saca dataviz最佳實(shí)踐r腳本的算法功能實(shí)現(xiàn)

1、SaCa DataViz 最佳實(shí)踐R 腳本的算能實(shí)現(xiàn)基礎(chǔ)事業(yè)部東軟集團(tuán)（大連）2第1章 背景SaCa DataViz 支持結(jié)合 R 腳本進(jìn)行數(shù)據(jù)計(jì)算的功能。DataViz 進(jìn)行R 腳本算法計(jì)算來(lái)進(jìn)行解決。一些業(yè)務(wù)場(chǎng)景問(wèn)題，可使用第2章 概述在 SaCa DataViz 中提供了部分 R 腳本算法數(shù)據(jù)計(jì)算的示例，：數(shù)值計(jì)算、字符串計(jì)算、時(shí)序、聚類(lèi)分析和回歸分析。第3章 R 腳本的算法對(duì)接與實(shí)現(xiàn)3.1數(shù)值計(jì)算圖 1-1 數(shù)值計(jì)算后的折線(xiàn)圖3圖 1-2 數(shù)值計(jì)算的R 腳本如圖 1-1 所示，是數(shù)值計(jì)算后的折線(xiàn)圖，其中紅色折線(xiàn)中的數(shù)值數(shù)據(jù)是在編輯字段“計(jì)算訂單金額”中進(jìn)行R 腳本計(jì)算得到的，R 腳如圖

2、 1-2 所示。圖 1-2 中的具體 R 腳如下所示，是對(duì)訂單金額乘以 2 倍，然后使用線(xiàn)性回歸進(jìn)行簡(jiǎn)單擬合，并返回?cái)M合結(jié)果。該腳中，使用 SCRIPT_NUMBER 函數(shù)作為 R 腳本關(guān)鍵字（紅色內(nèi)容）; R 語(yǔ)言腳本的輸入數(shù)據(jù)要定義成變量，賦值內(nèi)容要符合 SQL 腳本語(yǔ)法，賦值使用”=”，該變量可在后續(xù)計(jì)算使用（藍(lán)色內(nèi)容）; 不同語(yǔ)句之間使用回車(chē)換行分隔; 計(jì)算結(jié)果要返回單個(gè)向量數(shù)組的數(shù)值變量（綠色內(nèi)容）；其余部分可使用 R 語(yǔ)言進(jìn)行程序設(shè)計(jì)（黑色內(nèi)容）。4SCRIPT_NUMBER<-function() arg1=SUM(訂單金額) * 2; arg2=SUM(訂單數(shù)量); lm

3、Solve<-lm(arg1 1+arg2);xData<-data.frame(arg2); return(predict(lmSolve,xData);3.2 字符串計(jì)算圖 2-1 字符串計(jì)算后的折線(xiàn)圖圖 2-2 字符串計(jì)算的R 腳本5如圖 2-1 所示，是字符串計(jì)算后的柱狀圖，其中維度（軸）中的字符串?dāng)?shù)據(jù)是在編輯字段“地區(qū)（字符串計(jì)算）”中進(jìn)行 R 腳本計(jì)算得到的，R 腳如圖 2-2 所示。圖 2-2 中的具體 R 腳如下所示，是對(duì)維度字段的地區(qū)和省份進(jìn)行字符串拼接的功能，并返回拼接后的字符串結(jié)果。該腳中，使用SCRIPT_STR 函數(shù)作為 R 腳本關(guān)鍵字（紅色內(nèi)容）; R

4、語(yǔ)言腳本的輸入數(shù)據(jù)要定義成變量，且賦值內(nèi)容要符合SQL 腳本語(yǔ)法，賦值使用”=”，該變量可在后續(xù)計(jì)算使用（藍(lán)色內(nèi)容）; 不同語(yǔ)句之間使用回車(chē)換行分隔; 計(jì)算結(jié)果要返回單個(gè)向量數(shù)組變量（綠色內(nèi)容）；其余部分可使用R 語(yǔ)言進(jìn)行程序設(shè)計(jì)。3.3 時(shí)序時(shí)序是數(shù)值計(jì)算的一種，因此時(shí)序腳本的內(nèi)容符合數(shù)值計(jì)算 R 腳本的定義。另行時(shí)序時(shí)，需要拖拽入時(shí)間字段到維度中。3.3.1 業(yè)務(wù)場(chǎng)景在財(cái)務(wù)領(lǐng)域，根據(jù)往年的成本支出情況，時(shí)序可以被用來(lái)未來(lái)幾年（一段時(shí)間）的成本支出是多少。在銷(xiāo)售領(lǐng)域，已知各年銷(xiāo)售額，時(shí)序年（一段時(shí)間）的銷(xiāo)售額是多少。可以被用來(lái)未來(lái)幾6SCRIPT_STR<-function()arg1

