《資料分析實戰》–用R做柱狀圖

背景：針對某公司的產品，發現當月的銷售額下降，但從市場環境還是從遊戲本身的狀態來看都有上升的空間，請查明下降的原因。

現狀：同上月相比銷售額下降

預期：銷售額恢復到同上月的水平

明確問題：由於公司的預算問題，當月沒有進行過多的宣傳活動，所以很有可能是該原因導致。

讀取資料

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資料如下：

其中dpu資料如下：

其中install資料如下：

處理資料

將三張表合併成一張表（使用merge函式）：

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)

合併之後資料如下：

進行資料處理，對NA值賦值為0：

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

增加月份統計：

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))

月份統計結果：

現在資料已經處理的差不多了，感覺plyr包中ddply函式有點像Excel的資料透視表，根據log_month，user_id，install_month在進行合併彙總。

不過資料處理有很多種方法，大家可以試一試sqldf包中sqldf函式，裡面直接寫SQL就OK了，簡單方便。

資料分析

對上面的mau_payment 增加欄位，讓我們來識別新使用者和老使用者：
如果安裝的月份和登陸的月份相同，我們則認為他是本月的新使用者，否則為老使用者

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)

資料結果如下：

從上面的表格裡面可以看出：在7月份中，新使用者帶來的消費額明顯的降低而導致7月份的整體消費額降低。
所以：宣傳活動需要保持6月份的水平才能讓消費額回升至6月份的水平。

資料視覺化

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是作圖的包，
scales包主要將普通數字轉換為以三位數為一個區間來顯示的工具，例如1000 經轉換後為1,000。

繪圖如下：

可以很明顯的看到，新使用者帶來的收入下降。
那麼怎麼看哪個消費層次的的消費額減少了呢？

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，資料分析基本完成~