本次实践方案：通过分析朝阳医院2016年销售数据，并通过R语言的处理，最终输出朝阳医院“月均消费次数”、“月均消费金额”、“客单价”、“消费趋势”等结果和可视化图形。

第一步、读取数据

导入 Excel 数据。使用函数read.xlsx() 导入一个工作表到一个数据框中。一般格式为 read.xlsx(file, n)。具体代码如下：

library(xlsx)
readFilepPath<-"E:/猴子大数据分析课程/朝阳医院2016年销售数据.xlsx"
excelData<-read.xlsx(readFilepPath,"Sheet1",encoding="UTF-8")
excelData

又或者

library(openxlsx)
readFilepPath<-"E:/猴子大数据分析课程/朝阳医院2016年销售数据.xlsx"
excelData<-read.xlsx(readFilepPath,"Sheet1")
excelData

注意事项：一是确保安装了最新的java，并且进行了必要的配置。

[win10环境下如何配置java环境变量]（ http://jingyan.baidu.com/article/02027811629b941bcc9ce521.html）

二是确保已经安装了“xlsx”包或者“openxlsx”包。使用第一种方式时，若是没有encoding="UTF-8"可能会出现乱码。"Sheet1"也可以用1代替。
三是确保读取路径的正确，并且是使用正斜杠“/”，而不是反斜杠“\”。

第二步，对数据进行预处理

删除所有含有缺失数据的行。
第四章4.5.2中讲到如何在分析中排除缺失值的方法。使用na.omit()函数可以删除所有含有缺失数据的行。本例采用的是！is.na来进行保留未缺失数据的行。代码如下：

excelData<-excelData[!is.na(excelData$购药时间),] #保留未缺失时间的数据
excelData #输出结果

逻辑运算符

使用fix(excelData)调出交互式编辑器进行修改名称即可。

fix（exceldata）

或者使用names()函数来重命名变量。

names(excelData)<-c("time","carNo","drugID","drugName","saleNmuber",
"virtualMoney","actualMoney") #对原数据标题行进行重命名
excelData #输出重命名后的数据

重命名后

• 1.目的是把年月日和星期分开，并删除星期，只保留日期即可，便于进行样本分析。
  采用R语言中的字符串处理包stringr中的str_split_fixed()来实现。

library(stringr)  #载入字符串处理包
timeSplit<-str_split_fixed(excelData$time," ",n=2)  #将time列分成两列日期和星期
excelData$time<-timeSplit[,1]  #time列选取第一列即日期列
excelData   #输出最新的数据

时间的处理分成两列并输出一列

• 2.然后将time数据从字符类型转换为时间格式数据。

class(excelData$time) #输出对象的类别
is.character(excelData$time) #判断是否为字符型
excelData$time<-as.Date(excelData$time,"%Y-%m-%d")  #转换为日期格式
is.character(excelData$time) #判断是否为字符型
class(excelData$time) #输出对象的类别
excelData$time #输出日期

转换日期格式后的结果

# 销售数量
excelData$saleNmuber<-as.numeric(excelData$saleNmuber)
# 应收金额
excelData$virtualMoney<-as.numeric(excelData$virtualMoney)
# 实收金额
excelData$actualMoney<-as.numeric(excelData$actualMoney)

第六步、排序
可以使用order()函数对一个数据框进行排序，按照销售时间对数据进行降序排序。

# 按照销售时间降序进行排序
excelData<-excelData[order(excelData$time,decreasing = FALSE),]
excelData

销售时间降序排序

或者这样处理也是可以的

attach(excelData)#excelData作为一个数据框进行处理，先进行绑定
excelData<-excelData[order(excelData$time,decreasing = FALSE),]#按照时间进行降序排列
detach(excelData)#解除绑定
excelData#输出降序排序后的数据

第七步、计算消费次数和月份数
同一天内同一个人发生的所有消费计算为一次消费行为，剔除重复的日期和医保卡号。

#运用逻辑运算符把time、cardNo中重复的次数剔除
kpi1<-excelData[!duplicated(excelData[,c("time","cardNo")]),]
#总消费次数等于列值
consumeNumber<-nrow(kpi1)

duplicated()函数作用是返回重复的元素和向量。

计算出消费的总次数

# 最小的时间值
startTime<-kpi1$time[1]
# 最大的时间值
endTime<-kpi1$time[nrow(kpi1)]
# 天数
day<-endTime-startTime
# 月份数
month<-as.numeric(day)%/%30  #注意的是把day的格式转换为数字格式才可以进行整数除法。
X%/%Y表示X除以Y取整。
month #输出月份数

计算月份数

• 业务指标1
  计算月均消费次数=总消费次数/月份数。

月均消费次数

monthconsume<-consumeNumber/month
monthconsume
[1] 899.6667
monthconsume<-consumeNumber%/%month
monthconsume
[1] 899
class(consumeNumber)
[1] "integer"
class(day)
[1] "difftime"
class(month)
[1] "numeric"

