DATA EDA 및 전처리

# 필요한 라이브러리 로드
library(dplyr)
library(ggwordcloud)
library(RColorBrewer)
library(dplyr) 
library(ggplot2)
library(tidyr)
library(reshape2)
library(ggpubr)

#PS_data load
PS_data <- read.csv("C:/R/PS data.csv")

#Pay_data load 
file_paths <- c("C:/R/pay_data1.csv", "C:/R/pay_data2.csv", "C:/R/pay_data3.csv")

# 실제 공통된 열 이름으로 변경
common_colnames <- c("PANEL_ID", "SMS_REGISTRATION_DATE", "SMS_REGISTRATION_TIME",  
                     "APPROVAL_PRICE", "APPROVAL_STORE", "APPROVAL_TYPE", "CARD_PAYMENT_TYPE",
                     "BRANDNAME_N", "CATE_LEVEL3", "COMPANY_NAME", "APPROVAL_METHOD",   
                     "APPROVAL_UNIT", "APPROVAL_REAL_PRICE", "NUM")

# 각 파일을 읽고 열 이름을 맞춘 후 병합
Pay_data_list <- lapply(file_paths, function(file) {
  df <- read.csv(file)
  # 공통 열 이름으로 변경
  colnames(df) <- common_colnames
  return(df)
})

Pay_data <- do.call(rbind, Pay_data_list)

# 2023으로 시작하는 SMS_REGISTRATION_DATE 값을 가진 행만 추출 -> 23년 결제 내역
Pay_data <- Pay_data %>% filter(grepl("^2023", SMS_REGISTRATION_DATE))

# 2023년 기준 20대의 출생년도 범위를 계산
start_year_20s_2023 <- 2023 - 29  # 20세에서 29세
end_year_20s_2023 <- 2023 - 20

# 2023년 기준 20대에 해당하는 데이터를 필터링
PS_20 <- PS_data %>% filter(X0002 >= start_year_20s_2023 & X0002 <= end_year_20s_2023)

# <Pay_data>
# PS_30와와 패널 ID가 일치하는 행만 Pay_data에서 추출 -> 30대를 선별
Pay_data_20 <- semi_join(Pay_data, PS_20, by = "PANEL_ID")

#<Ps_data>
# 2023년 기준 30대의 출생년도 범위를 계산
start_year_30s_2023 <- 2023 - 39 # 30세에서 39세 
end_year_30s_2023 <- 2023 - 30

# 2023년 기준 30대에 해당하는 데이터를 필터링
PS_30 <- subset(PS_data, X0002 >= start_year_30s_2023 & X0002 <= end_year_30s_2023)


# <Pay_data>
# PS_30와와 패널 ID가 일치하는 행만 Pay_data에서 추출 -> 30대를 선별
Pay_data_30 <- semi_join(Pay_data, PS_30, by = "PANEL_ID")

# 2023년 기준 40대의 출생년도 범위를 계산
start_year_40s_2023 <- 2023 - 49 # 40세에서 49세
end_year_40s_2023 <- 2023 - 40

# 2023년 기준 40대에 해당하는 데이터를 필터링
PS_40 <- subset(PS_data, X0002 >= start_year_40s_2023 & X0002 <= end_year_40s_2023)

# PS_40와 패널 ID가 일치하는 행만 Pay_data에서 추출 -> 40대를 선별
Pay_data_40 <- semi_join(Pay_data, PS_40, by = "PANEL_ID")

# 2023년 기준 50대의 출생년도 범위를 계산
start_year_50s_2023 <- 2023 - 59 # 50세에서 59세
end_year_50s_2023 <- 2023 - 50

# 2023년 기준 50대에 해당하는 데이터를 필터링
PS_50 <- subset(PS_data, X0002 >= start_year_50s_2023 & X0002 <= end_year_50s_2023)

# PS_50와 패널 ID가 일치하는 행만 Pay_data에서 추출 -> 50대를 선별
Pay_data_50 <- semi_join(Pay_data, PS_50, by = "PANEL_ID")

# 2023년 기준 60대의 출생년도 범위를 계산
start_year_60s_2023 <- 2023 - 69 # 60세에서 69세 
end_year_60s_2023 <- 2023 - 60

# 2023년 기준 60대에 해당하는 데이터를 필터링
PS_60 <- subset(PS_data, X0002 >= start_year_60s_2023 & X0002 <= end_year_60s_2023)


# PS_60와 패널 ID가 일치하는 행만 Pay_data에서 추출 -> 60대를 선별
Pay_data_60 <- semi_join(Pay_data, PS_60, by = "PANEL_ID")