flights %>%
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 10.3tidyverse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(),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
2 第二题 解释代码
代码含义：先按
Species（鸢尾花种类）升序排列。再对所有以"Sepal"开头的列降序排列（desc表示降序）。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：数据按
gender分组。每组内仅保留 体重大于该性别平均体重 的角色。如果某性别的mass列有缺失值（NA），计算均值时会自动跳过（na.rm = TRUE）。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：筛选
starwars数据集，仅保留name、homeworld、species三列。将homeworld和species列转换为 因子类型，以便后续进行分组统计或建模（如group_by()、summary()等操作）。name列保持原样（通常用于标识观测值，不需要转换为因子）。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：分析不同发动机类型（
vs）下的马力分布：先按vs分组，再在各组内划分马力区间。计各马力区间的车辆数量或性能指标：结合summarise()计算均值、计数等。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()：definedn#作用：只保留两个数据集中键值匹配的行（交集）。 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) ) # 执行inner_join 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#解释：结果只包含两个数据框中都存在的id（1, 2, 4）。id为3和5的员工因为只存在于一个数据框中，所以被排除。left_join()：undefined#保留左边数据框的所有行，无论右边是否有匹配。 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#解释：保留了employees中的所有行（id 1-4）。id为3的员工在salaries中没有对应记录，所以salary显示为NA。right_join()：#保留右边数据框的所有行，无论左边是否有匹配。 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#解释：保留了salaries中的所有行（id 1,2,4,5）。id为5的员工在employees中没有对应记录，所以name显示为NAfull_join()：#作用：保留两个数据框中的所有行（并集）。 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#解释：保留了两个数据框中的所有行（id 1-5）。没有匹配的记录对应字段显示为NA。