日常在工作中會碰到很多數(shù)據(jù)批量處理的問題茎毁，有的時候單獨(dú)造輪子很費(fèi)時間，這個時候我發(fā)現(xiàn)了dplyr這個R包，能幫助你解決數(shù)據(jù)處理中的絕大多數(shù)難題允乐。dplyr是tidyverse中的一個核心包篓吁，用來進(jìn)行數(shù)據(jù)操作茫因。主要包括以下5個核心函數(shù)。
filter()按值篩選觀測
arrange()對行進(jìn)行重新排序
select()按名稱選取變量
mutate()使用現(xiàn)有變量的函數(shù)創(chuàng)建新變量
summarize()將多個值總結(jié)為一個摘要統(tǒng)計(jì)量
這些函數(shù)都可以和group_by()函數(shù)聯(lián)合起來使用杖剪，group_by()可以改變以上每個函數(shù)的作用范圍冻押，讓其在整個數(shù)據(jù)集上的操作變?yōu)樵诿總€分組上分別操作，這五個函數(shù)的工作方式都是相同的:
1.第一個參數(shù)是一個數(shù)據(jù)框盛嘿。
2.隨后的采納數(shù)使用變量名稱(不帶引號)描述了在數(shù)據(jù)框上進(jìn)行的操作洛巢。
3.輸出結(jié)果是一個新的數(shù)據(jù)框。
Installation
# The easiest way to get dplyr is to install the whole tidyverse:
install.packages("tidyverse")
# Alternatively, install just dplyr:
install.packages("dplyr")
Demo
下面將以一個航班信息的數(shù)據(jù)集來演示一下dplyr這個包的用法次兆。
#安裝并加載這個數(shù)據(jù)集
install.packages('nycflights13')
library(nycflights13)
1.1 使用filter()篩選行
filter()函數(shù)可以基于觀測的值篩選出一個觀測子集稿茉。第一個參數(shù)是數(shù)據(jù)框名稱，第二個參數(shù)及隨后的參數(shù)是用來篩選數(shù)據(jù)框的表達(dá)式类垦。
#篩選出1月1日出發(fā)的航班
> a <- filter(flights,month==1,day==1)
> head(a)
# A tibble: 6 x 19
year month day dep_time sched_dep_time dep_delay arr_time sched_arr_time arr_delay carrier
<int> <int> <int> <int> <int> <dbl> <int> <int> <dbl> <chr>
1 2013 1 1 517 515 2 830 819 11 UA
2 2013 1 1 533 529 4 850 830 20 UA
3 2013 1 1 542 540 2 923 850 33 AA
4 2013 1 1 544 545 -1 1004 1022 -18 B6
5 2013 1 1 554 600 -6 812 837 -25 DL
6 2013 1 1 554 558 -4 740 728 12 UA
# ... with 9 more variables: flight <int>, tailnum <chr>, origin <chr>, dest <chr>,
# air_time <dbl>, distance <dbl>, hour <dbl>, minute <dbl>, time_hour <dttm>
1.1.1 比較運(yùn)算符
R提供了一套標(biāo)準(zhǔn)的比較運(yùn)算符：>,>=,<,<=,!=(不等于),==(等于)狈邑。
1.1.2 邏輯運(yùn)算符
filter()中的多個參數(shù)是由“與”組合起來的：每個表達(dá)式都必須為真才能讓一行觀測包含在輸出中。如果要實(shí)現(xiàn)其他類型的組合蚤认，你需要使用布爾運(yùn)算符: &表示"與"(也就是交集), | 表示“或”, ! 表示"非"米苹。
#找出11月或12月出發(fā)的航班
> b <- filter(flights,month==11 | month ==12)
> head(b)
# A tibble: 6 x 19
year month day dep_time sched_dep_time dep_delay arr_time sched_arr_time arr_delay carrier
<int> <int> <int> <int> <int> <dbl> <int> <int> <dbl> <chr>
1 2013 11 1 5 2359 6 352 345 7 B6
2 2013 11 1 35 2250 105 123 2356 87 B6
3 2013 11 1 455 500 -5 641 651 -10 US
4 2013 11 1 539 545 -6 856 827 29 UA
5 2013 11 1 542 545 -3 831 855 -24 AA
6 2013 11 1 549 600 -11 912 923 -11 UA
# ... with 9 more variables: flight <int>, tailnum <chr>, origin <chr>, dest <chr>,
# air_time <dbl>, distance <dbl>, hour <dbl>, minute <dbl>, time_hour <dttm>
上述代碼的簡寫形式為:
