请教R语言中两段逻辑向量相关代码的差异及第二段代码含义

原代码的作用 #

原代码按year, month, day分组后，计算的是当日延误航班的平均延误时长：

# Required packages
library(tidyverse)
library(nycflights13)

flights |> 
  group_by(year, month, day) |> 
  summarize(
    behind = mean(arr_delay[arr_delay > 0], na.rm = TRUE),
    n = n(),
    .groups = "drop"
  )

• arr_delay[arr_delay > 0]：只筛选出当日所有**实际延误（到达延迟>0分钟）**的航班的延误时长数据
• mean(..., na.rm = TRUE)：对这些延误时长取平均值，同时忽略缺失值
• 最终输出的behind是分钟数，代表当日延误航班的平均延误时间

修改后代码的输出含义 #

你修改后的代码，输出的是当日有效航班中延误航班的占比：

# Required packages
library(tidyverse)
library(nycflights13)

flights |> 
 group_by(year, month, day) |> 
 filter(!is.na(arr_delay)) |> 
  summarize(
      behind = mean(arr_delay > 0)
 )

关键逻辑：

• filter(!is.na(arr_delay))：先剔除掉arr_delay有缺失值的航班，只保留有效记录
• arr_delay > 0：对每个航班生成一个逻辑值——延误的航班返回TRUE，准点/提前的返回FALSE
• 在R中，计算逻辑向量的均值时，TRUE会被自动转换为1，FALSE转换为0。因此mean(arr_delay > 0)本质是「当日延误航班数 ÷ 当日有效航班总数」，结果是0到1之间的比例值（比如0.2代表当日20%的航班延误）

两者核心差异 #

• 原代码：聚焦延误航班群体，计算它们的平均延误时长（数值为分钟）
• 修改后代码：聚焦当日所有有效航班，计算延误航班的占比（数值为比例）

内容的提问来源于stack exchange，提问作者Samvit0