5、=地區(qū); arg2=省份;return(paste(arg1, arg2);3.3.2 銷(xiāo)售額的 ARIMA 模型分析圖 3-1 銷(xiāo)售額的年時(shí)序圖 3-2 年時(shí)序的腳本如圖 3-1 所示，是銷(xiāo)售額年時(shí)序的折線(xiàn)圖，紅色框內(nèi)是的未來(lái)五年銷(xiāo)售額趨7勢(shì)。操作的過(guò)程是：（1）選中折線(xiàn)圖；（2）向“數(shù)據(jù)值”區(qū)域拖入“銷(xiāo)售額”字段，向“軸”區(qū)域拖入“銷(xiāo)售日期”字段，從而繪制出折線(xiàn)圖；（3）對(duì)“銷(xiāo)售額”字段進(jìn)行編輯字段的操作，在編輯字段頁(yè)面中編寫(xiě) ARIMA 模型分析的腳后，點(diǎn)擊確定，進(jìn)行計(jì)算，得到結(jié)果的折線(xiàn)圖。（4）再拖入“銷(xiāo)售額”的數(shù)據(jù)字段，可區(qū)分的顯示出數(shù)據(jù)。如圖 3-2 所示，是編輯字段中 ARIMA

6、 模型的腳，具體內(nèi)容如下所示。該腳中，除紅色內(nèi)容外的其他內(nèi)容，都遵循著數(shù)值計(jì)算中的腳本定義規(guī)則；但其中的藍(lán)色內(nèi)容$5$表示未來(lái)的時(shí)間段長(zhǎng)度；在紅色內(nèi)容中了：構(gòu)建時(shí)序數(shù)據(jù)、引以及返回原始數(shù)據(jù)與入包、訓(xùn)練 ARIMA 模型、使用 ARIMA 模型進(jìn)行未來(lái) 5 年的新數(shù)據(jù)的數(shù)值向量。8SCRIPT_NUMBER<-function() arg1=SUM(銷(xiāo)售額); arg2=$5$;tsales <- ts(arg1, start=c(1871, 1), frequency=1); library(forecast);fit <- arima(tsales, order=c(0,1

7、,1); predict <- forecast(fit, 5); return(c(arg1, predict$mean);3.3.3 財(cái)務(wù)成本的時(shí)間序列平滑圖 3-3財(cái)務(wù)成本的月時(shí)序圖 3-4 月時(shí)序的腳本9如圖 3-3 所示，是財(cái)務(wù)成本月時(shí)序的折線(xiàn)圖，紅色框內(nèi)是的未來(lái)五財(cái)務(wù)成本趨勢(shì)。操作的過(guò)程是：（1）選中折線(xiàn)圖；（2）向“數(shù)據(jù)值”區(qū)域拖入“財(cái)務(wù)成本”字段，向“軸”區(qū)域拖入“日期”字段，從而繪制出折線(xiàn)圖；（3）對(duì)“財(cái)務(wù)成本”字段進(jìn)行編輯字段的操作，在編輯字段頁(yè)面中編寫(xiě)平滑的腳后，點(diǎn)擊確定，進(jìn)行顯示出計(jì)算，得到數(shù)據(jù)。結(jié)果的折線(xiàn)圖。（4）再拖入“財(cái)務(wù)成本”的數(shù)據(jù)字段，可區(qū)分的如圖 3-

