第三關：簡單數據處理和分析

目標

此次的實踐內容是對文件：「朝陽醫院2016年銷售數據.xlsx"中的數據進行處理和分析，並最終完成4個指標：1.月均消費次數；2.月均消費金額；3.客單價；4.消費趨勢。

準備工作

使用R語言對EXCEL表格進行讀取並處理數據可以使用包：openxlsx。那麼第一步就是來安裝這個openxlsx包：

install.packages("openxlsx")nlibrary(openxlsx)n

讀取文件

filePath <- "/Users/Cameron/project/chaoyang/朝陽醫院2016年銷售數據.xlsx"nmytable <- read.xlsx(filePath,"salenumber")n

個人認為在前期處理數據時，必須無情的將含有缺失值的行全部刪除

mytable <- na.omit(mytable)n

考慮到中英文的兼容性，對數據的觀測值更名

names(mytable) <- c("time","cardno","drugId","drugName",n "saleNumber","vritualMoney","actualMoney")n

考慮到指標2為月均消費金額，那麼此時可以提前得出總消費金額：totalmoney

totalmoney <- sum(mytable$actualMoney)n

由於同一個社保卡號在同一天無論消費幾次，都只能算作一次，那麼需要刪除重複行，這裡使用 duplicated()函數 提煉出需要的行

首先，提煉出重複的行

mytable <- mytable[duplicated(mytable[,c("time","cardno")]),]n

通過RStudio觀測當下mytable，如圖：

mytable <- mytable[!duplicated(mytable[,c("time","cardno")]),]n

totaltimes <- nrow(mytable)n

指標月均消費次數和月均消費金額，都需要計算出總天數，總天數／30 可得出月份數，

最後一天減去第一天，即為總天數，當下mytable中的time列格式為「2016-02-22 星期一」，這不是正常的Date類型變數，所以我們需要對「2016-02-22 星期一」進行分割以提煉出正常的Date變數。這裡用到stringr包中的字元串匹配函數：str_split_fixed()

str_split_fixed(string, pattern, n)

• string: 字元串，字元串向量。

• pattern: 匹配的字元。

• n: 分割個數

library(stringr)ntimeSplit <- str_split_fixed(mytable$time," ", n = 2)n

mytable$time <- timeSplit[,1]n

要得到最早的和最晚的一天，需要對time列的元素進行排序，從早到晚，使用order()函數

mytable <- mytable[order(mytable$time),]n

mytable$time <- as.Date(mytable$time)n

計算總天數totalday，並把得出的結果轉換為數字變數：200

totalday <- as.numeric(mytable$time[nrow(mytable)] - mytable$time[1])】n

總天數／30，即為月份數 monthnumber：6

monthnumber <- totalday %/% 30n

得出指標1:月均消費次數，monthoftimes: 899

monthoftimes <- totaltimes %/% monthnumbern

指標2:月均消費金額 = 總金額 ／月份數：50771.71

monthofmoney <- totalmoney / monthnumbern

指標3:客單價 = 總金額 ／ 總次數 ：56.4339

pct <- totalmoney / totaltimesn

指標4:消費趨勢

使用分組計算函數tapply(),以周的形式對實收金額進行分組計算總和

week <- tapply(mytable$actualMoney,format(mytable$time,"%Y-%U"),sum,simplify = TRUE)n

把數組形式的week轉換成數據框形式

week <- as.data.frame.table(week)n

對數據框week的觀測進行重命名

names(week) <- c("time","atualmoney")n

轉換變數類型

week$time <- as.character(week$time)n

在week數據框中增加一列變數

week$timeNumber <- c(1:nrow(week))n

輸出pdf格式文件，由於Mac系統中的RStudio對中文不友好，這裡需要指定字元編碼

pdf(family = "GB1",file = "chaoyang1.pdf")nplot(week$timeNumber,week$atualmoney,main = "2016年朝陽醫院消費曲線",n xlab = "時間（年份-第幾周）",n ylab = "消費金額",n xaxt = "n",n col = "blue",n type = "b" )naxis(1,at = week$timeNumber,labels = week$time,cex.axis = 1 )ndev.off()n