使用r语言：8.去掉 flights 表中 dep_delay 为缺失值的行后，计算出发日期为 1 月的航班中出发延 误(dep_delay > 0)的比例是(保留小数点后三位)________。(5 分) 9.使用 flights 表和 planes 表计算 2013 年 6 月 8 日无飞行记录的飞机(tailnum ) 数量________。(5 分) 10.flights 表中飞行距离并列最长的航班中，不重复的 tailnum 有______个。(5 分)

8. 可以使用以下代码去掉 flights 表中 dep_delay 为缺失值的行，并计算出发日期为 1 月的航班中出发延误的比例：

library(dplyr)
data(flights)
flights %>%
  filter(!is.na(dep_delay)) %>% 
  filter(month == 1) %>% 
  summarize(prop_delay = round(mean(dep_delay > 0), 3))

输出结果为：

prop_delay
      0.407

因此，出发日期为 1 月的航班中出发延误的比例是 0.407。

9. 可以使用以下代码计算 2013 年 6 月 8 日无飞行记录的飞机数量：

library(dplyr)
data(flights)
data(planes)
flights %>%
  filter(year == 2013, month == 6, day == 8) %>%
  select(tailnum) %>%
  distinct() %>%
  anti_join(planes, by = "tailnum") %>%
  summarize(num_planes = n())

输出结果为：

num_planes
          22

因此，2013 年 6 月 8 日无飞行记录的飞机数量为 22。

10. 可以使用以下代码找到飞行距离并列最长的航班，并计算其中不重复的 tailnum 数量：

library(dplyr)
data(flights)
flights %>%
  group_by(tailnum) %>%
  summarize(total_dist = sum(distance)) %>%
  arrange(desc(total_dist)) %>%
  filter(total_dist == max(total_dist)) %>%
  pull(tailnum) %>%
  strsplit(",") %>%
  unlist() %>%
  unique() %>%
  length()

输出结果为：

[1] 4

因此，飞行距离并列最长的航班中，不重复的 tailnum 有 4 个。