Assignment5-Wenli DI-400047112
Wenli di
November 18, 2015
This document has been built using R Markdown language and shiny, both from RStudio.
- we read 2 data files
- First one is IceCream_q1.csv that contains “Satisfaction Marks”(ice.q1) of each ice cream brand. (2)Second one is IceCream_q11.csv that contains “Description” of each ice cream brand.
setwd("E:\\Courses\\M733 F2015\\Assignments Fall 2015\\Assignment 5 Fall 2015\\Wenli")
ic<- (read.csv("IceCream_q1.csv"))
ica<- (read.csv("IceCream_q11.csv"))Then we take a quick look at (1) how many rows and colomns do they have? (2) how “satisfaction” and “description” data we read into ic and ica looks like
ic (SATISFACTION)’s dimension in row and column
## [1] 601 8ic (SATISFACTION)’s top 20 rows would look like this
## ID Q1_1 Q1_2 Q1_3 Q1_4 Q1_5 Q1_6 Q1_7
## 1 10834603 NA NA NA NA 7 NA 7
## 2 10834607 NA NA 7 7 NA NA 5
## 3 10834617 NA NA NA 7 NA 7 NA
## 4 10834627 NA 6 NA 5 NA NA 5
## 5 10834662 NA NA 7 NA NA 7 6
## 6 10834679 NA NA NA NA NA 6 6
## 7 10834722 NA NA NA NA 7 6 NA
## 8 10834727 NA 6 NA NA NA NA 6
## 9 10834836 NA NA NA NA NA NA 6
## 10 10834844 NA NA NA 7 NA NA 7
## 11 10834872 NA NA NA 6 7 6 5
## 12 10834924 NA 4 NA 4 NA 6 NA
## 13 10834934 NA NA NA NA 6 NA NA
## 14 10834968 NA NA NA NA NA NA 7
## 15 10834969 NA NA NA NA NA NA 6
## 16 10834996 NA 6 6 NA 7 7 NA
## 17 10835019 NA 5 NA 6 NA NA 5
## 18 10835023 NA NA NA 7 NA NA NA
## 19 10835028 NA 7 NA 7 NA NA NA
## 20 10835091 NA NA NA NA 7 5 NAica(description)’s dimension in row and column
## [1] 601 120ic(description)’s top 20 rows would look like this
## ID Q11_1_1 Q11_1_2 Q11_1_3 Q11_1_4 Q11_1_5 Q11_1_6 Q11_1_7
## 1 10834603 NA NA NA NA NA NA NA
## 2 10834607 6 4 6 2 4 2 2
## 3 10834617 NA NA NA NA NA NA NA
## 4 10834627 5 6 5 5 4 5 6
## 5 10834662 NA NA NA NA NA NA NA
## 6 10834679 4 4 4 4 4 4 4
## 7 10834722 2 3 3 3 4 3 4
## 8 10834727 NA NA NA NA NA NA NA
## 9 10834836 NA NA NA NA NA NA NA
## 10 10834844 4 4 4 4 4 4 4
## 11 10834872 NA NA NA NA NA NA NA
## 12 10834924 NA NA NA NA NA NA NA
## 13 10834934 4 4 5 4 6 7 5
## 14 10834968 5 5 5 5 6 5 6
## 15 10834969 2 4 1 2 5 4 6
## 16 10834996 NA NA NA NA NA NA NA
## 17 10835019 NA NA NA NA NA NA NA
## 18 10835023 NA NA NA NA NA NA NA
## 19 10835028 NA NA NA NA NA NA NA
## 20 10835091 6 6 3 4 6 4 2
## Q11_1_8 Q11_1_9 Q11_1_10 Q11_1_11 Q11_1_12 Q11_1_13 Q11_1_14 Q11_1_15
## 1 NA NA NA NA NA NA NA NA
## 2 5 5 5 6 6 5 2 2
## 3 NA NA NA NA NA NA NA NA
## 4 5 5 4 6 5 4 6 5
## 5 NA NA NA NA NA NA NA NA
