三个使用R语言进行数据分析的案例【初级版】

案例一：分析电影评分数据

数据背景 假设我们有一个包含电影评分的数据集，数据集包含三列：电影名称、评分和评论数量。

目标

1. 绘制电影评分的直方图。
2. 计算电影评分的平均值
3. 找出评分最高的电影

步骤
1.1.数据导入

# 数据导入
movie_data <- read.csv("movie_ratings.csv")

1.2.数据检查

# 数据检查
str(movie_data)

1.3.数据可视化

# 数据可视化：绘制直方图
library(ggplot2)
ggplot(movie_data, aes(x=Rating)) +
  geom_histogram(bins=30) +
  labs(title="电影评分直方图", x="评分", y="电影数量")

1.4.计算评分平均值

# 计算评分平均值
mean_rating <- mean(movie_data$Rating)
cat("电影评分的平均值为：", mean_rating, "\n")

1.5.找出评分最高的电影

# 找出评分最高的电影
max_rating_movie <- movie_data[which.max(movie_data$Rating), ]
cat("评分最高的电影为：", max_rating_movie$Movie, "，评分为：", max_rating_movie$Rating, "\n")  

案例二：分析员工绩效数据

数据背景
假设我们有一个包含员工绩效的数据集，数据集包含四列：员工ID、销售额、工作年限和满意度。

目标

1. 绘制员工销售额的箱型图。
2. 计算员工销售额的中位数。
3. 找出工作年限最长的员工。

步骤
2.1. 数据导入

# 数据导入
employee_data <- read.csv("employee_performance.csv")

2.2. 数据检查

# 数据检查
str(employee_data)

2.3. 数据可视化

# 数据可视化：绘制箱型图
library(ggplot2)
ggplot(employee_data, aes(y=Sales)) +
  geom_boxplot() +
  labs(title="员工销售额箱型图", x="员工ID", y="销售额")

2.4. 计算销售额中位数

# 计算销售额中位数
median_sales <- median(employee_data$Sales)
cat("员工销售额的中位数为：", median_sales, "\n")

2.5. 找出工作年限最长的员工

# 找出工作年限最长的员工
max_years_employee <- employee_data[which.max(employee_data$Years), ]
cat("工作年限最长的员工ID为：", max_years_employee$EmployeeID, "，工作年限为：", max_years_employee$Years, "\n")

案例三：分析城市空气质量数据

数据背景
假设我们有一个包含城市空气质量的数据集，数据集包含四列：城市、PM2.5、PM10和空气质量指数（AQI）。

目标

1. 绘制AQI的散点图，以PM2.5为x轴，PM10为y轴。
2. 计算AQI的平均值。
3. 找出AQI最高的城市。

步骤
3.1. 数据导入

# 数据导入
air_quality_data <- read.csv("air_quality.csv")

3.2. 数据检查

# 数据检查
str(air_quality_data)

3.3. 数据可视化

# 数据可视化：绘制散点图
library(ggplot2)
ggplot(air_quality_data, aes(x=PM25, y=PM10)) +
  geom_point() +
  labs(title="空气质量指数散点图", x="PM2.5", y="PM10")

3.4. 计算AQI平均值

# 计算AQI平均值
mean_aqi <- mean(air_quality_data$AQI)
cat("AQI的平均值为：", mean_aqi, "\n")

3.5. 找出AQI最高的城市

# 找出AQI最高的城市
max_aqi_city <- air_quality_data[which.max(air_quality_data$AQI), ]
cat("AQI最高的城市为：", max_aqi_city$City, "，AQI为：", max_aqi_city$AQI, "\n")