R下的Excel数据的预处理与简单分析

2017年2月1日大年初五晚21：00，当大多数人还沉浸春节的各种团圆相聚时，怀揣着梦想与希望和群里的小伙伴一道在“一块听听”平台与猴子拥抱数据分析技能了--《从零学会数据分析：简单数据处理》。零基础学习数据分析之路不孤单，我们相聚在这里，相信我们这样的人新的一天肯定过得差不了。

一、课程复盘

1）数据处理之数据导入：openxlsx库太牛X，上会讲后用"RODBC"和“XLSX”库导入Excel数据被问题小怪各种虐（无法载入程序包‘rJAVA’、odbcConnectExcel is only usable with 32-bit windows等）想想都是哭。

如图就两句，就把6579条记录给导入了。openxlsx的快、准、狠，真是太帅太有型了！

2）数据处理之空值清理：对于数据分析员而言，缺失数据应该算是”第三样“不可避免的事了有谁从不遇空值嘛？？R中暂时学到两种方法删除空值：1、na.omit()函数:na即是Not Available,不可用。（为什么不直接用Unavailable呢？只有老美才知道了！）这函数有点霸气会把所有含有缺失数据的行都给干掉。2、！is.na()法：此法为is.na()函数的反向应用。思路是把某字段的Na值找出来，然后把它们排除掉。如下图，红圈的，号是关键。

如果漏了，迎接你的是”undefined columns selected“每一个字去查字典是没有限定的列选择？是不是又被虐了？

补充知识：R中有10个逻辑运算符，但估只有==（严格等于）、！=（不等于）、!X(非Xp）x|y(x或y)、isTRUE(x)测试x是否为TRUE比较奇葩，需要特别记住。

3）数据处理之数列重命名 :使用names()函数可以把data.frame的列名拿出来进行编辑。这里要注意的地方法是：系统只会给校验是否多命名了，但不会校验是否都命名了。

因为之后的操作都是基于列名进行操作的，所以命名出了问题迎接你的将会是各种坑。

4)数据处理之数据切割 :用到的是stringr包的str_split_fixed()函数。代码如下：

library(stringr) timeSplit <- str_split_fixed(excelDate$time," ",n=2) excelDate$time <- timeSplit[,1]

熟悉Excel的亲是不是想起可爱的left()\right()\mid()函数了，反正我是很希望在R下能用它们的。马上试试，结果如图。很可惜是不行的，还是入乡随俗吧！

5)数据处理之数据类型转换: 关于数据类型，R中除了有class()函数外，还有is和as这两对宝贝。但要注意，它们不是一个函数，而是“函数集”（这个名字是我起的小名，大名叫什么有知道的方便就给我留言吧！在这里谢过了！）

除了讲上用到的numeric\character\，vector\matrix\data.frame\factor\logical是不是很熟悉？不是？自己回看上节课的笔记去。

6)数据处理之数据排序:使用的是order()函数，代码如下：

excelDate <- excelDate[order(time,decreasing=FALSE),]

一如既往的需要一个“，”这就是R的风俗吧！decreasing是渐减的意思，想要升序就等于FALSE,反之等于TURE

7)数据处理之数据合并去重: 使用的是duplicated()函数，代码如下：

kpi1 <- excelDate[!duplicated( excelDate[,c("time","cardno")]),] c("time","cardno")

意思是以time和cardno的值为判断重复标准。

8)数据处理之数据分组汇总: 使用的是tapply()函数，代码如下：

week <-tapply(excelDate$actualmoney,format(excelDate$time, "%Y-%U"),sum)

以周的形式对excelDate$actualmoney

进行汇总求和，把结果赋给week

至此，数据处理工作获得阶段性胜利，体力劳动结束，发图庆祝一下。

9）数据分析之加减乘除:如果说数据处理是整项工作的体力劳动部分，接下来的数据分析应该算脑力劳动部分，它需要你的各种创意和忽悠--不对，应该叫解释说明能力。工欲善其事必先利其器，R用到的算术运算符除+ 加 -减 *乘 /除外，还有^或**：求幂、X%%Y：求余、X%/%Y:整除法。 同时还有求和的sum()函数,需要注意的是它有一个"na.rm="参数，默认为FLASE，在此情况下，求和的数据中如果有NA值，返回的是NA。

9）数据分析之结果的展示:课上只是简单的使用了plot()和 axis()两个函数，更多更细的内容可以参看《R语言实战》第 3章 图形初阶或者我的云笔记--《R语言实践笔记第三章》

下面是以月为单位做的一张消费曲线图，还可以以星期为单位看看星期几的消费量最高，最期几的消费量比较低。

二、RStudio的学习心得 

如果你使用的不是windows7 64位的操作系统请自行跳过下面的内容，因为它们可能不适用你。

1)RStudio的窗口简介

代码编辑器（左上）：一个不会回车就有结果的地方，第一次打开RStudio时你是开不到它的，你需要打开（或新建）一个“.R”文件才能看到它。群里有小伙伴遇到Code菜单跟猴子显示不同的情况，就是因为没有把代码编辑器打开；

控制台（english name:Console) (左下）：和代码编辑器至少有两个不同：1、它是天生的，找开RStudio就有；2、只要你敢回车，它就给你结果，从不啰嗦，一点除地都不给。同时，代码编辑器运行代码的过程和结果也会这里体现。

工作空间（右上）：个人觉得这个名字起得有点嗅！整个窗口哪不是你工作的地方？？其实它是各种变量的存储空间，在这里你可以随便点开这些变量，查看它们的情况。是不是有点掌控全局的感觉。

目录（右下）：每次上机都要摆弄的地方，也是一个让你找到位置和自信的地方。原因有二：1、不知道怎么设置Home的打开位置，每次打开RStudio都会去到一个神奇的地方，所以需要在这里找作一番；2、编辑好的.R文件及其他成果都会在这里找到，看着它们就看到你成长的步伐--真有点小激动。

2）R文件类型简介

R文件可能有很多分类方法，在这里小白我只按文件后辍（.Rproj、.Rhistory、.RData、.R）分四类。.Rproj个人理解它是一个项目的目录文件，有什么用暂时还不是很明确；.Rhistory文如其名，记录着所有你在这个项目敲过的代码或者是执过的代码。我们可能通过Ctrl+L把控制台清屏，也可以直接删代码编辑的内容，但除了把整个.Rhistory删了，好你没有别的办法修改它里面的内容；.RData很好玩，Environment中的内容都保存在这里。加载它，你可以省很多事，不信你试试；.R就是你的心血成果，你在代码编辑器中敲下的每一个字都保存在这里。

三、我遇到的问题

问题一：为什么attach()下的数据类型转换是没有效的？time已经变成“Date"但excelDate$time还是”character“。有图真像

为了省敲几个"excleDate"却浪费了我几天，坑啊！

问题二：RStudio的home怎么改啊？

问题三：像is\as\na那样后面加个.就是一类函数的东西大名应该叫什么啊？

也许你曾遇到这样的问题，也许你已经有答案，可以给我点线索嘛？最后不管你有没有答案、线索、搜索关键词，都谢谢你读到这里。

系列文章：

kaolixin，天善智能社区专家。

Blog：https://ask.hellobi.com/blog/kaolixin

优质线下活动推荐：

阅读原文即可报名