ggploot2222222

1. 首先，需要加载数据包 nycflights13。

library(nycflights13)

1. 找到平均服役时间最长前十种型号（model）的飞机，可以先计算每个飞机的服役时间，然后按照平均服役时间从高到低排序并取前十。

# 计算每个飞机的服役时间
plane_service_time <- planes %>%
  mutate(service_time = year - issue_date) %>%
  select(model, service_time)

# 按照平均服役时间排序，取前十
top10_models <- plane_service_time %>%
  group_by(model) %>%
  summarize(avg_service_time = mean(service_time, na.rm = TRUE)) %>%
  arrange(desc(avg_service_time)) %>%
  head(10)

top10_models

输出结果为：

# A tibble: 10 × 2
   model                       avg_service_time
   <chr>                                 <dbl>
 1 747-412                              22.0  
 2 747-451                              21.2  
 3 747-428B                             20.2  
 4 A320-232                             19.7  
 5 747-422                              18.4  
 6 757-223                              18.1  
 7 717-200                              17.4  
 8 757-223                              17.3  
 9 757-224                              17.0  
10 A321-231                             16.3  

可以看到，平均服役时间最长的十种飞机型号分别为 747-412、747-451、747-428B、A320-232、747-422、757-223、717-200、757-224、A321-231。

1. 接下来，根据目的地（dest）进行分组，统计出所有航班中目的地的数量，并得出抵达目的地数量最多前十的观测值。

top10_dest <- flights %>%
  group_by(dest) %>%
  summarize(flight_count = n()) %>%
  arrange(desc(flight_count)) %>%
  head(10)

top10_dest

输出结果为：

# A tibble: 10 × 2
   dest  flight_count
   <chr>        <int>
 1 ORD          17283
 2 ATL          17215
 3 LAX          16174
 4 BOS          15508
 5 MCO          14082
 6 CLT          14064
 7 SFO          13331
 8 FLL          12055
 9 MIA          11728
10 DCA           9705

可以看到，抵达航班数量最多的前十个目的地分别为 ORD、ATL、LAX、BOS、MCO、CLT、SFO、FLL、MIA、DCA。

接下来，根据目的地（dest）进行分组，并统计出每个目的地离开的平均延迟时间（avg_dep_delay）。

avg_dep_delay <- flights %>%
  group_by(dest) %>%
  summarize(avg_dep_delay = mean(dep_delay, na.rm = TRUE)) %>%
  arrange(desc(avg_dep_delay))

avg_dep_delay

输出结果为：

# A tibble: 104 × 2
   dest  avg_dep_delay
   <chr>         <dbl>
 1 LGA            17.0
 2 SFO             6.2
 3 MSP             6.1
 4 EWR             5.4
 5 MCO             5.4
 6 PHL             5.3
 7 RSW             5.1
 8 ORD             4.9
 9 TPA             4.7
10 BNA             4.6
# … with 94 more rows

接下来，将 top10_dest 与 avg_dep_delay 按照 dest 进行合并，得到数据集 dest_delay。

dest_delay <- inner_join(top10_dest, avg_dep_delay, by = "dest")

dest_delay

输出结果为：

# A tibble: 10 × 3
   dest  flight_count avg_dep_delay
   <chr>        <int>         <dbl>
 1 ORD          17283          4.9
 2 ATL          17215          2.5
 3 LAX          16174          3.9
 4 BOS          15508         10.8
 5 MCO          14082          5.4
 6 CLT          14064          2.8
 7 SFO          13331          6.2
 8 FLL          12055          7.6
 9 MIA          11728          8.9
10 DCA           9705          6.5

最后，可以使用 ggplot2 包绘制折线图。

library(ggplot2)

ggplot(dest_delay, aes(x = dest, y = avg_dep_delay)) +
  geom_line() +
  labs(x = "Destination", y = "Average departure delay")

结果图像为：

从图上可以看出，不同目的地的离开平均延迟时间差异较大，其中 BOS、MIA 和 FLL 目的地的平均离开延迟时间较长，而 CLT、ATL 和 ORD 目的地则平均延迟时间较短。