目錄
第1章 學(xué)生成績(jī)統(tǒng)計(jì)分析 1
——openxlsx + 數(shù)據(jù)計(jì)算 + 分組統(tǒng)計(jì) +基本繪圖
1.1 開(kāi)發(fā)背景 1
1.2 系統(tǒng)設(shè)計(jì) 2
1.2.1 開(kāi)發(fā)環(huán)境 2
1.2.2 分析流程 2
1.2.3 功能結(jié)構(gòu) 2
1.3 技術(shù)準(zhǔn)備 2
1.3.1 技術(shù)概覽 2
1.3.2 VIM 包 3
1.3.3 rank()函數(shù)詳細(xì)解析 4
1.4 前期工作 6
1.4.1 安裝第三方R 包 6
1.4.2 新建工程 6
1.4.3 新建項(xiàng)目文件夾 8
1.5 數(shù)據(jù)準(zhǔn)備 8
1.5.1 數(shù)據(jù)集介紹 8
1.5.2 讀取數(shù)據(jù) 10
1.6 數(shù)據(jù)預(yù)處理 12
1.6.1 查看數(shù)據(jù) 12
1.6.2 缺失值查看與處理 13
1.6.3 描述性統(tǒng)計(jì)量 14
1.7 數(shù)據(jù)統(tǒng)計(jì)分析 15
1.7.1 綜合排名 15
1.7.2 直方圖分析各科成績(jī) 17
1.7.3 箱形圖分析各科成績(jī) 18
1.7.4 各科最高分和最低分狀況分析 19
1.7.5 各科中上等成績(jī)統(tǒng)計(jì)分析 20
1.7.6 語(yǔ)數(shù)英成績(jī)等級(jí)狀況分析 22
1.7.7 成績(jī)波動(dòng)情況分析 23
1.7.8 個(gè)人成績(jī)排名分析 24
1.8 項(xiàng)目運(yùn)行 25
1.9 源碼下載 26
第2章 汽車數(shù)據(jù)可視化分析系統(tǒng) 27
——分組統(tǒng)計(jì) + 基本繪圖 + ggplot2 + 相關(guān)性分析
2.1 開(kāi)發(fā)背景 27
2.2 系統(tǒng)設(shè)計(jì) 28
2.2.1 開(kāi)發(fā)環(huán)境 28
2.2.2 分析流程 28
2.2.3 功能結(jié)構(gòu) 28
2.3 技術(shù)準(zhǔn)備 29
2.3.1 技術(shù)概覽 29
2.3.2 ordered()函數(shù)的應(yīng)用 29
2.3.3 詳解 pairs.panels()函數(shù) 30
2.3.4 了解 coplot()函數(shù) 32
2.4 前期工作 34
2.4.1 安裝第三方R 包 34
2.4.2 新建項(xiàng)目文件夾 34
2.5 數(shù)據(jù)集介紹 35
2.6 數(shù)據(jù)預(yù)處理 36
2.6.1 導(dǎo)入 mtcars 數(shù)據(jù)集 36
2.6.2 查看數(shù)據(jù) 36
2.6.3 缺失值查看 37
2.6.4 描述性統(tǒng)計(jì)分析 37
2.7 數(shù)據(jù)統(tǒng)計(jì)分析 39
2.7.1 矩陣圖分析相關(guān)性 39
2.7.2 相關(guān)系數(shù)分析相關(guān)性 40
2.7.3 箱形圖分析氣缸數(shù)與里程數(shù) 41
2.7.4 箱形圖分析變速器與里程數(shù) 42
2.7.5 散點(diǎn)圖分析重量與里程數(shù) 43
2.7.6 氣缸數(shù)、里程數(shù)和排量之間的關(guān)系 43
2.7.7 里程數(shù)、總馬力和重量之間的關(guān)系 44
2.8 項(xiàng)目運(yùn)行 45
2.9 源碼下載 46
第3章 泰坦尼克號(hào)數(shù)據(jù)集分析實(shí)戰(zhàn) 47
——數(shù)據(jù)計(jì)算 + 分組統(tǒng)計(jì) + ggplot2 + pie+reshape2
3.1 開(kāi)發(fā)背景 48
3.2 系統(tǒng)設(shè)計(jì) 48
3.2.1 開(kāi)發(fā)環(huán)境 48
3.2.2 分析流程 48
