基于基站定位数据的商圈分析上机报告.docVIP

... ... 基于基站定位数据的商圈分析上机报告 1 数据读取及其标准化 setwd(E:/数据处理) Data=read.csv(./business_circle.csv,header=T,encoding=utf-8) colnames(Data)=c(number,x1,x2,x3,x4) attach(Data) y1=(x1-min(x1))/(max(x1)-min(x1)) y2=(x2-min(x2))/(max(x2)-min(x2)) y3=(x3-min(x3))/(max(x3)-min(x3)) y4=(x4-min(x4))/(max(x4)-min(x4)) standardized=data.frame(Data[,1],y1,y2,y3,y4) write.csv(standardized,./standardizedData.csv,row.names=TRUE) 2 模型构建 层次聚类 library(ggplot2) Data=read.csv(./standardizedData.csv,header=F) Data1=data.frame(y1,y2,y3,y4) attach(Data1) dist=dist(Data1,method=euclidean) hc1-hclust(dist,ward.D2) plot(hc1) plot(hc1, hang=-1) #分成三类 re1-rect.hclust(hc1, k=3, border=purple) ##对构建好的谱系聚类图进行分类， 这里分三类 a=re1[[2]] ##列表名[[下标]] b=re1[[3]] c=re1[[1]] #商圈类别 1 matrix=Data1[a,] ## 137个观测值、 4 个变量 d-dim(matrix) ##137 4 y-as.numeric(t(matrix)) # t()：矩阵转置，这里转换成数字向量 row-factor(rep(1:d[1],each=d[2])) x-rep(1:d[2],times=d[1]) data-data.frame(y=y,x=x,row=row) View(data) ggplot(data=data,aes(x=x,y=y,group=row))+ geom_line()+scale_x_continuous(breaks=c(1,2,3,4),labels=c(工作日人均停留时间 , 凌晨人均停留时间 , 周末人均停留时间 ,日均人流量 ))+ labs(title=商圈类别 1,x=,y=) #商圈类别 2 matrix=Data1[b,] d-dim(matrix) y-as.numeric(t(matrix)) row-factor(rep(1:d[1],each=d[2])) x-rep(1:d[2],times=d[1]) data-data.frame(y=y,x=x,row=row) ggplot(data=data,aes(x=x,y=y,group=row))+geom_line()+ scale_x_continuous(breaks=c(1,2,3,4),labels=c(工作日人均停留时间 , 凌晨人均 停留时间 , 周末人均停留时间 ,日均人流量 ))+ labs(title=商圈类别 2,x=,y=) #商圈类别 3 matrix=Data1[c,] d-dim(matrix) ##148 4 y-as.numeric(t(matrix)) row-factor(rep(1:d[1],each=d[2])) x-rep(1:d[2],times=d[1]) data-data.frame(y=y,x=x,row=row) ggplot(data=data,aes(x=x,y=y,group=row))+geom_line()+ scale_x_continuous(breaks=c(1,2,3,4),labels=c(工作日人均停留时间 , 凌晨人均 停留时间 , 周末人均停留时间 ,日均人流量 ))+ labs(title=商圈类别 3,x=,y=) K-means聚类 setwd(E:/数据处理) Data=read.csv(./business_circle.csv,header=T,encoding=utf-8) km=kmeans(Data,center=3) print(km) #数据分组 aaa=data.frame(Data,km$cluster) Data1=Data[which(aaa$km.cluster==1),] Data2=Data[which(aaa$km.cluste