Question

我正在研究R4DS，目前正在进行5.6.7练习（https://r4ds.had.co.nz/transform.html#exercises-11）。

此处的数字1旨在考虑有关航班典型延误特性的一些情况。第一个子项目是“一次航班在50％的时间早15分钟，在50％的时间晚15分钟”。

我想在“ nycflights13”数据集中找到航班，这些航班的晚到达时间等于15分钟，早到达时间等于15分钟。

到目前为止，我创建了一个仅包含年，月，日，尾号和到达延迟的新数据框。我还使用dplyr进行了变异，并添加了“ 15_min_delay”和“ 15_min_early”逻辑列。

接下来，我使用plyr进行了过滤，以创建一个新的数据框，该数据框仅包含早15分钟或晚15分钟的航班。

在这里，我想按尾数进行分组，我发现我有大约2.7k唯一尾数，但我有9266个观测值。因此，我知道会重复一些尾巴。

创建r odd_delays_new后，我迷失了方向。我曾尝试创建一个带ifelse的for循环，以循环所有9,266个观测值，并向延迟计数器或早期计数器+1，但这给了我一个错误。

odd_delays <- flights %>%
  select(year, month, day, tailnum, arr_delay) %>%
  mutate("15_minute_delay" = arr_delay == 15, "15_minute_early" = arr_delay == -15)

length(odd_delays$"15_minute_delay"[odd_delays$"15_minute_delay" == TRUE])
length(odd_delays$"15_minute_early"[odd_delays$"15_minute_early" == TRUE])

odd_delays_new <- odd_delays %>%
  filter(odd_delays$`15_minute_delay` == TRUE | odd_delays$`15_minute_early` == TRUE)

  ifelse(odd_delays_new$`15_minute_delay` == TRUE, delay = delay + 1, early = early + 1)

我希望我的结果是3列数据框。第一列将包含尾号，第二列将包含飞机延迟15分钟到达的次数，第三列将包含飞机提前15分钟到达的次数。

Answer 1

我将分两部分回答。

我将如何处理
for循环的替代方法。

解决问题

要回答您的问题，您可以停留在dplyr管道中。我认为这本书至少意味着早/晚15分钟，因此我使用了>=和<=，并且您想了解延迟/提前到达量与总数的关系，因此您需要首先找到分母。 n()是基于分组的观察数。然后，在这些逻辑结果上使用sum()。如果您要求sum()或进行其他数学运算，R会将逻辑值视为0,1。

off_schedule <-
  flights %>%
  group_by(tailnum) %>% 
  summarise(
    n = n(),
    delay_15min = sum(arr_delay >= 15, na.rm = TRUE),
    early_15min = sum(arr_delay <= -15, na.rm = TRUE)
  ) %>% 
  ungroup() %>% 
  mutate(
    delay_pct = delay_15min/n*100,
    early_pct = early_15min/n*100,
    off_pct = delay_pct + early_pct
  )

这为我们提供了下表：

# tailnum       n delay_15min early_15min delay_pct early_pct off_pct
#   <chr>   <int>       <int>       <int>     <dbl>     <dbl>   <dbl>
#  D942DN      4           2           0     50          0      50  
#  N0EGMQ    371          95          73     25.6       19.7    45.3
#  N10156    153          51          34     33.3       22.2    55.6
#  N102UW     48           7          13     14.6       27.1    41.7
#  N103US     46           2          13      4.35      28.3    32.6

for循环

要使循环正常工作，必须使用索引值。

for (i in 1:nrow(odd_delays)){  
  if(odd_delays_new$`15_minute_delay`[i] == TRUE){
    odd_delays_new$delay[i] <- odd_delays_new$delay[i-1] + 1
  } 

  if(odd_delays_new$`15_minute_early`[i] == TRUE){
    odd_delays_new$early[i] <- odd_delays_new$early[i-1] + 1
  } 
}

三年后写作或阅读都不好玩。幸运的是，cumsum()函数可以对它们进行计数：

df <-
  odd_delays_new %>% 
  group_by(tailnum) %>% 
  mutate(
    delay = cumsum(`15_minute_delay`),
    early = cumsum(`15_minute_early`)
  ) %>% 
  ungroup()

但是，该解决方案无法帮助您了解N0EGMQ的航班延误的频率，而只是告诉您N0EGMQ航班的延误，有多少延误与提前到达。

我希望这会有所帮助。

当R

1 个答案:

解决问题

for循环