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(),dep_delay,na.rm=T) %>% arrange(desc(n))Warning: Returning more (or less) than 1 row per `summarise()` group was deprecated in dplyr 1.1.0. ℹ Please use `reframe()` instead. ℹ When switching from `summarise()` to `reframe()`, remember that `reframe()` always returns an ungrouped data frame and adjust accordingly.`summarise()` has grouped output by 'carrier'. You can override using the `.groups` argument.# A tibble: 336,776 × 4 # Groups: carrier [16] carrier n dep_delay na.rm <chr> <int> <dbl> <lgl> 1 UA 58665 2 TRUE 2 UA 58665 4 TRUE 3 UA 58665 -4 TRUE 4 UA 58665 -2 TRUE 5 UA 58665 -2 TRUE 6 UA 58665 -1 TRUE 7 UA 58665 0 TRUE 8 UA 58665 11 TRUE 9 UA 58665 -4 TRUE 10 UA 58665 -2 TRUE # ℹ 336,766 more rows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：对iris数据集的数据按照species种类进行升序排序，接着根据length和width分别进行降序排列。
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数据集里的数据按照性别进行分组，接着根据每个性别过滤后筛选出mass大于平均值对角色，na处理忽略缺失值。
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：1从
starwars数据集中选择name、homeworld和species三列。2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
mtcars数据集转换为tibble格式。按
vs列（发动机类型）对数据进行分组。在每个
vs组内，将hp（马力）列的值分成3个区间，并将结果存储在新列hp_cut中。最后，按
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()：df1和df2通过id列进行匹配。只有
id为 2 和 3 的行在两个数据框中都存在，因此只返回这两行。library(dplyr) df1 <- tibble(id = c(1, 2, 3), name = c("Alice", "Bob", "Charlie")) df2 <- tibble(id = c(2, 3, 4), age = c(25, 30, 35)) result <- inner_join(df1, df2, by = "id") print(result)# A tibble: 2 × 3 id name age <dbl> <chr> <dbl> 1 2 Bob 25 2 3 Charlie 30left_join()：保留
df1的所有行。id为 1 的行在df2中没有匹配，因此age列填充为NA。id为 2 和 3 的行在df2中有匹配，因此填充对应的age值。result <- left_join(df1, df2, by = "id") print(result)# A tibble: 3 × 3 id name age <dbl> <chr> <dbl> 1 1 Alice NA 2 2 Bob 25 3 3 Charlie 30right_join()：保留
df2的所有行。id为 4 的行在df1中没有匹配，因此name列填充为NA。id为 2 和 3 的行在df1中有匹配，因此填充对应的name值。result <- right_join(df1, 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()：保留
df1和df2的所有行。id为 1 的行在df2中没有匹配，因此age列填充为NA。id为 4 的行在df1中没有匹配，因此name列填充为NA。id为 2 和 3 的行在两个数据框中都有匹配，因此填充对应的值。result <- full_join(df1, df2, by = "id") print(result)# 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> 35