R 语言数据分析案例

一个R 语言数据分析案例：

案例背景

假设我们有一份某电商平台的销售数据，数据包含了商品编号、商品类别、价格、销售量和销售日期等信息，我们想要分析不同类别商品的销售情况。

步骤

1. 数据导入
   • 首先，假设数据存储在一个 CSV 文件中（例如 sales_data.csv），使用 read.csv() 函数将数据导入 R 环境。

sales_data <- read.csv("sales_data.csv")

2. 数据探索
   • 使用 head() 函数查看数据的前几行，了解数据的结构和内容。

head(sales_data)

• 使用 summary() 函数获取数据的统计摘要，包括数值型变量的最小值、最大值、均值、中位数等信息。

summary(sales_data)

• 使用 str() 函数查看数据对象的结构，包括变量类型等。

str(sales_data)

3. 数据清洗（如有需要）
   • 检查是否存在缺失值，可以使用 is.na() 函数结合 sum() 函数来统计每列缺失值的数量。

colSums(is.na(sales_data))

• 如果有缺失值，可以根据具体情况进行处理，例如删除包含缺失值的行（使用 na.omit() 函数）或者使用合适的插补方法。

4. 数据分析
   • 计算不同商品类别下的销售总额。可以使用 aggregate() 函数。

total_sales_by_category <- aggregate(price * sales_quantity ~ product_category, data = sales_data, sum)

• 计算不同商品类别下的平均销售量和平均价格。

average_sales_by_category <- aggregate(sales_quantity ~ product_category, data = sales_data, mean)
average_price_by_category <- aggregate(price ~ product_category, data = sales_data, mean)

• 绘制可视化图表，例如使用 barplot() 函数绘制不同类别商品销售总额的柱状图。

barplot(total_sales_by_category$`price * sales_quantity`, names.arg = total_sales_by_category$product_category, xlab = "Product Category", ylab = "Total Sales", main = "Total Sales by Product Category")

这个案例只是一个简单的示例，实际的数据分析可能会涉及更复杂的操作，如时间序列分析、相关性分析、聚类分析等，具体取决于业务问题和数据特点。

以下是 R 语言中一些常用的数据分析函数：

数据读取与写入函数

• read.csv()：用于读取以逗号分隔的 CSV（Comma - Separated Values）格式文件，将数据导入到 R 中的数据框（data frame）。例如：data <- read.csv("file.csv")。
• read.table()：可以读取更通用格式的文本文件，通过指定分隔符等参数来解析数据。例如：data <- read.table("file.txt", sep = "\t")，这里以制表符分隔的文本文件为例。
• write.csv()：将数据框写入到 CSV 文件中。例如：write.csv(data, "new_file.csv")。

数据探索函数

• head()：查看数据框或向量等对象的前几行。默认显示前 6 行，可指定参数n改变显示行数，如head(data, n = 10)。
• tail()：与head()相反，查看对象的后几行，默认也是 6 行。
• summary()：对数据框中的每列数据生成统计摘要，包括最小值、最大值、均值、中位数和四分位数等信息。对于数值型数据，会给出基本的统计量；对于因子型数据，会显示不同水平的计数。例如：summary(data)。
• str()：显示数据对象的结构，包括数据类型（如数值型、字符型、因子型等）、维度和内容预览等信息，有助于快速了解数据的概况。如str(data)。

数据处理函数

• subset()：用于从数据框中提取满足特定条件的子集。例如，从数据框data中提取variable1大于 10 的行：new_data <- subset(data, variable1 > 10)。
• merge()：用于合并两个数据框，可以根据指定的键（key）进行内连接、外连接等操作。例如：merged_data <- merge(data1, data2, by = "id")，这里根据id列合并data1和data2。
• apply()系列函数：包括apply()、lapply()、sapply()等。
  • apply()：对矩阵的行或列应用一个函数。例如，计算矩阵matrix_data每行的均值：row_means <- apply(matrix_data, 1, mean)，其中 1 表示按行操作，2 表示按列操作。
  • lapply()：对列表中的每个元素应用一个函数，并返回一个列表。例如：list_data <- list(a = 1:5, b = 6:10); result_list <- lapply(list_data, mean)。
  • sapply()：与lapply()类似，但尝试简化输出结果，如果结果是一个向量且长度合适，会返回向量而不是列表。

统计分析函数

• mean()：计算数值向量或数据框中数值列的均值。例如：mean(data$variable)。
• median()：计算中位数。如median(data$variable)。
• sd()：计算标准差。例如：sd(data$variable)。
• var()：计算方差。如var(data$variable)。
• cor()：计算变量之间的相关性矩阵，可以是数值向量或数据框中的数值列。例如：cor(data[, c("variable1", "variable2")])。
• t.test()：进行 t 检验，可用于比较两组数据的均值是否有显著差异。例如：t.test(group1_data, group2_data)。

可视化函数

• plot()：通用的绘图函数，可以绘制多种类型的图形，如散点图、折线图等。例如：plot(data$variable1, data$variable2)绘制变量 1 和变量 2 的散点图。
• hist()：绘制直方图，用于展示数值数据的分布。例如：hist(data$variable)。
• boxplot()：绘制箱线图，可用于比较不同组数据的分布情况。例如：boxplot(variable ~ group, data = data)，这里根据group变量绘制variable的箱线图。

R语言提供了多种函数用于不同类型的假设检验，以下是一些常见假设检验的实现方法：

一、t检验

1. 单样本t检验
   • 假设我们有一个向量x，我们想检验其均值是否等于某个值（例如mu0 = 5）。
   • 使用t.test()函数，语法为：t.test(x, mu = mu0)。
   • 示例：

x <- rnorm(30)  # 生成30个服从正态分布的随机数
t.test(x, mu = 0)

2. 独立双样本t检验
   • 假设有两组数据group1和group2。
   • 语法为：t.test(group1, group2)。这里假设两组数据方差相等（默认情况），如果方差不等，可以使用t.test(group1, group2, va

原文地址：https://blog.csdn.net/huanghm88/article/details/143548198

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！