## 6 4 4 4 4 4 4 4 4
## 7 3 4 4 5 4 4 2 2
## 8 NA NA NA NA NA NA NA NA
## 9 NA NA NA NA NA NA NA NA
## 10 4 4 4 4 4 4 4 4
## 11 NA NA NA NA NA NA NA NA
## 12 NA NA NA NA NA NA NA NA
## 13 5 6 6 7 6 5 4 5
## 14 6 5 6 6 6 4 6 3
## 15 5 3 5 4 5 3 4 3
## 16 NA NA NA NA NA NA NA NA
## 17 NA NA NA NA NA NA NA NA
## 18 NA NA NA NA NA NA NA NA
## 19 NA NA NA NA NA NA NA NA
## 20 6 6 5 7 5 5 6 2
## Q11_1_16 Q11_1_17 Q11_2_1 Q11_2_2 Q11_2_3 Q11_2_4 Q11_2_5 Q11_2_6
## 1 NA NA NA NA NA NA NA NA
## 2 6 6 4 2 3 2 1 2
## 3 NA NA NA NA NA NA NA NA
## 4 6 6 NA NA NA NA NA NA
## 5 NA NA 1 1 1 1 6 1
## 6 4 4 NA NA NA NA NA NA
## 7 4 4 3 3 3 3 4 3
## 8 NA NA 5 5 5 5 5 6
## 9 NA NA NA NA NA NA NA NA
## 10 4 4 NA NA NA NA NA NA
## 11 NA NA NA NA NA NA NA NA
## 12 NA NA 2 4 3 1 3 2
## 13 7 7 NA NA NA NA NA NA
## 14 5 6 NA NA NA NA NA NA
## 15 6 5 NA NA NA NA NA NA
## 16 NA NA 5 6 5 5 5 5
## 17 NA NA 5 4 6 6 5 5
## 18 NA NA NA NA NA NA NA NA
## 19 NA NA 3 6 5 5 5 5
## 20 6 6 NA NA NA NA NA NA
## Q11_2_7 Q11_2_8 Q11_2_9 Q11_2_10 Q11_2_11 Q11_2_12 Q11_2_13 Q11_2_14
## 1 NA NA NA NA NA NA NA NA
## 2 1 1 2 3 5 3 5 1
## 3 NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA
## 5 7 6 4 7 6 5 1 1
## 6 NA NA NA NA NA NA NA NA
## 7 4 3 4 4 5 4 4 2
## 8 5 6 5 5 6 5 5 4
## 9 NA NA NA NA NA NA NA NA
## 10 NA NA NA NA NA NA NA NA
## 11 NA NA NA NA NA NA NA NA
## 12 2 6 2 4 3 5 6 2
## 13 NA NA NA NA NA NA NA NA
## 14 NA NA NA NA NA NA NA NA
## 15 NA NA NA NA NA NA NA NA
## 16 3 5 4 5 5 6 5 5
## 17 5 5 6 5 6 6 5 3
## 18 NA NA NA NA NA NA NA NA
## 19 4 6 5 6 6 6 6 4
## 20 NA NA NA NA NA NA NA NA
## Q11_2_15 Q11_2_16 Q11_2_17 Q11_3_1 Q11_3_2 Q11_3_3 Q11_3_4 Q11_3_5
## 1 NA NA NA 4 4 4 4 4
## 2 2 3 3 NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA
## 5 1 2 7 1 1 1 4 7
## 6 NA NA NA NA NA NA NA NA
## 7 3 4 4 NA NA NA NA NA
## 8 4 6 6 6 5 5 5 5
## 9 NA NA NA 1 1 2 1 4
## 10 NA NA NA NA NA NA NA NA
## 11 NA NA NA 4 2 5 3 4
## 12 4 6 3 NA NA NA NA NA
## 13 NA NA NA NA NA NA NA NA
## 14 NA NA NA NA NA NA NA NA
## 15 NA NA NA NA NA NA NA NA
## 16 4 5 5 4 5 4 4 5
## 17 4 5 5 NA NA NA NA NA
## 18 NA NA NA 1 1 1 1 1
## 19 4 6 6 2 5 6 4 4
## 20 NA NA NA NA NA NA NA NA
## Q11_3_6 Q11_3_7 Q11_3_8 Q11_3_9 Q11_3_10 Q11_3_11 Q11_3_12 Q11_3_13
## 1 4 4 4 4 4 4 4 4
## 2 NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA
## 5 1 7 5 5 7 6 6 2
## 6 NA NA NA NA NA NA NA NA
## 7 NA NA NA NA NA NA NA NA
## 8 5 4 6 5 5 5 6 5
## 9 1 1 2 1 1 2 4 1
## 10 NA NA NA NA NA NA NA NA
## 11 4 3 3 3 5 6 3 4
## 12 NA NA NA NA