《数据分析实战》--用R做柱状图

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/Cocaine_bai/article/details/80492155

《数据分析实战》–用R做柱状图

本文参考的是《数据分析实战》

背景：针对某公司的产品，发现当月的销售额下降，但从市场环境还是从游戏本身的状态来看都有上升的空间，请查明下降的原因。

现状：同上月相比销售额下降

预期：销售额恢复到同上月的水平

明确问题：由于公司的预算问题，当月没有进行过多的宣传活动，所以很有可能是该原因导致。

---

读取数据

dau <- read.csv('section3-dau.csv',header = T,stringsAsFactors = F)
dpu <- read.csv('section3-dpu.csv',header = T,stringsAsFactors = F)
install <- read.csv('section3-install.csv', header = T,stringsAsFactors = F)

其中dau数据如下：

log_data	app_name	user_id
2013-06-01	game-01	116
2013-06-01	game-01	13491
2013-06-01	game-01	7006
2013-06-01	game-01	117
2013-06-01	game-01	13492
2013-06-01	game-01	9651
2013-06-01	game-01	1
2013-06-01	game-01	3
2013-06-01	game-01	6
2013-06-01	game-01	11
…..	…..	…..

其中dpu数据如下：

log_date	app_name	user_id	payment
2013-06-01	game-01	351	1333
2013-06-01	game-01	12796	81
2013-06-01	game-01	364	571
2013-06-01	game-01	13212	648
2013-06-01	game-01	13212	1142
2013-06-01	game-01	13212	571
2013-06-01	game-01	13212	1333
2013-06-01	game-01	3547	571
2013-06-01	game-01	12644	81
2013-06-01	game-01	19	162
…..	……	……	…..

其中install数据如下：

install_date	app_name	user_id
2013-04-15	game-01	1
2013-04-15	game-01	2
2013-04-15	game-01	3
2013-04-15	game-01	4
2013-04-15	game-01	5
2013-04-15	game-01	6
2013-04-15	game-01	7
2013-04-15	game-01	8
2013-04-15	game-01	9
2013-04-15	game-01	10
……	……	……

处理数据

将三张表合并成一张表（使用merge函数）：

dau_install <- merge(dau,install,by = c('user_id','app_name'))
dau_install_payment <- merge(dau_install,dpu, by=c('log_date', 'app_name','user_id'),all.x = T)

合并之后数据如下：

log_date	app_name	user_id	install_date	payment
2013-06-01	game-01	1	2013-04-15	NA
2013-06-01	game-01	3	2013-04-15	NA
2013-06-01	game-01	6	2013-04-15	NA
2013-06-01	game-01	11	2013-04-15	NA
2013-06-01	game-01	17	2013-04-15	NA
2013-06-01	game-01	18	2013-04-15	NA
……	……	……	……	…..

进行数据处理，对NA值赋值为0：

dau_install_payment$payment[is.na(dau_install_payment$payment)]<- 0

增加月份统计：

dau_install_payment$log_month <- substr(dau_install_payment$log_date,1,7)
dau_install_payment$install_month <- substr(dau_install_payment$install_date,1,7)
library(plyr)
mau_payment <- ddply(dau_install_payment,
                     .(log_month,user_id,install_month),
                     summarise,
                     payment = sum(payment))

月份统计结果：

log_month	user_id	install_month	payment
2013-06	1	2013-04	0
2013-06	2	2013-04	0
2013-06	3	2013-04	14994
2013-06	4	2013-04	0
2013-06	6	2013-04	0
2013-06	7	2013-04	0
2013-06	8	2013-04	0
2013-06	10	2013-04	0
2013-06	11	2013-04	1937
2013-06	15	2013-04	0
…..	…..	…..	…..

现在数据已经处理的差不多了，感觉plyr包中ddply函数有点像Excel的数据透视表，根据log_month，user_id，install_month在进行合并汇总。

不过数据处理有很多种方法，大家可以试一试sqldf包中sqldf函数，里面直接写SQL就OK了，简单方便。

数据分析

对上面的mau_payment 增加字段，让我们来识别新用户和老用户：
如果安装的月份和登陆的月份相同，我们则认为他是本月的新用户，否则为老用户

mau_payment$user_type <- ifelse(mau_payment$log_month == mau_payment$install_month,
                                'new_user','old_user')
mau_payment_summary <- ddply(mau_payment,
                             .(log_month,user_type),
                             summarise,
                             total_payment = sum(payment))
head(mau_payment_summary)

数据结果如下：

log_month	user_type	total_payment
2013-06	new_user	49837
2013-06	old_user	177886
2013-07	new_user	29199
2013-07	old_user	177886

从上面的表格里面可以看出：在7月份中，新用户带来的消费额明显的降低而导致7月份的整体消费额降低。
所以：宣传活动需要保持6月份的水平才能让消费额回升至6月份的水平。

数据可视化

library(ggplot2)
library(scales)
ggplot(mau_payment_summary, aes(x = log_month,y=total_payment,
                                fill = user_type)) + geom_bar(stat = "identity") + scale_y_continuous(label = comma)

其中：ggplot2是作图的包，
scales包主要将普通数字转换为以三位数为一个区间来显示的工具，例如1000 经转换后为1,000。

绘图如下：

可以很明显的看到，新用户带来的收入下降。
那么怎么看哪个消费层次的的消费额减少了呢？

ggplot(mau_payment[mau_payment$payment >0 & mau_payment$user_type == 'new_user',],
       aes(x=payment,fill=log_month))+geom_histogram(position = 'dodge',binwidth = 2000)

至此，数据分析基本完成~