1. p34变量类型
int, dbl, chr, dttm, lgl, fctr , date
2. dplyr基础
- 核心函数包括： filter(), arrange(),select(), mutate(), summarize(),group_by(),
3.filter()
- 比较运算符
<,<=,>,>=,!=,==
-逻辑运算符
- &，|，！，&&，||
-
nov_dec <- filter(flights, month %in% c(11,12))
x %in%y ,取出x是y中的一个值的所有行
缺失值
用NA表示，可用is.na()确认，具有 可传染性
filter()只能筛选出值为TRUE的行
filter(df,is.na() | x >1)
p38练习题
1.
a. filter(flights, arr_delay >=120)
b. View(flights)
filter(flights, dest == 'IAH' | dest == 'HOU')
c. nycflights13::airlines
filter(flights, carrier %in% c('UA','AA','DL'))
d. summer.flights <- filter(flights, month %in% c(7,8,9) ||答案：filter(flights, month >= 7, month <= 9)
e. filter(flights, dep_delay == 0 & arr_delay >120) || 答案： filter(flights, dep_delay <= 0, arr_delay > 120)
f. 此题理解为出发时间至少延误一小时，但是到达时间延误时间少了半小时 filter(flights, dep_delay >= 60, dep_delay - arr_delay > 30)
g.filter(flights, dep_time >= 0 & dep_time <=6) ❌ ||注意到午夜的特殊性，答案：filter(flights, dep_time <= 600 | dep_time == 2400) 或者 filter(flights, dep_time %% 2400 <= 600)
2.
?between()后，This is a shortcut for x >= left & x <= right, implemented efficiently in C++ for local values, and translated to the appropriate SQL for remote tables.
改写前面的2g答案 filter(flights, between (dep_time, 0,6)) ❌ 答案：filter(flights, between(month, 7, 9))
3.
filter(flights, is.na(dep_time == NA)) ❌ filter(flights, is.na(dep_time)) 到达时间也有缺失值，应该是取消的航班
4.
所有值的0次方都是1
NA | TRUE, 逻辑或运算，只要有一个值为真，结果即为真
FALSE & NA 逻辑与运算，有一个值为假，结果即为假
for all finite, numeric x，x0 = 0，但NA * 0 不等于0，因为，x * ∞ and x−∞ is undefined. R represents undefined results as NaN, which is an abbreviation of “[not a number]
4. arrange()
常用函数
arrange(flights,year, month,day)
arrange(flights,desc(arr_delay)) # 降序排列
p40 练习题
1.
arrange(flights, desc(is.na(dep_time)), dep_time)
2.
2.
理解为出发时间耽误最长，arrange(flights, desc(dep_time))
2013年1月9日，9：00应该出发的，HA 51, JFK to HNL,延迟了1301分钟。
出发时间最早，arrange(flights, dep_time) || 答案不对吧
3.
速度最快应该是 2013年5月25日17点出发的
arrange(flights, desc(distance/air_time)) ||答案：arrange(flights, distance / air_time * 60)
4.
arrange(flights, desc(air_time)) ||
答案：arrange(flights, desc(distance)),飞行时间最长不应该是 air_time么。
5. select()
找到感兴趣的变量，select(),快速生成一个有用变量子集。
- 函数多次计入一个变量名，会自动去重复，只保留第一次
select(flights,year,month,day)-
select(flights, year:day)
-select(flghts, -(year:day))#选择不在“year”和”day“之间的所有列 - 辅助函数
-默认忽略大小写，如需修改，select(flights, contains("TIME", ignore.case = FALSE))
-starts_with("abc"), ends_with("xyz"), contains("ijk"),matches
-
rename(flights, tail_num = tailnum) -
select(flights, time_hour,air_time,everything())# 把几个变量移到数据框开头
p42 练习题
1.
-
select(flights, dep_time, dep_delay,arr_time,arr_delay)|| 答案：select(flights, "dep_time", "dep_delay", "arr_time", "arr_delay")# Specifying all the variables as strings.
select(flights, 4, 5, 6, 9)# 使用列的序号，因为列的位置常变动，这种做法不是很推荐。
select(flights, one_of(c("dep_time", "dep_delay", "arr_time", "arr_delay")))#几个变量存储在向量中。
variables <- c("dep_time", "dep_delay", "arr_time", "arr_delay")
select(flights, one_of(variables))
select(flights, starts_with("dep_"), starts_with("arr_"))
select(flights, matches("^(dep|arr)_(time|delay)$"))
2.
不会发生什么，select()函数会自动忽略重复
select(flights, year, month, day, year, year)
3.
见上面。
4.
没明白说啥
是说虽然代码是大写，依然选择出了小写的列？