R语言练习题，计算准点率和画图

Question

利用以下代码创建 not_cancelled 数据集，在该数据集基础上完成以下各
题。
not_cancelled <- flights %>%
filter(!is.na(dep_delay), !is.na(arr_delay))
（
1）找出各个航空公司出发正延误时间大于一小时的航班个数，哪个航空公司
的延误情况最严重？
（2）找出出发准点率最高的前 10 家航空公司。（出发准点率即 dep_delay=0
的占比）
（3）在 not_cancelled 中筛选出题（2）的 10 家航空公司对应的行（提
示：可用 filter(carrier %in% 指定向量)进行筛选），用 boxplot 画出10 家航空公司和 dep_delay 的箱线图，要求图中的公司按照 dep_delay 的
中位数排序，y 轴限制在-50 到 500 之间。
（
4）计算出各飞机的出发准点率和飞行次数，筛选出出发准点率不等于 1 且
飞行次数大于 50 的飞机。
（5）在题（
4）基础上做出飞行次数和出发准点率的散点图，看看有什么规
律。

Answer 1

找出各个航空公司出发正延误时间大于一小时的航班个数，哪个航空公司的延误情况最严重？

library(dplyr)

not_cancelled %>%
  filter(dep_delay > 60) %>%
  group_by(carrier) %>%
  summarise(num_flights = n()) %>%
  arrange(desc(num_flights))

找出出发准点率最高的前 10 家航空公司。（出发准点率即 dep_delay=0的占比）

not_cancelled %>%
  group_by(carrier) %>%
  summarise(num_flights = n(), num_ontime = sum(dep_delay == 0), ontime_rate = num_ontime / num_flights) %>%
  arrange(desc(ontime_rate)) %>%
  head(10)

在 not_cancelled 中筛选出题（2）的 10 家航空公司对应的行，用 boxplot 画出10 家航空公司和 dep_delay 的箱线图，要求图中的公司按照 dep_delay 的中位数排序，y 轴限制在-50 到 500 之间。

library(ggplot2)

top_10_airlines <- not_cancelled %>%
  group_by(carrier) %>%
  summarise(num_flights = n(), num_ontime = sum(dep_delay == 0), ontime_rate = num_ontime / num_flights) %>%
  arrange(desc(ontime_rate)) %>%
  head(10) %>%
  select(carrier)

not_cancelled_top_10 <- not_cancelled %>%
  filter(carrier %in% top_10_airlines$carrier)

not_cancelled_top_10 %>%
  mutate(carrier = factor(carrier, levels = top_10_airlines$carrier[order(median(dep_delay))])) %>%
  ggplot(aes(x = carrier, y = dep_delay)) +
  geom_boxplot() +
  coord_cartesian(ylim = c(-50, 500)) +
  labs(title = "Dep Delay by Top 10 Airlines", x = "Airline", y = "Dep Delay")

计算出各飞机的出发准点率和飞行次数，筛选出出发准点率不等于 1 且飞行次数大于 50 的飞机。

not_cancelled %>%
  group_by(tailnum) %>%
  summarise(num_flights = n(), num_ontime = sum(dep_delay == 0), ontime_rate = num_ontime / num_flights) %>%
  filter(ontime_rate != 1 & num_flights > 50)

在题（4）基础上做出飞行次数和出发准点率的散点图，看看有什么规律。

not_cancelled %>%
  group_by(tailnum) %>%
  summarise(num_flights = n(), num_ontime = sum(dep_delay == 0), ontime_rate = num_ontime / num_flights) %>%
  filter(ontime_rate != 1 & num_flights > 50) %>%
  ggplot(aes(x = num_flights, y = ontime_rate)) +
  geom_point() +