使用R语言处理分析淘宝数据.docx

背景：某店主想知道自己行业对手（产品）的情况，想通过分析了解一些经营指标对于对手销量的影响等。于是决定使用R语言的rattle包处理淘宝数据。数据理解：通过技术手段将淘宝有哪些信誉好的足球投注网站销量排名的数据爬抓下来（共100页，4000条观测值），数据抓取下来就是以销量降序排序的。经过分析，决定进入分析模型的主要字段有：价格：有效数据=0.01（元），指折扣价（淘宝有原价和折扣价之分），是指卖家在原价基础上打折后的实际卖价；收藏量：有效数据=0，指某个宝贝被买家收藏的次数，收藏量越大代表买家对该宝贝有浓厚的兴趣；邮费：有效数据=0，指买家需要支付的运费，卖家可以决定是否包邮（包邮=邮费为0）；30天成交量：有效数据=0，指某个宝贝30天内出售的件数；已评量：有效数据=0，指买家下单收货后，对该宝贝进行评价的次数；好评率：有效数据0-100%，卖家好评率=所有计分的卖家收到的好评数/所有计分的卖家收到的评价总数，这代表买家对其产品和服务综合的认可情况；描述分（宝贝与描述相符）：有效数据1-5，DSR（动态评分）中的其中一个服务指标，由买家评价时自愿打分，最低1分，最高5分；服务分（卖家的服务态度）：有效数据1-5，DSR（动态评分）中的其中一个服务指标，由买家评价时自愿打分，最低1分，最高5分；发货分（卖家发货的苏苏）：有效数据1-5，DSR（动态评分）中的其中一个服务指标，由买家评价时自愿打分，最低1分，最高5分；平均退款速度：有效数据0-100%，当买家申请退款时，卖家退款给买家的时间间隔。此项为逆指标，越小越好；近30天退款率：有效数据=0，近30天退款率=近30天退款笔数/近30天所有交易笔数；近30天投诉率：有效数据0-100%，近30天投诉率=近30天内发起且成立的投诉笔数/近30天所有交易笔数；上架天数：有效数据=0，代表该宝贝上架的时间长短。数据准备：将数据导入R，并读入rattle进行数据挖掘。第一步：将数据导入R，放到“data”这个里面 data-read.csv(淘宝有哪些信誉好的足球投注网站销量排名100页宝贝数据.csv,sep=,) 复制代码 第二步：启动rattle install.packages(rattle) 复制代码 第三步：在rattle中将数据读入数据，原本有4K条观测值，因为爬抓数据过程会有遗漏，因此经过筛选后，可能会排除很多缺失的观测值。?第四步：查看数据情况，只剩下2.8k条数据?输出结果 13??Variables? ?? ?2800??Observations --------------------------------------------------------------------------------------------------------------------------------------------- 收藏量? ? ?? ?n missing??unique? ? Mean? ???.05? ???.10? ???.25? ???.50? ???.75? ???.90? ???.95? ? ?2800? ?? ? 0? ? 1592? ? 1646? ? 43.0? ? 75.0? ?187.0? ?500.5??1498.2??3830.4??7002.3? lowest :? ???0? ???1? ???2? ???4? ???5, highest: 42130 50732 51482 66062 90043? --------------------------------------------------------------------------------------------------------------------------------------------- 价格? ? ?? ?n missing??unique? ? Mean? ???.05? ???.10? ???.25? ???.50? ???.75? ???.90? ???.95? ? ?2799? ?? ? 1? ???858? ?73.32? ?2.677? ?5.000??15.000??29.900??98.010 188.002 257.352? lowest :? ? 0.01? ? 0.10? ? 0.20? ? 0.30? ? 0.72, highest:??967.00 1266.05 1530.00 1620.00 1730.16? ---------------------------------------------------------------