在r语言的flights中，#按tailnum分组，去除arr_delay，dep_delay，tailnum的NA值。找出所有的好飞机组, 即该飞机组对应的数据表的所有行均满足arr_delay<200且dep_delay<200。按字母顺序，由小至大。然后计算每架飞机arr_delay<120且dep_delay<120的行数占该组总行数的比例。结果为两列，tailnum和prop

以下是实现该任务的代码：

library(nycflights13)
library(dplyr)

good_flights <- flights %>%
  group_by(tailnum) %>%
  filter(!is.na(tailnum)) %>%
  summarise_all(~all(!is.na(.))) %>%
  filter(arr_delay < 200 & dep_delay < 200) %>%
  select(tailnum)

prop <- flights %>%
  filter(arr_delay < 120 & dep_delay < 120) %>%
  group_by(tailnum) %>%
  summarise(prop = sum(arr_delay < 120 & dep_delay < 120) / n()) %>%
  filter(tailnum %in% good_flights$tailnum) %>%
  arrange(tailnum)

result <- data.frame(tailnum = prop$tailnum, prop = prop$prop)

result

首先，我们加载了 `nycflights13` 包，该包包含了航班数据集，其中包括了 `flights` 数据框。接着，我们使用 `dplyr` 包对 `flights` 数据框进行处理。

我们首先按 `tailnum` 分组，然后去除所有带有 `NA` 值的行。接着，我们筛选出所有满足 `arr_delay < 200` 且 `dep_delay < 200` 的飞机组，这些飞机组被认为是“好飞机组”。最后，我们只保留了 `tailnum` 列。

然后，我们使用 `filter()` 函数来筛选出所有满足 `arr_delay < 120` 且 `dep_delay < 120` 的行。接着，我们再次按 `tailnum` 分组，然后计算每个分组中满足条件的行数占该组总行数的比例，即通过 `sum(arr_delay < 120 & dep_delay < 120) / n()` 得到比例。

最后，我们筛选出属于“好飞机组”的飞机，并按字母顺序排序。结果存储在 `result` 数据框中，包含了 `tailnum` 和 `prop` 两列，其中 `tailnum` 列为飞机尾号，`prop` 列为满足条件的行数占该组总行数的比例。