用R语言对城管事件数据分析
作者:夏尔康
https://ask.hellobi.com/blog/xiaerkang/3975
这次使用主成分分析主要目的并不是降维,而是分析城管数据中的事件类别之间是否存在关系,当然,城管事件类型有好几百,这里就只选取从去年九月到目前发生量前十的事件类别;如下图,排名前十的事件类别依次为,车辆乱停放,乱堆物料堆,非法张贴小广告,店铺出店经营,自备容器外放,违规标语宣传品,机动车乱停放,暴露垃圾,地面不洁,道路不洁。
确定好这十个类别后就是数据的提取了,这时候我们要注意一下数据结构,和数据样本量,为什么呢?因为在主成分分析的时候事件类别只能是属性,也就是说事件类别是一列;这时候看看一下城管数据里面存在的数据结构,数据记录数必须是属性的6~10倍,这时候观察城管数据结构,明显不是我们想要的。
于是写个SQL转换一下数据结构,起的别名没有按照规则来,这是个失误;
这时候就要使用R语言去做分析了,首先是让我们能从数据库里拿数据,所以创建一个数据库链接,安装包RODBC
R语言代码
install.packages("RODBC")
library(RODBC)
jixiao_connect <- odbcConnect("jixiao",uid="jixiao",pwd = "*****",believeNRows=FALSE)
这时候我们就创建了一个数据库连接jixiao_connect,这时候我们就要提取数据
R语言代码
jixiao_data <- sqlQuery(jixiao_connect,"
select
sum(case when t.kind_code_thd='车辆乱停放' then 1 else 0 end) kind_one
,sum(case when t.kind_code_thd='乱堆物堆料' then 1 else 0 end) kind_two
,sum(case when t.kind_code_thd='非法张贴小广告' then 1 else 0 end) kind_three
,sum(case when t.kind_code_thd='店铺出店经营' then 1 else 0 end) kind_code_4
,sum(case when t.kind_code_thd='自备容器外放' then 1 else 0 end) kind_code_5
,sum(case when t.kind_code_thd='违规标语宣传品' then 1 else 0 end) kind_code_6
,sum(case when t.kind_code_thd='机动车乱停放' then 1 else 0 end) kind_code_7
,sum(case when t.kind_code_thd='地面不洁' then 1 else 0 end) kind_code_8
,sum(case when t.kind_code_thd='暴露垃圾' then 1 else 0 end) kind_code_9
,sum(case when t.kind_code_thd='无照经营游商' then 1 else 0 end) kind_code_10
from test_erkang t
where t.district_name in ('美兰区','龙华区','秀英区','琼山区')
GROUP BY T.DISTRICT_NAME,TO_CHAR(T.REVIEW_FIRST_DATE,'YYYYMM')")
jixiao_data
验证数据是否被提取,说明数据已经提取成功
我们在安装主成分需要用的包
R代码
install.packages("psych")
library(psych)
首先我们要做的是需要确定主成分需要几个,这时候我们就需要cattell碎石检验来确定主成分个数,也就是保留特征值大于1的主成分,因为特征值大于1的主成分能解释较多的方差;
R代码
fa.parallel(jixiao_date,fa='pc',n.iter = 100,show.legend=FALSE)
上图中我们应该选取3个主成分
R代码
pc <- principal(jixiao_date,nfactors=3,rotate = 'varimax')
pc
后面那个是我们选择的主成分旋转的方法,为了主成分之间能更容易的解释,结果如下
PC1列下的系数是和各个事件类别的相关系数,h2列表示成分能够解释方差的多少,u2列表示没法解释解释方差的比例,事件KIND_ONE也就是车辆乱停放,主要相关联的是主成分PC1,相关系数为0.97,PC2和PC3的相关系数分别为0.05,0.07,主成分能够解释车辆乱停放95%的方差,无法被解释的比例为0.055;proportion var 表示解释整个数据集的解释程度,PC2解释变量30%方差,PC1解释变量26%方差,PC3解释变量21%方差,主成分能够解释整个变量77%的方差;
对主成分进行可视化
R代码
fa.diagram(pc)
又上图我们可以知道主成分组成,大致归类为
PC1:无照经营游商,暴露垃圾,车辆乱停放
PC2:乱堆物堆料,非法张贴小广告,自备容器外放,机动车乱停放,地面不洁
PC3:店铺出店经营,违规标语宣传品;
根据业务和个人的推测
我推测PC1所表示的繁华的步行街道成分,PC2表示的是城中村成分,PC3表示的是主干道成分。
建议和小结
1、可以认为乱堆物堆料,非法张贴小广告,自备容器外放,机动车乱停放和地面不洁是一类相关联事件类别,无照经营游商,暴露垃圾和车辆乱停放是一类相关联事件类别,店铺出店经营,违规标语宣传品可以认为是一类相关联的一类事件类型
2、可以认定主要事件来源是来自城中村,主干道,和步行街道;
3、步行街道给的相应的措施可以增加相应的非机动的停车位,划分小贩经营点,增加环卫人员的清扫频率
4、城中村:提高相应的停车规划,集中整治城中村环境卫生
5:、主干道:相应的增加巡查员的巡查频率即可
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法
- hadoop之完全分布式集群配置(centos7)
- XPath
- 62. Vue 饿了么Mint UI组件的基本使用
- 【colab pytorch】数据处理
- requests+lxml+xpath爬取豆瓣电影
- python之子类继承父类时进行初始化的一些问题
- 【猫狗数据集】定义模型并进行训练模型
- springmvc之处理模型数据Map
- requests+lxml+xpath爬取电影天堂
- 【python-leetcode90-子集】子集Ⅱ
- 【colab pytorch】保存模型
- 【猫狗数据集】保存训练模型并加载进行继续训练
- django-URL匹配(二)
- opengl-球体的绘制
- 【python-leetcode46-子集】全排列