在这里我们做一个test，注意，需要实现数据的可以私信我，我可以发给您

#总结 ： 
#R语言处理数据流程
#数据分析： 
#         报表（可视化）
#         数据挖掘（可视化）

#1.下载包 
#install.packages("readxl")
#2.引入包
library(readxl)
#3.加载数据
#小贴士（相对路径）
#getwd() | setwd("文件夹路径")
tianmao <- read_excel("./ds.xlsx",skip = 1)
#4.数据分析 ，总的销售额 
# total_sales字段（列）不在数据集中存在
#不存在的字段，直接复制，添加新列
#产品经理 发文档，计算方式， 列（计算方式）：口径
#计算 总销售额
tianmao['total_sales'] = 
  tianmao$current_price * tianmao$month_sales_count
#查看数据（每计算一个字段，要查看是否真的计算对了）
tianmao[c("current_price","month_sales_count","total_sales")]

#添加折扣 : 不要拼音-英文（保证通俗易懂）
tianmao$zhekou = tianmao$current_price/tianmao$original_price

#物品分类 ：  
# current_price<1000 低价
# current_price<=2000 适中
# current_price>2000 价格偏高
tianmao['price_class'] = 
  ifelse(tianmao$current_price<1000,"低价"
         ,ifelse(tianmao$current_price<=2000,"适中","高价"))
tianmao[c('price_class','current_price')]

#查看名字
names(tianmao)  #二维表格每个字段的名字 

#修改名字 
names(tianmao)[1] = "mingcheng"

#特征的重新命名  %in%
names(tianmao)%in%weight #错误演示
names(tianmao)%in%'weight' #对的
#演示 ， 以左面为标准 
'weight'%in%names(tianmao) 
names(tianmao)[names(tianmao)%in%'weight'] <- "重量"

# 提取子集  

# 数据挖掘例子 ： x                          y
# 平方米  城市  地铁口 学区 名字  |  房价  （每个客户买房子信息）
#  y  =  w1x1 + w2x2 + w3x3 + w4x4 + w5x5  + w0
#  模型学习的是什么 ： 根据数据学习的结果就是w（线性回归）
#  机器学习：数据之间的规律
#     系统：预测房价 （数据集）

# 数据分析 （可视化）
#我们的数据库中一个表可能存在很多列
#想做可视化，从一个二维表中提取有用的列

# 提取子集 
# original_price  按照顺序提取
newdata <- tianmao[,-c(1:3)] #删除哪一列

# 随意提取 
col1 = c("mingcheng","重量")
!names(tianmao)%in%col1 #不在
names(tianmao)%in%col1 #在
tianmao[,!names(tianmao)%in%col1] #过滤数据
r = tianmao[,names(tianmao)%in%col1] #过滤数据
names(r)

#进行数据提取 ,新的方法 
tianmao[1,]
#使用布尔索引获取行（数据挖掘：样本）
tianmao[tianmao$brand == "Xiaomi/小米",]
tianmao$brand == "Xiaomi/小米"

subset(tianmao,brand=="Xiaomi/小米",c('重量'))

#最终：数据框，第三方工具：直接写sql语句 

#总结一下 ： 
#布尔索引，切片 ,subset 一般只用于简单的提取 
#复杂运算的话，建议sql

代码不多，但是都是自己的总结，希望能帮助到大家，如果您是小白，那么可以去我的主页了解更多R语言的用法，，，，加油啦，共同进步！