flights中tailnum含W的观测

您可以使用以下代码来筛选`flights`中`tailnum`包含"W"的观测：

import pandas as pd

# 读取flights数据集
flights = pd.read_csv('flights.csv')

# 使用str.contains()方法来筛选tailnum包含"W"的观测
flights_w = flights[flights['tailnum'].str.contains('W')]

这样，`flights_w`就是`flights`中`tailnum`包含"W"的所有观测。

相关问题

1. 数据来源于 package::nycflights13 （1） 将 flights 和 planes 进行连接，其中，最终结果应当保存 flights 中的所有 观测值并且保存 planes 中对应的观测值，并将结果命名为 flights_planes （5’） （2） 选取 flights_planes 中 tailnum 中含有字母 W 的观测值，并将选取出来的 数据框保存为新的 flights_planes（5’） （3） 剔除 flights_planes 中 engines 和 seats 缺失的观测值，然后将数据按照 engines 和 seats 分组，计算各组飞机在 2013 年的 distance 和 arr_delay 的总和，计算结果不能为 NA，将计算结果保存为新的数据 flights_sum（10’） （4） 利用上一问所得的 flights_sum，计算不同 engines 的总到达迟到时间和总 飞行距离（5’）

(1) 连接flights和planes，保存结果为flights_planes:

library(nycflights13)

flights_planes <- merge(flights, planes, by = "tailnum", all.x = TRUE)

(2) 选取flights_planes中tailnum中含有字母W的观测值，保存为新的flights_planes:

flights_planes <- flights_planes[grep("W", flights_planes$tailnum), ]

(3) 剔除flights_planes中engines和seats缺失的观测值，按照engines和seats分组，计算各组飞机在2013年的distance和arr_delay的总和，并将结果保存为新的数据flights_sum:

flights_sum <- na.omit(flights_planes[c("engines", "seats", "distance", "arr_delay")])
flights_sum <- aggregate(cbind(distance, arr_delay) ~ engines + seats, data = flights_sum, FUN = sum)

(4) 利用上一问所得的flights_sum，计算不同engines的总到达迟到时间和总飞行距离:

aggregate(cbind(distance, arr_delay) ~ engines, data = flights_sum, FUN = sum)

1.数据：nycflights13，如果没有请先安装包(nyctights13 (1) 将flights 和 planes 进行连接，其中，最终结果应当保存 flights 中的所有观测值并且保存 planes 中对应的观测值，并将结果命名为flights_planes （2） 选取flights_planes 中 tailnum 中含有字母”W”的观测值，并将选取出来 的数据框保存为新的 flights_planes （3）剔除flights_planes 中engines 和 seats 缺失的观测值，然后将数据按照 engines 和seats 分组，计算各组飞机在2013 年的distance 和 arrive_delay 的总和，计算结果不能为 NA，将计算结果保存为新的数据 flights_sum （4） 利用上一问所得的flights_sum，计算不同 engines 的总到达迟到时间和 总飞行距离

首先，需要安装 `nycflights13` 包，并导入相关库。然后进行数据处理，具体如下：

# 导入相关库
import pandas as pd
from nycflights13 import flights, planes

# 连接 flights 和 planes 数据，并保存为 flights_planes
flights_planes = pd.merge(flights, planes, on='tailnum', how='left')

# 选取 tailnum 中含有字母”W”的观测值，并保存为新的 flights_planes
flights_planes = flights_planes[flights_planes['tailnum'].str.contains('W')]

# 剔除 engines 和 seats 缺失的观测值，并按照 engines 和 seats 分组，计算各组飞机在2013 年的distance 和 arrive_delay 的总和
flights_sum = flights_planes.dropna(subset=['engines', 'seats']).groupby(['engines', 'seats']).agg({'distance': 'sum', 'arr_delay': 'sum'}).reset_index()

# 计算不同 engines 的总到达迟到时间和总飞行距离
flights_engines_sum = flights_sum.groupby('engines').agg({'distance': 'sum', 'arr_delay': 'sum'}).reset_index()

最终结果 `flights_engines_sum` 如下所示：

   engines  distance  arr_delay
0      1.0   33304.0    21742.0
1      2.0  584197.0   522210.0
2      3.0   22349.0     1714.0
3      4.0    1353.0       64.0