感谢关注天善智能，走好数据之路↑↑↑
欢迎关注天善智能，我们是专注于商业智能BI，大数据，数据分析领域的垂直社区，学习，问答、求职一站式搞定！
本文作者：天善智能社区专家郭小龙
天善智能社区地址：https://www.hellobi.com/
近期要连续出差，这几天加上周末除了整理出差资料就是在学习R语言，终于按期完成学习任务。前面第一、二章的学习可以算是入门和熟悉，这期简单数据处理则正式开始用R语言进行实战了。因此本关的笔记废话不叙，直奔主题。
1、书本基本数据管理实操练习
（1）生成一个数据框示例
manager <- c(1,2,3,4,5)date <- c("10/24/08","10/28/08","10/1/08","10/12/08","5/1/09")country <- c("US","US","UK","UK","UK")gender <- c("M","F","F","M","F")age <- c(32,45,25,39,99)q1 <- c(5,3,3,3,2)q2 <- c(4,5,5,3,2)q3 <- c(5,2,5,4,1)q4 <- c(5,5,5,NA,2)q5 <- c(5,5,2,NA,1)leadership <- data.frame(manager,date,country,gender,age,q1,q2,q3,q4,q5,stringsAsFactors = FALSE)
（2）创建新变量的3种方法
#第一种方法mydata <- data.frame(x1 = c(2,2,6,4),x2=c(3,4,2,8))mydata$sumx <- mydata$x1 + mydata$x2mydata$meanx <- (mydata$x1 + mydata$x2)/2#第二种方法attach(mydata)mydata$sumx <- x1 + x2mydata$meanx <- (x1 + x2)/2detach(mydata)#第三种方法mydata <- transform(mydata,sumx=x1 + x2,meanx=(x1 + x2)/2)
（3）变量重编码的2种方法
#变量的重编码（1）leadership$age[leadership$age == 99] <- NAleadership$agecat[leadership$age > 75] <- "Elder"leadership$agecat[leadership$age >= 55 & leadership$age <= 75] <- "Middle Aged"leadership$agecat[leadership$age < 55] <- "Young"#变量的重编码的紧凑写法（2）leadership <- within(leadership,{ agecat <-NA agecat[age > 75] <- "Elder" agecat[age >=55 & age <=75] <- "Middle Aged" agecat[age < 55] <- "Young" })
（4）变量重命名的3种方法
#变量的重命名（1）fix(leadership)#变量的重命名（2）names((leadership))names(leadership)[2] <- "testdate"leadership#变量的重命名（3）install.packages("plyr")library(plyr)leadership <- rename(leadership, c(manager="managerID",date="testdate"))
（5）缺失值的检测和排除
#缺失值的检测is.na(leadership[,6:10])#在分析中排除缺失值leadershipnewdata <- na.omit(leadership)
（6）日期格式转化
#日期格式转化myformat <- "%m/%d/%y"leadership$testdate <- as.Date(leadership$testdate,myformat)leadership
（7）数据集的选入和剔除
#数据的升序和降序排序newdate2 <- leadership[order(leadership$age),]newdate2newdata3 <- leadership[order(-age),]newdata3#数据集中取子集myvars <- c("q1","q2","q3","q4","q5")newdata4 <- leadership[myvars]newdata4#剔除数据集中的部分变量myvars1 <- names(leadership) %in% c("q3","q4")newdata1 <- leadership[!myvars1]newdata5 <- leadership[c(-8,-9)] #知道被剔除的变量是第几列情况下newdata5
（8）图形初阶实践
dose <- c(20,30,40,45,60)drugA <- c(16,20,27,40,60)drugB <- c(15,18,25,31,40)#直接键入值修改图形绘制参数plot(dose,drugA,type="b",lty=3,lwd=3,pch=15,cex=2)#使用plot()和par()组合函数修改图形参数plot(dose,drugA,type = "b")opar <- par(no.readonly = TRUE)par(lty=2,pch=17)plot(dose,drugA,type="b")par(opar)#灰度颜色图形绘制n <- 10mycolors <- rainbow(n)pie(rep(1,n),labels=mycolors,col=mycolors)mygrays <- gray(0:n/n)pie(rep(1,n),labels=mygrays,col=mygrays)
2、朝阳医院Excels数据实践练习
（1）Excels数据的导入
#读入Excels数据install.packages("openxlsx")library(openxlsx)readFilepath <- "G:/大数据作业实践和有用资料/第三关作业实践/课件源代码和数据/朝阳医院2016年销售数据.xlsx"excelData <- read.xlsx(readFilepath,1)
（2）数据的预处理
##………………………………………………………………………………数据预处理阶段#列名重命名names(excelData) <- c("time","cardno","drugld","drugName","saleNumber","virtualmoney","actualmoney")excelData1 <- excelData[!is.na(excelData$time),]#安装stringr包并对time列截取出年月日部分install.packages("stringr")library(stringr)timesplit <-str_split_fixed(excelData1$time," ",n=2)excelData1$time <- timesplit[,1]#转化成日期数值类型fix(excelData1) #查看导入后的excelData1中数据存储类型excelData1$time <- as.Date(excelData1$time,"%Y-%m-%d")class(excelData1$time)excelData1$saleNumber <- as.numeric(excelData1$saleNumber)excelData1$virtualmoney <- as.numeric(excelData1$virtualmoney)excelData1$actualmoney <- as.numeric(excelData1$actualmoney)#按销售时间进行排序excelData1 <- excelData1[order(excelData1$time,decreasing = FALSE),]
（3）月均消费次数统计
###月均消费次数统计——————第一项任务kpi1 <- excelData1[!duplicated(excelData1[,c("time","cardno")]),]consumeNumber <- nrow(kpi1)consumeNumberstartTime <- kpi1$time[1]endTime <- kpi1$time[nrow(kpi1)]day <- endTime - startTimeclass(day)day <- as.numeric(day)month <- day %/% 30monthConsume <- consumeNumber %/% monthmonthConsume
（4）月均消费金额计算
###月均消费金额计算——————第二项任务totalMoney <- sum(excelData1$actualmoney,na.rm = TRUE)monthMoney <- totalMoney / monthmonthMoney
（5）客单价统计
###客单价----------——————第三项任务pct <- totalMoney /consumeNumberpct <- round(pct,2)pct
（6）消费趋势图形绘制和最终趋势图
###消费趋势--------——————第四项任务week <- tapply(excelData1$actualmoney, format(excelData1$time,"%Y-%U"), sum)week <- as.data.frame.table(week)weeknames(week) <- c("time","actualmoney")week$time <- as.character(week$time)week$timeNumber <- c(1:nrow(week))plot(week$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$times,cex.axis=1.5)
3、几点心得和体会
（1）学习时将遇到函数列表统计，后期再用到某函数时直接从列表中翻看其用法和功能，省去拿书翻找的时间，方便高效。
（2）代码的目的是实现最终想法，但写法可以是不拘一格、风格迥异的，发现这也是学编程的一大乐趣。
（3）函数的熟练应用和代码编写细节（如“[]”的应用）仍需边实践边加强巩固。
（4）有些函数功能无法使用，首先要检查其功能支持包是否安装，再查看哪些地方出错。
网友评论