c <- filter(flights,month %in% c(11,12))
其中，x %in% y表示 選出x是y中的一個值時的所有行砰琢。
filter()只能篩選出條件為TRUE的行蘸嘶；它會排除那些條件為FALSE和NA的行，如果想保留缺失值陪汽，可以明確指出:
> df <- tibble(x=c(1,NA,3)) #tibble()用于構(gòu)建一個數(shù)據(jù)框
> head(df)
# A tibble: 3 x 1
x
<dbl>
1 1
2 NA
3 3
> filter(df,x>1)
# A tibble: 1 x 1
x
<dbl>
1 3
> filter(df,is.na(x) | x > 1)
# A tibble: 2 x 1
x
<dbl>
1 NA
2 3
1.2 使用arrange()排列行
arrange()函數(shù)的工作方式與filter()函數(shù)非常相似训唱，但前者不選擇行，而是改變行的順序挚冤。它接受一個數(shù)據(jù)框和一組作為排序依據(jù)的列名作為參數(shù)况增。如果列名不止一個，那么就使用后面的列在前面排序的基礎(chǔ)上繼續(xù)排序训挡。
#將flights按年月日排序
> d <- arrange(flights,year,month,day)
> head(d)
# A tibble: 6 x 19
year month day dep_time sched_dep_time dep_delay arr_time sched_arr_time arr_delay carrier
<int> <int> <int> <int> <int> <dbl> <int> <int> <dbl> <chr>
1 2013 1 1 517 515 2 830 819 11 UA
2 2013 1 1 533 529 4 850 830 20 UA
3 2013 1 1 542 540 2 923 850 33 AA
4 2013 1 1 544 545 -1 1004 1022 -18 B6
5 2013 1 1 554 600 -6 812 837 -25 DL
6 2013 1 1 554 558 -4 740 728 12 UA
# ... with 9 more variables: flight <int>, tailnum <chr>, origin <chr>, dest <chr>,
# air_time <dbl>, distance <dbl>, hour <dbl>, minute <dbl>, time_hour <dttm>
使用desc()可以按列進(jìn)行降序排序澳骤。
> e <- arrange(flights,desc(arr_delay))
> head(e)
# A tibble: 6 x 19
year month day dep_time sched_dep_time dep_delay arr_time sched_arr_time arr_delay carrier
<int> <int> <int> <int> <int> <dbl> <int> <int> <dbl> <chr>
1 2013 1 9 641 900 1301 1242 1530 1272 HA
2 2013 6 15 1432 1935 1137 1607 2120 1127 MQ
3 2013 1 10 1121 1635 1126 1239 1810 1109 MQ
4 2013 9 20 1139 1845 1014 1457 2210 1007 AA
5 2013 7 22 845 1600 1005 1044 1815 989 MQ
6 2013 4 10 1100 1900 960 1342 2211 931 DL
# ... with 9 more variables: flight <int>, tailnum <chr>, origin <chr>, dest <chr>,
# air_time <dbl>, distance <dbl>, hour <dbl>, minute <dbl>, time_hour <dttm>
缺失值總是排在最后面。
> df <- tibble(x=c(5,NA,2))
> arrange(df,x)
# A tibble: 3 x 1
x
<dbl>
1 2
2 5
3 NA
#將缺失值排在前面
> arrange(df,desc(is.na(x)))
# A tibble: 3 x 1
x
<dbl>
1 NA
2 5
3 2
1.3 使用select()選擇列
通過基于變量名的操作澜薄，select()可以讓你快速生成一個有用的變量子集为肮。
#按名稱選擇列
> f <- select(flights,year,month,day)
> head(f)
# A tibble: 6 x 3
year month day
<int> <int> <int>
1 2013 1 1
2 2013 1 1
3 2013 1 1
4 2013 1 1
5 2013 1 1
6 2013 1 1
# 選擇‘year’和‘day’之間的所有列(包括year和day)
> g <- select(flights,year:day)
> head(g)
# A tibble: 6 x 3
year month day
<int> <int> <int>
1 2013 1 1
2 2013 1 1
3 2013 1 1
4 2013 1 1
5 2013 1 1
6 2013 1 1
#選擇不再‘year’和‘day’之間的所有列(不包括‘year’和‘day’)
> h <- select(flights,-(year:day))