3.2.3 功能結(jié)構(gòu) 48
3.3 技術(shù)準(zhǔn)備 49
3.3.1 技術(shù)概覽 49
3.3.2 批量數(shù)據(jù)類型轉(zhuǎn)換 49
3.3.3 詳解 group_by()函數(shù) 50
3.3.4 巧用管道符%>% 51
3.4 前期工作 51
3.4.1 安裝第三方R 包 51
3.4.2 新建項(xiàng)目文件夾 52
3.5 數(shù)據(jù)準(zhǔn)備 53
3.5.1 數(shù)據(jù)集介紹 53
3.5.2 讀取數(shù)據(jù) 54
3.6 數(shù)據(jù)預(yù)處理 55
3.6.1 查看數(shù)據(jù)信息 55
3.6.2 缺失值分析與處理 55
3.7 基本統(tǒng)計(jì)分析 58
3.7.1 乘客年齡分析 58
3.7.2 乘客性別分析 60
3.7.3 不同性別乘客的年齡分布情況 61
3.7.4 不同年齡乘客親屬數(shù)量分析 61
3.7.5 船艙等級(jí)情況分析 63
3.7.6 票價(jià)分布情況 64
3.8 乘客生存情況分析 65
3.8.1 總體生存情況分析 65
3.8.2 不同等級(jí)船艙乘客生存情況分析 65
3.8.3 各個(gè)登船港口乘客生存情況分析 66
3.8.4 性別與乘客生存情況分析 68
3.8.5 年齡和性別與乘客生存情況分析 70
3.8.6 乘客親屬數(shù)量與生存情況分析 71
3.9 項(xiàng)目運(yùn)行 73
3.10 源碼下載 74
第4章 鳶尾花數(shù)據(jù)分析與預(yù)測(cè) 75
——基本繪圖 + ggplot2 + lattice + caret +隨機(jī)森林 randomForest 包
4.1 開(kāi)發(fā)背景 76
4.2 系統(tǒng)設(shè)計(jì) 76
4.2.1 開(kāi)發(fā)環(huán)境 76
4.2.2 分析流程 76
4.2.3 功能結(jié)構(gòu) 77
4.3 技術(shù)準(zhǔn)備 77
4.3.1 技術(shù)概覽 77
4.3.2 scale()函數(shù)詳解 77
4.3.3 訓(xùn)練集和測(cè)試集劃分 78
4.3.4 隨機(jī)森林 randomForest 包 79
4.4 前期工作 84
4.4.1 安裝第三方R 包 84
4.4.2 新建項(xiàng)目文件夾 85
4.4.3 認(rèn)識(shí)鳶尾花 86
4.4.4 了解鳶尾花數(shù)據(jù)集 iris 86
4.5 查看數(shù)據(jù)概況 86
4.5.1 加載數(shù)據(jù) 86
4.5.2 查看數(shù)據(jù) 87
4.6 描述性統(tǒng)計(jì)分析 87
4.6.1 查看數(shù)據(jù)統(tǒng)計(jì)信息 87
4.6.2 分組查看數(shù)據(jù)統(tǒng)計(jì)信息 88
4.7 數(shù)據(jù)統(tǒng)計(jì)分析 89
4.7.1 繪制花萼長(zhǎng)度的箱形圖 89
4.7.2 繪制花瓣長(zhǎng)度的箱形圖 89
4.7.3 鳶尾花最常見(jiàn)的花瓣 90
4.7.4 直方圖分析鳶尾花花瓣長(zhǎng)度 90
4.8 相關(guān)性分析 91
4.8.1 相關(guān)系數(shù)分析 91
4.8.2 各特征之間關(guān)系矩陣圖 92
4.8.3 散點(diǎn)圖分析鳶尾花花瓣長(zhǎng)度和寬度的關(guān)系 93
4.8.4 散點(diǎn)圖分析鳶尾花花萼長(zhǎng)度和寬度的關(guān)系 94
4.8.5 鳶尾花的線性關(guān)系分析 95
4.9 隨機(jī)森林預(yù)測(cè)鳶尾花種類 95
4.9.1 數(shù)據(jù)標(biāo)準(zhǔn)化處理 95
4.9.2 劃分訓(xùn)練集和測(cè)試集 96
4.9.3 構(gòu)建隨機(jī)森林模型 97
4.9.4 預(yù)測(cè)鳶尾花種類 98
4.9.5 評(píng)估模型性能 98
4.10 項(xiàng)目運(yùn)行 98
4.11 源碼下載 99
