R语言入门第三集实验二：基本数据处理

一、资源

【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

二、答案更新纠正

2.11.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。

答案：
```
df11<-df[c("date","item_id","cate_id","cart_uv","recode","collect_uv","cart_ipv")]
df2<-df11[!names(df11)%in%c("cart_ipv")]
```
应该为：

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df1；剔除df1中的cart_ipv字段另存为df2；从df1中选取item_id 大于500的并且recode为less的数据另存为df3。
```
df1<-df[c("date","item_id","cate_id","cart_uv","recode","collect_uv","cart_ipv")]
df2<-df1[!names(df1)%in%c("cart_ipv")]
df3<-df1[df1$item_id>500 &df1$recode=="less",]
```

2.4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。

答案：
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)

应该为：

2.4从df1中选取列从item_id到cate_id的数据，另存为df1_temp,然后与df按照item_id合并存为df5。

df1_temp<-df1[c("item_id","cate_id")]
df5<-merge(df1_temp,df,by="item_id")

2.5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】

答案：
```
# install.packages("sqldf")
library(sqldf)
df6 <- sqldf("select * from df11 where  item_id=300")
head(df6)
```
应该为：

2.5从df1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")
df6 <- sqldf("select * from df1 where  item_id=300")
```
2.6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。

答案：
```
df_temp<-df2[sample(1:nrow(df2),nrow(df6),replace = TRUE),]
dim(df_temp)
dim(df6)
df7<-cbind(df_temp,df6)
dim(df7)
```
应该为：

2.6从df2中有放回的随机取出与df6一样多的数据条数做为df_tem，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),]
df7<-cbind(df_temp,df6)
```
2.7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】。

答案：
```
feature<-df[c("date","item_id","cate_id","cart_ipv")]
feature<-df[order(df$date),]
unique(feature$cate_id)
```
应该为：

2.7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<-feature[order(feature$date),]
unique(feature$cate_id)
```

三、答案

实验二基本数据处理

题目1：
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("item_feature1.csv")
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)

1.2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)

1.3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)

1.4将df中的date字段转换成日期类型，如：2015-02-13。

class(df$date)
df$date <- as.character(df$date)
class(df$date)
df$date <- as.Date(df$date, "%Y%m%d")
class(df$date)
head(df$date, 10)

1.5将df按照date字段升序排列，另存为df_asc；并查看前10条数据。

df_asc<-df[order(df$date),]
head(df_asc,10)

1.6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：
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df1；剔除df1中的cart_ipv字段另存为df2；从df1中选取item_id 大于500的并且recode为less的数据另存为df3。

df1<-df[c("date","item_id","cate_id","cart_uv","recode","collect_uv","cart_ipv")]
df2<-df1[!names(df1)%in%c("cart_ipv")]
df3<-df1[df1$item_id>500 & df1$recode=="less",]

2.2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

2.3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)

2.4从df1中选取列从item_id到cate_id的数据，另存为df1_temp,然后与df按照item_id合并存为df5。

df1_temp<-df1[c("item_id","cate_id")]
df5<-merge(df1_temp,df,by="item_id")

2.5从df1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")
df6 <- sqldf("select * from df1 where  item_id=300")

2.6从df2中有放回的随机取出与df6一样多的数据条数做为df_tem，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),]
df7<-cbind(df_temp,df6)

2.7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<-feature[order(feature$date),]
unique(feature$cate_id)