使用R语言重新编写代码

好的，以下是使用 R 语言重新编写的代码，需要先安装和加载相关的包（dplyr、ggplot2、reshape2）：

library(dplyr)
library(ggplot2)
library(reshape2)

# 从 flights 数据表中选择需要的变量，创建 flight1 表
flight1 <- flights %>%
  select(year, month, day, hour, origin, dep_delay, distance, carrier)

# 从 weather 数据表中选择需要的变量，创建 weather1 表
weather1 <- weather %>%
  select(year, month, day, hour, origin, humid, wind_speed)

# 内连接 flight1 和 weather1 表，并随机抽取 100000 行数据
set.seed(123) # 设置随机种子
flight_weather <- inner_join(flight1, weather1, by = c("year", "month", "day", "hour", "origin")) %>%
  sample_n(100000)

# 计算每个出发机场的平均出发延误时间，并按降序排序
longest_delay <- flight_weather %>%
  group_by(origin) %>%
  summarize(avg_delay = mean(dep_delay, na.rm = TRUE)) %>%
  arrange(desc(avg_delay))

# 根据出发地 (origin) 在同一个图中画出风速 wind speed (x轴)和出发延误时间 dep delay (y轴) 的平滑曲线图
ggplot(flight_weather, aes(x = wind_speed, y = dep_delay, color = origin)) +
  geom_smooth() +
  theme_bw() +
  xlab("Wind Speed") +
  ylab("Departure Delay")

# 根据不同出发地(origin) 在平行的3 个图中画出风速 wind speed(x 轴)和出发延误时间 dep delay(y轴) 的散点图
flight_weather %>%
  ggplot(aes(x = wind_speed, y = dep_delay)) +
  geom_point() +
  facet_wrap(~ origin, ncol = 3) +
  theme_bw() +
  xlab("Wind Speed") +
  ylab("Departure Delay")

# 根据 flight_weather 表，画出每个月航班数的直方分布图，x 轴为月份，轴是每个月份航班数所占的比例
flight_weather %>%
  group_by(month) %>%
  summarize(count = n()) %>%
  mutate(prop = count / sum(count)) %>%
  ggplot(aes(x = month, y = prop)) +
  geom_bar(stat = "identity", fill = "steelblue") +
  theme_bw() +
  xlab("Month") +
  ylab("Proportion of Flights")

# 根据 flight_weather 表，画出每个月航班距离的 boxplot 图，x轴为月份，y轴为航行距离，根据的航行距离的中位数从低到高对x 轴的月份进行重新排序
flight_weather %>%
  mutate(month = factor(month, levels = unique(month)[order(tapply(distance, month, median))])) %>%
  ggplot(aes(x = month, y = distance)) +
  geom_boxplot(fill = "steelblue") +
  theme_bw() +
  xlab("Month") +
  ylab("Flight Distance")

希望这份代码能够对你有所帮助！