2024 年航班延误：700 万行以上数据，用于机器学习、EDA 和洞察

关于数据集

航班延误数据集 — 2024

描述

该数据集包含2024 年国内航班的详细飞行性能和延误信息，这些信息由每月的 BTS TranStats 文件合并而成，并已整理成一个数据集。它包含超过700 万行和35 列的数据，提供有关预定和实际航班时间、延误、取消、改道以及机场间距离的全面信息。该数据集适用于探索性数据分析 (EDA)、延误预测等机器学习任务、时间序列分析以及航空公司/机场性能研究。

从BTS TranStats 准点率数据库下载了 2024 年 1 月至 12 月的月度 CSV 文件，并选择了 35 个相关列。使用 Pandas 将月度文件合并为一个数据集，清理步骤包括将列名标准化为蛇形命名法（例如，flight_date、dep_delay），转换flight_date为 ISO 格式（YYYY-MM-DD），将cancelled和转换diverted为二进制指示符（0/1），并将与延误相关的列（carrier_delay、weather_delay、nas_delay、security_delay、late_aircraft_delay）中的缺失值填充为 0，同时保留原始数据中的所有其他值。

资料来源：BTS TranStats

---

文件描述

• flight_data_2024.csv— 完整清理的数据集（约 700 万行，35 列）
• flight_data_2024_sample.csv— 样本数据集（10,000 行）
• flight_data_2024_data_dictionary.csv— 列名、数据类型、空值百分比和示例值
• README.md— 数据集概述和使用说明
• LICENSE.txt— CC0 许可证
• dataset-metadata.json— 数据集的 Kaggle 元数据

---

列描述

列名	描述
year	飞行年份
month	飞行月份（1-12）
day_of_month	月份中的某天
day_of_week	星期几（1=星期一…7=星期日）
fl_date	航班日期（YYYY-MM-DD）
op_unique_carrier	唯一承运人代码
op_carrier_fl_num	报告航空公司的航班号
origin	出发机场代码
origin_city_name	原籍城市名称
origin_state_nm	原产州名称
dest	目的地机场代码
dest_city_name	目的地城市名称
dest_state_nm	目的地州名
crs_dep_time	预定出发时间（当地时间，时分）
dep_time	实际出发时间（当地时间，时分）
dep_delay	出发延误时间（分钟）（提前则为负数）
taxi_out	滑行时间（分钟）
wheels_off	起降时间（当地时间，时分）
wheels_on	起降时间（当地时间，时分）
taxi_in	出租车到站时间（分钟）
crs_arr_time	预计到达时间（当地时间，时分）
arr_time	实际到达时间（当地时间，时分）
arr_delay	到达延迟时间（分钟）（提前则为负数）
cancelled	取消航班指示（0=否，1=是）
cancellation_code	取消原因（如取消）
diverted	改道航班指示器（0=否，1=是）
crs_elapsed_time	预计耗时（分钟）
actual_elapsed_time	实际经过的时间（分钟）
air_time	飞行时间（分钟）
distance	出发地和目的地之间的距离（英里）
carrier_delay	与承运商相关的延迟（分钟）
weather_delay	天气相关延误（分钟）
nas_delay	国家航空系统延误几分钟
security_delay	安全延迟（分钟）
late_aircraft_delay	晚点航班延误几分钟