航行距离和延误时间到底有没有关系呢？_dep_delay

今天想和大家讨论的问题是：飞机航行距离和延误时间有没有关系呢？我们的数据是R 中nycflights13包的航班数据。好了，搬好小板凳，我们要开始分析了。

先简单了解下我们的数据

> install.packages("dplyr")       #安装数据处理包
> install.packages("nycflights13")   #安装数据包
> library(dplyr)       #载入安装的数据处理包
> library(nycflights13)     #载入安装的数据包
> flights
# A tibble: 336,776 x 19
    year month   day dep_time sched_dep_time dep_delay arr_time sched_arr_time
   <int> <int> <int>    <int>          <int>     <dbl>    <int>          <int>
 1  2013     1     1      517            515         2      830            819
 2  2013     1     1      533            529         4      850            830
 3  2013     1     1      542            540         2      923            850
 4  2013     1     1      544            545        -1     1004           1022
 5  2013     1     1      554            600        -6      812            837
 6  2013     1     1      554            558        -4      740            728
 7  2013     1     1      555            600        -5      913            854
 8  2013     1     1      557            600        -3      709            723
 9  2013     1     1      557            600        -3      838            846
10  2013     1     1      558            600        -2      753            745
# ... with 336,766 more rows, and 11 more variables: arr_delay <dbl>, carrier <chr>,
#   flight <int>, tailnum <chr>, origin <chr>, dest <chr>, air_time <dbl>,
#   distance <dbl>, hour <dbl>, minute <dbl>, time_hour <dttm>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

观察运行的程序能够得知所要分析的数据有336776行19列，包括航班日期：year，month、day；起飞延迟时间：dep_delay（以分为单位）；到达延迟时间：arr_delay（分）；航行距离：distance（英里）；目的地：dest等数据。其实那么多数据，只选择足够分析问题的数据就好了。

数据处理

数据处理之前，再看下分析目标：航班距离和到达延误时间的关系。

与分析目标相关的字段有：包括航班日期：year，month、day；起飞延迟时间：dep_delay（单位：分）；到达延迟时间：arr_delay（单位：分）；航行距离：distance（单位：英里）；目的地：dest。

• 选择子集