数据科学之编程技术：使用R进行数据清理、分析与可视化

11.6　dplyr实战：分析飞行数据

本节将介绍如何使用dplyr函数向更复杂的数据集询问有趣的问题，本书的在线代码库^[1]提供了完整的分析代码。分析使用2013年从纽约市机场（包括纽瓦克机场、约翰F.肯尼迪机场和拉瓜迪亚机场）起飞的航班数据集。该数据集也在dplyr简介^[2]中在线展示，并且可以从交通统计局的数据库^[3]中提取。要加载该数据集，需要安装并加载nycflights13包。这将会把flights数据集加载到你的环境中。

在开始询问数据集的目标问题之前，需要更好地了解数据集的结构：

图11-13中显示了RStudio阅读器中显示的航班数据框的一个子集。基于此信息，可能提出以下感兴趣的问题：

1）哪家航空公司延迟起飞的次数最多？

2）平均来说，航班最早到达哪个机场？

3）航班通常在哪个月延误最久？

首先将这些问题映射到特定的过程，然后就可以编写适当的dplyr代码。

先看第一个问题：

“哪家航空公司延迟起飞的次数最多？”

因为这个问题涉及比较具有特定特征（航空公司）的观察结果（航班），所以需要先完成以下分析：

图11-13　航班数据集的子集，是nycflights13包的一部分

1）因为需要考虑一个特定航空公司的所有航班（基于carrier特征），所以首先按该特征对数据进行分组。 ...