???????????????????????????????????????????????????????????????????? 李慧子

R語言是一門功能強(qiáng)大狂秘、廣受歡迎的數(shù)據(jù)挖掘類軟件咱娶。由于工作需要和個人興趣，本人利用閑暇時間滩援，采用邊學(xué)習(xí)邊實(shí)踐的方法栅隐，完成了R語言的快速入門。現(xiàn)將學(xué)習(xí)過程中歸納的知識點(diǎn)分享給大家玩徊，一方面可以讓對R還比較陌生的朋友能夠迅速了解R語言的整體框架與數(shù)據(jù)處理流程租悄，另一方面也是為讓自己更好地吸收理解。我主要學(xué)習(xí)參考的是《R語言數(shù)據(jù)分析與挖掘?qū)崙?zhàn)》恩袱、《R語言實(shí)戰(zhàn)》這兩本工具書泣棋，前者的特色是有豐富的案例研究，而后者更偏向知識點(diǎn)的講解和梳理畔塔√侗玻總之各有千秋鸯屿，可以結(jié)合起來學(xué)習(xí)。相關(guān)知識點(diǎn)的思維導(dǎo)圖如下：

1把敢、R語言學(xué)習(xí)的知識框架

2寄摆、R語言框架涵蓋的知識點(diǎn)

（1）R語言基本知識

R最激動人心的一部分功能是通過可選模塊的下載和安裝來實(shí)現(xiàn)的。目前有5500多個包（package）的用戶貢獻(xiàn)模塊可從http://cran.r-project.org/web/packages下載修赞。這些包提供了橫跨各種領(lǐng)域的新功能婶恼，包括分析地理數(shù)據(jù)、處理蛋白質(zhì)譜等柏副。

庫（library）：計算機(jī)上存儲包的目錄成為庫勾邦，函數(shù)library()可以顯示庫中有哪些包。

包的安裝：install.packages(“”)

包的載入：library()

包的使用：help(package=“package_name”)可以輸出某個包的簡短描述以及包中的函數(shù)名稱和數(shù)據(jù)集名稱的列表割择。

（2）創(chuàng)建眷篇、導(dǎo)入數(shù)據(jù)集

1.數(shù)據(jù)類型

①向量：用于存儲數(shù)值型、字符型或邏輯型數(shù)據(jù)的一維數(shù)組荔泳。單個向量中的數(shù)據(jù)必須擁有相同的數(shù)據(jù)類型铅歼。

創(chuàng)建向量函數(shù)：c()

例子：a<-c(1,2,5,3)

②矩陣：一個二維數(shù)組，每個元素?fù)碛邢嗤臄?shù)據(jù)類型换可。

創(chuàng)建矩陣函數(shù)：matrix(vector,nrow,ncol,byrow=logical_value,dimnames=list(,))

例子：y<-matrix(1:20,nrow=5,ncol=4)#創(chuàng)建一個5*4的矩陣#

③數(shù)組：與矩陣類似椎椰，但是維度可以大于2。

創(chuàng)建數(shù)組函數(shù)：array()

④數(shù)據(jù)框：不同的列可以包含不同模式（數(shù)值型沾鳄、字符型等）的數(shù)據(jù)慨飘，是R中最常處理的數(shù)據(jù)結(jié)構(gòu)。

創(chuàng)建數(shù)據(jù)框函數(shù)：data.frame(col1,col2,col3,…)

⑤因子：變量可歸結(jié)為名義型译荞、有序型或連續(xù)型變量瓤的。名義變量和有序變量在R中稱為因子。

創(chuàng)建因子函數(shù)：factor()

例子：diabetes<-c(“Type1”, “Type2”, “Type1”, “Type1”)

Diabetes<-factor(diabetes)#將此向量存儲為（1,2,1,1）吞歼，并在內(nèi)部將其關(guān)聯(lián)為1= Type1,2= Type2#

數(shù)值型變量可以用levels和labels參數(shù)來編碼成因子圈膏。

⑥列表：對象的有序集合。

列表創(chuàng)建函數(shù)：list()

2.導(dǎo)入數(shù)據(jù)集

? 讀取Excel文件的最好方式篙骡，就是在Eexel中將其導(dǎo)出為一個逗號分隔文件（csv）

? 讀取數(shù)據(jù)函數(shù)：read.csv('./data/book3.csv',he=T)

網(wǎng)頁上的文字可以使用函數(shù)readlines()來下載到一個R的字符向量中稽坤，然后使用grep()和gsub()一類的函數(shù)處理。對于結(jié)構(gòu)復(fù)雜的網(wǎng)頁糯俗，可以使用RCurl包和XML包來提取信息尿褪。

3.數(shù)據(jù)集的標(biāo)注

包括為變量名添加描述性標(biāo)簽，以及為類別性變量中的編碼添加值標(biāo)簽得湘。

例如：names(patientdata)[2]<-“Age at hospitalization(in years)”#將age重命名為“Age at hospitalization(in years”#

Patientdata$gender<-factor(patientdata$gender,levels=c(1,2),labels=c(“male”, “female”))#創(chuàng)建值標(biāo)簽杖玲，1表示男性，2表示女性#

