R数据科学—练习3.2.4答案

一、找出满足以下条件的所有航班

1.到达时间延误2小时或更多的航班

经过filter（）函数筛选到达时间延误2小时或更多的航班，原数据集336776行观测剩余10200行（不含缺失值）。

2.飞往休斯顿（IAH机场或HOU机场）的航班

经filter（）函数筛选飞往休斯顿（IAH机场或HOU机场）的航班，原数据集336776行观测剩余9313行观测。

3.由联合航空（United）、美利坚航空（American）或三角洲航空（Delta）运营的航班

经filter（）函数筛选由联合航空（United）、美利坚航空（American）或三角洲航空（Delta）运营的航班，原数据集的336776行观测剩余139504行。

4.夏季（7月、8月和9月）出发的航班

5.到达时间延误超过2小时，但出发时间没有延误的航班

经filter函数筛选到达时间延误超过2小时，但出发时间没有延误的航班，原数据集336776行观测剩余29行观测，说明这种情况的航班较少（准时出发却在空中多飞了两个多小时确实是一件很恐怖的事情）。

6. 延误至少一小时，但飞行过程弥补回30min的航班

经filter（）函数筛选延误至少一小时，但飞行过程弥补回30min的航班，原数据集的336776行观测剩余230行。

7.出发时间在午夜和早上6点之间（包括0点和6点）的航班

经filter（）函数筛选出发时间在午夜和早上6点之间（包括0点和6点）的航班，原数据集的观测数由336776行减少到了9344行。

二、dplyr中对筛选有帮助的另一个函数是between()。它的作用是什么？你能使用这个函数来简化解决前面问题的代码吗？

between（）函数适用于涉及单个变量，且取区间值的问题。

三、dep_time有缺失值的航班有多少？其他变量的缺失值情况如何？这样的行表示什么情况？

dep_time有缺失值的航班8255次，dep_delay和arr_time也是缺失值，这样的行表示此次航班可能被取消了。

四、为什么NA ^ 0的值不是NA？为什么NA | TRUE的值不是NA？为什么FALSE & NA的值不是NA？你能找出一般规律吗？（NA*0则是精妙的反例！）

1.因为无论NA是什么值，任何值的0次方都为1；

2.因为是“或”的运算，只要有TRUE，结果就为TRUE；

3.因为是“与”的运算，不论NA是什么值，已经有FALSE存在了，结果就为FALSE；

4.NA*0结果为0（确实是反例，按理来说任何数乘以0都为0）

5.一般规律是：如果运算中包含了未知值，那么运算结果一般来说也是个未知值，但极少数特例除外。