NA NA NA NA
## 13 NA NA NA NA NA NA NA NA
## 14 NA NA NA NA NA NA NA NA
## 15 NA NA NA NA NA NA NA NA
## 16 5 2 5 3 5 5 6 5
## 17 NA NA NA NA NA NA NA NA
## 18 1 1 1 1 1 2 1 1
## 19 6 2 6 4 6 6 6 6
## 20 NA NA NA NA NA NA NA NA
## Q11_3_14 Q11_3_15 Q11_3_16 Q11_3_17 Q11_4_1 Q11_4_2 Q11_4_3 Q11_4_4
## 1 4 4 4 4 NA NA NA NA
## 2 NA NA NA NA NA NA NA NA
## 3 NA NA NA NA 6 6 5 6
## 4 NA NA NA NA 5 5 5 4
## 5 1 1 1 6 NA NA NA NA
## 6 NA NA NA NA 4 4 4 4
## 7 NA NA NA NA 2 4 4 4
## 8 4 4 6 6 NA NA NA NA
## 9 2 1 4 4 NA NA NA NA
## 10 NA NA NA NA NA NA NA NA
## 11 3 3 5 5 4 6 4 4
## 12 NA NA NA NA 3 3 4 3
## 13 NA NA NA NA NA NA NA NA
## 14 NA NA NA NA NA NA NA NA
## 15 NA NA NA NA NA NA NA NA
## 16 6 4 5 5 NA NA NA NA
## 17 NA NA NA NA 6 4 5 4
## 18 1 1 1 1 5 6 5 1
## 19 4 4 6 6 NA NA NA NA
## 20 NA NA NA NA NA NA NA NA
## Q11_4_5 Q11_4_6 Q11_4_7 Q11_4_8 Q11_4_9 Q11_4_10 Q11_4_11 Q11_4_12
## 1 NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA
## 3 6 6 3 6 6 6 6 6
## 4 5 4 6 4 5 4 6 4
## 5 NA NA NA NA NA NA NA NA
## 6 4 4 4 4 4 4 4 5
## 7 4 3 4 4 4 4 5 4
## 8 NA NA NA NA NA NA NA NA
## 9 NA NA NA NA NA NA NA NA
## 10 NA NA NA NA NA NA NA NA
## 11 7 7 3 7 5 7 5 6
## 12 4 3 5 6 3 4 6 4
## 13 NA NA NA NA NA NA NA NA
## 14 NA NA NA NA NA NA NA NA
## 15 NA NA NA NA NA NA NA NA
## 16 NA NA NA NA NA NA NA NA
## 17 6 5 4 6 4 7 5 5
## 18 6 6 6 6 5 6 7 6
## 19 NA NA NA NA NA NA NA NA
## 20 NA NA NA NA NA NA NA NA
## Q11_4_13 Q11_4_14 Q11_4_15 Q11_4_16 Q11_4_17 Q11_5_1 Q11_5_2 Q11_5_3
## 1 NA NA NA NA NA 7 7 7
## 2 NA NA NA NA NA NA NA NA
## 3 6 4 4 6 6 6 6 5
## 4 4 6 5 6 5 NA NA NA
## 5 NA NA NA NA NA 1 1 2
## 6 4 4 4 4 4 NA NA NA
## 7 4 2 2 4 4 NA NA NA
## 8 NA NA NA NA NA NA NA NA
## 9 NA NA NA NA NA NA NA NA
## 10 NA NA NA NA NA 4 2 7
## 11 4 6 1 6 7 5 6 7
## 12 4 3 5 5 5 NA NA NA
## 13 NA NA NA NA NA 7 7 7
## 14 NA NA NA NA NA 5 3 5
## 15 NA NA NA NA NA 2 2 3
## 16 NA NA NA NA NA NA NA NA
## 17 4 4 2 6 6 NA NA NA
## 18 3 1 1 6 6 1 1 1
## 19 NA NA NA NA NA NA NA NA
## 20 NA NA NA NA NA 5 1 7
## Q11_5_4 Q11_5_5 Q11_5_6 Q11_5_7 Q11_5_8 Q11_5_9 Q11_5_10 Q11_5_11
## 1 7 7 7 7 7 7 7 7
## 2 NA NA NA NA NA NA NA NA
## 3 6 6 6 3 6 6 6 6
## 4 NA NA NA NA NA NA NA NA
## 5 1 7 1 7 6 6 7 7
## 6 NA NA NA NA NA NA NA NA
## 7 NA NA NA NA NA NA NA NA
## 8 NA NA NA NA NA NA NA NA
## 9 NA NA NA NA NA NA NA NA
## 10 5 7 4 5 7 5 4 7
## 11 6 7 7 3 7 7 7 7
## 12 NA NA NA NA NA NA NA NA
## 13 7 7 7 6 7 7 7 7
## 14 6 6 5 6 6 5 5 6
## 15 4 5 3 6 5 4 4 6
## 16 NA NA NA NA NA NA NA NA
## 17 NA NA NA