一、本關(guān)目標(biāo)

對(duì)“朝陽(yáng)醫(yī)院2016年銷售數(shù)據(jù).xlsx"中的數(shù)據(jù)進(jìn)行處理和分析，并完成4個(gè)指標(biāo)：1.月均消費(fèi)次數(shù)；2.月均消費(fèi)金額；3.客單價(jià)；4.消費(fèi)趨勢(shì)。

二、數(shù)據(jù)清洗

1、讀取文件

# 將Excel數(shù)據(jù)變?yōu)閏sv格式后導(dǎo)入
exceldata<-read.table(file.choose(),header = TRUE,
                 sep=",",stringsAsFactors = FALSE)

2、列重命名

# 對(duì)列名進(jìn)行重命名,可使用names()函數(shù)或者交互式編輯器fix()
names(exceldata) <- c("time","cardno","drugID","drugName",
                      "saleNumber","virtualmoney","actualmoney")

3、處理缺失值

exceldata<- exceldata[!is.na(exceldata$time),]
# na.omit()刪除所有含缺失數(shù)據(jù)的行，適用于只有少數(shù)缺失值或缺失值集中在一小部分觀測(cè)中

4、處理日期值

# 用stringr包中的字符串匹配函數(shù)：str_split_fixed()
library(stringr)
timesplit <- str_split_fixed(exceldata$time," ",n=2)
exceldata$time <- timesplit[,1]

str_split () 與str_split_fixed ()：字符串分割函數(shù)

str_split(string, pattern, n = Inf, simplify = FALSE)
str_split_fixed(string, pattern, n)
參數(shù)列表：
string: 字符串，字符串向量。
pattern: 匹配的字符
n: 分割個(gè)數(shù)（最后一組不會(huì)被分割）。

• str_split()與str_split_fixed()的區(qū)別在于前者返回列表格式，后者返回矩陣格式。
• 當(dāng)str_split()中simplify = TRUE時(shí)，返回矩陣格式。

5、類型轉(zhuǎn)換

為了指標(biāo)的計(jì)算，需要將數(shù)據(jù)進(jìn)行類型轉(zhuǎn)換：

# 購(gòu)藥時(shí)間
exceldata$time <- as.Date(exceldata$time,"%Y-%m-%d")
# 銷售數(shù)量
exceldata$saleNumber <- as.numeric(exceldata$saleNumber)
# 應(yīng)收金額
exceldata$virtualmoney <- as.numeric(exceldata$virtualmoney)
# 實(shí)收金額
exceldata$actualmoney <- as.numeric(exceldata$actualmoney)

6、數(shù)據(jù)排序

# 按照購(gòu)藥時(shí)間對(duì)數(shù)據(jù)進(jìn)行升序排列
exceldata <- exceldata[order(exceldata$time,decreasing = FALSE),]
# order()默認(rèn)decreasing = FALSE，升序排列

三、指標(biāo)計(jì)算

1、月均銷費(fèi)次數(shù)=總消費(fèi)次數(shù)（去重）/月份數(shù)

# 總消費(fèi)次數(shù)（去重）:5398
kpi1 <- exceldata[!duplicated(exceldata[,c(1,2)],fromLast = FALSE ),]
consumeNumber <- nrow(kpi1)
# duplicated()默認(rèn)fromLast=FALSE,即若樣本點(diǎn)重復(fù)出現(xiàn)，則取首次出現(xiàn)的；去掉重復(fù)樣本值之后的行名

數(shù)據(jù)去重參考： http://blog.csdn.net/qq_35242986/article/details/68927909

# 月份數(shù):6
starttime <- kpi1$time[1]
endtime <- kpi1$time[nrow(kpi1)]
days <- endtime-starttime
months <- as.numeric(days)%/%30
# days為日期值，不能直接用除法，需要轉(zhuǎn)換類型

得到月均消費(fèi)次數(shù)：899

# 月均消費(fèi)次數(shù)
monthconsume <- consumeNumber/months

2、月均銷費(fèi)金額=總消費(fèi)金額/月份數(shù)

# 總消費(fèi)金額:304630.3
totalmoney <- sum(exceldata$actualmoney,na.rm = TRUE)

得到月份消費(fèi)金額：50771.71

monthmoney <- round(totalmoney/months,2)

3、客單價(jià)=總消費(fèi)金額/總消費(fèi)次數(shù)（去重）

# 客單價(jià)：56.43
pct <- totalmoney/consumeNumber

4、消費(fèi)趨勢(shì)

# 使用分組計(jì)算函數(shù)tapply(),以周的形式對(duì)實(shí)收金額進(jìn)行分組計(jì)算
week <- tapply(exceldata$actualmoney,
               format(as.Date(exceldata$time),"%Y-%W"),sum)

%W從周一到周日計(jì)算，%U從周一到周六計(jì)算，貌似%W更符合中國(guó)人的統(tǒng)計(jì)習(xí)慣。
關(guān)于更多日期格式，請(qǐng)參考：https://www.douban.com/note/347509632/

# 把數(shù)組形式的week轉(zhuǎn)換成數(shù)據(jù)框形式
week <- as.data.frame.table(week)
# 對(duì)數(shù)據(jù)框week的觀測(cè)進(jìn)行重命名
names(week) <- c("time","actualmoney")
# 轉(zhuǎn)換變量類型
week$time <- as.character(week$time)
# 在week數(shù)據(jù)框中增加一列變量
week$timenumber <- c(1:nrow(week))
# 繪制圖表
plot(week$timenumber,week$actualmoney,
     xlab = "時(shí)間（年份-第幾周)",
     ylab = "消費(fèi)金額",
     xaxt = "n", 
     main = "2016年朝陽(yáng)醫(yī)院消費(fèi)曲線",
     col = "blue",
     type ="b")
axis(1,at=week$timenumber,labels = week$time,cex.axis=1.5)
# 去除x軸上的刻度線
# cex.axis 坐標(biāo)軸刻度文字的縮放倍數(shù)

四、問題

1 、對(duì)于基本的數(shù)據(jù)分析“套路”還不清楚，只是跟著操作。
2、 對(duì)于很多函數(shù)以及里面的參數(shù)設(shè)置不熟悉，不清楚如何使用。
跟著老師的操作進(jìn)行了練習(xí)，其中出現(xiàn)了很多問題，大部分都能夠自己解決。為了更清晰的理解和記憶，還需要找一些數(shù)據(jù)試著操作一下，發(fā)現(xiàn)問題，解決問題，才是學(xué)習(xí)的最佳途徑。