![月均消费次数](http://upload-images.jianshu.io/upload_images/4165809-980322a329ab5548.jpg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

- **业务指标2**
月均消费金额=总金额/月均消费次数

totalmoney<-sum(excelData$actualMoney,na.rm = TRUE)
monthmoney<-totalmoney/month
monthmoney
[1] 50771.71
（原结果为50776.38），尝试了两次结果都不对，还是要仔细仔细，少了28元。

- **业务指标3**
客单价=总消费金额/总消费次数，直接计算就可

pct<-totalmoney / consumeNumber
pct
[1] 56.43391

- **业务指标4**
消费趋势，计算每周消费金额。用到**tapply（）**函数。
>tapply(X, INDEX, FUN = NULL, ...,)，其中X一般为向量，INDEX为一个或多个因子的列表，每个因子的长度与X相同，FUN = NULL表示tapply返回一个向量，simplify = TRUE表示如果FUN总是返回一个标量，tapply返回一个具有标量模式的数组。

计算每周的消费金额

weekconsume<-tapply(excelData$actualMoney,format(excelData$time,"%Y-%U"),sum)

选择数据中的actualMoney列。其次用format()函数指定日期的格式（年-周数），

最后sum()函数进行求和。最后tapply返回一个数组。

weekconsume
2016-00 2016-01 2016-02 2016-03 2016-04 2016-05 2016-06 2016-07 2016-08
1972.80 9679.64 10979.01 8719.73 15662.30 18758.82 3665.70 8441.51 8453.57
2016-09 2016-10 2016-11 2016-12 2016-13 2016-14 2016-15 2016-16 2016-17
9988.98 8500.78 9869.16 10135.23 8426.46 11400.66 14408.21 10385.33 10265.98
2016-18 2016-19 2016-20 2016-21 2016-22 2016-23 2016-24 2016-25 2016-26
9496.06 9728.40 11794.11 11497.20 9530.38 10806.71 11877.43 14077.38 10894.90
2016-27 2016-28 2016-29
8386.97 13372.67 3454.18

![每周消费金额](http://upload-images.jianshu.io/upload_images/4165809-0b60b3c4acc5fbdd.jpg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

上文中%U是用十进制表示一年当中的周数（week of the year as decimal number）,using the first Sunday as day 1 of week 1。使用规则是用第一个星期天作为第一周的第一天（00-53）。感谢**小熊猫**的数据分析学习笔记。

<br>
**第九步、结果的输出和展示**
使用plot()函数进行绘图。

将数据存储到数据框中

weekconsume<-as.data.frame.table(weekconsume)
weekconsume
Var1 Freq
1 2016-00 1972.80
2 2016-01 9679.64
3 2016-02 10979.01
4 2016-03 8719.73
5 2016-04 15662.30
6 2016-05 18758.82
7 2016-06 3665.70
8 2016-07 8441.51
9 2016-08 8453.57
10 2016-09 9988.98
11 2016-10 8500.78
12 2016-11 9869.16
13 2016-12 10135.23
14 2016-13 8426.46
15 2016-14 11400.66
16 2016-15 14408.21
17 2016-16 10385.33
......

进行重命名

names(weekconsume)<-c("time","actualmoney")
weekconsume
time actualmoney
1 2016-00 1972.80
2 2016-01 9679.64
3 2016-02 10979.01
4 2016-03 8719.73
5 2016-04 15662.30
6 2016-05 18758.82
7 2016-06 3665.70
8 2016-07 8441.51
9 2016-08 8453.57
10 2016-09 9988.98
......

转换为字符型

weekconsume$time<-as.character(weekconsume$time)
class(weekconsume$time)

计算时间个数

weekconsume$timenumber<-c(1:nrow(weekconsume))
weekconsume$timenumber

绘制图形

plot(weekconsume$timenumber,weekconsume$actualmoney,
xlab ="时间（年份-第几周）",
ylab ="消费金额",
xaxt="n",
main="2016年朝阳医院消费曲线",
col="blue",
type="b")

定义坐标轴显示

axis(1,at=weekconsume$timenumber,labels = weekconsume$time,cex.axis=1.5)

 
![2016年朝阳医院消费曲线](http://upload-images.jianshu.io/upload_images/4165809-7588d055e16b5451.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)




<br>
####总结一下
通过学习R语言实战前四章，结合猴子的课程第三讲，并参考部分学员笔记，完成了整个分析的过程。**读取数据、数据预处理、数据的分析和数据结果输出和展示**。其中用到了xlsx/openxlsx(两个会相互影响)，is.na()，stringr，order()，duplicated()，class()和plot()函数等，进行了数据重命名、拆分、数据格式转换、排序，以及求和、绘图显示等操作，过程中多处出现错误和不理解，经过多次的反复回头看，但依然存在不明白的地方，需要进一步的去学习和实践。