R for data science chap18——模型构建.航班篇

1、计算每日航班数量

计算每日航班数量

> daily <-  flights %>%
+   mutate(date=make_date(year,month,day)) %>%
+   group_by(date) %>%
+   summarize(n=n())
`summarise()` ungrouping output (override with `.groups` argument)
> daily
# 可视化
> ggplot(daily,aes(date,n))+
+   geom_line()
image.png
  • n()的用法:分组计数
> daily <-  flights %>%
+   mutate(date=make_date(year,month,day)) %>%
+   group_by(date)
> daily
> daily
# A tibble: 336,776 x 20
# Groups:   date [365]
    year month   day dep_time sched_dep_time dep_delay arr_time sched_arr_time
   <int> <int> <int>    <int>          <int>     <dbl>    <int>          <int>
 1  2013     1     1      517            515         2      830            819
 2  2013     1     1      533            529         4      850            830
 3  2013     1     1      542            540         2      923            850
 4  2013     1     1      544            545        -1     1004           1022
 5  2013     1     1      554            600        -6      812            837
 6  2013     1     1      554            558        -4      740            728
 7  2013     1     1      555            600        -5      913            854
 8  2013     1     1      557            600        -3      709            723
 9  2013     1     1      557            600        -3      838            846
10  2013     1     1      558            600        -2      753            745
> count(group_by(daily,date))
# A tibble: 365 x 2
# Groups:   date [365]
   date           n
   <date>     <int>
 1 2013-01-01   842
 2 2013-01-02   943
 3 2013-01-03   914
 4 2013-01-04   915
 5 2013-01-05   720
 6 2013-01-06   832
 7 2013-01-07   933
 8 2013-01-08   899
 9 2013-01-09   902
10 2013-01-10   932

数据显然有以周为单位的变化,这影响了数据的长期观察。

检查航班数量在每一天正宗的分布

> Sys.setlocale("LC_ALL","English")
[1] "LC_COLLATE=English_United States.1252;LC_CTYPE=English_United States.1252;LC_MONETARY=English_United States.1252;LC_NUMERIC=C;LC_TIME=English_United States.1252"
> daily <-  daily %>%
+   mutate(wday=wday(date,label = T,locale = Sys.getlocale(category = "LC_TIME")))
> daily
# A tibble: 365 x 3
   date           n wday 
   <date>     <int> <ord>
 1 2013-01-01   842 Tue  
 2 2013-01-02   943 Wed  
 3 2013-01-03   914 Thu  
 4 2013-01-04   915 Fri  
 5 2013-01-05   720 Sat  
 6 2013-01-06   832 Sun  
 7 2013-01-07   933 Mon  
 8 2013-01-08   899 Tue  
 9 2013-01-09   902 Wed  
10 2013-01-10   932 Thu  
# ... with 355 more rows
> ggplot(daily,aes(wday,n))+
+   geom_boxplot()
image.png

必须把locale设为英文环境,否则lucbridate会根据当前环境读取中文,显示中文的星期几

消除强烈的模式——建立模型

> ## 拟合模型
> mod <-  lm(n~wday,data = daily)
> grid <-  daily %>% 
+   data_grid(wday) %>% 
+   add_predictions(mod,"n")
> ggplot(daily,aes(wday,n))+
+   geom_boxplot()+
+   geom_point(data = grid,aes(wday,n),color="red",size=4)
> ggplot(daily,aes(wday,n))+
+   geom_boxplot()+
+   geom_point(data = grid,color="red",size=4)
> grid <-  daily %>% 
+   data_grid(wday) %>% 
+   add_predictions(mod,"n")
> ggplot(daily,aes(wday,n))+
+   geom_boxplot()+
+   geom_point(data = grid,color="red",size=4)
image.png

分析残差

> daily <- daily %>% 
+   add_residuals(mod) 
> daily %>% 
+   ggplot(aes(date,resid))+
+   geom_ref_line(h=0)+
+   geom_line()
image.png

六月开始模型并不适用
→进一步分析——按照wday分别展示

按照wday分别展示

daily %>% 
  ggplot(aes(date,resid,color=wday))+
  geom_ref_line(h=0)+
  geom_line()
# 显示航班特别少的日期
daily %>% 
  filter(resid < -100)
image.png

显示更平滑的长期趋势: smooth()

daily %>% 
  ggplot(aes(date,resid))+
  geom_ref_line(h=0)+
  geom_line(color="grey50")+
  geom_smooth(se=F,span=0.20)
image.png

季节性星期六效应

> daily %>% 
+   filter(wday=="Sat") %>% 
+   ggplot(aes(date,n))+
+   geom_point()+
+   geom_line()+
+   scale_x_date(
+     NULL,
+     date_breaks = "1 month",
+    date_labels = "%b"
+   )
image.png

labels = b% : 见strptime {base}
%b
Abbreviated month name in the current locale on this platform. (Also matches full name on input: in some locales there are no abbreviations of names.)

从图中可看出周六航班的季节变化。可能与学期假期相关。

按学期分类处理数据

> term <-  function(date){
+   cut(date,
+       breaks = ymd(20130101,20130605,20130825,20140101),
+       labels = c("spring","summer","fall"))
+ }
> daily <-  daily %>% 
+   mutate(term=term(date))
> 
> daily %>% 
+   filter(wday == "Sat") %>% 
+   ggplot(aes(date,n,color=term))+
+   geom_point(alpha=1/3)+
+   geom_line()+
+   scale_x_date(
+     NULL,
+     date_breaks = "1 month",
+     date_labels = "%b")
image.png

查看学期变量如何影响一周中其他wday

daily %>% 
  ggplot(aes(wday,n,color=term))+
  geom_boxplot()
image.png

拟合去除每学期周内效应的模型

mod1 <-  lm(n~wday,data = daily)
mod2 <- lm(n~wday * term,data = daily)

daily %>% 
  gather_residuals(without_term=mod1, with_term=mod2) %>% 
  ggplot(aes(date,resid,color=model))+
  geom_line()
image.png

将预测值覆盖到数据上

grid <-  daily %>% 
  data_grid(wday,term) %>% 
  add_predictions(mod2,"n")

ggplot(daily,aes(wday,n))+
  geom_boxplot()+
  geom_point(data = grid,color="red")+
  facet_wrap(~term)
image.png

发现问题:离群点
解决:使用MASS::rlm()

处理离群点—— MASS::rlm()

library(MASS)
mod3 <- rlm(n~wday * term,data = daily)
daily %>% 
  add_residuals(mod3,"resid") %>% 
  ggplot(aes(date,resid))+
  geom_hline(yintercept = 0,size=2,color="white")+
  geom_line()
image.png
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,293评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,604评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,958评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,729评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,719评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,630评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,000评论 3 397
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,665评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,909评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,646评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,726评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,400评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,986评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,959评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,197评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,996评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,481评论 2 342