（3）數(shù)據(jù)探索

要點(diǎn)歸納

1.數(shù)據(jù)質(zhì)量分析

例子：對餐飲銷售額數(shù)據(jù)進(jìn)行缺失值和異常值分析

編寫代碼對數(shù)據(jù)缺失值個數(shù)淘正、缺失率以及缺失值所在的位置進(jìn)行分析摆马。

可以看到缺失值個數(shù)輸出結(jié)果為1臼闻，占樣本總量的0.497%，缺失值位于第15行囤采，2015年2月14日銷量數(shù)據(jù)缺失些阅。

編寫代碼繪制箱形圖，對數(shù)據(jù)異常值進(jìn)行分析斑唬。

箭頭所示的是一個標(biāo)準(zhǔn)差的區(qū)間，可以看出箱形圖中超過上下界的8個銷售額數(shù)據(jù)可能為異常值黎泣，需要引起注意并結(jié)合具體業(yè)務(wù)分析恕刘。

2.數(shù)據(jù)特征分析

貢獻(xiàn)度分析

貢獻(xiàn)度分析又稱帕累托分析。就餐飲企業(yè)來說抒倚，應(yīng)用貢獻(xiàn)度分析可以重點(diǎn)改善某菜系盈利最高的前80%的菜品褐着，或者重點(diǎn)發(fā)展綜合影響最高的80%的部門。這種結(jié)果可以通過帕累托圖直觀地呈現(xiàn)出來托呕。

例子：對餐飲系統(tǒng)對應(yīng)的菜品盈利數(shù)據(jù)進(jìn)行帕累托分析含蓉。代碼及反饋結(jié)果如下

??? 可以發(fā)現(xiàn)，菜品A1-A7共7個菜品项郊，占菜品總類數(shù)的70%馅扣，總盈利約占該月盈利額的85%。根據(jù)帕累托原則着降，應(yīng)該增加對菜品A1-A7的成本投入差油，減少對菜品A8-A10的投入以獲得更高的盈利額。

（4）數(shù)據(jù)預(yù)處理

在海量原始數(shù)據(jù)中存在不量不完整任洞、有異常蓄喇、不一致的數(shù)據(jù)，在使用前需要進(jìn)行數(shù)據(jù)清洗交掏。數(shù)據(jù)清洗完成后接著進(jìn)行數(shù)據(jù)集成妆偏、變換、規(guī)約等一系列的處理盅弛，該過程就是數(shù)據(jù)預(yù)處理钱骂。在數(shù)據(jù)挖掘的過程中，數(shù)據(jù)預(yù)處理工作量占到了整個過程的60%挪鹏。

數(shù)據(jù)預(yù)處理的主要內(nèi)容包括數(shù)據(jù)清理罐柳、數(shù)據(jù)集成、數(shù)據(jù)變換和數(shù)據(jù)規(guī)約狰住。這里主要對數(shù)據(jù)清理進(jìn)行重點(diǎn)標(biāo)示张吉。

缺失值處理：

1. 刪除法

刪除行：na.omit()

刪除變量：data[,-p]

2. 替換法

數(shù)值型變量用均值替換，非數(shù)值型變量催植，則使用其他全部有效觀測值的中位數(shù)或者眾數(shù)進(jìn)行替換肮蛹。

3. 插補(bǔ)法

回歸插補(bǔ)：利用回歸模型勺择，將需要插值補(bǔ)缺的變量作為因變量，其他相關(guān)變量作為自變量伦忠，通過回歸函數(shù)lm()預(yù)測出因變量的值來對缺失變量進(jìn)行補(bǔ)缺省核。

多重插補(bǔ)：原理是從一個包含缺失值的數(shù)據(jù)集中生成一組完整的數(shù)據(jù)，如此進(jìn)行多次昆码，從而產(chǎn)生缺失值的一個隨機(jī)樣本气忠，R中的mice函數(shù)可以用來進(jìn)行多重插補(bǔ)。

例子：對某餐廳一段時間的銷量表中的缺失值赋咽，用均值替換旧噪、回歸插補(bǔ)、多重插補(bǔ)進(jìn)行

缺失值插補(bǔ)脓匿，將異常值按缺失值處理淘钟。

首先對缺失值、異常值進(jìn)行識別陪毡。R語言代碼如下：

用is.na()函數(shù)對缺失值進(jìn)行識別米母，從結(jié)果可發(fā)現(xiàn)第15行銷售數(shù)據(jù)存在缺失。然后繼續(xù)用單變量散點(diǎn)圖和箱形圖識別數(shù)據(jù)中的異常值毡琉。R語言代碼如下：

R反饋回的結(jié)果如下圖：

將異常值處理成缺失值铁瞒。代碼如下：

對缺失值進(jìn)行處理。代碼如下：

① 行刪除法處理缺失值

處理完數(shù)據(jù)如下：

② 均值替換法處理缺失值

處理完數(shù)據(jù)如下：

③ 回歸插補(bǔ)法處理缺失值

處理完數(shù)據(jù)如下：

（5）簡單的數(shù)據(jù)建模

?????? 第一篇筆記先寫到這哈桅滋，感覺R語言涉及的知識面還是挺廣的精拟，學(xué)習(xí)之路還很長。最后虱歪，想自己動手操作一番蜂绎，需要餐飲案例數(shù)據(jù)的朋友可以私信我。相互促進(jìn)笋鄙，交流心得师枣。