要按照航空公司代码列出航班延误率最高的前3名，你可以按照以下步骤来解决问题：

1. 收集航班数据：首先，你需要收集包含航班延误时间和航空公司代码的数据。你可以从航空公司、航空数据提供商或公共航空数据集中获取这些数据。确保数据包含航班延误时间和航空公司代码字段。

2. 数据预处理：对收集到的数据进行预处理，包括数据清洗和格式化。确保航班延误时间列是以小时为单位的数值，并且航空公司代码列是一致的。

3. 计算延误率：根据航空公司代码将航班数据进行分组，并计算每个航空公司延误时间超过1小时的航班数目和总航班数目。然后，根据这些计算结果，计算每个航空公司的延误率。

4. 排序并选择前3名：将每个航空公司的延误率进行排序，并选择延误率最高的前3名航空公司。

下面是一个使用Python示例代码来实现上述步骤的例子：

import pandas as pd

# 1. 收集航班数据
flight_data = pd.read_csv('flight_data.csv')

# 2. 数据预处理
flight_data['Delay_Hours'] = flight_data['Delay_minutes'] / 60  # 将延误时间从分钟转换为小时

# 3. 计算延误率
delayed_flights = flight_data[flight_data['Delay_Hours'] > 1]  # 筛选出延误时间超过1小时的航班
delay_counts = delayed_flights.groupby('Airline_Code').size()  # 计算每个航空公司延误航班数目
total_counts = flight_data.groupby('Airline_Code').size()  # 计算每个航空公司总航班数目
delay_rates = delay_counts / total_counts  # 计算每个航空公司的延误率

# 4. 排序并选择前3名
top_3_airlines = delay_rates.sort_values(ascending=False).head(3)

print(top_3_airlines)

这段代码假设你已经有一个名为"flight_data.csv"的航班数据文件，其中包含航班延误时间和航空公司代码等字段。你需要根据实际情况修改代码中的数据文件路径和字段名称以适应你的数据。最终，代码将打印出延误率最高的前3名航空公司的代码和延误率。