R语言实战前四章学习小结-支付宝账单的简单作图

学习了R语言的前四章后，决定做个小项目练练手，翻了下知乎，发现有人用自己的支付宝账单做过相关的简单分析，所以我也打算用这个练练手

首先从支付宝首页下载了2017年1月到6月的支付宝账单，对其中的付款时间和消费金额拎出来进行分析。

读取CSV文件，将这俩列数据从整个数据中摘出来，并改成英文名字，做成新的数据框，代码如下：

alib<-read.csv2('C:/Users/10357/Desktop/alipay_record_20170605_2208_1.csv',header=TRUE,sep=',')
names(alib)[4]<-'Paytime'
names(alib)[10]<-'Account'
newname<-c('Paytime','Account')
newdata<-alib[newname]

接着开始对数据进行清洗和处理，首先将“Account”列数据由因子转换为numeric类型，同理将“Paytime”转换为character类型，并调用sapply函数将“Paytime”中的“年月日”数据和“时分秒”数据分隔出来，且只保留前者；之后将“Account”中数据低于0.3的数据设定为NA值后删除，并同样删除掉俩个不符合条件的异常数据。接着将所有数据按照支付时间来排序。代码如下：

newdata$Account<-as.numeric(levels(newdata$Account)[newdata$Account])
newdata$Paytime<-as.character(newdata$Paytime)
func<-function(x){
y<-strsplit(x,' ')
m<-unlist(y)[1]
return(m)
}
newdata$Paytime<-sapply(newdata$Paytime,func)
newdata$Paytime<-as.Date(newdata$Paytime,'%Y/%m/%d')
newdata$Account[newdata$Account<0.3]<-NA
newdata<-na.omit(newdata)
newdata<-newdata[order(newdata$Paytime),]
newdata<-newdata[c(-1,-2),]
newdata<-newdata[order(newdata$Paytime),]

之后使用tapply函数引入新的数据框monthlyamount，使用plot函数做出对应的按照上半年的支付宝消费趋势图

monthlyamount<-tapply(newdata$Account,format(newdata$Paytime,"%Y/%m"),sum)
monthlyamount<-as.data.frame.table(monthlyamount)
names(monthlyamount)<-c("month","Amount")
monthlyamount$month<-as.character(monthlyamount$month)
monthlyamount$nmonth<-c(1:nrow(monthlyamount))
plot(monthlyamount$nmonth,monthlyamount$Amount,main="2017上半年的吃土图",xlab="month",ylab="Amount",type="b",col="blue",lty=2,xaxt="n")
axis(1,at=monthlyamount$nmonth,labels = monthlyamount$month,cex.axis=0.2)

同理，做出上半年的消费趋势图

monthlycount<-tapply(newdata$Account,format(newdata$Paytime,"%Y-%m"),length)
monthlycount<-as.data.frame.table(monthlycount)
names(monthlycount)<-c("month","Frequency")
monthlycount$month<-as.character(monthlycount$month)
monthlycount$nmonth<-c(1:nrow(monthlycount))
plot(monthlycount$nmonth,monthlycount$Frequency,type = "b",lty=1,col="blue",main="xiabannianchitu",xlab="month",ylab="Amount",xaxt="n")
axis(1,at=monthlycount$nmonth,labels = monthlycount$month,cex.axis=0.5)

最后是结果图

心得的话，就是plot作图真的是好丑，得赶快去学习一下ggplot2了；好多功能其实用EXCEL可以轻松实现的功能，用R可能得折腾好久，然后本来想再通过收支的不同情况，对应导出不同的数据来分别做出收入、支出的分析图，但是翻了半天书也不知道怎么实现。。。最后只能用EXCEL区分了下，拿现成的数据做了，，希望有人指点下这一步需要怎么做。。

之后应该也会拿这份数据做后续学习的一个实验样本来检验自己的，学习后面的章节后会对应更行。。

R语言实战前四章学习小结-支付宝账单的简单作图相关推荐

R语言实战-第九章 R in action-chapter9
#第九章方差分析 #需要的packages:car gplots HH rrcov multicomp effects MASS mvotlier #单因素方差分析 #数据集来源multcomp包的c ...
R语言实战-读书笔记（第1 章 R语言介绍）
*R语言实战所有学习笔记,如涉及侵权,请联系撤稿.* **标题号与书中标题号对应** R语言实战第1章 R语言介绍 1.2 R的获取与安装 R可以在CRAN(Comprehe ...
对比《学习R》PDF代码+《R语言实战第2版》PDF代码+《R数据科学》PDF代码分析
R语言是世界上最流行的用于数据处理和统计分析的脚本语言.考古学家用它来跟踪古代文明的传播,医药公司用它来探索哪种药物更安全.更有效,精算师用它评估金融风险以保证市场的平稳运行.总之,在大数据时代,统计 ...
R语言mad(c(1 2 3 4)),R语言--数据管理-R语言实战笔记-第四五章
第四.第五章都是说的数据管理,合并在一起做个总结,在个人看来,数据管理是一件非常繁琐的事情,但是,每个统计的前提都是一个合适的数据样本,对的,"合适",做到合适可不是一个简单的事情 ...
R语言实战笔记--第四五章数据管理
R语言实战笔记–第四&五章数据管理标签(空格分隔): R语言第四.第五章都是说的数据管理,合并在一起做个总结,在个人看来,数据管理是一件非常繁琐的事情,但是,每个统计的前提都是一个合适的 ...
R：R语言实战学习一(基本统计分析)
本学期的课程R语言实战只学了前六章的皮毛,实际上后面的知识用的更多,前面的是基础,这次学习第七章:基本统计分析. 1.描述性统计分析主要关注分析连续型变量的中心趋势.变化性和分布形状的方法,为了便于 ...
R语言实战笔记--第十五章处理缺失数据
R语言实战笔记–第十五章处理缺失数据标签(空格分隔): R语言处理缺失数据 VIM mice 缺失值(NA),是导致我们计算错误的一大来源,处理缺失数据在实际的应用中有着较为重要的作用. 基本方 ...
R语言实战笔记--第十二章重抽样（置换检验）与自助法
R语言实战笔记–第十二章重抽样(置换检验)与自助法标签(空格分隔): R语言重抽样自助法置换检验置换检验双样本均值检验的时候,假设检验的方法就是,检查正态性.独立性.方差齐性,分别对应的 ...
R语言实战笔记--第十四章主成分和因子分析
R语言实战笔记–第十四章主成分和因子分析标签(空格分隔): R语言主成分分析因子分析原理及区别主成分分析与因子分析很接近,其目的均是为了降维,以更简洁的数据去解释结果,但这两种方法其实是相 ...

R语言实战前四章学习小结-支付宝账单的简单作图

R语言实战前四章学习小结-支付宝账单的简单作图相关推荐

最新文章

热门文章