系列文章目录

实验一 R 语言数据结构、数据导入与数据处理

实验二 基本数据处理

实验三 数据可视化

实验四 数据分析

实验五 综合应用

实验数据

实验数据下载

1. systation 数据集
systation.csv 中包含的是沈阳地铁站相关线路的经纬度数据，字段介绍如下表：

2. SY-20150401 数据集
SY-20150401.csv 中提供的是一卡通刷卡数据，字段介绍如下表：

注：输入数据后将字段名，重命名为c(“card_id”,“date”,“time”,“station”,“vehicle”,“money”,“property”)

提示：以下是本篇文章正文内容

一、实验目的

在学习了R 的一些处理数据的方法后，建议学习下其他数据处理的第三方包，如之前介绍的data.table。
推荐学习包：dplyr 、tidyr 和lubridate

二、实验内容

题目1 数据处理【只用 SY-20150401.csv】

统计每 5 分钟，各站点的进出站流量（说明：00:00:01 在第一个 5 分钟内，00:10:13 在第三个 5 分钟内），由于一天可能多次乘坐地铁，根据卡号和进站时间，查询最近出站的时间，作为本次出站时间。
参考函数 lubridate::hms，lubridate:: period_to_seconds。
处理的最终结果：dataframe(名称 trade.metro.in.out )。

提交的表格按照card.id 排序。Notebook 中展示输出结果为head(trade.metro.in.out,10)，并输出本地文件shmetro_line_in_out.csv。

题目2 统计进站与出站之间的流量

通过题目 1 中的 dataframe（trade.metro.in.out）进行统计，统计进站与出站之间的流量；然后选取流量最大的前 10 个站点，在 Notebook 中查看前 6 条。

三、实现过程与实验结果

题目1 数据处理【只用 SY-20150401.csv】

统计每 5 分钟，各站点的进出站流量（说明：00:00:01 在第一个 5 分钟内，00:10:13在第三个5分钟内），由于一天可能多次乘坐地铁，根据卡号和进站时间，查询最近出站的时间，作为本次出站时间。
提交的表格按照card.id排序。Notebook中展示输出结果为head(trade.metro.in.out,10)并输出本地文件shmetro_line_in_out.csv。
处理的最终结果：dataframe(名称 trade.metro.in.out)

# 读取数据
df <- read.csv("R\\data\\ex5\\SY-20150401.csv")

# 数据维度
dim(df)
## [1] 1048575       7

# 查看数据
head(df)
##   X2002062859 X2015.4.1 X16.41.37 X2号线工业展览馆站 地铁 X0 非优惠
## 1  3103531702  2015/4/1   9:23:11    2号线金融中心站 地铁  4 非优惠
## 2  3001771678  2015/4/1  16:41:23    1号线十三号街站 地铁  0 非优惠
## 3   400679513  2015/4/1  16:47:09      1号线迎宾路站 地铁  0 非优惠
## 4  3102186320  2015/4/1  18:58:08      1号线七号街站 地铁  4 非优惠
## 5   740476054  2015/4/1  11:36:33    2号线市府广场站 地铁  0 非优惠
## 6  2301712030  2015/4/1  18:04:23    1号线开发大道站 地铁  0 非优惠

# 字段重命名
colnames