详解《R数据科学》--插播dplyr习题

P42页习题3.2.4，对应英文版5.2.4

1.找出满足以下条件的所有航班

a.到达时间延误两小时及以上

?flights

从帮助文档得知，到达时间延误是arr_delay，单位是分钟。

filter(flights, arr_delay >= 120)

b.飞往休斯顿(IAH 或 HOU机场)

根据目的地（destination）即表中的dest筛选

filter(flights, dest =="IAH"| dest =="HOU")
filter(flights, dest %in% c("IAH", "HOU"))#简单写法

c.由 United, American, Delta（航空公司）运营

由帮助信息得知，航空公司与缩写的对应关系在arilines里。

View(airlines)

filter(flights,carrier %in% c("AA","DL","UA"))

d.7-9月出发的航班

filter(flights, month >= 7, month <= 9)
filter(flights, month >= 7&month <= 9)
filter(flights, month %in% c(7:9))
filter(flights, month %in% c(7,8,9))

e.到达延误两小时及以上，但出发没有延误

filter(flights, arr_delay>=60&dep_delay == 0)
filter(flights, arr_delay>=60,dep_delay == 0)

f.起飞延误至少1h，但飞行过程弥补回30min的航班

小洁分析：如果飞行时间完全按照计划的话，到达延误和起飞延误时间应该是一样的。所以后半句话的意思是到达延误时间比起飞延误时间小30min。
但我疑虑的是正好弥回30min还是30min以上呢？

查阅了标准答案是：

filter(flights,dep_delay>=60,arr_delay<=dep_delay-30)

根据答案判断，题目的应该是表达飞行过程弥补回30min以上。如果按照正好30min算的话应该是

filter(flights,dep_delay>=60,arr_delay==dep_delay-30)

g.起飞时间在0-6点之间。（包括0和6）

小洁分析：查了一下起飞时间的格式是HHMM或HMM，那0-6点就是<=600。问题是0点会表示为000还是2400呢，试一下：

因此零点的表示应该是2400

filter(flights, dep_time <= 600 | dep_time == 2400)

2.between函数

between(x, left, right) 等价于x >= left & x <= right。
因此上一题的d可使用：

filter(flights, between(month, 7, 9))

3.有多少航班缺失了dep_time？其他列的缺失情况如何？这样的行表示什么情况？

count(flights, is.na(dep_time))
filter(flights, is.na(dep_time))

没有起飞时间、也没有到达时间，只有计划的数据，所以这些航班是被取消掉了~

4.NA奇怪的逻辑和规律

（1）Why is NA ^ 0 not missing?

任何数的零次方都是1

（2）Why is NA | TRUE not missing? Why is FALSE & NA not missing?

• 任何数|TRUE都是TURE
• 任何数&FALSE都是FALSE
  ps：NA | FALSE 和 NA & TRUE 都是NA。NA在逻辑计算中表示：不知道TRUE还是FALSE。

（3）任何数x0都是0，为什么NAx0却等于NA?

↓此处是我偷窥了答案。
因为x∞和 x−∞ 没有被定义。R将没有被定义的结果返回为NaN，也就是 not a number的缩写。

Inf * 0 #inf是正无穷
#> [1] NaN
-Inf * 0 #-inf是负无穷
#> [1] NaN