R語言第三、四章學習心得
一、整體計劃按時完成
二、猴子老師布置的任務已完成
簡單數據處理和分析：朝陽醫院2016年銷售數據.xlsx
首先，安裝「openxlsx」包，讀取表格
數據預處理：
Step1：列名重命名
Step2：刪除缺失數據
Step3：處理日期
Step4：數據類型轉換
Step5：數據排序
業務指標1：月均消費次數=總消費次數/月份數
注意：總消費次數中同一天內同一個人發生的所有的消費算作一次消費
總消費次數：
Ps：老師ppt課件中算出來的總消費次數是5394，但是自己算出來的是5398，一開始以為是自己算錯了，還進行了反向驗證，反過來計算表格總行數6577，重複數1179,非重複數=6577-1179-5938，證明自己算的結果也沒錯。之後問老師，老師說數據有修改，以實際運算結果為準，哈哈哈哈原來不是自己計算錯誤，瞬間開心了~
月份數：
這裡提示%/%對"difftime"對象不適用，將difftime轉換為numeric
月均消費次數=總消費次數/月份數
業務指標2：月均消費金額=總消費金額/月份數
業務指標3：客單價=總消費金額/總消費次數
業務指標4：消費趨勢
計算每周的消費金額---分組函數tapply----繪製曲線圖----Plot
【簡單數據處理分析總結】
- 讀取Excel數據
- 數據預處理的步驟
- 數據分析
數據預處理總結：
Step1：列名重命名
Step1：刪除缺失數據
Step3：處理日期
Step4：數據類型轉換
Step5：數據排序
三、第四章主要知識點
1、創建新變數：變數名<-表達式，transform()
> mydata<-data.frame(x1=c(2,2,6,4),x2=c(3,4,2,8))
> mydata
x1x2
1 2 3
2 2 4
3 6 2
4 4 8
>mydata<-transform(mydata,sumx=x1+x2,means=(x1+x2)/2)
> mydata
x1x2 sumx means
1 2 3 5 2.5
2 2 4 6 3.0
3 6 2 8 4.0
4 4 8 12 6.0
2、變數的重編碼
邏輯運算符：>，<，>=，<=，==，!=，&，|，!(大於，小於，大於等於，小於等於，等於，不等於，與，或，非。)
>leadership<-within(leadership,{agecat<-NA
+ agecat[age>75]<-"Elder"
+agecat[age>=55&age<=75]<-"Middle Aged"
+agecat[age<55]<-"Young"})
> leadership
managerID testDate country gender age q1 q2 q3 q4 q5 agecat
1 1 10/24/08 US M 32 5 4 5 5 5 Young
2 2 10/28/08 US F 45 3 5 2 5 5 Young
3 3 10/1/08 UK F 25 3 5 5 5 2 Young
4 4 10/12/08 UK M 39 3 3 4 NA NA Young
5 5 5/1/09 UK F NA 2 2 1 2 1 <NA>
3、變數重命名
方法一：fix(leadership)
方法二：names()函數
>names(leadership)[2]<-"testData"
> leadership
方法三：plyr包中的rename()函數
leadership<-rename(leadership,c(manager="managerID",teseDate="testDate"))
leadership
4、缺失值：is.na()函數，檢測缺失值是否存在
>is.na(leadership[,6:10])
重編碼某些值為缺失值：
>leadership$age[leadership$age==99]<=NA
在分析中排除缺失值：
na.rm=TRUE,可以在計算前移除缺失值並使用剩餘值進行計算
x<-c(1,2,NA,3)
y<-sum(x,na.rm=TRUE)
na.omit()，刪除左右含有缺失值數據的行
>leadership
>newdata<-na.omit(leadership)
>newdata
5、日期值：as.Date(),語法：as.Date(x,」input_format)
日期格式：
Sys.Date()，返回當天的日期
Date()，返回當前的日期和時間
> Sys.Date()
[1] "2017-03-29"
> date()
[1] "Wed Mar 29 21:35:56 2017"
可以使用format(x,format=」output=」output_format」)來輸出指定格式的日期值，並可以提取日期值中的某些部分：
> today<-Sys.Date()
> format(today,format="%B %d%Y")
[1] "三月 29 2017"
> format(today,format="%A")
[1] "星期三"
> startdate<-as.Date("2004-02-13")
> enddate<-as.Date("2011-01-22")
> days<-enddate-startdate
> days
Time difference of 2535 days
也可以使用函數difftime()來計算時間間隔，並以星期、天、時、分、秒來表示：
> today<-Sys.Date()
> dob<-as.Date("1956-10-12")
> difftime(today,dob,units="weeks")
Time difference of 3154.714 weeks
※星期幾齣生呢？
>today<-as.Date("1992-09-18")
>format(today,format="%A")
[1] "星期五"
將日期轉換為字元型變數：as.character()
strDates<-as.character(dates)
6、類型轉換
判斷 含義 轉換
is.numeric() 數值型數據 as.numeric()
is.character() 字元型數據 as.character()
is.vector() 向量數據 as.vector()
is.matrix() 矩陣數據 as.matrix()
is.data.frame() 數據框數據 as.data.frame()
is.factor() 因子數據 as.factor()
is.logical() 邏輯型數據 as.logical()
> a<-c(1,2,3)
> a
[1] 1 2 3
> is.numeric(a)
[1] TRUE
> is.vector(a)
[1] TRUE
> a<-as.character(a)
> a
[1] "1" "2" "3"
> is.numeric(a)
[1] FALSE
> is.vector(a)
[1] TRUE
> is.character(a)
[1] TRUE
7、數據排序：order()函數，默認升序排列，加「-」即降序排列
※升序（方法一：attach）
？？？attach提示以下向量被掩蓋，但是結果是正確的，還在百度原因中
（方法二：with）
※降序
8、數據集的合併
橫向合併：merge()，通過一個或多個共有變數進行聯結。
cbind(),直接橫向合併兩個矩形或數據框，不需要指定公共索引
縱向合併：rbind(),注意：兩個數據框必須相同的變數，否則會出現以下提示：
把向量名稱改為一致後，可得出結果：
9、選入（保留）向量：3種方法
剔除（丟棄）向量：三種方法
在某一列的下標前加一個減號（-）就會剔除那一列：
subset()
10、使用SQL語句操作數據框
首先安裝包：install.packages("sqldf")
？？？運行sqldf包後，提示載入需要的程輯包：gsubfn、載入需要的程輯包：proto
載入需要的程輯包：RSQLite，但是結果還是可以運行的。
四、感想
- 現在還只能按照老師寫的代碼，自己一個個敲，希望在今後的日子裡通過自己多加練習，爭取早早不看視頻不看ppt自己能敲代碼出來；
- 敲代碼時一定一定要細心謹慎，目前大多數代碼運行錯誤，都是由於自己敲錯代碼了（大小寫混了、字母拼錯...），今後一定要多加多加多加註意。
推薦閱讀：