dist = mean(distance, na.rm = TRUE), delay = mean(arr_delay, na.rm = TRUE) ) %>% filter(count > 20, dest != "HNL")

这里关注的是变换操作本身，而不是被变换的对象，这使得代码更易于阅读。你可以把它读作一系列祈使语句：分组，然后汇总，然后过滤。正如这种读法所暗示的，阅读代码时，%>% 的一个好读法是“然后”。

在幕后，x %>% f(y) 会转换为 f(x, y)，而 x %>% f(y) %>% g(z) 会转换为 g(f(x, y), z)，依此类推。你可以使用管道以从左到右、从上到下的方式重写多个操作，使其更易读。从现在开始我们会频繁使用管道，因为它显著提高了代码的可读性，我们将在第 14 章中更详细地讨论它。

使用管道是属于 tidyverse 的关键标准之一。唯一的例外是 ggplot2：它是在管道被发现之前编写的。遗憾的是，ggplot2 的下一个版本 ggvis 虽然确实使用了管道，但尚未成熟到可以正式使用。缺失值 flights %>% #>

你可能对我们之前使用的 na.rm 参数感到疑惑。如果我们不设置它会发生什么？

group_by(year, month, day) %>% summarize(mean = mean(dep_delay)) #> Source: local data frame [365 x 4] #> Groups: year, month [?] #> year month day mean #> #> 1 2013 1 1 NA #> 2 2013 1 2 NA #> 3 2013 1 3 NA #> 4 2013 1 4 NA #> 5 2013 1 5 NA #> 6 2013 1 6 NA #> # ... 还有 359 行

我们得到了很多缺失值！这是因为聚合函数遵循缺失值的一般规则：如果输入中有任何缺失值，输出就会是缺失值。幸运的是，所有聚