[转] R 代码 00003 18.06.19

2023-11-03 22:08
文章标签 代码 19 18.06 00003

本文主要是介绍[转] R 代码 00003 18.06.19,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

# 知识来源于网络,仅供交流使用,如有侵权请及时联系予以删除# Libraries
library(data.table)   # 高效数据操作
library(magrittr)  # 管道操作
library(ggplot2)  # 数据可视化
library(stringr)   # 字符串处理
#  library(quanteda)  该包在加载时出现错误
library(gridExtra)  # 多图
library(dplyr)    # 数据操作
library(tidyr)     # 数据操作
library(caTools)  # 工具:移动窗口统计
library(xgboost)  # 极限梯度提升
library(quanteda)   # 文本数据的定量分析
library(SnowballC)  # 基于C libstemmer UTF-8库的雪球词干分析器
library(tm)  # 文本挖掘软件包
library(corrplot)      # 相关矩阵的可视化# Data Overview
setwd("e:/")
system.time(train <- fread('../input/train.tsv', showProgress = T , data.table=F))# 读取数据,包括工具条、读取时间
str(train)# train_id、name、item_condition_id、category_name、brand_name、price、shipping、item_description
dim(train)   # 记录多少
print(object.size(train), units = 'Mb')  # 数据存储大小# 0: Variable Analysis:Price :价格、及其分布
length(train$price[train$price==""])
length(train$price[is.na(train$price)])
range(train$price)
ggplot(train,aes(x=price))+geom_histogram(fill = 'orangered2')  # 分布范围大,但是不均衡,变换log()表示
ggplot(data = train, aes(x = log(price+1,base=10))) + geom_histogram(fill = 'orangered2')# e = 2.718281828459; log(8,2)===>3;   base=exp(1),即e

# 1: Variable Analysis:item_condition_id :产品状况分类情况、及其对价格的影响length(train$item_condition_id[train$item_condition_id==""])
length(train$item_condition_id[is.na(train$item_condition_id)])
table(train$item_condition_id)  # 查看分类分布、与价格关系p1<-train %>%        # 画柱状图
	group_by(item_condition_id) %>%
	summarise(count=length(price),median=median(price))  %>%
	ggplot(aes(x = item_condition_id, y = count)) +  geom_bar(stat = 'identity',fill = "orangered2") 
p2<-train %>%	     # 画箱体图
	ggplot(aes(x = as.factor(item_condition_id), y = log(price+1,base=10))) + 
		stat_boxplot(geom = "errorbar") +  geom_boxplot(fill = "skyblue")  
grid.arrange(p1,p2,nrow=1)# 以下为箱体图的解读样本
# 2:Variable Analysis:Shipping :运费状况,及对价格分布的影响
length(train$shipping[train$shipping==""])
length(train$shipping[is.na(train$shipping)])
table(train$shipping) # 分布状况
train %>% ggplot(aes(x = log(price+1), fill = as.factor(shipping))) + geom_density(adjust=2,alpha= 0.6)# 3:Variable Analysis:brand_name :品牌名称,及对价格分布的影响
length(train$brand_name[train$brand_name==""])
length(train$brand_name[is.na(train$brand_name)])
length(table(train$brand_name))  # 分布状况
train %>%  group_by(brand_name) %>%     summarise(median_price = median(price)) %>%         arrange(desc(median_price)) %>% head(25) %>%        ggplot(aes(x = reorder(brand_name,median_price), y = median_price)) +         geom_point()+coord_flip()# 4:Variable Analysis:category_name :产品分类名称,及对价格分布的影响
length(train$category_name[train$category_name==""])
length(train$category_name[is.na(train$category_name)])
length(unique(train$category_name))# 等价于  length(table(train$category_name))  # 分布状况
sort(table(train$category_name), decreasing = TRUE)[1:10]#分类初始分析train %>%  group_by(category_name) %>%      summarise(median_price = median(price)) %>%             arrange(desc(median_price)) %>% head(25) %>%ggplot(aes(x = reorder(category_name,median_price), y = median_price)) +         geom_point()+coord_flip()# 分类分析,进一步细分splitVar = str_split(train$cat, "/")cat1 = sapply(splitVar,'[',1)cat2 = sapply(splitVar,'[',2)train['cat1'] = cat1train['cat2'] = cat2train$cat1[is.na(train$cat2)] = -1train$cat2[is.na(train$cat3)] = -1train['train$category_name'][is.na(train$train$category_name)] = -1# cat1  分析1train %>%  ggplot(aes(x = cat1, y = log(price+1,base=10))) + stat_boxplot(geom = "errorbar")+
		    geom_boxplot(fill = 'cyan2', color = 'darkgrey') + coord_flip() + labs(y="",title = 'category_name: cat1 观察方法1' )# cat1  分析2
	        p1 <-train %>%group_by(cat1, item_condition_id) %>%summarise(count=length(train_id)) %>%ggplot(aes(x = item_condition_id, y = cat1, fill = count/1000)) +geom_tile() +scale_fill_gradient(low = 'lightblue', high = 'cyan4') +labs(x = 'Condition', y = '', fill = 'Number of items (000s)', title = 'cat1: Item count by category and condition') +	            theme_bw() +  theme(legend.position = 'bottom')
	        p2 <-train %>%
		        group_by(cat1, item_condition_id) %>%
		        summarise(median_price=median(price)) %>%
		        ggplot(aes(x = item_condition_id, y = cat1, fill = median_price)) +
			    geom_tile() + scale_fill_gradient(low = 'lightblue', high = 'cyan4') +
			    labs(x = 'Condition', y = '', fill = 'median_price', title = 'cat1: Item price by category and condition') +
			    theme_bw() + theme(legend.position = 'bottom', axis.text.y = element_blank())
	        grid.arrange(p1, p2, ncol = 2)# cat2  分析ss<- train  %>% group_by(cat2) %>%summarise(median=median(price)) %>% arrange(desc(median)) %>% head(15)train %>%  filter(cat2 %in% ss$cat2) %>% select(c("price","cat1","cat2","category_name")) %>%
	        ggplot(aes(x = cat2, y = log(price+1))) + stat_boxplot(geom = "errorbar") + 
		geom_boxplot(fill = 'cyan2', color = 'darkgrey') + coord_flip()# 5:Variable Analysis:item_despription :产品分描述train['desclength'] = str_length(train$item_description)train$desclength[train$item_description == 'No description yet']<- NAcor(train$price,train$desc_length,use='complete.obs')
# 以下为部分文本分析内容,等待学习
corpus = Corpus(VectorSource(train$item_description))   #将要分析的变量加载到适当的格式中。
corpus = tm_map(corpus, tolower)          # 小写所有单词
corpus = tm_map(corpus, removePunctuation)  # 删除标点符号
corpus = tm_map(corpus, removeWords, stopwords("english"))  #去停用词
dataframe <- data.frame(text=sapply(corpus, identity),stringsAsFactors=F)    #转换为数据框
train$item_description = dataframe$text    #附加到原数据中

