复杂数据处理（上）：航班航行距离与延误时间的关系

作者：郭小龙，R语言中文社区专栏作者。知乎专栏：https://www.zhihu.com/people/guo-xiao-long-3-18/posts

航班延误和晚点是每个坐飞机的人都会遇到的情况，但飞行距离和航班延误时间到底有没有关系呢？本文以nycflights13包中flights数据进行统计分析，简单研究航班飞行距离和延误时间之间的相关性。

#安装dplyr包并下载飞行数据
install.packages("dplyr")
install.packages("nycflights13")
library(dplyr)
library(nycflights13)
search() ? #查看已经安装的包
flights

这块内容主要包括航班数据列字段的选择、列名重命名、缺失数据删除、数据排序、数据的分组和统计计算。按照自定义函数的创建方法，创建了disDelay函数。

disDelay <- function(){
 ?myFlights <- select(flights,? ? ? ? ? ? ? ? ? ? ?year,month,day,? ? ? ? ? ? ? ? ? ? ?dep_delay,arr_delay,? ? ? ? ? ? ? ? ? ? ?distance,dest)
 ? ?#列名重命名
 ?myFlights <- rename(myFlights,destination = dest)
 ?#删除缺失数据
 ?myFlights <- filter(myFlights,? ? ? ? ? ? ? ? ? ? ?!is.na(dep_delay),? ? ? ? ? ? ? ? ? ? ?!is.na(arr_delay))
 ?#数据排序
 ?arrange(myFlights,dep_delay)
 ?arrange(myFlights,desc(dep_delay))
 ?
 ?#数据计算：航班航行距离与延误时间的关系
 ?by_dest <- group_by(myFlights,destination) ? ?#数据分组
 ?delay <- summarise(by_dest,? ? ? ? ? ? ? ? ? #数据分组后的统计计算
 ? ? ? ? ? ? ? ? ? ? count = n(),? ? ? ? ? ? ? ? #航班数
 ? ? ? ? ? ? ? ? ? ? dist = mean(distance,na.rm = TRUE),? ? ? ? ? ? ? ? ? ? delay = mean(arr_delay,na.rm = TRUE)
 ?)
 ?#移除噪音数据
 ?delay <- filter(delay,count > 20)
 ?return(delay)
}

#视图模块
install.packages("ggplot2")
library(ggplot2)
delay
ggplot(data = delay) +
 ?geom_point(mapping = aes(x = dist,y = delay)) +
 ?geom_smooth(mapping = aes(x = dist,y = delay))

从上图可以得出如下结论：

（1）在2500英里范围内，飞机距离和航班延误时间存在一定的关系；2500英里以上距离基本不存在相关性。

（2）航班延误时间基本在20分钟之内。

公众号后台回复关键字即可学习

回复?R? ? ? ? ? ? ? ?R语言快速入门免费视频?
回复?统计??????? ??统计方法及其在R中的实现
回复?用户画像???民生银行客户画像搭建与应用?
回复?大数据??? ??大数据系列免费视频教程
回复?可视化? ? ??利用R语言做数据可视化
回复?数据挖掘?? 数据挖掘算法原理解释与应用
回复?机器学习???R&Python机器学习入门?