> head(h)
# A tibble: 6 x 16
dep_time sched_dep_time dep_delay arr_time sched_arr_time arr_delay carrier flight tailnum
<int> <int> <dbl> <int> <int> <dbl> <chr> <int> <chr>
1 517 515 2 830 819 11 UA 1545 N14228
2 533 529 4 850 830 20 UA 1714 N24211
3 542 540 2 923 850 33 AA 1141 N619AA
4 544 545 -1 1004 1022 -18 B6 725 N804JB
5 554 600 -6 812 837 -25 DL 461 N668DN
6 554 558 -4 740 728 12 UA 1696 N39463
# ... with 7 more variables: origin <chr>, dest <chr>, air_time <dbl>, distance <dbl>,
# hour <dbl>, minute <dbl>, time_hour <dttm>
還可以在select()函數(shù)中使用一些輔助函數(shù)。
start_with("abc")匹配以abc開頭的名稱
ends_with("xyz")匹配以xyz結(jié)尾的名稱
contains("ijk")匹配包含ijk的名稱
matches("(.) \ \ 1")選擇匹配正則表達(dá)式的那些變量肤京，這個正則表達(dá)式會匹配名稱中含有重復(fù)字符的變量颊艳。
num_range('x',1:3)匹配x1，x2和x3
將select()函數(shù)和everything()輔助函數(shù)結(jié)合起來使用，從而將幾個變量移到數(shù)據(jù)框的開頭棋枕。
> i <- select(flights,time_hour,air_time,everything())
> head(i)
# A tibble: 6 x 19
time_hour air_time year month day dep_time sched_dep_time dep_delay arr_time
<dttm> <dbl> <int> <int> <int> <int> <int> <dbl> <int>
1 2013-01-01 05:00:00 227 2013 1 1 517 515 2 830
2 2013-01-01 05:00:00 227 2013 1 1 533 529 4 850
3 2013-01-01 05:00:00 160 2013 1 1 542 540 2 923
4 2013-01-01 05:00:00 183 2013 1 1 544 545 -1 1004
5 2013-01-01 06:00:00 116 2013 1 1 554 600 -6 812
6 2013-01-01 05:00:00 150 2013 1 1 554 558 -4 740
# ... with 10 more variables: sched_arr_time <int>, arr_delay <dbl>, carrier <chr>,
# flight <int>, tailnum <chr>, origin <chr>, dest <chr>, distance <dbl>, hour <dbl>,
# minute <dbl>
1.4 使用mutate()添加新變量
mutate()總是能夠添加新列到數(shù)據(jù)集的最后白修，查看所有列的最簡單的方式就是使用view()函數(shù)。
#先產(chǎn)生一個狹窄的數(shù)據(jù)集
> flights_sml <- select(flights,year:day,ends_with("delay"),distance,air_time)
> head(flights_sml)
# A tibble: 6 x 7
year month day dep_delay arr_delay distance air_time
<int> <int> <int> <dbl> <dbl> <dbl> <dbl>
1 2013 1 1 2 11 1400 227
2 2013 1 1 4 20 1416 227
3 2013 1 1 2 33 1089 160
4 2013 1 1 -1 -18 1576 183
5 2013 1 1 -6 -25 762 116
6 2013 1 1 -4 12 719 150
#添加新列
> j <- mutate(flights_sml,gain=arr_delay - dep_delay,speed= distance/air_time * 60)
> head(j)
# A tibble: 6 x 9
year month day dep_delay arr_delay distance air_time gain speed
<int> <int> <int> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 2013 1 1 2 11 1400 227 9 370.
2 2013 1 1 4 20 1416 227 16 374.
3 2013 1 1 2 33 1089 160 31 408.
4 2013 1 1 -1 -18 1576 183 -17 517.
5 2013 1 1 -6 -25 762 116 -19 394.
6 2013 1 1 -4 12 719 150 16 288.
