- df1
result%>%
full_join(df2, by = "id")# A tibble: 4 × 3
id name age
<dbl> <chr> <dbl>
1 1 Alice NA
2 2 Bob 25
3 3 Charlie 30
4 4 <NA> 35print(result)# A tibble: 3 × 2
id name
<dbl> <chr>
1 1 Alice
2 2 Bob
3 3 Charlie| 函数 | 作用 | 示例输出特点 |
|---|---|---|
inner_join() |
只返回键值匹配的行 | 结果行数 ≤ 两个数据集的最小行数 |
left_join() |
保留左侧数据集的所有行 | 结果行数 = 左侧数据集的行数 |
right_join() |
保留右侧数据集的所有行 | 结果行数 = 右侧数据集的行数 |
full_join() |
保留两个数据集的所有行 | 结果行数 ≥ 两个数据集的最大行数 |