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搜索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(淘宝搜索销量排名100页宝贝数据.csv,sep=,)复制代码第二步：启动rattleinstall.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?---------------------------------------------------------------------------------------------------------------------------------------------邮费??n m