《R数据科学》课后练习题：第三章（2） / 四六文摘

（1）虽然现在的deep_time和sched_dep_time变量方便阅读，但不适合计算，因为他们实际上并不是连续型数值。将他们转换成一种更方便的表示形式，即从午夜开始的分钟数。

flight_new <-< span=""> mutate(flights,
dep_time_min = (dep_time %/% 100 * 60 + dep_time %% 100) %% 1440,
sched_dep_time_min = (sched_dep_time %/% 100 * 60 + sched_dep_time %% 100) %% 1440
)

#为避免代码冗余，可以构建一个函数
time2min <-< span=""> function(x){
(x %/% 100 * 60 + x %% 100) %% 1440
}

flight_new <-< span=""> mutate(flights,
dep_time_min = time2min(dep_time),
sched_dep_time_min = time2min(sched_dep_time)
)

（2）比较air_time和arr_time - dep_time。你期望看到什么？实际又看到了什么？如何解决这个问题？

期望看到air_time等于arr_time - dep_time，但实际上air_time小于arr_time - dep_time，原因在于air_time不包括飞机在跑道滑行的时间和着陆滑行时间，专门指从起飞到进入着陆之间的时间。

（3）比较dep_time、sched_dep_time和dep_delay。你期望这三个数值之间具有何种关系？

期望出发延迟（dep_delay）等于预定出发时间（sched_dep_time）与实际出发时间（dep_time）之间的差，即：dep_time - sched_dep_time = dep_delay

有一部分航班与期望有差异，可能是因为原定的航班在午夜之前出发，但在午夜之后推迟了。所有这些差异完全等于1440（24小时）。

flights_deptime <-< span=""> mutate(flights,
                          dep_time_min = (dep_time %/% 100 * 60 + dep_time %% 100) %% 1440,
                          sched_dep_time_min = (sched_dep_time %/% 100 * 60 + sched_dep_time %% 100) %% 1440,
                          dep_delay_diff = dep_delay - dep_time_min + sched_dep_time_min
)

suppressWarnings(library(ggplot2))
ggplot(filter(flights_deptime, dep_delay_diff > 0),
aes(y = sched_dep_time_min, x = dep_delay_diff)
) + geom_point()

（4）使用排秩函数找出10个延误时间最长的航班。如何处理名次相同的情况？仔细阅读min_rank的帮助文档。

#法一：

top_n(flights, 10, dep_delay)

## # A tibble: 10 x 19
##     year month   day dep_time sched_dep_time dep_delay arr_time sched_arr_time
##
## 1 2013     1     9      641            900      1301     1242           1530
## 2 2013     1    10     1121           1635      1126     1239           1810
## 3 2013    12     5      756           1700       896     1058           2020
## 4 2013     3    17     2321            810       911      135           1020
## 5 2013     4    10     1100           1900       960     1342           2211
## 6 2013     6    15     1432           1935      1137     1607           2120
## 7 2013     6    27      959           1900       899     1236           2226
## 8 2013     7    22      845           1600      1005     1044           1815
## 9 2013     7    22     2257            759       898      121           1026
## 10 2013     9    20     1139           1845      1014     1457           2210
## # ... with 11 more variables: arr_delay, carrier, flight,
## #   tailnum, origin, dest, air_time, distance,
## #   hour, minute, time_hour

#法二：
flights_delayed <-< span=""> mutate(flights,
                          dep_delay_min_rank = min_rank(desc(dep_delay))
                          )
flights_delayed <-< span=""> filter(flights_delayed,
                          dep_delay_min_rank <=< span=""> 10 )
arrange(flights_delayed, dep_delay_min_rank)

## # A tibble: 10 x 20
##     year month   day dep_time sched_dep_time dep_delay arr_time sched_arr_time
##
## 1 2013     1     9      641            900      1301     1242           1530
## 2 2013     6    15     1432           1935      1137     1607           2120
## 3 2013     1    10     1121           1635      1126     1239           1810
## 4 2013     9    20     1139           1845      1014     1457           2210
## 5 2013     7    22      845           1600      1005     1044           1815
## 6 2013     4    10     1100           1900       960     1342           2211
## 7 2013     3    17     2321            810       911      135           1020
## 8 2013     6    27      959           1900       899     1236           2226
## 9 2013     7    22     2257            759       898      121           1026
## 10 2013    12     5      756           1700       896     1058           2020
## # ... with 12 more variables: arr_delay, carrier, flight,
## #   tailnum, origin, dest, air_time, distance,
## #   hour, minute, time_hour, dep_delay_min_rank

#法三：

全部内容见茶与生信公众号

《R数据科学》课后练习题：第三章（2）

相关推荐