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）
# 计算每个机场的航班数和平均延误时间
flights_stats <- flights %>%
filter(origin %in% c("JFK", "LGA", "EWR")) %>% # 筛选三大机场
group_by(origin) %>% # 按机场分组
summarise(
flights_count = n(), # 计算航班数
avg_dep_delay = mean(dep_delay, na.rm = TRUE) # 计算平均起飞延误（忽略NA）
)
# 查看结果
flights_stats# 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
# 获取航空公司名称（因为flights表中只有carrier代码）
airline_names <- airlines
# 计算各航空公司航班数和平均延误
flights %>%
left_join(airline_names, by = "carrier") %>% # 关联航空公司名称
filter(origin %in% c("JFK", "LGA", "EWR")) %>% # 筛选纽约机场
group_by(name) %>% # 按航空公司名称分组
summarise(
flights_count = n(), # 航班数
avg_dep_delay = mean(dep_delay, na.rm = TRUE) # 平均起飞延误
) %>%
arrange(desc(avg_dep_delay)) # 按延误时间降序排列# A tibble: 16 × 3
name flights_count avg_dep_delay
<chr> <int> <dbl>
1 Frontier Airlines Inc. 685 20.2
2 ExpressJet Airlines Inc. 54173 20.0
3 Mesa Airlines Inc. 601 19.0
4 AirTran Airways Corporation 3260 18.7
5 Southwest Airlines Co. 12275 17.7
6 Endeavor Air Inc. 18460 16.7
7 JetBlue Airways 54635 13.0
8 Virgin America 5162 12.9
9 SkyWest Airlines Inc. 32 12.6
10 United Air Lines Inc. 58665 12.1
11 Envoy Air 26397 10.6
12 Delta Air Lines Inc. 48110 9.26
13 American Airlines Inc. 32729 8.59
14 Alaska Airlines Inc. 714 5.80
15 Hawaiian Airlines Inc. 342 4.90
16 US Airways Inc. 20536 3.78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 %>%
# 筛选纽约三大机场数据
filter(origin %in% c("JFK", "LGA", "EWR")) %>%
# 关联机场名称数据
left_join(airports %>% select(faa, destination_name = name),
by = c("dest" = "faa")) %>%
# 计算每个机场-目的地组合的指标
group_by(origin, dest, destination_name) %>%
summarise(
avg_distance = mean(distance, na.rm = TRUE),
flights_count = n(),
.groups = "drop" # 明确取消分组，避免后续警告
) %>%
# 对每个机场选取航班量前三的目的地
group_by(origin) %>%
slice_max(flights_count, n = 3) %>%
# 整理输出格式
arrange(origin, desc(flights_count)) %>%
select(
origin_airport = origin,
destination_code = dest,
destination_name,
avg_distance_miles = avg_distance,
number_of_flights = flights_count
)
# 打印美观的结果
top_destinations %>%
mutate(avg_distance_miles = round(avg_distance_miles)) %>%
knitr::kable()| origin_airport | destination_code | destination_name | avg_distance_miles | number_of_flights |
|---|---|---|---|---|
| EWR | ORD | Chicago Ohare Intl | 719 | 6100 |
| EWR | BOS | General Edward Lawrence Logan Intl | 200 | 5327 |
| EWR | SFO | San Francisco Intl | 2565 | 5127 |
| JFK | LAX | Los Angeles Intl | 2475 | 11262 |
| JFK | SFO | San Francisco Intl | 2586 | 8204 |
| JFK | BOS | General Edward Lawrence Logan Intl | 187 | 5898 |
| LGA | ATL | Hartsfield Jackson Atlanta Intl | 762 | 10263 |
| LGA | ORD | Chicago Ohare Intl | 733 | 8857 |
| LGA | CLT | Charlotte Douglas Intl | 544 | 6168 |
代码含义：
这段代码对鸢尾花数据集（iris）做了排序处理：
首先将数据转为tibble格式（一种更现代的数据框）
然后按两个层次排序：
第一优先级：按花的种类（Species）升序排列（setosa → versicolor → virginica）
第二优先级：在每个种类组内，将所有”Sepal”开头的列（花萼长度和宽度）按数值从大到小降序排列
最终结果是分组排序后的数据，同种花按花萼尺寸从大到小排列。
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：
这段代码对《星球大战》角色数据集（starwars）进行了分组筛选操作：
分组：先按角色性别（gender）分组
筛选：在每个性别组内，筛选出体重大于该组平均体重的角色
使用na.rm = TRUE忽略缺失值计算平均体重
结果：最终得到的是各个性别组中，体重超过该组平均值的角色列表
例如：会分别计算男性、女性角色的平均体重，然后筛选出超过各自性别平均体重的角色
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：
这段代码对《星球大战》角色数据集（starwars）进行了以下简洁操作：
列筛选：仅保留三个关键字段
name（角色名）
homeworld（母星）
species（物种）
类型转换：将除name外的列转为因子型（factor）
使用across(!name, as.factor)精准选择所有非名字列
转换后更适合统计分析和可视化
最终输出一个精简的tibble，包含角色名（字符型）及其分类信息（因子型）。这种处理常用于准备分类分析前的数据标准化。
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 R 代码使用 dplyr 包对 mtcars 数据集进行了以下处理：
数据转换：将 mtcars 数据集转换为 tibble 格式（更现代的 data frame）
首次分组：按 vs 变量分组（发动机类型：0 = V型，1 = 直列型）
创建新变量：
将马力(hp)变量分成 3 个等宽区间（使用 cut() 函数）
新变量命名为 hp_cut（包含马力区间分组）
重新分组：最后按新创建的 hp_cut 变量重新分组数据
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() ：
内连接
作用：仅保留两表中键值匹配的行（交集）示例：找出同时存在于两个表中的学生成绩
# 学生信息表
students <- tibble(id = 1:3, name = c("Alice", "Bob", "Charlie"))
# 成绩表
grades <- tibble(id = c(2,3,4), score = c(90, 85, 88))
inner_join(students, grades, by = "id")# A tibble: 2 × 3
id name score
<dbl> <chr> <dbl>
1 2 Bob 90
2 3 Charlie 85left_join() ：
左连接
作用：保留左表所有行，右表无匹配时填充NA示例：列出所有学生信息（含成绩，无成绩者标记NA）
left_join(students, grades, by = "id")# A tibble: 3 × 3
id name score
<dbl> <chr> <dbl>
1 1 Alice NA
2 2 Bob 90
3 3 Charlie 85right_join() ：
右连接
作用：保留右表所有行，左表无匹配时填充NA示例：列出所有成绩记录（含学生姓名，无姓名者标记NA）
right_join(students, grades, by = "id")# A tibble: 3 × 3
id name score
<dbl> <chr> <dbl>
1 2 Bob 90
2 3 Charlie 85
3 4 <NA> 88full_join() ：
全连接
作用：保留两表所有行，无匹配处填充NA示例：合并所有学生和成绩记录
full_join(students, grades, by = "id")# A tibble: 4 × 3
id name score
<dbl> <chr> <dbl>
1 1 Alice NA
2 2 Bob 90
3 3 Charlie 85
4 4 <NA> 88