第5章 基于會(huì)員數(shù)據(jù)的探索和聚類分析 100
——日期時(shí)間 + 分組統(tǒng)計(jì) + 基本繪圖 + RFM 模型 + NbClust+wskm+cluster
5.1 開(kāi)發(fā)背景 101
5.2 系統(tǒng)設(shè)計(jì) 101
5.2.1 開(kāi)發(fā)環(huán)境 101
5.2.2 分析流程 101
5.2.3 功能結(jié)構(gòu) 102
5.3 技術(shù)準(zhǔn)備 102
5.3.1 技術(shù)概覽 102
5.3.2 3 種方法統(tǒng)計(jì)各列缺失值 102
5.3.3 RFM 模型 103
5.3.4 k 均值聚類分析 104
5.3.5 聚類方案NbClust 包 106
5.3.6 聚類可視化 107
5.4 前期工作 109
5.4.1 安裝第三方R 包 109
5.4.2 新建項(xiàng)目文件夾 109
5.5 數(shù)據(jù)準(zhǔn)備 110
5.6 數(shù)據(jù)預(yù)處理 111
5.6.1 數(shù)據(jù)預(yù)覽 111
5.6.2 日期時(shí)間數(shù)據(jù)處理 112
5.6.3 缺失性分析 113
5.6.4 計(jì)算RFM 值 114
5.7 數(shù)據(jù)統(tǒng)計(jì)分析 115
5.7.1 消費(fèi)周期分析 115
5.7.2 消費(fèi)頻次分析 116
5.7.3 消費(fèi)金額分析 117
5.8 K-means 聚類分析 118
5.8.1 數(shù)據(jù)標(biāo)準(zhǔn)化 118
5.8.2 聚類方案 119
5.8.3 K 均值聚類分析 120
5.9 項(xiàng)目運(yùn)行 121
5.10 源碼下載 122
第6章 快團(tuán)團(tuán)訂單數(shù)據(jù)統(tǒng)計(jì)分析與關(guān)聯(lián)分析 123
——分組統(tǒng)計(jì) + 數(shù)據(jù)合并 + 基本繪圖 + ggplot2 + Apriori 關(guān)聯(lián)分析 + arules
6.1 開(kāi)發(fā)背景 124
6.2 系統(tǒng)設(shè)計(jì) 124
6.2.1 開(kāi)發(fā)環(huán)境 124
6.2.2 分析流程 124
6.2.3 功能結(jié)構(gòu) 124
6.3 技術(shù)準(zhǔn)備 125
6.3.1 技術(shù)概覽 125
6.3.2 繪圖排序 reorder()函數(shù) 125
6.3.3 詳解 ggplot2 包的主題函數(shù) theme() 126
6.3.4 Apriori 關(guān)聯(lián)分析 127
6.3.5 詳解 arules 包 128
6.4 前期工作 130
6.4.1 新建項(xiàng)目文件夾 130
6.4.2 數(shù)據(jù)準(zhǔn)備 131
6.5 數(shù)據(jù)預(yù)處理 132
6.5.1 查看數(shù)據(jù) 132
6.5.2 缺失性分析 133
6.5.3 描述性統(tǒng)計(jì)分析 133
6.5.4 異常數(shù)據(jù)處理 134
6.6 數(shù)據(jù)統(tǒng)計(jì)分析 135
6.6.1 柱形圖分析商品數(shù)量 135
6.6.2 訂單商品數(shù)量分布情況 135
6.6.3 直方圖分析訂單商品金額 137
6.6.4 區(qū)域訂單數(shù)量分析 138
6.6.5 城市訂單數(shù)量分析 139
6.7 訂單商品關(guān)聯(lián)分析 141
6.7.1 數(shù)據(jù)處理 141
6.7.2 可視化頻繁項(xiàng) 143
6.7.3 關(guān)聯(lián)分析 143
6.8 項(xiàng)目運(yùn)行 145
6.9 源碼下載 146
第7章 抖音賬號(hào)運(yùn)營(yíng)數(shù)據(jù)分析與預(yù)測(cè) 147
