01-dplyr.Rmd

---
title: "Manipulación de datos con dplyr"
author: "Patricia Perrone"
date: "2022-07-30"
output: html_document
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)

# Completá el espacio con los paquetes que vas a necesitar
library(datos)  # paquete con datos
library(dplyr)   # para manipular datos
library(usethis)
```

# Conecto usuario
```{r}
use_git_config(user.name = "patoperrone",
user.email = "patoperrone@gmail.com")
```

# Preparación

Primero, cargo los datos del paquete datos.
Corré esta línea de código si en algún momento modificaste la variable `vuelos` y querés volver a empezar.
¡No borres ni modifiques este bloque!

```{r}
vuelos <- datos::vuelos
```

1.  Corré `?vuelos` en la consola para ver la ayuda de la base de datos `vuelos`. Fijate qué es cada columna de la tabla.

Muestra de las primeras 6 filas de la tabla, para ver qué pinta tiene.

```{r}
head(vuelos)
```

# Ejercicios

Usando la función filter().
Encontrá todos los vuelos que:

a.  Tuvieron un retraso de llegada de dos o más horas

```{r}
filter(vuelos, atraso_llegada >= 120)
```

Ayuda: si te da un error como este:

    Error in filter(vuelos, atraso_llegada >= 120) : filter
      object 'atraso_llegada' not found

asegurate de haber cargado el paquete dplyr en el primer bloque de código.

1.  Encontrá todos los vuelos que:


b.  Volaron a Houston (IAH o HOU)

```{r}

filter(vuelos, destino == "IAH" | destino == "HOU")

```

c.  Fueron operados por United, American o Delta

```{r}
filter(vuelos, aerolinea == "American" | aerolinea == "Delta")
```

d.  Llegaron más de dos horas tarde, pero no salieron tarde

```{r}
filter(vuelos, atraso_llegada >= 120 & atraso_salida == 0)
```

e.  Partieron entre la medianoche y las 6 a.m. (incluyente)

(Ojo, en algunos casos la medianoche está escrita como 2400.)

```{r}
filter(vuelos, horario_salida >= 0 & horario_salida <=600 | horario_salida >= 2400 & horario_salida <=600)
```

2.  Calculá el tiempo de vuelo usando `horario_llegada - horario_salida` ¿Es igual a `tiempo_vuelo`? ¿Cuál es el problema?

```{r}
mutate(vuelos, tiempo_de_vuelo = horario_llegada - horario_salida)
```
```{r}
print("RTA: El problema es que el horario de salida y el de llegada están expresados en la hora local, por lo que no se puede calcular con la fórmula indicada")
```
3.  Calculá el tiempo de vuelo promedio para cada aeropuerto de origen.

(Ayuda: Si hay que calcular algo **para cada *algo***, hay que siempre pensar en groupos.)

```{r}

vuelos %>% 
  group_by(origen) %>% 
  summarise(tiempo_vuelo_promedio = mean(tiempo_vuelo, na.rm = TRUE))

```

¿Por qué hay que poner el argumento `na.rm = TRUE`?
Fijate qué pasa si lo sacás y buscá en la ayuda de la función `mean` para ver qué hace.
```{r}
print("RTA: evita errores en el caso de que haya datos perdidos y no pueda cañlcular los promedios")
```

4.  Calculá el retraso medio para cada aerolínea.

```{r}
# asumo que se trata del retraso en la salida. 
vuelos %>% 
  group_by(origen) %>% 
  summarise(retraso_promedio = mean(atraso_salida, na.rm = TRUE))

```