NA NA NA NA NA
## 18 1 1 1 1 1 1 1 2
## 19 NA NA NA NA NA NA NA NA
## 20 7 5 6 6 3 7 7 7
## Q11_5_12 Q11_5_13 Q11_5_14 Q11_5_15 Q11_5_16 Q11_5_17 Q11_6_1 Q11_6_2
## 1 7 7 7 7 7 7 7 7
## 2 NA NA NA NA NA NA 4 3
## 3 5 6 3 3 6 6 NA NA
## 4 NA NA NA NA NA NA NA NA
## 5 6 1 1 1 1 7 NA NA
## 6 NA NA NA NA NA NA NA NA
## 7 NA NA NA NA NA NA NA NA
## 8 NA NA NA NA NA NA 6 5
## 9 NA NA NA NA NA NA 1 2
## 10 7 1 2 1 4 4 NA NA
## 11 7 3 6 1 5 7 NA NA
## 12 NA NA NA NA NA NA 3 4
## 13 7 7 7 7 7 7 4 4
## 14 6 4 5 3 5 5 NA NA
## 15 5 3 4 2 6 4 3 2
## 16 NA NA NA NA NA NA NA NA
## 17 NA NA NA NA NA NA 5 4
## 18 1 2 1 1 1 2 NA NA
## 19 NA NA NA NA NA NA 2 3
## 20 6 3 5 2 6 7 NA NA
## Q11_6_3 Q11_6_4 Q11_6_5 Q11_6_6 Q11_6_7 Q11_6_8 Q11_6_9 Q11_6_10
## 1 7 7 7 7 7 7 7 7
## 2 3 5 7 5 6 3 6 4
## 3 NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA
## 7 NA NA NA NA NA NA NA NA
## 8 6 5 5 5 4 5 5 5
## 9 1 2 5 2 2 4 1 5
## 10 NA NA NA NA NA NA NA NA
## 11 NA NA NA NA NA NA NA NA
## 12 5 5 7 5 7 7 6 6
## 13 7 4 7 4 6 6 6 6
## 14 NA NA NA NA NA NA NA NA
## 15 1 2 5 4 7 4 1 3
## 16 NA NA NA NA NA NA NA NA
## 17 5 5 5 4 7 5 6 5
## 18 NA NA NA NA NA NA NA NA
## 19 5 3 5 5 4 2 2 4
## 20 NA NA NA NA NA NA NA NA
## Q11_6_11 Q11_6_12 Q11_6_13 Q11_6_14 Q11_6_15 Q11_6_16 Q11_6_17 Q11_7_1
## 1 7 7 7 7 7 7 7 NA
## 2 5 4 2 4 1 3 6 NA
## 3 NA NA NA NA NA NA NA 3
## 4 NA NA NA NA NA NA NA 5
## 5 NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA 6
## 7 NA NA NA NA NA NA NA NA
## 8 5 6 5 4 4 6 6 NA
## 9 2 4 1 3 1 4 5 1
## 10 NA NA NA NA NA NA NA 4
## 11 NA NA NA NA NA NA NA NA
## 12 6 6 1 3 1 5 7 NA
## 13 7 6 5 4 5 7 7 NA
## 14 NA NA NA NA NA NA NA 5
## 15 3 4 2 3 1 5 4 NA
## 16 NA NA NA NA NA NA NA 4
## 17 6 7 3 4 3 5 6 NA
## 18 NA NA NA NA NA NA NA NA
## 19 5 5 2 3 2 5 5 NA
## 20 NA NA NA NA NA NA NA 3
## Q11_7_2 Q11_7_3 Q11_7_4 Q11_7_5 Q11_7_6 Q11_7_7 Q11_7_8 Q11_7_9
## 1 NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA
## 3 3 3 3 3 3 3 3 3
## 4 5 4 5 5 5 2 6 5
## 5 NA NA NA NA NA NA NA NA
## 6 6 6 6 6 6 6 6 6
## 7 NA NA NA NA NA NA NA NA
## 8 NA NA NA NA NA NA NA NA
## 9 2 1 2 2 2 3 6 1
## 10 4 4 4 5 4 6 7 4
## 11 NA NA NA NA NA NA NA NA
## 12 NA NA NA NA NA NA NA NA
## 13 NA NA NA NA NA NA NA NA
## 14 6 5 5 6 6 5 7 6
## 15 NA NA NA NA NA NA NA NA
## 16 5 4 4 4 4 2 4 2
## 17 NA NA NA NA NA NA NA NA
## 18 NA NA NA NA NA NA NA NA
## 19 NA NA NA NA NA NA NA NA
## 20 2 3 3 2 2 2 2 3
## Q11_7_10 Q11_7_11 Q11_7_12 Q11_7_13 Q11_7_14 Q11_7_15 Q11_7_16 Q11_7_17
## 1 NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA
## 3 3 3 3 3 3 3 3 3
## 4 5 7 6 6 4 6 6 6
## 5 NA NA NA NA NA NA NA NA
## 6 6 6 6 6 1 6 6 6
## 7 NA NA NA NA NA NA NA NA
## 8 NA NA NA NA NA NA NA NA
## 9 4 4 4 6 2 4 4 4
## 10 5 7 5 6 2 4 5 7
## 11 NA NA NA NA NA NA NA NA
## 12 NA NA NA NA NA NA NA NA
## 13 NA NA NA NA NA NA NA NA
## 14 6 7 7 7 4 5 6 6
## 15 NA NA NA NA NA NA NA NA
## 16 4 4 5 5 4 4 4 4
## 17 NA NA NA NA NA NA NA NA
## 18 NA NA NA NA NA NA NA NA
## 19 NA NA NA NA NA NA NA NA
## 20 2 2 2 4 2 2 3 2Long-format data has a column for possible variable types and a column for the values of those variables. In reality, you need long-format data much more commonly than wide-format data. For example, in this assignment, both heatmap and CA requires long-format data (technically tidy data), but people often find it easier to record their data in wide format, so we have to use melt(ic) to takes wide-format data: ic, and melts it into long-format data: ic2.
ic2<-melt(ic, id.vars="ID",variable.name=c("Brand"),value.name="Satisfaction")Then we take a quick look at (1) how many rows and colomns do they have? (2) how “satisfaction” and “description” data we read into ic and ica looks like
ic2’s dimension in row and column
## [1] 4207 3ic2’s top 20 rows would look like this
## ID Brand Satisfaction
## 1 10834603 Q1_1 NA
## 2 10834607 Q1_1 NA
## 3 10834617 Q1_1 NA
## 4 10834627 Q1_1 NA
## 5 10834662 Q1_1 NA
## 6 10834679 Q1_1 NA
## 7 10834722 Q1_1 NA
## 8 10834727 Q1_1 NA
## 9 10834836 Q1_1 NA
## 10 10834844 Q1_1 NA
## 11 10834872 Q1_1 NA
## 12 10834924 Q1_1 NA
## 13 10834934 Q1_1 NA
## 14 10834968 Q1_1 NA
## 15 10834969 Q1_1 NA
## 16 10834996 Q1_1 NA
## 17 10835019 Q1_1 NA
## 18 10835023 Q1_1 NA
## 19 10835028 Q1_1 NA
## 20 10835091 Q1_1 NAthen we would use ddply to re-order ic2 by colomn “ID” and “Brand”
ic4<-ddply(ic2,c("ID","Brand"))Now, the re-ordered ic4 (re-ordered from ic2)’s top 30 rows would look like this
## ID Brand Satisfaction
## 1 10834603 Q1_1 NA
## 2 10834603 Q1_2 NA
## 3 10834603 Q1_3 NA
## 4 10834603 Q1_4 NA
## 5 10834603 Q1_5 7
## 6 10834603 Q1_6 NA
## 7 10834603 Q1_7 7
## 8 10834607 Q1_1 NA
## 9 10834607 Q1_2 NA
## 10 10834607 Q1_3 7
## 11 10834607 Q1_4 7
## 12 10834607 Q1_5 NA
## 13 10834607 Q1_6 NA
## 14 10834607 Q1_7 5
## 15 10834617 Q1_1 NA
## 16 10834617 Q1_2 NA
## 17 10834617 Q1_3 NA
## 18 10834617 Q1_4 7
## 19 10834617 Q1_5 NA
## 20 10834617 Q1_6 7
## 21 10834617 Q1_7 NA
## 22 10834627 Q1_1 NA
## 23 10834627 Q1_2 6
## 24 10834627 Q1_3 NA
## 25 10834627 Q1_4 5
## 26 10834627 Q1_5 NA
## 27 10834627 Q1_6 NA
## 28 10834627 Q1_7 5
## 29 10834662 Q1_1 NA
## 30 10834662 Q1_2 NANow, we come to handle the “descrpiton” data - ica
ica(description)’s dimension in row and column