創(chuàng)建新列后可以立馬使用戒悠，如果只想保留新變量熬荆，可以使用transmute()函數(shù)。
> k <- transmute(flights,gain=arr_delay-dep_delay,hours=air_time/60,gain_per_hour=gain/hours)
> head(k)
# A tibble: 6 x 3
gain hours gain_per_hour
<dbl> <dbl> <dbl>
1 9 3.78 2.38
2 16 3.78 4.23
3 31 2.67 11.6
4 -17 3.05 -5.57
5 -19 1.93 -9.83
6 16 2.5 6.4
1.5 使用summarize()進(jìn)行分組摘要
summarize()可以將數(shù)據(jù)框折疊成一行绸狐。
> l <- summarise(flights,delay=mean(dep_delay,na.rm = T))
> head(l)
# A tibble: 1 x 1
delay
<dbl>
1 12.6
如果summarize()不與group_by()一起使用卤恳，那么它本身也沒有大用。group_by()可以將分析單位從整個數(shù)據(jù)集更改為單個分組寒矿。
#分組后就變成year突琳，month，day相同的為一組符相，來計(jì)算它們的平均延誤時間
> by_day <- group_by(flights,year,month,day)
> m <- summarise(by_day,delay=mean(dep_delay,na.rm = T)) #通過設(shè)置na.rm=T拆融，可以在計(jì)算前去除缺失值，否則會得到大量的缺失值啊终。
`summarise()` regrouping output by 'year', 'month' (override with `.groups` argument)
> head(m)
# A tibble: 6 x 4
# Groups: year, month [1]
year month day delay
<int> <int> <int> <dbl>
1 2013 1 1 11.5
2 2013 1 2 13.9
3 2013 1 3 11.0
4 2013 1 4 8.95
5 2013 1 5 5.73
6 2013 1 6 7.15
使用管道%>%提高代碼的可讀性镜豹，重點(diǎn)在于轉(zhuǎn)換的過程而不是轉(zhuǎn)換的對象。在閱讀代碼的時候蓝牲，%>%讀作 然后趟脂。以下這個例子研究每個目的地的距離和平均延誤時間之間的關(guān)系。
> delay <- flights %>%
group_by(dest) %>%
summarise(
count=n(), #對分組后的dest各元素個數(shù)進(jìn)行計(jì)數(shù)
dist=mean(distance,na.rm = T),
delay=mean(arr_delay,na.rm = T)
) %>%
filter(count > 20,dest != "HNL")
> head(delay)
# A tibble: 6 x 4
dest count dist delay
<chr> <int> <dbl> <dbl>
1 ABQ 254 1826 4.38
2 ACK 265 199 4.85
3 ALB 439 143 14.4
4 ATL 17215 757. 11.3
5 AUS 2439 1514. 6.02
6 AVL 275 584. 8.00
尋找航班數(shù)量和平均延誤時間之間的關(guān)系例衍。
> library(ggplot2)
> not_cancelled <- flights %>%
filter(!is.na(dep_delay),!is.na(arr_delay))
> delays <- not_cancelled %>%
group_by(tailnum) %>%
summarise(
delay=mean(arr_delay,na.rm = T),
n=n
)
> ggplot(data = delays,mapping = aes(x=n,y=delay))+
geom_point()
查看上述圖形時昔期，通常應(yīng)該篩選掉那些觀測數(shù)量非常少的分組，這樣就可以避免受到特別小的分組中極端變動的影響佛玄，進(jìn)而更好的發(fā)現(xiàn)數(shù)據(jù)模式硼一。
delays %>%
filter(n>25) %>%
ggplot(mapping = aes(x=n,y=delay)) +
geom_point()
另一個案例：使用Lahman包中的數(shù)據(jù)來計(jì)算大聯(lián)盟的每個棒球隊(duì)員的打擊率(安打數(shù)/打數(shù))。
#轉(zhuǎn)換成tibble梦抢，以便輸出更美觀
> install.packages("Lahman")
> library(Lahman)
> batting <- as_tibble(Lahman::Batting)
> batters <- batting %>%
group_by(playerID) %>%
summarise(
ba=sum(H,na.rm = T)/sum(AB,na.rm = T),
ab=sum(AB,na.rm = T)
)
> batters %>%
filter(ab>100) %>%
ggplot(mapping = aes(x=ab,y=ba))+
geom_point()+
geom_smooth(se=F)
1.6 常用的摘要函數(shù)
