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）
# 加载必要的包
library(dplyr)
library(nycflights13) # 包含航班数据
# 计算每个机场的航班数和平均起飞延误时间
result <- flights %>%
group_by(origin) %>% # 按机场代码分组
summarise(
flights_count = n(), # 航班总数
avg_dep_delay = mean(dep_delay, na.rm = TRUE) # 平均起飞延误（忽略NA）
)
# 打印结果
print(result)# A tibble: 3 × 3
origin flights_count avg_dep_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
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：先按species排序后，然后在每个物种内，按以sepal为开头的两个变量降序排序
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：按gender对数据进行分组后筛选出mass大于mass的平均值的数据且去除空值
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：选择出name，homeworld和species三个变量，将除了name变量的其他两个变量从数值型变量转换成因子变量。
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”数据集转换成tibble格式，并按照“vs”进行分组，在每个分组里，将hp列的值分成3个区间，并将结果存储在新的列hp_cut中，最后以“hp_cut”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() ：根据两个数据框中的共同键进行匹配，并返回两个数据框中键值匹配的行。如果某一行在其中一个数据框中没有匹配的键值，则该行不会出现在结果中。 结果：仅保留id为2和3的共有行。
library(dplyr)
df1 <- data.frame(id = c(1, 2, 3), value = c("A", "B", "C"))
df2 <- data.frame(id = c(2, 3, 4), value2 = c("X", "Y", "Z"))
result <- inner_join(df1, df2, by = "id")
result id value value2
1 2 B X
2 3 C Yleft_join() ：根据两个数据框中共同的列进行匹配，并返回左侧数据框中的所有行，同时将右侧数据框中匹配的行合并进来。如果右侧数据框中没有匹配的行，则用NA填充。
结果：左侧df1的id=1无匹配，右侧value2为NA
result <- left_join(df1, df2, by = "id")
result id value value2
1 1 A <NA>
2 2 B X
3 3 C Yright_join() ：右连接，保留右侧数据集的所有行，左侧无匹配时填充NA。结果：右侧df2的id=4无匹配，左侧value为NA
结果：右侧df2的id=4无匹配，左侧value为NA。
result <- right_join(df1, df2, by = "id")
result id value value2
1 2 B X
2 3 C Y
3 4 <NA> Zfull_join() ：返回两个数据框的所有行。如果某个数据框中没有匹配的行，则用 NA 填充。
结果：direction = “down”时，缺失值用下方最近的非缺失值填充。
library(tidyr)
df <- data.frame(group = c(1, 1, 2, 2), value = c(NA, 5, NA, 8))
result <- fill(df, value, .direction = "down")
result group value
1 1 NA
2 1 5
3 2 5
4 2 8