Untitled

R Markdown

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(tidyverse) 

  ## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
  ## ✔ dplyr     1.1.4     ✔ readr     2.1.5
  ## ✔ forcats   1.0.0     ✔ stringr   1.5.1
  ## ✔ ggplot2   3.5.1     ✔ tibble    3.2.1
  ## ✔ lubridate 1.9.3     ✔ tidyr     1.3.1
  ## ✔ purrr     1.0.2     
  ## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
  ## ✖ dplyr::filter() masks stats::filter()
  ## ✖ dplyr::lag()    masks stats::lag()
  ## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

  library(dplyr)# 包含 dplyr
  library(nycflights13)  # 提供 flights 数据集
  
  # 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

  library(tidyverse)
  library(nycflights13)
  
  # 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)

  library(tidyverse)
  library(nycflights13)
  
  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

  第二题 解释代码

1. 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

   2. 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>

   3. 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

   4. 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

   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。

1. 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    85

   2. left_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    85

   3. right_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>       88

   4. full_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