Bai_tap
Phan Dang Duy Anh
March 27, 2017
A. ch???y b??? d??? li???u
Ch???y b??? d??? li???u và xem thông tin v??? b??? s??? li???u
library(magrittr)
library(ggplot2)
library(ggthemes)
library("nycflights13")
data ("flights")
attach(flights)
?flights## starting httpd help server ...## doneView(flights)B. Tr??? l???i câu h???i
Câu 1: Có bao nhiêu bi???n s??? và chúng thu???c ki???u bi???n gì
dim(flights)## [1] 336776 19Có 19 bi???n s??? và 336776 quan sát
Ki???u d??? li???u c???a 19 bi???n s??? dó là:
str(flights)## Classes 'tbl_df', 'tbl' and 'data.frame': 336776 obs. of 19 variables:
## $ year : int 2013 2013 2013 2013 2013 2013 2013 2013 2013 2013 ...
## $ month : int 1 1 1 1 1 1 1 1 1 1 ...
## $ day : int 1 1 1 1 1 1 1 1 1 1 ...
## $ dep_time : int 517 533 542 544 554 554 555 557 557 558 ...
## $ sched_dep_time: int 515 529 540 545 600 558 600 600 600 600 ...
## $ dep_delay : num 2 4 2 -1 -6 -4 -5 -3 -3 -2 ...
## $ arr_time : int 830 850 923 1004 812 740 913 709 838 753 ...
## $ sched_arr_time: int 819 830 850 1022 837 728 854 723 846 745 ...
## $ arr_delay : num 11 20 33 -18 -25 12 19 -14 -8 8 ...
## $ carrier : chr "UA" "UA" "AA" "B6" ...
## $ flight : int 1545 1714 1141 725 461 1696 507 5708 79 301 ...
## $ tailnum : chr "N14228" "N24211" "N619AA" "N804JB" ...
## $ origin : chr "EWR" "LGA" "JFK" "JFK" ...
## $ dest : chr "IAH" "IAH" "MIA" "BQN" ...
## $ air_time : num 227 227 160 183 116 150 158 53 140 138 ...
## $ distance : num 1400 1416 1089 1576 762 ...
## $ hour : num 5 5 5 5 6 5 6 6 6 6 ...
## $ minute : num 15 29 40 45 0 58 0 0 0 0 ...
## $ time_hour : POSIXct, format: "2013-01-01 05:00:00" "2013-01-01 05:00:00" ...Câu 2: Ki???m tra cho m???i bi???n s???, có bao nhiêu tru???ng h???p không có s??? li???u
D???m s??? d??? li???u thi???u (na) c???a t???ng bi???n s???
lapply(flights, function(x)sum(is.na(x)))## $year
## [1] 0
##
## $month
## [1] 0
##
## $day
## [1] 0
##
## $dep_time
## [1] 8255
##
## $sched_dep_time
## [1] 0
##
## $dep_delay
## [1] 8255
##
## $arr_time
## [1] 8713
##
## $sched_arr_time
## [1] 0
##
## $arr_delay
## [1] 9430
##
## $carrier
## [1] 0
##
## $flight
## [1] 0
##
## $tailnum
## [1] 2512
##
## $origin
## [1] 0
##
## $dest
## [1] 0
##
## $air_time
## [1] 9430
##
## $distance
## [1] 0
##
## $hour
## [1] 0
##
## $minute
## [1] 0
##
## $time_hour
## [1] 0Phân tích hình ???nh cho d??? li???u thi???u
library(VIM)## Loading required package: colorspace## Loading required package: grid## Loading required package: data.table## VIM is ready to use.
