一、本关目标

对“朝阳医院2016年销售数据.xlsx"中的数据进行处理和分析，并完成4个指标：1.月均消费次数；2.月均消费金额；3.客单价；4.消费趋势。

二、数据清洗

1、读取文件

# 将Excel数据变为csv格式后导入
exceldata<-read.table(file.choose(),header = TRUE,
                 sep=",",stringsAsFactors = FALSE)

2、列重命名

# 对列名进行重命名,可使用names()函数或者交互式编辑器fix()
names(exceldata) <- c("time","cardno","drugID","drugName",
                      "saleNumber","virtualmoney","actualmoney")

3、处理缺失值

exceldata<- exceldata[!is.na(exceldata$time),]
# na.omit()删除所有含缺失数据的行，适用于只有少数缺失值或缺失值集中在一小部分观测中

4、处理日期值

# 用stringr包中的字符串匹配函数：str_split_fixed()
library(stringr)
timesplit <- str_split_fixed(exceldata$time," ",n=2)
exceldata$time <- timesplit[,1]

str_split () 与str_split_fixed ()：字符串分割函数

str_split(string, pattern, n = Inf, simplify = FALSE)
str_split_fixed(string, pattern, n)
参数列表：
string: 字符串，字符串向量。
pattern: 匹配的字符
n: 分割个数（最后一组不会被分割）。

str_split()与str_split_fixed()的区别在于前者返回列表格式，后者返回矩阵格式。
当str_split()中simplify = TRUE时，返回矩阵格式。

5、类型转换

为了指标的计算，需要将数据进行类型转换：

# 购药时间
exceldata$time <- as.Date(exceldata$time,"%Y-%m-%d")
# 销售数量
exceldata$saleNumber <- as.numeric(exceldata$saleNumber)
# 应收金额
exceldata$virtualmoney <- as.numeric(exceldata$virtualmoney)
# 实收金额
exceldata$actualmoney <- as.numeric(exceldata$actualmoney)

6、数据排序

# 按照购药时间对数据进行升序排列
exceldata <- exceldata[order(exceldata$time,decreasing = FALSE),]
# order()默认decreasing = FALSE，升序排列

三、指标计算

1、月均销费次数=总消费次数（去重）/月份数

# 总消费次数（去重）:5398
kpi1 <- exceldata[!duplicated(exceldata[,c(1,2)],fromLast = FALSE ),]
consumeNumber <- nrow(kpi1)
# duplicated()默认fromLast=FALSE,即若样本点重复出现，则取首次出现的；去掉重复样本值之后的行名

数据去重参考： http://blog.csdn.net/qq_35242986/article/details/68927909

# 月份数:6
starttime <- kpi1$time[1]
endtime <- kpi1$time[nrow(kpi1)]
days <- endtime-starttime
months <- as.numeric(days)%/%30
# days为日期值，不能直接用除法，需要转换类型

得到月均消费次数：899

# 月均消费次数
monthconsume <- consumeNumber/months

2、月均销费金额=总消费金额/月份数

# 总消费金额:304630.3
totalmoney <- sum(exceldata$actualmoney,na.rm = TRUE)

得到月份消费金额：50771.71

monthmoney <- round(totalmoney/months,2)

3、客单价=总消费金额/总消费次数（去重）

# 客单价：56.43
pct <- totalmoney/consumeNumber

4、消费趋势

# 使用分组计算函数tapply(),以周的形式对实收金额进行分组计算
week <- tapply(exceldata$actualmoney,
               format(as.Date(exceldata$time),"%Y-%W"),sum)

%W从周一到周日计算，%U从周一到周六计算，貌似%W更符合中国人的统计习惯。
关于更多日期格式，请参考：https://www.douban.com/note/347509632/

# 把数组形式的week转换成数据框形式
week <- as.data.frame.table(week)
# 对数据框week的观测进行重命名
names(week) <- c("time","actualmoney")
# 转换变量类型
week$time <- as.character(week$time)
# 在week数据框中增加一列变量
week$timenumber <- c(1:nrow(week))
# 绘制图表
plot(week$timenumber,week$actualmoney,
     xlab = "时间（年份-第几周)",
     ylab = "消费金额",
     xaxt = "n", 
     main = "2016年朝阳医院消费曲线",
     col = "blue",
     type ="b")
axis(1,at=week$timenumber,labels = week$time,cex.axis=1.5)
# 去除x轴上的刻度线
# cex.axis 坐标轴刻度文字的缩放倍数