ha-03-solutions.Rmd

---
title: "Hausaufgabe 03 - Hallo {dplyr}"
author: "Füge deinen Namen hier hinzu"
date: "Füge das Datum hier hinzu"
output: 
  html_document: 
    toc: yes
    toc_float: true
editor_options: 
  chunk_output_type: console
---

```{r setup, include=FALSE}
# Ich habe hier ein paar Standardeinstellungen für dich vorgenommen
knitr::opts_chunk$set(echo = TRUE, message = FALSE, warning = FALSE)
```

# Lade Packages

```{r lade-packages, message=FALSE}

library(nycflights13)  # Installiere das Package mit install.packages("") in der Konsole (Fenster unten links)
library(dplyr)

```

# Daten erkunden

Nutze die dir bekannten Funktionen um die Daten zu erkunden.

```{r}



```

# Tastaturkürzel

Ich habe hier nochmals die wichtigsten Tastaturkürzel für dich hinzugefügt

- **Einen neuen Code-chunk hinzufügen:** Ctrl + Alt + I
- **Code "Zeile für Zeile" innerhalb eines Code-chunks ausführen:** Ctrl + Enter
- **Den gesamten Code-chunk ausführen:** Ctrl + Shift + Enter
- **Die Pipe (%>%):** Ctrl + Shift + M
- **Der Zuweisungs-Operator (<-)**: Alt + -

# Übungen

Ich habe für dich für jede Übung eine Struktur vorbereitet. Es ist ein Bereich für Notizen und Fragen da, welche du auch direkt in unserem Slack Channel stellen kannst. Du kannst auch Code-chunks hinzufügen und den Code aus dem Buch kopieren und selbst ausprobieren. Auch die Fragestellungen für die Übungen aus den jeweiligen Kapiteln habe ich bereits hinzugefügt. Schreibe deinen Code in den jeweiligen Bereich für die Frage.

## Übung 1 - dplyr::filter()

### Notizen / Fragen - Kapitel 5.1

**Lösche diesen Text und füge deine Notizen und Fragen hinzu**

### Notizen / Fragen - Kapitel 5.2

**Lösche diesen Text und füge deine Notizen und Fragen hinzu**

### Kapitel - 5.2.4 Exercises

1. Find all flights that:

```{r}

# a. Had an arrival delay of two or more hours

flights %>% 
  filter(arr_delay >= 120)

# b. Flew to Houston (`IAH` or `HOU`)

flights %>% 
  filter(dest %in% c("IAH", "HOU"))

flights %>% 
  filter(dest == "IAH" | dest == "HOU")

# c. Were operated by United, American, or Delta

# Dataframe airlines anschauen um den Airline Code für die Namen zu finden
# ?airlines

flights %>% 
  filter(carrier %in% c("AA", "DL", "UA"))

# d. Departed in summer (July, August, and September)

flights %>% 
  filter(month >= 7, month <= 9)

# e. Arrived more than two hours late, but didn't leave late

flights %>% 
  filter(arr_delay > 120, dep_delay <= 0)

# f. Were delayed by at least an hour, but made up over 30 minutes in flight

flights %>% 
  filter(dep_delay >= 60, dep_delay - arr_delay > 30)

# g. Departed between midnight and 6am (inclusive)

flights %>% 
  filter(dep_time <= 600 | dep_time == 2400)


```

2. Another useful dplyr filtering helper is `between()`.
What does it do?
Can you use it to simplify the code needed to answer the previous challenges?

```{r}

flights %>% 
  filter(between(month, 7, 9))

flights %>% 
  filter(month %in% c(7:9))

library(palmerpenguins)

penguins %>% 
  filter(between(bill_depth_mm, 20, 25))

```

3. How many flights have a missing `dep_time`?
What other variables are missing?
What might these rows represent?


```{r}

flights %>% 
  filter(is.na(dep_time))

# Für die gleiche variable fehlt dep_delay und arr_time
# >> Flüge wurden gestrichen

```

## Übung 2 - dplyr::arrange()

### Notizen / Fragen - Kapitel 5.3

### Kapitel - 5.3.1 Exercises


1. Sort `flights` to find the most delayed flights.
Find the flights that left earliest.

```{r}

flights %>% 
  arrange(desc(dep_delay))

flights %>% 
  arrange(dep_delay)

```


2. Sort `flights` to find the fastest (highest speed) flights.

```{r}

flights %>% 
  arrange(air_time) 

```


3. Which flights travelled the farthest?
Which travelled the shortest?

```{r}

flights %>% 
  arrange(desc(distance))

flights %>% 
  arrange(distance)

```

## Übung 3 - dplyr::select()

### Notizen / Fragen - Kapitel 5.4

### Kapitel - 5.4.1 Exercises

1. Brainstorm as many ways as possible to select `dep_time`, `dep_delay`, `arr_time`, and `arr_delay` from `flights`.

```{r}

flights %>% 
  select(dep_time, dep_delay, arr_time, arr_delay)

flights %>% 
  select(4, 6, 7, 9)

vektor_vars <- c("dep_time", "dep_delay", "arr_time", "arr_delay")

flights %>% 
  select(all_of(vektor_vars))

flights %>% 
  select(any_of(vektor_vars))


```

2. What happens if you include the name of a variable multiple times in a `select()` call?

```{r}

flights %>% 
  select(year, month, year, year)

```