## Since version 4.0.0 the GUI is in its own package VIMGUI.
##
## Please use the package to use the new (and old) GUI.## Suggestions and bug-reports can be submitted at: https://github.com/alexkowa/VIM/issues##
## Attaching package: 'VIM'## The following object is masked from 'package:datasets':
##
## sleepaggr(flights, col = c("navyblue", "yellow"),
numbers = TRUE, sortVars = TRUE, labels = names(flights),
cex.axis =.7, gap = 3, ylab = c("Missing Data", "Pattern"))
##
## Variables sorted by number of missings:
## Variable Count
## arr_delay 0.028000808
## air_time 0.028000808
## arr_time 0.025871796
## dep_time 0.024511842
## dep_delay 0.024511842
## tailnum 0.007458964
## year 0.000000000
## month 0.000000000
## day 0.000000000
## sched_dep_time 0.000000000
## sched_arr_time 0.000000000
## carrier 0.000000000
## flight 0.000000000
## origin 0.000000000
## dest 0.000000000
## distance 0.000000000
## hour 0.000000000
## minute 0.000000000
## time_hour 0.000000000K???t lu???n: -) S??? d??? li???u không thi???u chi???m 97.2% d??? li???u -) Có 6 bi???n có d??? li???u thi???u ,bao g???m các bi???n arr_delay, air_time, arr_time, dep_time, dep_delay, tailnum -) bi???n s??? thi???u nhi???u nh???t là arr_delay v???i 2.8%, bi???n thi???u ít nh???t là tailnum v???i 0.74%
Câu 3: Có bao nhiêu chuy???n bay trong ngày d???u tiên c???a nam 2013?
library(tidyverse)## Loading tidyverse: tibble
## Loading tidyverse: tidyr
## Loading tidyverse: readr
## Loading tidyverse: purrr
## Loading tidyverse: dplyr## Conflicts with tidy packages ----------------------------------------------## between(): dplyr, data.table
## filter(): dplyr, stats
## first(): dplyr, data.table
## lag(): dplyr, stats
## last(): dplyr, data.table
## transpose(): purrr, data.tablelibrary(magrittr)
flights %>% filter(month == 1 & day == 1) %>% nrow()## [1] 842có 842 chuy???n bay kh???i hành vào ngày d???u tiên c???a nam 2013
Câu 4: T??? l??? các chuy???n bay tr??? gi??? kh???i hành là bao nhiêu?
flights %>% filter(dep_delay > 0) %>% nrow()/nrow(flights) *100## [1] 38.13573có 38% chuy???n bay b??? tr??? gi??? kh???i hành
Câu 5: Cho ra danh sách c??? th??? 10 chuy???n bay tr??? gi??? nh???t
flights %>% filter(dep_delay > 0) %>% arrange(desc(dep_delay)) %>% head(.,10)## # A tibble: 10 × 19
## year month day dep_time sched_dep_time dep_delay arr_time
## <int> <int> <int> <int> <int> <dbl> <int>
## 1 2013 1 9 641 900 1301 1242
## 2 2013 6 15 1432 1935 1137 1607
## 3 2013 1 10 1121 1635 1126 1239
## 4 2013 9 20 1139 1845 1014 1457
## 5 2013 7 22 845 1600 1005 1044
## 6 2013 4 10 1100 1900 960 1342
## 7 2013 3 17 2321 810 911 135
## 8 2013 6 27 959 1900 899 1236
## 9 2013 7 22 2257 759 898 121
## 10 2013 12 5 756 1700 896 1058
## # ... with 12 more variables: sched_arr_time <int>, arr_delay <dbl>,
## # carrier <chr>, flight <int>, tailnum <chr>, origin <chr>, dest <chr>,
## # air_time <dbl>, distance <dbl>, hour <dbl>, minute <dbl>,
## # time_hour <dttm>Câu 6: Sân bay nào là noi xu???t phát c???a nhi???u chuy???n bay
flights %>% group_by(origin) %>% summarise(freq = n()) ## # A tibble: 3 × 2
## origin freq
## <chr> <int>
## 1 EWR 120835
## 2 JFK 111279
## 3 LGA 104662sân bây EWR là noi xu???t phát c???a nhi???u chuy???n bay nh???t
Câu 7: Các chuy???n bay t??? NY s??? d???n bao nhiêu sân bay khác
flights %>% group_by(dest) %>%
summarise(freq = n()) %>%
nrow()## [1] 105Chuy???n bay t??? NY s??? d???n 105 sân bay khác nhau
Câu 8: Ch??? ra 5 sân bay ti???p nh???n nhi???u nh???t các chuy???n bay t??? NY
flights %>% group_by(dest) %>%
summarise(freq = n()) %>%
arrange(desc(freq)) %>%
head(.,5)## # A tibble: 5 × 2
## dest freq
## <chr> <int>
## 1 ORD 17283
## 2 ATL 17215
## 3 LAX 16174
## 4 BOS 15508
## 5 MCO 140825 sân bay ti???p nh???n nhi???u chuy???n bay nh???t t??? NY là: ORD, ATL, LAX, BOS, MCO
Câu 9: 5 Hãng hàng không nào có nhi???u chuy???n bay nh???t kh???i hành t??? NY?
