R语言与数据可视化-180705

末蓝、 2022-05-21 11:13 189阅读 0赞

**2018.7.5作业**

## 一、对文件的一些基本操作 ##

1、对文件iris.csv中的数据进行一些简单的操作：

查看数据记得大小结构，维度，名称，属性
    dim(iris)
    names(iris)
    str(iris)
    查看数据前几行和后几行
    iris[1:5,]

结果：  
![这里写图片描述][70]

head(iris)
    tail(iris)
    #可以查找某一列的值
    iris[1:10,"Sepal.Length"]
    iris$Sepal.Length[1:10]
    结果：

![这里写图片描述][70 1]

summary(iris)

![这里写图片描述][70 2]

mean(iris$Sepal.Length)
    median(iris$Sepal.Length)

![这里写图片描述][70 3]

结果如下：
    #查看方差，绘制直方图
    var(iris$Sepal.Length)
    hist(iris$Sepal.Length)

![这里写图片描述][70 4]

## 二、绘制统计图和点图 ##

一、  对读者reader.txt进行分析：
    1、  共多少读者
    reader <- read.table(file = "f:/data/reader.txt", header=T, sep = "\t", quote = "",comment.char = "", stringsAsFactors =F)
    #共多少读者
    readerTotal <- nrow(reader)
    readerTotal
    结果如下：

![这里写图片描述][70 5]

2、  读者的不同身份
    #不同地方读者的身份workplace_desc
    workplace <-unique(reader$workplace_desc)
    head(workplace)
    结果如下：

![这里写图片描述][70 6]

3、  不同读者的数量
    #不同读者的数量
    workplaceNum <- length(workplace)
    workplaceNum

![这里写图片描述][70 7]

4、  # 不同读者的编码有几种
    readercode<-unique(reader$reader_barcode)
    head(readercode)
    readercode <- length(readercode)
    readercode

![这里写图片描述][70 8]

## 三、 对book.txt文件中内容进行分析： ##

1、  #书名信息展示title
    titleStat <- table(book$title)
    titleStat
    N <- 10
    titleTopN <- sort(titleStat, decreasing = T)[1:N]
    titleTopN
    titleFrame <- as.data.frame(titleTopN)
    names(titleFrame) <- c("bookName", "Num")
    library(ggplot2)
    #条形图
    p <- ggplot(data = titleFrame, aes(x = bookName, y=Num)) + geom_col(aes(fill=bookName)) +
      geom_text(aes(label=Num), vjust = -0.5) + theme(legend.position = "none", axis.text.x = element_text( angle = 270))
    p
    #点图
    p <- ggplot(data = titleFrame, aes(x = bookName, y=Num)) + geom_point(aes(color=bookName))
    p
    条形图如下：

![这里写图片描述][70 9]  
点图如下：  
![这里写图片描述][70 10]

2、  同理可求出：读者信息排行榜展示
    #读者排行榜展示workplace_desc  reader.txt
    workStat <- table(reader$workplace_desc)
    N <- 10
    workTopN <- sort(workStat, decreasing = T)[1:N]
    workFrame <- as.data.frame(workTopN)
    names(workFrame) <- c("workplaceName", "Num")
    library(ggplot2)
    #条形图
    p <- ggplot(data = workFrame, aes(x = workplaceName, y=Num)) + geom_col(aes(fill=workplaceName)) +
      geom_text(aes(label=Num), vjust = -0.5) + theme(legend.position = "none", axis.text.x = element_text( angle = 270))
    p
    #点图
    p <- ggplot(data = workFrame, aes(x = bookName, y=Num)) + geom_point(aes(color=workplaceName))
    p

条形图如下：  
![这里写图片描述][70 11]  
点图如下：  
![这里写图片描述][70 12]

三、 对borrow13.txt进行处理

求出借书日期与还书日期：
    #图书借阅时间
    #借书时间
    checkdate1 <-unique(borrow13$date_checkout)
    head(checkdate)
    ## 使用substring来提取借书时间
    checkdate2= substring(checkdate1,1,10)
    #还书时间
    duedate1 <-unique(borrow13$date_due)
    head(duedate)
    # 使用substring来提取还书时间
    duedate2= substring(duedate1,1,10)
    还书日期如下：

![这里写图片描述][70 13]

得到借书日期与还书信息，后续可以对借书天数进行处理。

[70]: /images/20220521/36207452ee7040a19ac2125e7c1d104d.png
[70 1]: /images/20220521/64a20dd89dd54d4e9c96e824f5dafb37.png
[70 2]: /images/20220521/3a9ec83125d84c3a8a4e33e178d91652.png
[70 3]: /images/20220521/d30c0a3a7d41462db2c4fb20e23b2df7.png
[70 4]: /images/20220521/1a28b91026c64a0a8b9607997fc2a568.png
[70 5]: /images/20220521/08a3a2423ae44bcda7362cddcc26b159.png
[70 6]: /images/20220521/e786a7ba6db1438f9835b6f204094a8b.png
[70 7]: /images/20220521/bc498c8a75bc47bea69702da8c8571ef.png
[70 8]: /images/20220521/0be4ac7ff2dd495c92ca0031ba75e347.png
[70 9]: /images/20220521/fc844d3a9dad4d3a9d170e4de1f4e481.png
[70 10]: /images/20220521/913a748d2cb646549e5ebd6e35fa998f.png
[70 11]: /images/20220521/62cf69a78fe840e9b340e25bd951114c.png
[70 12]: /images/20220521/fd64264b315e446ea022ed2a9c15be66.png
[70 13]: /images/20220521/b4ad334f1ff44516b6ad14838bc06433.png