有句话说：所有光鲜亮丽的背后，都曾熬过无数个不为人知的黑夜——这句话可以套用在任何一件大大小小的劳动成果上！编程如是，此处学习的数据分析亦是！
数据分析,名为分析，但其实质对其分析前的数据进行预处理就得花上老半天，当然也不难理解，在当今这个信息丰富的世界中，数据的来源和格式多种多式，目前还没有哪种计算机语言一看到原始数据就能bala开始分析的。所以这第四章的内容讲的还是对数据的基本处理。

操纵日期和缺失值
熟悉数据类型的转换
变量的创建和重编码
数据集的排序、合并和取子集
选入和丢弃变量

从实例开始学习

数据：朝阳医院2016年销售数据.xlsx—该数据是取自于猴子老师讲座中的实例。

QQ截图朝阳医院2016销售数据.png

简单数据分析的思路与步骤

**一、读取Excel数据 **
二、对数据进行预处理
1，列名重命名
2，删除缺失值
3，处理日期
4，数据类型转换
5，数据排序
三、数据分析
1，分析月均消费次数。（月均消费次数=总消费次数/月份数 （注：同一天内，同一个人发生的所有消费算作一次消费。））
2，分析月均消费金额。（月均消费金额=总消费金额/月份数）
3，分析客单价。（客单价=每客总消费金额/每客总消费次数）
4，分析消费趋势。（以周-消费金额绘制曲线图）

具体来实际操作：

一、读取Excel数据

这里使用（openxlsx）包读取Excel数据，未安装此包前请先下载安装并载入方可使用。

QQ截图20170226173059.png

读取数据后可通过函数 View()来预览

导入数据后预览.png

二、对数据进行预处理

1，列名重命名

变更行名.png

2，删除缺失值

删除缺失值之前，先对缺失值做个基本的了解。
⑴，什么是缺失值，就是在任何规模的项目中，数据都可能由于未作答、设备故障或误编码数据的缘故而不完整，这些不完整的值通常称作缺失值。缺失值以符号 NA（Not Available)表示。

⑵，缺失值的应用
A, is.na()函数，用于识别包含缺失值的观测。

QQ截图3.png

在处理缺失值时，注意两点：

1，缺失值是不可比较的。意味着无法使用运算符来检测数据中是否存在缺失值，只能使用处理缺失值的函数来识别，如 is.na()函数。
2，R 中缺失值不包括正负无穷数或者不可能出现的数值。正无穷用 Inf 标记，负无穷用 -Inf 标记，不可能的值 用 NaN 标记。识别这两种数据时需分别用到不同的函数 is.infinite() 或 is.nan() 。

B，排除数据中的缺失值
■ 在函数中添加参数 na.rm=TRUE

排除缺失值例一.png

■ 通过函数 na.omit() 移除所有含有缺失值的行。

排除缺失值例二.png

■通过逻辑运算符 ！is.na--非is.na来处理缺失值
从数据框中选出销售时间不为空的数据。含有缺失值的第6579行被剔除。

删除缺失值例三.png

逻辑运算符.png

3，处理日期

在导入的Excel数据里，购药时间格式为字符串"2016-01-01 星期五"，这样的值在R 中是没法进行统计的，需要拆分成我们想要的"2016-01-01"，此时，需要用到函数
str_split_fixed()

日期处理例一.png

日期值例二.png

日期格式图.png

4，数据类型转换

判断数据的类型及将其转换为指定的类型，R中是有相应的函数来执行的

类型转换函数图.png

下面将是将导入的Excel表中的三组数据执行转化：

数据类型转换例一.png

5，数据排序

在R中，使用order()函数给一个数据框进行排序。默认的排序是升序。在排序变量前边加一个减号（-）或者添加参数 decreasing=TRUE 即可得到降序的排序结果(=FALSE 表升序）。

数据排序例一.png

三、数据分析

1，月均消费次数

月均消费次数=总消费次数/月份数
在这里，同一天内，同一个人发生的所有消费只算作一次消费。在获取总消费次数时，根据消费数据里购药时间、社保卡号先判断出哪些消费数据是重复的（购药时间和社保卡号两个值都相同的数据为重复，只能算作一次消费），这样重复的数据只取其一，可以用函数 ！duplicated()来实现这样的操作。
获取总消费次数 "consumeNumber 5394"

月均消费次数例一.png

月均消费次数例二.png

2，月均消费金额

月均消费金额=总消费金额/月份数，见下图：

月均消费金额例1.png

3，客单量

客单价=每客总消费金额/每客总消费次数

客单价例1.png

4，消费趋势

在这里，将以单位周的消费金额绘制曲线图来展示未来的消费趋势。
首先，计算出每周消费金额，可以用函数 tapply()来实现。运用 tapply()函数计算后得到一个二维数组，一维是第几周的序号，二维是对应的这周的总消费金额：

每周消费金额例1.png

将二维数组转化生成一个数据框：

每周消费金额例2.png

每周消费金额例3.png

消费曲线图.png

消费曲线图2.png

总算做了个了结，但还不熟练，还需练上起码三遍，加油！