8、4 所示，是編輯字段中平滑的腳，具體內(nèi)容如下所示。該腳中，除紅色內(nèi)容外的其他內(nèi)容，都遵循著數(shù)值計(jì)算中的腳本定義規(guī)則；但其中的藍(lán)色內(nèi)容$5$表示引入包、訓(xùn)練平滑未來(lái)的時(shí)間段長(zhǎng)度；在紅色內(nèi)容中了：構(gòu)建時(shí)序數(shù)據(jù)、模型、使用平滑模型進(jìn)行未來(lái) 5的以及返回原始數(shù)據(jù)與新數(shù)據(jù)的數(shù)值向量。1SCRIPT_NUMBER<-function() arg1=SUM(財(cái)務(wù)成本); arg2=$5$;dates<-as.Date(arg2,"%Y-%m-%d"); tsales <- data.frame(dates, arg1); tsalesNew <- tsalesor

9、der(tsales$dates),;tsalesTS <- ts(tsalesNew$arg1, start=c(2000, 1), frequency=12); library(forecast);fit <- ets(log(tsalesTS), m="AAA"); predict <- forecast(fit, 5); return(c(arg1, exp(predict$mean);3.3.4 訂單數(shù)量的季節(jié)變動(dòng)圖 3-5訂單數(shù)量的季節(jié)變動(dòng)圖 3-6 季節(jié)變動(dòng)的腳本1如圖 3-5 和圖 3-6 所示，是訂單數(shù)量季節(jié)變動(dòng)實(shí)現(xiàn)。操作過(guò)程與前兩個(gè)相同

10、。的折線(xiàn)圖展示和季節(jié)變動(dòng)腳本的同時(shí)，為了更使用 DataViz 中時(shí)間維度層次的上卷下鉆的功能或者對(duì)輸入數(shù)據(jù)需要做其他的處理，可以在 R 腳本中對(duì)時(shí)間數(shù)據(jù)進(jìn)行預(yù)處理（紅色內(nèi)容），從而更靈活地使用時(shí)序數(shù)據(jù)。1SCRIPT_NUMBER<-function() arg1=SUM(訂單數(shù)量); arg2=$5$;argValueSplit <- strsplit(arg21, '-');if(!grepl('-',arg21)&&!grepl('',arg21)&& length(argValueSplit1

11、) = 1) arg2New <- paste(arg2, '-01-01', sep='');if (grepl('-', arg21) && length(argValueSplit1) = 2) arg2New <- paste(arg2, '-01', sep='');if (grepl('-', arg21) && length(argValueSplit1) = 3) arg2New <-arg2;if (grepl(' '

12、;, arg21) arg2New <- arg2; dates<-as.Date(arg2New,"%Y-%m-%d"); tsales <- data.frame(dates, arg1); library(zoo);tsalesZOO <- zoo(tsales$arg1, order.by=tsales$dates); library(forecast);fit <- auto.arima(ts(tsalesZOO); predict <- forecast(fit, 5); return(c(arg1, predict$mean

13、);3.4 聚類(lèi)分析3.4.1 業(yè)務(wù)場(chǎng)景在商業(yè)領(lǐng)域，聚類(lèi)分析可以被用來(lái)發(fā)現(xiàn)不同的客戶(hù)群，并分組聚類(lèi)出相似客戶(hù)，分析刻畫(huà)不同的客戶(hù)群的特征，來(lái)更了解客戶(hù)。在人力資源方面，可根據(jù)簡(jiǎn)歷中包含的字段，如學(xué)歷、公司規(guī)模、薪水、職位名稱(chēng)等，通過(guò)聚類(lèi)分組，挖掘出簡(jiǎn)歷與職位的規(guī)律， 從而快速有效的找到匹配的員工。為了幫助用戶(hù)在 DataViz 中更好理解和使用聚類(lèi)分析功能，這里使用聚類(lèi)分析常用的經(jīng)典鳶尾花數(shù)據(jù)集。3.4.2 鳶尾花數(shù)據(jù)集如下表所示，包含 4 個(gè)的屬性，這些屬性變量（花萼長(zhǎng)度、花萼寬度、花瓣長(zhǎng)度、花瓣寬度）描繪出了鳶尾花的種類(lèi)。1花萼長(zhǎng)度花萼寬度花瓣長(zhǎng)度花瓣寬度5.13.51.40.24.931

