數據結構從0到1——初級篇

拯救世界的機會可不是每天都有的，好好享受吧。

——但丁《鬼泣》

下面就看一看簡單的數據分析的步驟：

1. 導入原始數據

2. 數據預處理

• 列名重命名
• 刪除缺失數據
• 處理日期
• 數據類型轉換
• 數據排序

3. 數據分析（實際需求）

"這裡的數據分析以朝陽醫院2016年銷售數據為例 "

Step1: 導入原始數據

• 這裡需要導入的文件格式是.xlsx，需要提前安裝openxlsx包（用於讀取Excel數據），將.xlsx文件讀入R中，並將數據保存在excelData中。

#安裝openxlsx包install.packages("openxlsx") #向文件中引入openxlsx包 library("openxlsx") #讀取導入文件readFilePath <- "C:/Users/Administrator/Desktop/朝陽醫院2016年銷售數據.xlsx" #將導入的表格（Sheet1）數據賦給excelData數據框excelData <- read.xlsx(readFilePath,"Sheet1")

Step2: 數據預處理

• 列表重命名

#列表重命名names(excelData) <- c("time","cardno","drugId","drugName","saleNumber","virtualmoney","actualmoney")

=>

# names()的用法

• 刪除缺失數據

excelData <- excelData[!is.na(excelData$time),]

# is.na()的用法

• 處理日期

需要提前安裝stringr包

#安裝stringr包install.packages("stringr")#向文件中引入stringr包library("stringr")#調用str_split_fixed()函數timeSplit <- str_split_fixed(excelData$time, " ",2)#將返回值給excelData$timeexcelData$time <- timeSplit[,1]

# str_split_fixed()的用法

=>

• 數據類型轉換

#查看數據類型(excelData$time為"character"，不能進行邏輯運算)class(excelData$time)#轉換數據類型（"character" -> "Date"）excelData$time <- as.Date(excelData$time,"%Y-%m-%d")#銷售數量（"character" -> "numeric"）excelData$saleNumber <- as.numeric(excelData$saleNumber)#應收金額（打折前的金額)（"character" -> "numeric"）excelData$virtualmoney <- as.numeric(excelData$virtualmoney)#實收金額（打折後的金額）（"character" -> "numeric"）excelData$actualmoney <- as.numeric(excelData$actualmoney)

# as.xxxxx()的用法

# is.xxxxxx()的用法

• 數據排序

#調用order()函數，根據excelData$time按升序排序（decreasing = FALSE），返回值返回給excelDataexcelData <- excelData[order(excelData$time,decreasing = FALSE),]

# order()的用法

Stept3: 數據分析（實際需求）

需求：

• 月均消費次數
• 月均消費金額
• 客單價
• 消費趨勢

1.月均消費次數：

月均消費次數 = 總消費次數 / 月份數

總消費次數：同一天內，同一人發生的所以消費算作一次消費

• 總消費次數

#調用duplicated()函數，按照time和cardno一樣的行刪除重複行kpi1 <- excelData[!duplicated(excelData[,c("time","cardno")])]#總消費次數consumeNumber <- nrow(kpi1)

#duplicated()的用法

• 月份數

#獲取時間範圍#最小時間startTime <- kpi1$time[1]#最大時間endTime <- kpi1$time[nrow(kpi1)]#天數day <- endTime - startTime#月份數(需要把day的數據類型轉為數字型，才能進行算術運算)month <- as.numeric(day)%/%30

• 月均消費次數

#月均消費次數monthConsume <-consumeNumber / month

2. 月均消費金額

月均消費金額 = 總消費金額 / 月份數

總消費金額為實收金額（actualmoney）

• 總消費金額

#總消費金額totalMoney <- sum(excelData$actualmoney,na.rm = TRUE)

• 月均消費金額

#月均消費金額monthMoney <-totalMoney / month

3. 客單價

客單價 = 總消費金額 / 總消費次數

#客單價pct <-totalMoney / consumeNumber

4. 消費趨勢

這裡我們按周為單位來觀察消費趨勢的變化

首先計算每周的消費金額

• 周消費金額

#周消費金額week <-tapply(excelData$actualmoney,format(excelData$time, "%Y-%U"),sum)

# tappy()的用法

最後繪製（周消費金額 — 周）曲線圖

#曲線圖繪製信息預處理#將week轉換成數據框week <-as.data.frame.table(week)#列名重命名names(week) <-c("time","actualmoney")#數據類型轉換week$time <-as.character(week$time)#進行周次數賦值week$timeNumber <- c(1:nrow(week))#曲線繪製plot(week$timeNumber,week$actualmoney,xlab = "時間（年份-第幾周）",ylab = "消費金額",main = "2016年朝陽醫院消費曲線",col="blue",type="b")#自定義坐標系axis(1,at=week$timeNumber,labels = week$time,cex,axis = 1.5)

# plot()的用法

# axis()的用法

學習總結

經過對醫院數據的處理，讓我明白了，第一，數據的預處理真的很重要，因為數據在採集中必然會存在多多少少的錯誤，比如誤讀，缺失，所以在預處理部分需要把不正確的數據刪掉，再進行，其中就用到了is.na()，處理缺失的數據。第二，對於數據類型來說，在邏輯和算術運算中很重要，不同的數據類型在計算中的規則不一樣，在這次數據分析中，我們用is/as.xxxx()進行判斷/轉換，以及class()的說明。第三，引入了stringr包，利str_split_fixed()的功能，對字元串進行拆分，對處理字元串問題幫助很大。第四，實現了數據的可視化，對處理的數據進行繪圖，其中用到了plot()對繪圖的參數進行設置，axis()定義了符合需求的坐標系。

通過這次學習，讓我學會了對數據的簡單操作，以及一些函數的使用，使用R的規則等等。

以後的路上，做個永遠的行動派！