• 任務一
• 讀入電影數據.csv數據集，將其命名為a，嘗試使用summary函數查看數據總體情況。重點查看缺失情況，如果有缺失，請將缺失數據所在行全部刪除（提示：你可能需要檢索一些處理缺失數據的函數）。展示票房最高和最低記錄的觀測。
• 任務二
• 根據上映月份新生成一個變量叫做dangqi，其中12月、1月和2月歸為賀歲檔；7、8、9歸為暑期檔；3、4歸為普通檔；5、6歸為黃金1檔；10、11歸為黃金2檔；最后對檔期進行統計。
• 任務三
• 將導演年代為30和40的統一合并為”50以下”，合并之后，更改導演年代的因子水平，使其變為：50以下<60<70<80
• 任務四
• 對數據表格中的數據按照時間順序排列,展示前6行，部分列（“name”和”showtime”）
• 任務五
• 新生成一個變量叫做”上映日期”，由”上映年份”和”上映月份”構成，日期統一用每月的1號。例如”新天生一對”的上映日期為2012-01-01。將數據集按照上映日期、票房和類型進行排序，其中上映日期升序排列、票房降序排列。展示前10行。
• 任務六
• 在很多實際數據中，有些日期的表示并不是yyyy-mm-dd的形式，極個別情況是以數字形式展示，比如實際數據中用16520代表日期。請將該數值轉換為日期形式。

任務一

讀入電影數據.csv數據集，將其命名為a，嘗試使用summary函數查看數據總體情況。重點查看缺失情況，如果有缺失，請將缺失數據所在行全部刪除（提示：你可能需要檢索一些處理缺失數據的函數）。展示票房最高和最低記錄的觀測。

## 導入電影數據.csv數據集 a = read.csv("C:/Users/Desktop/film.csv",header = T,fileEncoding = "UTF-8") ## 查看數據集前五行 #head(a) ## 數據匯總summary summary(a) ## 查看數據集行數與列數 dim(a) ## 查看數據中是否存在缺失值數據 is.na(a) ## 查看數據集中總的缺失值個數 sum(is.na(a)) ## 按列查看缺失值個數 #colSums(is.na(a)) ## 刪除有缺失值的行數 a = na.omit(a) dim(a)

展示票房最高和最低記錄的觀測

## 顯示票房最高數的觀測 (MAX = a[a$boxoffice == max(a$boxoffice),]) ## 顯示票房最低數的觀測 (MIN = a[a$boxoffice == min(a$boxoffice),])

票房最高紀錄觀測輸出結果為：

name boxoffice doubanscore type duration showtime director star1 index1 2 美人魚 338583.3 6.9 喜劇 93 2016/2/8 周星馳 鄧超 41310 star2 index2 導演年代 2 林允 9292 60

票房最低紀錄觀測輸出結果為：

name boxoffice doubanscore type duration showtime director star1 index1 19 鋼刀 924.86 4.3 動作 94 2016/5/20 阿甘 何潤東 11822 star2 index2 導演年代 19 李學東 521 60

任務二

根據上映月份新生成一個變量叫做dangqi，其中12月、1月和2月歸為賀歲檔；7、8、9歸為暑期檔；3、4歸為普通檔；5、6歸為黃金1檔；10、11歸為黃金2檔；最后對檔期進行統計。

## 賦值新的變量 a$months = months(as.Date(a$showtime)) a$dangqi[a$months == "十二月" | a$months == "一月" | a$months == "二月"] = "賀歲檔" a$dangqi[a$months =="七月" | a$months == "八月" | a$months == "九月"] = "暑假檔" a$dangqi[a$months =="三月" | a$months == "四月"] = "普通檔" a$dangqi[a$months =="五月" | a$months == "六月"] = "黃金1檔" a$dangqi[a$months =="十月" | a$months == "十一月"] = "黃金2檔" ## 對檔期進行統計 table(a$dangqi)

或者可以使用下面這種方法：

## install.packages("lubridate") library(lubridate) a$month = month(as.Date(a$showtime)) a$dangqi2[a$month == "12" | a$month == "1" | a$month == "2"] = "賀歲檔" a$dangqi2[a$month =="7" | a$month == "8" | a$month == "9"] = "暑假檔" a$dangqi2[a$month =="3" | a$month == "4"] = "普通檔" a$dangqi2[a$month =="5" | a$month == "6"] = "黃金1檔" a$dangqi2[a$month =="10" | a$month == "11"] = "黃金2檔" ## 對檔期進行統計 table(a$dangqi2)

任務三

將導演年代為30和40的統一合并為”50以下”，合并之后，更改導演年代的因子水平，使其變為：50以下<60<70<80

a$導演年代[a$導演年代 == 30 | a$導演年代 == 40 | a$導演年代 == 50] = "50及以下" #更改導演年代的因子水平，使其變為：50以下<60<70<80 a$directorage = factor(a$導演年代,levels = c("50及以下", "60", "70","80"),ordered = T,) a$directorage class(a$directorage)

任務四

對數據表格中的數據按照時間順序排列,展示前6行，部分列（“name”和”showtime”）

## 按照時間順序進行排序 head(a[order(a$showtime),c("name","showtime")],6)

或者使用下述方法：

a = a[order(a$showtime),] head(a[,c(1,6)])

任務五

新生成一個變量叫做”上映日期”，由”上映年份”和”上映月份”構成，日期統一用每月的1號。例如”新天生一對”的上映日期為2012-01-01。將數據集按照上映日期、票房和類型進行排序，其中上映日期升序排列、票房降序排列。展示前10行。

## 生成一個新變量 a$ondate = as.Date(a$showtime) ## 將日期統一為每月的1號 a$ondate = paste(substr(a$ondate,1,8),"01",sep="") ## 按照上映日期升序、票房降序、類型排列 a = a[order(a$ondate,-a$boxoffice,a$type),] ## 展示前10行 head(a,10)

任務六

在很多實際數據中，有些日期的表示并不是yyyy-mm-dd的形式，極個別情況是以數字形式展示，比如實際數據中用16520代表日期。請將該數值轉換為日期形式。

這里題目中最終要求生成2016-05-20，而不是網上常說的單純的將數字轉換成日期格式（即設定某個起始時間，如下）
as.Date(35981, origin = "1899-12-30")
這種并不適用于本題目的解答。

raw_date = as.character(16520) Year = substring(raw_date,1,2) Month = substring(raw_date,3,3) Date = substring(raw_date,4,5) date = as.Date(paste(Year,Month,Date,sep='-'),format = '%y-%m-%d') date

總結

以上是生活随笔為你收集整理的Rmarkdown对电影数据集进行统计分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。