## [1] 601 120ic(description)’s top 20 rows would look like this
## ID Q11_1_1 Q11_1_2 Q11_1_3 Q11_1_4 Q11_1_5 Q11_1_6 Q11_1_7
## 1 10834603 NA NA NA NA NA NA NA
## 2 10834607 6 4 6 2 4 2 2
## 3 10834617 NA NA NA NA NA NA NA
## 4 10834627 5 6 5 5 4 5 6
## 5 10834662 NA NA NA NA NA NA NA
## 6 10834679 4 4 4 4 4 4 4
## 7 10834722 2 3 3 3 4 3 4
## 8 10834727 NA NA NA NA NA NA NA
## 9 10834836 NA NA NA NA NA NA NA
## 10 10834844 4 4 4 4 4 4 4
## 11 10834872 NA NA NA NA NA NA NA
## 12 10834924 NA NA NA NA NA NA NA
## 13 10834934 4 4 5 4 6 7 5
## 14 10834968 5 5 5 5 6 5 6
## 15 10834969 2 4 1 2 5 4 6
## 16 10834996 NA NA NA NA NA NA NA
## 17 10835019 NA NA NA NA NA NA NA
## 18 10835023 NA NA NA NA NA NA NA
## 19 10835028 NA NA NA NA NA NA NA
## 20 10835091 6 6 3 4 6 4 2
## Q11_1_8 Q11_1_9 Q11_1_10 Q11_1_11 Q11_1_12 Q11_1_13 Q11_1_14 Q11_1_15
## 1 NA NA NA NA NA NA NA NA
## 2 5 5 5 6 6 5 2 2
## 3 NA NA NA NA NA NA NA NA
## 4 5 5 4 6 5 4 6 5
## 5 NA NA NA NA NA NA NA NA
## 6 4 4 4 4 4 4 4 4
## 7 3 4 4 5 4 4 2 2
## 8 NA NA NA NA NA NA NA NA
## 9 NA NA NA NA NA NA NA NA
## 10 4 4 4 4 4 4 4 4
## 11 NA NA NA NA NA NA NA NA
## 12 NA NA NA NA NA NA NA NA
## 13 5 6 6 7 6 5 4 5
## 14 6 5 6 6 6 4 6 3
## 15 5 3 5 4 5 3 4 3
## 16 NA NA NA NA NA NA NA NA
## 17 NA NA NA NA NA NA NA NA
## 18 NA NA NA NA NA NA NA NA
## 19 NA NA NA NA NA NA NA NA
## 20 6 6 5 7 5 5 6 2
## Q11_1_16 Q11_1_17 Q11_2_1 Q11_2_2 Q11_2_3 Q11_2_4 Q11_2_5 Q11_2_6
## 1 NA NA NA NA NA NA NA NA
## 2 6 6 4 2 3 2 1 2
## 3 NA NA NA NA NA NA NA NA
## 4 6 6 NA NA NA NA NA NA
## 5 NA NA 1 1 1 1 6 1
## 6 4 4 NA NA NA NA NA NA
## 7 4 4 3 3 3 3 4 3
## 8 NA NA 5 5 5 5 5 6
## 9 NA NA NA NA NA NA NA NA
## 10 4 4 NA NA NA NA NA NA
## 11 NA NA NA NA NA NA NA NA
## 12 NA NA 2 4 3 1 3 2
## 13 7 7 NA NA NA NA NA NA
## 14 5 6 NA NA NA NA NA NA
## 15 6 5 NA NA NA NA NA NA
## 16 NA NA 5 6 5 5 5 5
## 17 NA NA 5 4 6 6 5 5
## 18 NA NA NA NA NA NA NA NA
## 19 NA NA 3 6 5 5 5 5
## 20 6 6 NA NA NA NA NA NA
## Q11_2_7 Q11_2_8 Q11_2_9 Q11_2_10 Q11_2_11 Q11_2_12 Q11_2_13 Q11_2_14
## 1 NA NA NA NA NA NA NA NA
## 2 1 1 2 3 5 3 5 1
## 3 NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA
## 5 7 6 4 7 6 5 1 1
## 6 NA NA NA NA NA NA NA NA
## 7 4 3 4 4 5 4 4 2
## 8 5 6 5 5 6 5 5 4
## 9 NA NA NA NA NA NA NA NA
## 10 NA NA NA NA NA NA NA NA
## 