16、R和Python在数据处理与可视化中的应用

R和Python在数据处理与可视化中的应用

1. R语言的数据处理

在数据处理方面，R语言有诸多实用的操作。

1.1 聚类分析

聚类操作通过k - means算法实现，无需额外的特殊包，因为R的基础包自带 kmeans 函数。以下是具体的代码实现：

# create model
m <- kmeans(x = dataset, centers = 3)
dataset$cluster <- as.character(m$cluster)
# create output
output <- dataset

这里将每个 OrderQuantity 和 UnitPrice 的组合分配到一个聚类中。

1.2 关键短语提取

提取关键短语的操作与之前在R脚本可视化中的操作类似。以下是提取关键短语的代码：

# load package
library(tm)
# prepare data
vc <- VCorpus(VectorSource(dataset$EnglishProductNameAndDescription))
vc <- tm_map(vc, content_transformer(tolower))
vc <- tm_map(vc, removeNumbers)
vc <- tm_map(vc, removeWords,