只使用均值般贼，計(jì)數(shù)和求和是遠(yuǎn)遠(yuǎn)不夠的，R中還提供了很多其他的常用摘要函數(shù)奥吩。
1.6.1 位置度量
median(x)用來求中位數(shù)具伍，50%的x大于它，同時50%的x小于它圈驼。
將聚合函數(shù)和邏輯篩選組合起來使用。
> not_cancelled %>%
> group_by(year,month,day) %>%
summarise(
#平均延誤時間
avg_delay1=mean(arr_delay),
#平均正延誤時間
avg_delay2=mean(arr_delay[arr_delay>0])
)
`summarise()` regrouping output by 'year', 'month' (override with `.groups` argument)
# A tibble: 365 x 5
# Groups: year, month [12]
year month day avg_delay1 avg_delay2
<int> <int> <int> <dbl> <dbl>
1 2013 1 1 12.7 32.5
2 2013 1 2 12.7 32.0
3 2013 1 3 5.73 27.7
4 2013 1 4 -1.93 28.3
5 2013 1 5 -1.53 22.6
6 2013 1 6 4.24 24.4
7 2013 1 7 -4.95 27.8
8 2013 1 8 -3.23 20.8
9 2013 1 9 -0.264 25.6
10 2013 1 10 -5.90 27.3
# ... with 355 more rows
1.6.2 秩的度量:min(x),quantile(x,0.25)和max(x)
quantile(x,0.25)會找出x中從小到大順序大于前25%而小于后75%的值望几。
示例：找出每天最早和最晚的航班何時出發(fā).
> n <- not_cancelled %>%
group_by(year,month,day) %>%
summarise(
first=min(dep_time),
last=max(dep_time)
)
> head(n)
# A tibble: 6 x 5
# Groups: year, month [1]
year month day first last
<int> <int> <int> <int> <int>
1 2013 1 1 517 2356
2 2013 1 2 42 2354
3 2013 1 3 32 2349
4 2013 1 4 25 2358
5 2013 1 5 14 2357
6 2013 1 6 16 2355
1.6.3 計(jì)數(shù)
前面已經(jīng)使用過n()來返回當(dāng)前分組的大小绩脆。如果想計(jì)算出非缺失值的數(shù)量，可以使用sum(!is.na(x))。如果想要計(jì)算出唯一值的數(shù)量靴迫，可以使用n_distinct(x)惕味。
#查看哪個目的地具有最多的航空公司
> o <- not_cancelled %>%
group_by(dest) %>%
summarise(carriers=n_distinct(carrier)) %>% #只計(jì)算唯一值
arrange(desc(carriers))
> head(o)
# A tibble: 6 x 2
dest carriers
<chr> <int>
1 ATL 7
2 BOS 7
3 CLT 7
4 ORD 7
5 TPA 7
6 AUS 6
###關(guān)于n_distinct()的理解，可以運(yùn)行一下代碼玉锌，實(shí)際上是去除唯一值的重復(fù)值名挥，只看唯一值的數(shù)量。
> x <- sample(1:10, 1e5, rep = TRUE)
> length(unique(x))
> n_distinct(x) #與上一行代碼相當(dāng)
因?yàn)橛?jì)數(shù)太常用了主守，所以dplyr提供了一個簡單的輔助函數(shù)禀倔，用于只需要計(jì)數(shù)的情況。
> not_cancelled %>%
count(dest)
#計(jì)算每架飛機(jī)飛行的總里程参淫，實(shí)際上就是求和救湖。
> not_cancelled %>%
count(tailnum,wt=distance)
1.6.4 邏輯值的計(jì)數(shù)和比例
當(dāng)與數(shù)值型函數(shù)一同使用時，TRUE會轉(zhuǎn)換成1涎才，F(xiàn)ALSE會轉(zhuǎn)換成0鞋既，這使得sum()和mean()非常適用于邏輯值：sum(x)可以找出x中TRUE的數(shù)量，mean(x)則可以找出比例耍铜。
#早上五點(diǎn)前出發(fā)的有多少架航班
> not_cancelled %>%
+ group_by(year,month,day) %>%
+ summarise(n_nearly=sum(dep_time<500))
`summarise()` regrouping output by 'year', 'month' (override with `.groups` argument)
# A tibble: 365 x 4
# Groups: year, month [12]
year month day n_nearly
<int> <int> <int> <int>
1 2013 1 1 0
2 2013 1 2 3
3 2013 1 3 4
4 2013 1 4 3
5 2013 1 5 3
6 2013 1 6 2
7 2013 1 7 2
8 2013 1 8 1