11 NA NA NA NA NA NA NA NA
## 12 2 6 2 4 3 5 6 2
## 13 NA NA NA NA NA NA NA NA
## 14 NA NA NA NA NA NA NA NA
## 15 NA NA NA NA NA NA NA NA
## 16 3 5 4 5 5 6 5 5
## 17 5 5 6 5 6 6 5 3
## 18 NA NA NA NA NA NA NA NA
## 19 4 6 5 6 6 6 6 4
## 20 NA NA NA NA NA NA NA NA
## Q11_2_15 Q11_2_16 Q11_2_17 Q11_3_1 Q11_3_2 Q11_3_3 Q11_3_4 Q11_3_5
## 1 NA NA NA 4 4 4 4 4
## 2 2 3 3 NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA
## 5 1 2 7 1 1 1 4 7
## 6 NA NA NA NA NA NA NA NA
## 7 3 4 4 NA NA NA NA NA
## 8 4 6 6 6 5 5 5 5
## 9 NA NA NA 1 1 2 1 4
## 10 NA NA NA NA NA NA NA NA
## 11 NA NA NA 4 2 5 3 4
## 12 4 6 3 NA NA NA NA NA
## 13 NA NA NA NA NA NA NA NA
## 14 NA NA NA NA NA NA NA NA
## 15 NA NA NA NA NA NA NA NA
## 16 4 5 5 4 5 4 4 5
## 17 4 5 5 NA NA NA NA NA
## 18 NA NA NA 1 1 1 1 1
## 19 4 6 6 2 5 6 4 4
## 20 NA NA NA NA NA NA NA NA
## Q11_3_6 Q11_3_7 Q11_3_8 Q11_3_9 Q11_3_10 Q11_3_11 Q11_3_12 Q11_3_13
## 1 4 4 4 4 4 4 4 4
## 2 NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA
## 5 1 7 5 5 7 6 6 2
## 6 NA NA NA NA NA NA NA NA
## 7 NA NA NA NA NA NA NA NA
## 8 5 4 6 5 5 5 6 5
## 9 1 1 2 1 1 2 4 1
## 10 NA NA NA NA NA NA NA NA
## 11 4 3 3 3 5 6 3 4
## 12 NA NA NA NA NA NA NA NA
## 13 NA NA NA NA NA NA NA NA
## 14 NA NA NA NA NA NA NA NA
## 15 NA NA NA NA NA NA NA NA
## 16 5 2 5 3 5 5 6 5
## 17 NA NA NA NA NA NA NA NA
## 18 1 1 1 1 1 2 1 1
## 19 6 2 6 4 6 6 6 6
## 20 NA NA NA NA NA NA NA NA
## Q11_3_14 Q11_3_15 Q11_3_16 Q11_3_17 Q11_4_1 Q11_4_2 Q11_4_3 Q11_4_4
## 1 4 4 4 4 NA NA NA NA
## 2 NA NA NA NA NA NA NA NA
## 3 NA NA NA NA 6 6 5 6
## 4 NA NA NA NA 5 5 5 4
## 5 1 1 1 6 NA NA NA NA
## 6 NA NA NA NA 4 4 4 4
## 7 NA NA NA NA 2 4 4 4
## 8 4 4 6 6 NA NA NA NA
## 9 2 1 4 4 NA NA NA NA
## 10 NA NA NA NA NA NA NA NA
## 11 3 3 5 5 4 6 4 4
## 12 NA NA NA NA 3 3 4 3
## 13 NA NA NA NA NA NA NA NA
## 14 NA NA NA NA NA NA NA NA
## 15 NA NA NA NA NA NA NA NA
## 16 6 4 5 5 NA NA NA NA
## 17 NA NA NA NA 6 4 5 4
## 18 1 1 1 1 5 6 5 1
## 19 4 4 6 6 NA NA NA NA
## 20 NA NA NA NA NA NA NA NA
## Q11_4_5 Q11_4_6 Q11_4_7 Q11_4_8 Q11_4_9 Q11_4_10 Q11_4_11 Q11_4_12
## 1 NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA
## 3 6 6 3 6 6 6 6 6
## 4 5 4 6 4 5 4 6 4
## 5 NA NA NA NA NA NA NA NA
## 6 4 4 4 4 4 4 4 5
## 7 4 3 4 4 4 4 5 4
## 8 NA NA NA NA NA NA NA NA
## 9 NA NA NA NA NA NA NA NA
## 10 NA NA NA NA NA NA NA NA
## 11 7 7 3 7 5 7 5 6
## 12 4 3 5 6 3 4 6 4
## 13 NA NA NA NA NA NA NA NA
## 14 NA NA NA NA NA NA NA NA
## 15 NA NA NA NA NA NA NA NA
## 16 NA NA NA NA NA NA NA