【R语言】R语言数据处理——东北大学大数据班R实训第二次作业
R数据处理知识点回顾
- 知识点1
变量创建、变量重编码、缺失值、日期值处理，数据类型转化，数据排序。 - 知识点2：
数据集的合并，选取子集，使用SQL操作数据框，数据的整合与重构。 - 知识点3：
控制流：条件与循环 - 知识点4：
用户自编函数
title: “R实训第二次作业”
output: html_notebook
题目1：
1.将item_feature1.csv读入，存储到df中；并给df的列分别命名为： date 、item_id 、 cate_id 、 cate_level_id 、 brand_id 、 supplier_id 、 pv_ipv 、cart_uv 、 collect_uv 和cart_ipv 。
注：【日期、商品id、仓库id、仓库级别id、品牌id、供应商id、浏览次数、加购人次、收藏人次和被加购次数】
df <-
read.csv("C:\\Users\\zzh\\Desktop\\R语言\\R语言第2次实训\\数据\\item_feature1.csv")
#查看所有变量名
names(df)
names(df)[1:10] <-
c(
"date" ,
"item_id" ,
"cate_id" ,
"cate_level_id" ,
"brand_id" ,
"supplier_id" ,
"pv_ipv" ,
"cart_uv" ,
"collect_uv" ,
"cart_ipv"
)
names(df)
2.为df中的cart_uv 重新编码并将新变量命名为recode，将小于5000的归为less,将大于等于5000小于15000的归为common,其他的归为many；查看尾部的10条数据。
df$recode[df$cart_uv<5000]<-"less"
df$recode[df$cart_uv>=5000&df$cart_uv<15000]<-"common"
df$recode[df$cart_uv>=15000]<-"many"
tail(df,10)
3.查看df中是否有缺失值；如有缺失值，删除df中所有含缺失值的行。
sum(rowSums(is.na(df)) > 0)
nrow(df)
df<-na.omit(df)
nrow(df)
4.将df中的date字段转换成日期类型，如：“2015-02-13”。
# 最初的date数据类型是integer
class(df$date)
# 然后转化为character
df$date <- as.character(df$date)
class(df$date)
# 然后转化为Date
df$date <- as.Date(df$date, "%Y%m%d")
class(df$date)
head(df$date, 10)
5.将df按照date字段升序排列，另存为df_asc；并查看前10条数据。
# 升序
df_asc<-df[order(df$date),]
head(df_asc,10)
6.将df按照date字段升序和item_id降序排序，另存在df1中；并查看前5条数据。
df1<-df[order(df$date,-df$item_id),]
head(df1)
题目2：
1.从df中选取date 、 item_id 、 cate_id 、 cart_uv 、 recode、 collect_uv 和cart_ipv字段另存为df11；
剔除df11中的cart_ipv字段另存为df2；
从df11中选取item_id 大于500的并且recode为less的数据另存为df3。
df11<-df[c("date","item_id","cate_id","cart_uv","recode","collect_uv","cart_ipv")]
df2<-df11[!names(df11)%in%c("cart_ipv")]
2.从df中选取date为2015-02-14，item_id为300，并保留date到supplier_id其间的所
有列，另存为df_sub。
df_sub <-subset(df, date == "2015-02-14" &item_id == 300, select = date:supplier_id)
df_sub
3.从df中无放回的随机抽取500条样本，另存为df4；查看样本的维度和数据的头部数据。
df4<-df[sample(1:nrow(df),500,replace = FALSE),]
dim(df4)
head(df4)
4.从df11中选取列从item_id到cate_id的数据，另存为df1_temp,然后与df4按照item_id
合并存为df5。
df1_temp<-df11[c("item_id","cate_id")]
df5<-merge(df1_temp,df4,by="item_id")
# merge参数位置调换，增加的新变量名字不同，cate_id.x,cate_id.y
# df55<-merge(df4,df1_temp,by="item_id")
dim(df1_temp)
dim(df4)
dim(df5)
5.从df11中利用sql的方法选取item_id为300的数据，另存为df6中。【注：sqldf包】
# install.packages("sqldf")
library(sqldf)
df6 <- sqldf("select * from df11 where item_id=300")
head(df6)
6.从df2中有放回的随机取出与df6一样多的数据条数做为df_temp，然后与df6按列（横
向）合并，另存为df7。
df_temp<-df2[sample(1:nrow(df2),nrow(df6),replace = TRUE),]
dim(df_temp)
dim(df6)
df7<-cbind(df_temp,df6)
dim(df7)
7.从df中选取 date 、 item_id 、 cate_id 和cart_ipv 另存为feature，并将feature 按日
期升序排列，取出feature 中唯一的cate_id 【去重即可】。
feature<-df[c("date","item_id","cate_id","cart_ipv")]
feature<-df[order(df$date),]
unique(feature$cate_id)
