查找所有至少有三年R数据的航班

Question

我使用的是在R中免费获得的飞行数据集。

flights <- read_csv("http://ucl.ac.uk/~uctqiax/data/flights.csv")

现在，假设我想找到所有已经连续飞行了至少三年的航班:所以在date专栏中有三年的时间可用。基本上，我只对数据的year部分感兴趣。

我正在考虑以下方法:创建一个所有平面名称的唯一列表，然后为每一架飞机获取所有日期，并查看是否连续三年。

我开始时是这样的：

NOyears = 3
planes <- unique(flights$plane) 

# at least 3 consecutive years 
for (plane in planes){
  plane = "N576AA"
  allyears <- which(flights$plane == plane)
}

但我被困在这里了。整个方法对我来说都太复杂了。有更简单/更快的方法吗？考虑到我正在处理一个非常大的数据集.

注意:我希望能够指定一年之后的数量，这就是为什么我首先包括了NOyears = 3。

编辑：

我刚刚注意到了这的问题。diff和cumsum的使用非常有趣，这对我来说都是新的。也许在这里使用data.table也可以采用类似的方法？

Answer 1

下面是另一个使用data.table的选项

#summarize into a smaller dataset; assuming that we are not counting days to check for consecutive years
yearly <- flights[, .(year=unique(year(date))), .(carrier, flight)]

#add a dummy flight to demonstrate consecutive years
yearly <- rbindlist(list(yearly, data.table(carrier="ZZ", flight="111", year=2011:2014)))

setkey(yearly, carrier, flight, year)    
yearly[, c("rl", "rw") := {
    iscons <- cumsum(c(0L, diff(year)!=1L))
    .(iscons, rowid(carrier, flight, iscons))
}]

yearly[rl %in% yearly[rw>=3L]$rl]

产出：

   carrier flight year   rl rw
1:      ZZ    111 2011 5117  1
2:      ZZ    111 2012 5117  2
3:      ZZ    111 2013 5117  3
4:      ZZ    111 2014 5117  4

Answer 2

dplyr会在这里完成任务

library(dplyr)
library(lubridate)

flights %>%
  mutate(year = year(date)) %>%
  group_by(plane) %>%
  summarise(range = max(year) - min(year)) %>%
  filter(range >= 2)

虽然我没有看到任何符合标准的飞机！

编辑:根据mnist的评论，连续几年比较棘手，但是下面是一个连续几个月的工作示例(您提供的数据只有一年)--只是交换几年就行了！

nMonths = 6
flights %>%
  mutate(month = month(date)) %>% #Calculate month
  count(plane, month) %>% #Summarize to one row for each plane/month combo
  arrange(plane, month) %>% #Arrange by plane, month so we can look at consecutive months
  group_by(plane) %>% #Within each plane...
  mutate(consecutiveMonths = c(0, sequence(rle(diff(month))$lengths))) %>% #...calculate the number of consecutive months each row represents
  group_by(plane) %>% #Then, for each plane...
  summarise(maxConsecutiveMonths = max(consecutiveMonths)) %>% #...return the maximum number of consecutive months
  filter(maxConsecutiveMonths > nMonths) #And keep only those planes that meet criteria!