美国城市人口及2000-2013年的人口增长率
开发环境：R STUDIO
数据样本：美国城市人口及2000-2013年的人口增长率
SRE实战 互联网时代守护先锋，助力企业售后服务体系运筹帷幄！一键直达领取阿里云限量特价优惠。格式：txt
1. 首先，基于对数据的观察，提出的几个问题：
- 2013年，人口排在前五的城市是哪些？
- 2013年，人口增长率排在前五的城市是哪些？
- 2013年，人口负增长率排在前五的城市是哪些？
- 2000年，各个城市的人口是多少？
2. 数据导入和预处理
setwd("/Users/mac/Desktop/Data Sample")
Add = read.csv("gistfile1 copy.csv", header = T, stringsAsFactors = F,)
1）去掉原有行标
mydataframe <- Add[2:5]
2）转化为数据框
as.data.frame(mydataframe)
3）数据类型的转换
先查看各列数据类型的情况
sapply(mydataframe, mode)
sapply(mydataframe, class)
可以发现，人口数值和增长率默认储存为字符型数据，我们要将其转化为数值型
另外，人口增长率在此为百分数，而我们需将其转化为小数以方便后续计算。可先将列中数值百分号去除，再除以100，代码如下
mydataframe$X2000.2013.growth <- sub("%","", mydataframe$X2000.2013.growth)
mydataframe$X2000.2013.growth <- sapply(mydataframe$X2000.2013.growth, as.numeric)
mydataframe$X2000.2013.growth <- mydataframe$X2000.2013.growth / 100
处理后：
4) 删除缺失数据
mydataframe <- na.omit(mydataframe)
5) 预览
3. 解决提出的问题
1）2013年，人排在前五的城市是哪些？
newdata3 <- mydataframe[order(-mydataframe$population),]
newdata3[1:5,]
2013年人口排在前五的城市：
New York, Los Angeles, Chicago, Houston, Philadelphia
2）2013年，人口增长率排在前五的城市是哪些？
newdata <- mydataframe[order(-mydataframe$X2000.2013.growth),]
newdata[1:5,]
2013年人口增长率排在前五的城市:
Maricopa, Buckeye, Fresco, lincoln, Surprise
*观察发现，Maricopa的人口增长率远高于其他城市，此数据为异常值还是实际数据？
于是维基百科：
“Maricopa was officially incorporated as a city on October 15, 2003, becoming the 88th incorporated city in Arizona.
Between 2000 and 2010, the city's population grew from 1,040 residents to 43,482,
an increase of 4080%.[8]”
可以发现根据记载2000-2010年此城市人口呈爆炸性增长，数据属实。
3）2013年，人口负增长率排在前五的城市是哪些？
newdata2 <- mydataframe[order(mydataframe$X2000.2013.growth),]
newdata2[1:5,]
4) 2000年，各个城市的人口是多少？
city <- mydataframe$city
population2013 <- mydataframe$population
population2000 <- round(mydataframe$population / (1 + mydataframe$X2000.2013.growth))
mydataframe2 <- data.frame(city, population2013, population2000)
mydataframe2
输出结果为包含城市名称，2000年及2013年人口的数据框
最后，由此练习可以总结出，R语言数据分析中需要注意的几点：
- 导入数据时，需注意数据的储存类型，尤其是数字有时默认以字符型储存。
- 百分数的处理，需先转化为小数
- 异常值的分辨
