Introduction to Probability and Data(2) - R Coding

> sfo_feb_flights <- nycflights %>%
+ filter(dest == 'SFO', month == 2)
> dim(sfo_feb_flights)
[1] 68 16

 

 

> ggplot(data = sfo_feb_flights, aes(x = arr_delay))+
+ geom_histogram(bins = 50)

-> 

> nycflights %>%
+   group_by(month) %>%
+   summarise(mean_dd = mean(dep_delay)) %>%
+   arrange(desc(mean_dd))
# A tibble: 12 x 2
   month mean_dd
      
 1     7   20.8 
 2     6   20.4 
 3    12   17.4 
 4     4   14.6 
 5     3   13.5 
 6     5   13.3 
 7     8   12.6 
 8     2   10.7 
 9     1   10.2 
10     9    6.87
11    11    6.10
12    10    5.88

 

 

> nycflights %>%
+ group_by(month)%>%
+ summarise(median = median(dep_delay))%>%
+ arrange(desc(median))
# A tibble: 12 x 2
   month median
     
 1    12      1
 2     6      0
 3     7      0
 4     3     -1
 5     5     -1
 6     8     -1
 7     1     -2
 8     2     -2
 9     4     -2
10    11     -2
11     9     -3
12    10     -3

 

 

 

nycflights <- nycflights %>%

mutate(avg_spd = 60 * distance / air_time)

 

nycflights %>%

select(tailnum, avg_spd) %>%

arrange(desc(avg_spd))

 

      tailnum  avg_spd
1    N666DN 703.3846