R 如何使用不同的筛选器（）汇总（n=n（））？

我想打印以下表格。 我尝试了几种方法，但我只能添加其中一列（要么是“to_ORD”，要么是“to_MDW”），其中包含该类型的信息。如何编写代码使它们同时出现在同一张表上

这是我的代码：

library(tidyverse)
library(dplyr)
install.packages("nycflights13")
library(nycflights13)
flights_1 <- flights %>%
    group_by(carrier) %>%
    filter(dest == "ORD") %>%
    summarize(to_ORD = n())
flights_1
flights_2 <- flights %>%
    group_by(carrier) %>%
    filter(dest == "MDW") %>%
    summarize(to_MDW = n())
flights_2

库（tidyverse）
图书馆（dplyr）
安装软件包（“nycflights13”）
图书馆（nycflights13）
航班率1%
组别（承运商）%>%
过滤器（目标==“ORD”）%>%
总结（to_ORD=n（））
航班1
航班率2%
组别（承运商）%>%
筛选器（dest==“MDW”）%>%
总结（to_MDW=n（））
航班2

我也试过：（显然不正确）

flights\u 1%
组别（承运商）%>%
过滤器（目标==“ORD”|目标==“MDW”）%>%
总结（to_ORD=n（））

对于每个

载体

计算

'ORD'

和

'MDW'

值的计数，并仅保留任何值大于0的行

library(dplyr)

flights %>%
  group_by(carrier) %>%
  summarize(to_ORD = sum(dest == "ORD"), 
            to_MDW = sum(dest == "MDW")) %>%
  filter(to_ORD > 0 | to_MDW > 0)

#  carrier to_ORD to_MDW
#  <chr>    <int>  <int>
#1 9E        1056      0
#2 AA        6059      0
#3 B6         905      0
#4 EV           2      0
#5 MQ        2276      0
#6 OO           1      0
#7 UA        6984      0
#8 WN           0   4113

库（dplyr）
航班%>%
组别（承运商）%>%
总结（目的地=目的地），
to_MDW=总和（dest==“MDW”））%>%
过滤器（到ORD>0到MDW>0）
#承运商到ORD到MDW
#        
#1 9E 1056 0
#2机管局60590
#3 B6 905 0
#4 EV 2 0
#5 MQ 2276 0
#6 OO 10
#7 UA 6984 0
#8WN04113

按照同样的思路，但需要更多的步骤来说明推理，即消除不必要的数据，然后区分芝加哥地区的两个机场

library(dplyr)
library(nycflights13)
flights %>% 
  filter(dest == "ORD" | dest == "MDW") %>%
  group_by(carrier,dest) %>%
  count() %>%
  mutate(to_ORD = ifelse(dest == "ORD", n,0),
         to_MDW = ifelse(dest == "MDW",n,0)) %>%
  select(-dest,-n)
#> Adding missing grouping variables: `dest`
#> # A tibble: 8 x 4
#> # Groups:   carrier, dest [8]
#>   dest  carrier to_ORD to_MDW
#>   <chr> <chr>    <dbl>  <dbl>
#> 1 ORD   9E        1056      0
#> 2 ORD   AA        6059      0
#> 3 ORD   B6         905      0
#> 4 ORD   EV           2      0
#> 5 ORD   MQ        2276      0
#> 6 ORD   OO           1      0
#> 7 ORD   UA        6984      0
#> 8 MDW   WN           0   4113

库（dplyr）
图书馆（nycflights13）
航班%>%
过滤器（目标==“ORD”|目标==“MDW”）%>%
分组依据（承运人、目的地）%>%
计数（）%>%
变异（到_ORD=ifelse（dest==“ORD”，n，0），
to_MDW=ifelse（dest==“MDW”，n，0））%>%
选择（-dest，-n）
#>添加缺少的分组变量：`dest`
#>#A tibble:8 x 4
#>#组别：承运人、目的地[8]
#>目的地承运人至订单至MDW
#>          
#>1 ORD 9E 1056 0
#>2 ORD AA 60590
#>3 ORD B6 905 0
#>4 ORD EV 2 0
#>5 ORD MQ 2276 0
#>6 ORD OO 10
#>7 ORD UA 6984 0
#>西九龙8 MDW 0 4113

我们可以更广泛地使用

pivot\u

library(dplyr)
library(nycflights13)
library(tidyr)
flights %>% 
  select(carrier, dest) %>% 
  filter(dest %in% c("ORD", "MDW")) %>% 
  pivot_wider(names_from = dest, values_from = dest, 
      values_fn = length, values_fill = 0)

-输出

# A tibble: 8 x 3
#  carrier   ORD   MDW
#  <chr>   <int> <int>
#1 UA       6984     0
#2 AA       6059     0
#3 MQ       2276     0
#4 B6        905     0
#5 WN          0  4113
#6 9E       1056     0
#7 OO          1     0
#8 EV          2     0

# A tibble: 8 x 3
#  carrier   ORD   MDW
#  <chr>   <int> <int>
#1 UA       6984     0
#2 AA       6059     0
#3 MQ       2276     0
#4 B6        905     0
#5 WN          0  4113
#6 9E       1056     0
#7 OO          1     0
#8 EV          2     0

table(subset(flights, dest %in% c("ORD", "MDW"), select = c(carrier, dest)))