flights %>% group_by(carrier) %>%
summarise(freq = n()) %>%
arrange(desc(freq)) %>%
head(.,5)## # A tibble: 5 × 2
## carrier freq
## <chr> <int>
## 1 UA 58665
## 2 B6 54635
## 3 EV 54173
## 4 DL 48110
## 5 AA 327295 hãng hàng không có nhi???u chuy???n bay nh???t kh???i hành t??? NY là: UA, B6, EV, DL, AA
Câu 10: Tháng nào trong nam có nhi???u chuy???n bay nh???t? Minh h???a b???ng bar graph
flights %>% group_by(month) %>%
summarise(freq = n()) %>%
arrange(desc(freq))## # A tibble: 12 × 2
## month freq
## <int> <int>
## 1 7 29425
## 2 8 29327
## 3 10 28889
## 4 3 28834
## 5 5 28796
## 6 4 28330
## 7 6 28243
## 8 12 28135
## 9 9 27574
## 10 11 27268
## 11 1 27004
## 12 2 24951Tháng 7 là tháng có nhi???u chuy???n bay trong nam nh???t Minh h???a b???ng bar graph
flights %>% group_by(month) %>%
summarise(freq = n()) %>%
arrange(desc(freq)) %>%
ggplot(aes(month, freq/1000)) +
geom_bar(stat = "identity", width = 0.5) +
labs(x = "Tháng",
y = NULL,
title = "S??? chuy???n bay theo các tháng trong nam",
subtitle = "Don v???: Nghìn chuy???n",
caption = "Ngu???n: Bureau of Transportation Statistics") +
scale_x_continuous(breaks = seq (0,12,1)) +
theme_economist()
Câu 11: Tìm các chuy???n bay có th???i gian tr??? l???n hon ho???c b???ng 120 phút
Th???i gian tr??? ??? dây là th???i gian kh???i hành tr??? ho???c th???i gian d???n tr???
flights %>% filter(dep_delay >= 120|arr_delay >=120) ## # A tibble: 11,606 × 19
## year month day dep_time sched_dep_time dep_delay arr_time
## <int> <int> <int> <int> <int> <dbl> <int>
## 1 2013 1 1 811 630 101 1047
## 2 2013 1 1 848 1835 853 1001
## 3 2013 1 1 957 733 144 1056
## 4 2013 1 1 1114 900 134 1447
## 5 2013 1 1 1505 1310 115 1638
## 6 2013 1 1 1525 1340 105 1831
## 7 2013 1 1 1540 1338 122 2020
## 8 2013 1 1 1549 1445 64 1912
## 9 2013 1 1 1558 1359 119 1718
## 10 2013 1 1 1732 1630 62 2028
## # ... with 11,596 more rows, and 12 more variables: sched_arr_time <int>,
## # arr_delay <dbl>, carrier <chr>, flight <int>, tailnum <chr>,
## # origin <chr>, dest <chr>, air_time <dbl>, distance <dbl>, hour <dbl>,
## # minute <dbl>, time_hour <dttm>câu 12: Các chuy???n bay bay t???i m???t trong hai sân bay có kí hi???u IAH và HOU
flights %>% filter(dest == "IAH"|dest =="HOU")## # A tibble: 9,313 × 19
## year month day dep_time sched_dep_time dep_delay arr_time
## <int> <int> <int> <int> <int> <dbl> <int>
## 1 2013 1 1 517 515 2 830
## 2 2013 1 1 533 529 4 850
## 3 2013 1 1 623 627 -4 933
## 4 2013 1 1 728 732 -4 1041
## 5 2013 1 1 739 739 0 1104
## 6 2013 1 1 908 908 0 1228
## 7 2013 1 1 1028 1026 2 1350
## 8 2013 1 1 1044 1045 -1 1352
## 9 2013 1 1 1114 900 134 1447
## 10 2013 1 1 1205 1200 5 1503
## # ... with 9,303 more rows, and 12 more variables: sched_arr_time <int>,
## # arr_delay <dbl>, carrier <chr>, flight <int>, tailnum <chr>,
## # origin <chr>, dest <chr>, air_time <dbl>, distance <dbl>, hour <dbl>,
## # minute <dbl>, time_hour <dttm>Câu 13: Có bao nhiêu chuy???n bay trong các tháng hè (July, Aug, Sep)
flights %>% filter(month %in% c(7,8,9)) %>% nrow()## [1] 86326Có 86326 chuy???n bay trong các tháng hè
Câu 14:Các chuy???n bay có th???i di???m c???t cánh t??? sau 0h d???n 6h sáng.