14、.40.24.73.21.30.23.4.3 聚類(lèi)分析的實(shí)現(xiàn)圖 4-1 鳶尾花類(lèi)別的聚類(lèi)分析圖 4-2 聚類(lèi)分析的腳本1如圖 4-1 所示，是鳶尾花類(lèi)別聚類(lèi)分析的散點(diǎn)圖，其中顯示的數(shù)據(jù)根據(jù)圖例計(jì)算結(jié)果分成了三種顏色類(lèi)別。操作的過(guò)程是：（1）選中散點(diǎn)圖；（2）向“X 軸”區(qū)域拖入“花瓣長(zhǎng)度”字段，向“Y 軸”區(qū)域拖入“花瓣寬度”字段，從而繪制出散點(diǎn)圖；（3）向“圖例”區(qū)域拖“類(lèi)別”字段（其他字段也可以），對(duì)“類(lèi)別”字段進(jìn)行編輯字段的操作，在編輯字段頁(yè)面中編寫(xiě)聚類(lèi)分析的腳果的散點(diǎn)圖。后，點(diǎn)擊確定，進(jìn)行聚類(lèi)結(jié)果計(jì)算，得到聚類(lèi)結(jié)如圖 4-2 所示，是編輯字段中聚類(lèi)分析的腳，具體內(nèi)容如下所示。該腳中，藍(lán)

15、色內(nèi)容是輸入的鳶尾花數(shù)據(jù)，紅色內(nèi)容是聚類(lèi)分析的實(shí)現(xiàn)，最后返回了聚類(lèi)結(jié)果的字符串?dāng)?shù)據(jù)。3.5 回歸分析3.5.1 業(yè)務(wù)場(chǎng)景在商業(yè)領(lǐng)域，以買(mǎi)家和賣(mài)家的數(shù)據(jù)為依據(jù)，希望知道某商品銷(xiāo)售需求量的趨勢(shì)情況?？梢杂没貧w描述商品需求的變動(dòng)規(guī)律，對(duì)未來(lái)的銷(xiāo)售需求量進(jìn)行趨勢(shì)分析。1SCRIPT_STR<-function()arg1=花萼長(zhǎng)度; arg2=花萼寬度; arg3=花瓣長(zhǎng)度; arg4=花瓣寬度;argData<-data.frame(arg1, arg2, arg4, arg3); dataCluster <- data.frame(lapply(argData, scale);i

16、risData_clusters <- kmeans(dataCluster, 3); return(paste('種類(lèi)', irisData_clusters$cluster);3.5.2 回歸分析的實(shí)現(xiàn)圖 5-1 散點(diǎn)圖的回歸分析圖 5-2 回歸分析的腳本1如圖 5-1 所示，是散點(diǎn)圖上的回歸分析，其中紅色的曲線(xiàn)是整個(gè)散點(diǎn)的趨勢(shì)情況。操作的過(guò)程是：（1）選中散點(diǎn)圖；（2）向“X 軸”區(qū)域拖入“花瓣長(zhǎng)度”字段，向“Y 軸” 區(qū)域拖入“花瓣寬度”字段，從而繪制出散點(diǎn)圖；（3）向“回歸線(xiàn)”區(qū)域拖“花瓣寬度”字段（其他字段也可以），對(duì)“花瓣寬度”字段進(jìn)行編輯字段的操作，在編輯字段頁(yè)面中編寫(xiě)回歸曲線(xiàn)的腳后，點(diǎn)擊確定，進(jìn)行結(jié)果計(jì)算，得到回歸曲線(xiàn)的散點(diǎn)圖。如圖 5-2 所示，是編輯字段中回歸曲線(xiàn)的腳，具體內(nèi)容如下所示。該腳中，藍(lán)色內(nèi)容是輸入的花瓣數(shù)據(jù)，紅色內(nèi)容是回歸曲線(xiàn)的實(shí)現(xiàn)，最后返回了結(jié)果的數(shù)值數(shù)據(jù)。1SCRIPT_NUMBER<-function() arg1=花瓣長(zhǎng)度; arg2=花瓣寬度;data <- data.fra