如何在R中对两个数据表的属性做算术运算，计算达美航空各机场延误率

嗨，别担心，新手遇到这类分组统计的问题太正常啦！我来帮你简化这个流程，其实不用分开统计总航班和延误航班，一步就能搞定～

方法一：简化你的现有代码（合并两个统计结果） #

你已经得到了总航班数和延误航班数的两个tibble，我们可以用dplyr的left_join把它们合并，然后直接计算比值：

library(dplyr)
library(nycflights13)

flts <- nycflights13::flights

# 过滤达美航空的所有航班
all_delta_flights <- filter(flts, carrier == "DL")
# 过滤达美航空的延误航班（抵达延误>0）
all_late_delta_flights <- filter(flts, carrier == "DL", arr_delay > 0)

# 统计各出发机场的总航班数和延误航班数
total_by_origin <- all_delta_flights %>% group_by(origin) %>% summarise(total = n())
late_by_origin <- all_late_delta_flights %>% group_by(origin) %>% summarise(late = n())

# 合并并计算延误百分比
delay_result <- left_join(total_by_origin, late_by_origin, by = "origin") %>%
  mutate(delay_percent = late / total)

# 查看结果
delay_result

运行后你会得到这样的输出：

# A tibble: 3 x 4
  origin total  late delay_percent
  <chr>  <int> <int>         <dbl>
1 EWR     4342  1725         0.397
2 JFK    20701  6353         0.307
3 LGA    23067  8335         0.361

方法二：更高效的链式操作（推荐） #

其实我们完全可以不用分开处理两个数据集，直接在同一个链式操作里完成过滤、分组、统计和计算，这样既减少中间变量，也更不容易出错：

library(dplyr)
library(nycflights13)

delay_result <- nycflights13::flights %>%
  # 只保留达美航空的航班
  filter(carrier == "DL") %>%
  # 按出发机场分组
  group_by(origin) %>%
  # 一次性统计总航班数、延误航班数和延误百分比
  summarise(
    total_flights = n(),
    # 统计延误航班数，注意用na.rm=TRUE忽略arr_delay为NA的情况（比如航班取消）
    late_flights = sum(arr_delay > 0, na.rm = TRUE),
    delay_percent = late_flights / total_flights
  )

# 查看结果
delay_result

这个方法和方法一的结果完全一致，但代码更简洁，逻辑也更连贯。

小提示 #

注意arr_delay可能存在NA值（比如航班被取消或改期，没有抵达延误数据），所以在统计延误航班数时加上na.rm=TRUE可以避免这些NA值影响统计结果，让计算更准确。

内容的提问来源于stack exchange，提问作者Cameron