——purrr + 日期處理 + tibble + 基本繪圖 + ggplot2 + 回歸分析
7.1 開(kāi)發(fā)背景 148
7.2 系統(tǒng)設(shè)計(jì) 148
7.2.1 開(kāi)發(fā)環(huán)境 148
7.2.2 分析流程 148
7.2.3 功能結(jié)構(gòu) 148
7.3 技術(shù)準(zhǔn)備 149
7.3.1 技術(shù)概覽 149
7.3.2 map()函數(shù)與 reduce()函數(shù)的優(yōu)質(zhì)結(jié)合 149
7.3.3 column_to_rownames()函數(shù)的應(yīng)用 150
7.4 前期工作 152
7.4.1 安裝第三方R 包 152
7.4.2 新建項(xiàng)目文件夾 153
7.5 數(shù)據(jù)準(zhǔn)備 154
7.5.1 數(shù)據(jù)下載 154
7.5.2 數(shù)據(jù)集介紹 154
7.6 數(shù)據(jù)預(yù)處理 155
7.6.1 數(shù)據(jù)合并 155
7.6.2 查看數(shù)據(jù) 157
7.6.3 數(shù)據(jù)類型轉(zhuǎn)換 158
7.6.4 描述性統(tǒng)計(jì)分析 158
7.7 數(shù)據(jù)統(tǒng)計(jì)分析 159
7.7.1 播放量趨勢(shì)分析 159
7.7.2 粉絲凈增長(zhǎng)趨勢(shì)分析 160
7.7.3 主頁(yè)訪問(wèn)數(shù)據(jù)分析 161
7.7.4 作品數(shù)據(jù)分析 162
7.7.5 星期播放量分析 163
7.8 相關(guān)性分析 165
7.8.1 矩陣圖分析相關(guān)性 165
7.8.2 相關(guān)系數(shù)分析相關(guān)性 165
7.8.3 散點(diǎn)圖分析播放量與凈增粉絲 167
7.8.4 氣泡圖分析播放量、凈增粉絲與主頁(yè)訪問(wèn) 168
7.9 凈增粉絲預(yù)測(cè) 169
7.9.1 一元線性回歸預(yù)測(cè)凈增粉絲 169
7.9.2 多元線性回歸預(yù)測(cè)凈增粉絲 171
7.10 項(xiàng)目運(yùn)行 172
7.11 源碼下載 173
第8章 基于 diamonds（鉆石）數(shù)據(jù)集的分析與預(yù)測(cè) 174
——ggplot2 + 分組統(tǒng)計(jì) + 相關(guān)性分析 + kruskal.test + 多元線性回歸
8.1 開(kāi)發(fā)背景 175
8.2 系統(tǒng)設(shè)計(jì) 175
8.2.1 開(kāi)發(fā)環(huán)境 175
8.2.2 分析流程 175
8.2.3 功能結(jié)構(gòu) 176
8.3 技術(shù)準(zhǔn)備 176
8.3.1 技術(shù)概覽 176
8.3.2 IQR 方法 176
8.3.3 分類變量異常值檢測(cè)常用方法 177
8.3.4 異常值處理方法 178
8.3.5 詳解 kruskal.test()函數(shù) 179
8.4 前期工作 180
8.4.1 安裝第三方R 包 180
8.4.2 新建項(xiàng)目文件夾 180
8.5 數(shù)據(jù)集介紹 181
8.5.1 數(shù)據(jù)集概述 181
8.5.2 變量說(shuō)明 181
8.5.3 數(shù)據(jù)集特點(diǎn) 182
8.6 數(shù)據(jù)預(yù)處理 182
8.6.1 導(dǎo)入 diamonds 數(shù)據(jù)集 182
8.6.2 查看數(shù)據(jù) 183
8.6.3 描述性統(tǒng)計(jì)分析 184
8.7 異常值分析與處理 184
8.7.1 異常值分析 184
8.7.2 異常值檢測(cè) 185
8.7.3 異常值處理 187
8.8 數(shù)據(jù)統(tǒng)計(jì)分析 188
8.8.1 鉆石深度和臺(tái)面分析 188
8.8.2 鉆石切工、顏色和凈度分析 188
8.8.3 鉆石價(jià)格分析 190
8.9