这篇关于[转] R 代码 00003 18.06.19的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/341176

相关文章

Java中调用数据库存储过程的示例代码

《Java中调用数据库存储过程的示例代码》本文介绍Java通过JDBC调用数据库存储过程的方法,涵盖参数类型、执行步骤及数据库差异,需注意异常处理与资源管理,以优化性能并实现复杂业务逻辑,感兴趣的朋友... 目录一、存储过程概述二、Java调用存储过程的基本javascript步骤三、Java调用存储过程示

Visual Studio 2022 编译C++20代码的图文步骤

《VisualStudio2022编译C++20代码的图文步骤》在VisualStudio中启用C++20import功能,需设置语言标准为ISOC++20,开启扫描源查找模块依赖及实验性标... 默认创建Visual Studio桌面控制台项目代码包含C++20的import方法。右键项目的属性:

MySQL数据库的内嵌函数和联合查询实例代码

《MySQL数据库的内嵌函数和联合查询实例代码》联合查询是一种将多个查询结果组合在一起的方法,通常使用UNION、UNIONALL、INTERSECT和EXCEPT关键字,下面:本文主要介绍MyS... 目录一.数据库的内嵌函数1.1聚合函数COUNT([DISTINCT] expr)SUM([DISTIN

Java实现自定义table宽高的示例代码

《Java实现自定义table宽高的示例代码》在桌面应用、管理系统乃至报表工具中,表格(JTable)作为最常用的数据展示组件,不仅承载对数据的增删改查,还需要配合布局与视觉需求,而JavaSwing... 目录一、项目背景详细介绍二、项目需求详细介绍三、相关技术详细介绍四、实现思路详细介绍五、完整实现代码

Go语言代码格式化的技巧分享

《Go语言代码格式化的技巧分享》在Go语言的开发过程中,代码格式化是一个看似细微却至关重要的环节,良好的代码格式化不仅能提升代码的可读性,还能促进团队协作,减少因代码风格差异引发的问题,Go在代码格式... 目录一、Go 语言代码格式化的重要性二、Go 语言代码格式化工具:gofmt 与 go fmt(一)

HTML5实现的移动端购物车自动结算功能示例代码

《HTML5实现的移动端购物车自动结算功能示例代码》本文介绍HTML5实现移动端购物车自动结算,通过WebStorage、事件监听、DOM操作等技术,确保实时更新与数据同步,优化性能及无障碍性,提升用... 目录1. 移动端购物车自动结算概述2. 数据存储与状态保存机制2.1 浏览器端的数据存储方式2.1.

基于 HTML5 Canvas 实现图片旋转与下载功能(完整代码展示)

《基于HTML5Canvas实现图片旋转与下载功能(完整代码展示)》本文将深入剖析一段基于HTML5Canvas的代码,该代码实现了图片的旋转(90度和180度)以及旋转后图片的下载... 目录一、引言二、html 结构分析三、css 样式分析四、JavaScript 功能实现一、引言在 Web 开发中,

Python如何去除图片干扰代码示例

《Python如何去除图片干扰代码示例》图片降噪是一个广泛应用于图像处理的技术,可以提高图像质量和相关应用的效果,:本文主要介绍Python如何去除图片干扰的相关资料,文中通过代码介绍的非常详细,... 目录一、噪声去除1. 高斯噪声(像素值正态分布扰动)2. 椒盐噪声(随机黑白像素点)3. 复杂噪声(如伪

Java Spring ApplicationEvent 代码示例解析

《JavaSpringApplicationEvent代码示例解析》本文解析了Spring事件机制,涵盖核心概念(发布-订阅/观察者模式)、代码实现(事件定义、发布、监听)及高级应用(异步处理、... 目录一、Spring 事件机制核心概念1. 事件驱动架构模型2. 核心组件二、代码示例解析1. 事件定义

Python实例题之pygame开发打飞机游戏实例代码

《Python实例题之pygame开发打飞机游戏实例代码》对于python的学习者,能够写出一个飞机大战的程序代码,是不是感觉到非常的开心,:本文主要介绍Python实例题之pygame开发打飞机... 目录题目pygame-aircraft-game使用 Pygame 开发的打飞机游戏脚本代码解释初始化部