本文為猴子老師數(shù)據(jù)分析系列課程第3講：簡單數(shù)據(jù)處理和分析的具體實踐。

數(shù)據(jù)：朝陽醫(yī)院2016年銷售數(shù)據(jù).xlsx

業(yè)務(wù)指標：

■ 月均消費次數(shù) ■ 月均消費金額 ■ 客單價 ■ 消費趨勢

R的解決思路與步驟：

一、讀取Excel數(shù)據(jù)

二、對數(shù)據(jù)進行預(yù)處理

Step1：列名重命名

Step2：刪除缺失數(shù)據(jù)

Step3：處理日期

Step4：數(shù)據(jù)類型轉(zhuǎn)換

Step5：數(shù)據(jù)排序

三、 數(shù)據(jù)分析

1、月均消費次數(shù)(注：同一天內(nèi)，同一個人發(fā)生的所有消費算作一次消費。月均消費次數(shù)=總消費次數(shù)/月份數(shù))

2、月均消費金額(月均消費金額=總消費金額/月份數(shù))

3、客單價(客單價=總消費金額/總消費次數(shù))

4、消費趨勢(以周-消費金額繪制曲線圖)

在練習(xí)時碰到好幾個陌生的函數(shù)，在具體的步驟展現(xiàn)之前，先補充一下針對這些陌生函數(shù)我通過查找資料整理的一些函數(shù)運用相關(guān)知識：

★★★ 字符串處理包stringr中，str_split( ) 與 str_split_fixed( )函數(shù)，用于分解字符串。

▼str_split(string, pattrn, n = Inf, simplify = FALSE)，默認simplify = FALSE，返回的結(jié)果是字符型向量，simplify = TRUE返回的結(jié)果是一個矩陣。

▼str_split_fixed(string, pattern, n)，返回的結(jié)果是一個矩陣。

▼str_split與str_split_fixed，某種條件下可以返回同為矩陣的結(jié)果。

★★★ !duplicated，提取唯一的無重復(fù)的元素。

★★★ %U，日期格式符號

%U含義：week number of year, with Sunday as first day of week.

★★★ tapply，分組函數(shù)，對向量的子集進行操作。

tapply(參數(shù))：tapply(向量，因子/因子列表，函數(shù)/函數(shù)名)

默認simplify = TRUE，把返回的結(jié)果本來是一個列表，把它簡化成一個向量。simplify = FALSE，返回得到列表。

ex：tapply(excelData$actualmoney,format(excelData$time,"%Y-%U"),sum)

語句理解：對"excelData$actualmoney"這個向量，按照指定格式"年-周別"進行分組，并對每一組求和。

按照上面的參數(shù)， "format(excelData$time,"%Y-%U")"輸出的日期值為一個因子，那應(yīng)該怎么將它理解成因子，輸出的日期值是有序型變量嗎？有點繞不過來......

★★★ round，數(shù)學(xué)函數(shù)

round(x,digits=n)，將x舍入為指定位的小數(shù)。

ex：round(3.475,digits=2) 返回值為3.48

★★★ format(x, ...)

ex：format(13.7, nsmall = 3)返回值為13.700，nsmall為小數(shù)點后的最小位數(shù)。

R處理步驟再現(xiàn)：

一、讀取Excel數(shù)據(jù)(openxlsx包，可以導(dǎo)入大數(shù)據(jù)量的Excel數(shù)據(jù))

這里使用openxlsx包讀取Excel數(shù)據(jù)，導(dǎo)入前先安裝、載入"openxlsx"包。

二、對數(shù)據(jù)進行預(yù)處理

Step1：列名重命名(names)

在編碼的世界里，很多操作都是英文方便，將中文的列名重命名為英文。

Step2：刪除缺失數(shù)據(jù)(！is.na)

從數(shù)據(jù)框中選出銷售時間不為空的數(shù)據(jù)。第6579行缺失數(shù)據(jù)被剔除。

Step3：處理日期(str_split_fixed、as.Date)

在導(dǎo)入的Excel數(shù)據(jù)里，購藥時間格式為字符串“2016-01-01 星期五”，分拆出我們想要的字符串“2016-01-01”。

將字符串格式的日期轉(zhuǎn)換為日期格式。

這里沒有給出用于讀入日期的適當格式，是因為日期值的默認輸入格式為%Y-%m-%d。

Step4：數(shù)據(jù)類型轉(zhuǎn)換(判斷is，轉(zhuǎn)換as)

Step5：數(shù)據(jù)排序(order，默認的排序順序是升序)

對銷售數(shù)據(jù)按照銷售時間進行升序排序。

三、 數(shù)據(jù)分析

1、月均消費次數(shù)(！duplicated、%/%)(注：同一天內(nèi)，同一個人發(fā)生的所有消費算作一次消費。月均消費次數(shù)=總消費次數(shù)/月份數(shù))

在獲取總消費次數(shù)時注意，根據(jù)消費數(shù)據(jù)里的購藥時間、社保卡號先判斷出哪些消費數(shù)據(jù)是重復(fù)的(購藥時間和社保卡號兩個值都相同的數(shù)據(jù)為重復(fù)，只能算作一次消費)， 再去掉重復(fù)的數(shù)據(jù)，只保留一條記錄。

獲取時間范圍(天數(shù))

計算月份數(shù)，這里只考慮一個月30天的情況，沒有考慮復(fù)雜的情況。

月均消費次數(shù)，舍入保留為小數(shù)點后兩位。

2、月均消費金額(sum、na.rm=TRUE)(月均消費金額=總消費金額/月份數(shù))

3、客單價(客單價=總消費金額/總消費次數(shù))

門店的銷售額是由客單價和顧客數(shù)所決定的。

舍入保留為小數(shù)點后兩位。

4、消費趨勢(tapply、plot)(以單位周的消費金額繪制曲線圖)

分組函數(shù)tapply計算出每周的消費總金額

運用tapply計算后得到的是一個二維數(shù)組，一維是第幾周的序號，二維是對應(yīng)的這周的消費總金額，將生成的數(shù)組轉(zhuǎn)換成數(shù)據(jù)框結(jié)構(gòu)。

對轉(zhuǎn)換后的數(shù)據(jù)框列名進行重命名，并獲取周別數(shù)，即具體分成了多少周。

** 這里查看了對象week$time的類型，顯示為因子，符合前文對tapply(參數(shù))：tapply(向量，因子/因子列表，函數(shù)/函數(shù)名)的說明。

繪制曲線圖

曲線圖是畫出來了，但是還有最后一點疑問未解決，就是在對tappy函數(shù)生成的二維數(shù)組進行數(shù)據(jù)框轉(zhuǎn)換時，為什么使用的代碼是as.data.frame.table，這跟使用as.data.frame有什么區(qū)別？？

總結(jié)

以上是生活随笔為你收集整理的r 保留之前曲线_R简单数据处理和分析的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。