flights %>% filter(dep_time %in% c(0:600)) %>% nrow()## [1] 9344Có 9344 chuy???n bay c???t cánh trong kho???ng th???i gian 0h d???n 6h
Câu 15: Xem ki miêu t??? v??? bi???n air_time. T???o c???t bi???n m???i tình v???n t???c trung bình cho m???i chuy???n bay. T???o thêm m???t c???t bi???n n???a tính th???i gian bay theo gi??? cho m???i chuy???n bay.
T???o c???t bi???n m???i là v_tb d??? tính v???n t???c trung bình cho m???i chuy???n bay và t???o thêm c???t bi???n air_time_h d??? tính th???i gian bay theo h
df1 <- flights %>% transmute(v_tb = distance/arr_time) %>% round(2)
df2 <- flights %>% transmute(air_time_h = air_time/60) %>% round(2)
(new1 <- bind_cols(flights,df1,df2))## # A tibble: 336,776 × 21
## year month day dep_time sched_dep_time dep_delay arr_time
## <int> <int> <int> <int> <int> <dbl> <int>
## 1 2013 1 1 517 515 2 830
## 2 2013 1 1 533 529 4 850
## 3 2013 1 1 542 540 2 923
## 4 2013 1 1 544 545 -1 1004
## 5 2013 1 1 554 600 -6 812
## 6 2013 1 1 554 558 -4 740
## 7 2013 1 1 555 600 -5 913
## 8 2013 1 1 557 600 -3 709
## 9 2013 1 1 557 600 -3 838
## 10 2013 1 1 558 600 -2 753
## # ... with 336,766 more rows, and 14 more variables: sched_arr_time <int>,
## # arr_delay <dbl>, carrier <chr>, flight <int>, tailnum <chr>,
## # origin <chr>, dest <chr>, air_time <dbl>, distance <dbl>, hour <dbl>,
## # minute <dbl>, time_hour <dttm>, v_tb <dbl>, air_time_h <dbl>Câu 16: Ch???n ra 3 hãng hàng không có nhi???u chuy???n bay nh???t kh???i hành t??? NY và tính th???i gian kh???i hành tr??? trung bình c???a chúng theo tháng. Ch???n ra 3 hãng có s??? chuy???n bay ít nh???t kh???i hành t??? NY và tính th???i gian kh???i hành tr??? trung bình. So sánh các k???t qu??? thu du???c
flights %>% group_by(carrier) %>%
summarise(freq = n()) %>%
arrange(desc(freq)) %>%
head(.,3)## # A tibble: 3 × 2
## carrier freq
## <chr> <int>
## 1 UA 58665
## 2 B6 54635
## 3 EV 54173love <- data.frame( for (i in 1:12) {
flights %>% filter(carrier == "UA" & month == i & dep_delay > 0) %>%
summarise(mean(dep_delay, na.rm =TRUE)) %>% round()
})
love## data frame with 0 columns and 0 rows