原创 | 太犀利！看我大R语言如何用主成分分析洞悉城管事件数据

概念性的东西就不说那么多了，这次使用主成分分析主要目的并不是降维，而是分析城管数据中的事件类别之间是否存在关系，当然，城管事件类型有好几百，这里就只选取从去年九月到目前发生量前十的事件类别；如下图，排名前十的事件类别依次为，车辆乱停放，乱堆物料堆，非法张贴小广告，店铺出店经营，自备容器外放，违规标语宣传品，机动车乱停放，暴露垃圾，地面不洁，道路不洁。

确定好这十个类别后就是数据的提取了，这时候我们要注意一下数据结构，和数据样本量，为什么呢？因为在主成分分析的时候事件类别只能是属性，也就是说事件类别是一列；这时候看看一下城管数据里面存在的数据结构，数据记录数必须是属性的6~10倍，这时候观察城管数据结构，明显不是我们想要的，

于是写个SQL转换一下数据结构，起的别名没有按照规则来，这是个失误；

这时候就要使用R语言去做分析了，首先是让我们能从数据库里拿数据，所以创建一个数据库链接，安装包RODBC

R语言代码

install.packages("RODBC")
library(RODBC)
jixiao_connect <- odbcConnect("jixiao",uid="jixiao",pwd = "*****",believeNRows=FALSE)

这时候我们就创建了一个数据库连接jixiao_connect,这时候我们就要提取数据

R语言代码

jixiao_data <- sqlQuery(jixiao_connect,"
select
                        sum(case when t.kind_code_thd='车辆乱停放' then 1 else 0 end) kind_one
                        ,sum(case when t.kind_code_thd='乱堆物堆料' then 1 else 0 end) kind_two
                        ,sum(case when t.kind_code_thd='非法张贴小广告' then 1 else 0 end) kind_three
                        ,sum(case when t.kind_code_thd='店铺出店经营' then 1 else 0 end) kind_code_4
                        ,sum(case when t.kind_code_thd='自备容器外放' then 1 else 0 end) kind_code_5
                        ,sum(case when t.kind_code_thd='违规标语宣传品' then 1 else 0 end) kind_code_6
                        ,sum(case when t.kind_code_thd='机动车乱停放' then 1 else 0 end) kind_code_7
                        ,sum(case when t.kind_code_thd='地面不洁' then 1 else 0 end) kind_code_8
                        ,sum(case when t.kind_code_thd='暴露垃圾' then 1 else 0 end) kind_code_9
                        ,sum(case when t.kind_code_thd='无照经营游商' then 1 else 0 end) kind_code_10  
                        from test_erkang t
                        where t.district_name in ('美兰区','龙华区','秀英区','琼山区')
                        GROUP BY T.DISTRICT_NAME,TO_CHAR(T.REVIEW_FIRST_DATE,'YYYYMM')")
jixiao_data


验证数据是否被提取，说明数据已经提取成功

我们在安装主成分需要用的包

R代码

install.packages("psych")
library(psych)

首先我们要做的是需要确定主成分需要几个，这时候我们就需要cattell碎石检验来确定主成分个数，也就是保留特征值大于1的主成分，因为特征值大于1的主成分能解释较多的方差；

R代码

fa.parallel(jixiao_date,fa='pc',n.iter = 100,show.legend=FALSE)

上图中我们应该选取3个主成分

R代码

pc <- principal(jixiao_date,nfactors=3,rotate = 'varimax')
pc

后面那个是我们选择的主成分旋转的方法，为了主成分之间能更容易的解释，结果如下

PC1列下的系数是和各个事件类别的相关系数，h2列表示成分能够解释方差的多少，u2列表示没法解释解释方差的比例，事件KIND_ONE也就是车辆乱停放，主要相关联的是主成分PC1，相关系数为0.97，PC2和PC3的相关系数分别为0.05,0.07，主成分能够解释车辆乱停放95%的方差，无法被解释的比例为0.055；proportion var 表示解释整个数据集的解释程度，PC2解释变量30%方差，PC1解释变量26%方差，PC3解释变量21%方差，主成分能够解释整个变量77%的方差；

对主成分进行可视化

R代码

fa.diagram(pc)

又上图我们可以知道主成分组成，大致归类为

PC1:无照经营游商,暴露垃圾,车辆乱停放

PC2:乱堆物堆料,非法张贴小广告,自备容器外放,机动车乱停放,地面不洁

PC3:店铺出店经营,违规标语宣传品；

根据业务和个人的推测

我推测PC1所表示的繁华的步行街道成分，PC2表示的是城中村成分，PC3表示的是主干道成分。

建议和小结

1、可以认为乱堆物堆料,非法张贴小广告,自备容器外放,机动车乱停放和地面不洁是一类相关联事件类别，无照经营游商,暴露垃圾和车辆乱停放是一类相关联事件类别，店铺出店经营,违规标语宣传品可以认为是一类相关联的一类事件类型

2、可以认定主要事件来源是来自城中村，主干道，和步行街道；

3、步行街道给的相应的措施可以增加相应的非机动的停车位，划分小贩经营点，增加环卫人员的清扫频率

4、城中村：提高相应的停车规划，集中整治城中村环境卫生

5:、主干道：相应的增加巡查员的巡查频率即可

End

如果期望对 R 语言进行更深入地学习，了解更多的数据挖掘知识，请关注天善独家的《 R 语言十三式》课程，讲师是谢佳标，本课程团购活动现正在火热进行中，"阅读原文"即可参团。