9 2013 1 9 3
10 2013 1 10 3
# ... with 355 more rows
#延誤超過1小時的航班比例是多少
> not_cancelled %>%
+ group_by(year,month,day) %>%
+ summarise(hour_perc=mean(arr_delay>60))
`summarise()` regrouping output by 'year', 'month' (override with `.groups` argument)
# A tibble: 365 x 4
# Groups: year, month [12]
year month day hour_perc
<int> <int> <int> <dbl>
1 2013 1 1 0.0722
2 2013 1 2 0.0851
3 2013 1 3 0.0567
4 2013 1 4 0.0396
5 2013 1 5 0.0349
6 2013 1 6 0.0470
7 2013 1 7 0.0333
8 2013 1 8 0.0213
9 2013 1 9 0.0202
10 2013 1 10 0.0183
# ... with 355 more rows
1.7 分組新變量(和篩選器)
雖然與summarize()函數(shù)結(jié)合起來使用是最有效的邑闺，但分組也可以與mutate()和filter()函數(shù)結(jié)合，以完成非常便捷的操作棕兼。
示例一：找出每個分組中最差的成員陡舅。
> flights_sml %>%
+ group_by(year,month,day) %>%
+ filter(rank(desc(arr_delay))<5)
# A tibble: 1,464 x 7
# Groups: year, month, day [365]
year month day dep_delay arr_delay distance air_time
<int> <int> <int> <dbl> <dbl> <dbl> <dbl>
1 2013 1 1 853 851 184 41
2 2013 1 1 290 338 1134 213
3 2013 1 1 260 263 266 46
4 2013 1 1 379 456 1092 222
5 2013 1 2 268 288 1092 203
6 2013 1 2 334 323 937 150
7 2013 1 2 337 368 2586 346
8 2013 1 2 379 359 1620 228
9 2013 1 3 174 176 1008 152
10 2013 1 3 268 270 1069 158
# ... with 1,454 more rows
其中對rank()函數(shù)的使用做一個補(bǔ)充。
rank()函數(shù)是對一維度數(shù)組程储、向量x 進(jìn)行排序蹭沛。若x 為數(shù)值，則按照小數(shù)在前大數(shù)在后的原則進(jìn)行排序章鲤。
rank() 將數(shù)據(jù)分為確定值與缺失值兩種摊灭。缺失值可按先后排在確定值之前(na.last = FALSE)；也可排在之后(na.last = TRUE),败徊；也可保留帚呼，不參與排序(na.last = "keep")。
"first" 是最基本的排序皱蹦，小數(shù)在前大數(shù)在后煤杀，相同元素先者在前后者在后。
"max" 是相同元素都取該組中最好的水平沪哺，即通常所講的并列排序沈自。
"min" 是相同元素都取該組中最差的水平，可以增大序列的等級差異辜妓。
"average" 是相同元素都取該組中的平均水平枯途，該水平可能是個小數(shù)忌怎。
"random" 是相同元素隨機(jī)編排次序，避免了“先到先得”酪夷，“權(quán)重”優(yōu)于“先后順序”的機(jī)制增大了隨機(jī)的程度榴啸。
> rank(t <- c(6.8, 8.1, 7.2))
[1] 1 3 2
示例二：找出大于某個閾值的所有分組：
> popular_dests <- flights %>%
+ group_by(dest) %>%
+ filter(n()>365)
> head(popular_dests)
# A tibble: 6 x 19
# Groups: dest [5]
year month day dep_time sched_dep_time dep_delay arr_time sched_arr_time arr_delay carrier
<int> <int> <int> <int> <int> <dbl> <int> <int> <dbl> <chr>
1 2013 1 1 517 515 2 830 819 11 UA
2 2013 1 1 533 529 4 850 830 20 UA
3 2013 1 1 542 540 2 923 850 33 AA
4 2013 1 1 544 545 -1 1004 1022 -18 B6
5 2013 1 1 554 600 -6 812 837 -25 DL
6 2013 1 1 554 558 -4 740 728 12 UA
# ... with 9 more variables: flight <int>, tailnum <chr>, origin <chr>, dest <chr>,
# air_time <dbl>, distance <dbl>, hour <dbl>, minute <dbl>, time_hour <dttm>
參考鏈接：
1.https://dplyr.tidyverse.org/
2.《R for Data Science》