NA
## 17 6 5 4 6 4 7 5 5
## 18 6 6 6 6 5 6 7 6
## 19 NA NA NA NA NA NA NA NA
## 20 NA NA NA NA NA NA NA NA
## Q11_4_13 Q11_4_14 Q11_4_15 Q11_4_16 Q11_4_17 Q11_5_1 Q11_5_2 Q11_5_3
## 1 NA NA NA NA NA 7 7 7
## 2 NA NA NA NA NA NA NA NA
## 3 6 4 4 6 6 6 6 5
## 4 4 6 5 6 5 NA NA NA
## 5 NA NA NA NA NA 1 1 2
## 6 4 4 4 4 4 NA NA NA
## 7 4 2 2 4 4 NA NA NA
## 8 NA NA NA NA NA NA NA NA
## 9 NA NA NA NA NA NA NA NA
## 10 NA NA NA NA NA 4 2 7
## 11 4 6 1 6 7 5 6 7
## 12 4 3 5 5 5 NA NA NA
## 13 NA NA NA NA NA 7 7 7
## 14 NA NA NA NA NA 5 3 5
## 15 NA NA NA NA NA 2 2 3
## 16 NA NA NA NA NA NA NA NA
## 17 4 4 2 6 6 NA NA NA
## 18 3 1 1 6 6 1 1 1
## 19 NA NA NA NA NA NA NA NA
## 20 NA NA NA NA NA 5 1 7
## Q11_5_4 Q11_5_5 Q11_5_6 Q11_5_7 Q11_5_8 Q11_5_9 Q11_5_10 Q11_5_11
## 1 7 7 7 7 7 7 7 7
## 2 NA NA NA NA NA NA NA NA
## 3 6 6 6 3 6 6 6 6
## 4 NA NA NA NA NA NA NA NA
## 5 1 7 1 7 6 6 7 7
## 6 NA NA NA NA NA NA NA NA
## 7 NA NA NA NA NA NA NA NA
## 8 NA NA NA NA NA NA NA NA
## 9 NA NA NA NA NA NA NA NA
## 10 5 7 4 5 7 5 4 7
## 11 6 7 7 3 7 7 7 7
## 12 NA NA NA NA NA NA NA NA
## 13 7 7 7 6 7 7 7 7
## 14 6 6 5 6 6 5 5 6
## 15 4 5 3 6 5 4 4 6
## 16 NA NA NA NA NA NA NA NA
## 17 NA NA NA NA NA NA NA NA
## 18 1 1 1 1 1 1 1 2
## 19 NA NA NA NA NA NA NA NA
## 20 7 5 6 6 3 7 7 7
## Q11_5_12 Q11_5_13 Q11_5_14 Q11_5_15 Q11_5_16 Q11_5_17 Q11_6_1 Q11_6_2
## 1 7 7 7 7 7 7 7 7
## 2 NA NA NA NA NA NA 4 3
## 3 5 6 3 3 6 6 NA NA
## 4 NA NA NA NA NA NA NA NA
## 5 6 1 1 1 1 7 NA NA
## 6 NA NA NA NA NA NA NA NA
## 7 NA NA NA NA NA NA NA NA
## 8 NA NA NA NA NA NA 6 5
## 9 NA NA NA NA NA NA 1 2
## 10 7 1 2 1 4 4 NA NA
## 11 7 3 6 1 5 7 NA NA
## 12 NA NA NA NA NA NA 3 4
## 13 7 7 7 7 7 7 4 4
## 14 6 4 5 3 5 5 NA NA
## 15 5 3 4 2 6 4 3 2
## 16 NA NA NA NA NA NA NA NA
## 17 NA NA NA NA NA NA 5 4
## 18 1 2 1 1 1 2 NA NA
## 19 NA NA NA NA NA NA 2 3
## 20 6 3 5 2 6 7 NA NA
## Q11_6_3 Q11_6_4 Q11_6_5 Q11_6_6 Q11_6_7 Q11_6_8 Q11_6_9 Q11_6_10
## 1 7 7 7 7 7 7 7 7
## 2 3 5 7 5 6 3 6 4
## 3 NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA
## 7 NA NA NA NA NA NA NA NA
## 8 6 5 5 5 4 5 5 5
## 9 1 2 5 2 2 4 1 5
## 10 NA NA NA NA NA NA NA NA
## 11 NA NA NA NA NA NA NA NA
## 12 5 5 7 5 7 7 6 6
## 13 7 4 7 4 6 6 6 6
## 14 NA NA NA NA NA NA NA NA
## 15 1 2 5 4 7 4 1 3
## 16 NA NA NA NA NA NA NA NA
## 17 5 5 5 4 7 5 6 5
## 18 NA NA NA NA NA NA NA NA
## 19 5 3 5 5 4 2 2 4
## 20 NA NA NA NA NA NA NA NA
## Q11_6_11 Q11_6_12 Q11_6_13 Q11_6_14 Q11_6_15 Q11_6_16 Q11_6_17 Q11_7_1
## 1 7 7 7 7 7 7 7 NA
## 2 5 4 2 4 1 3 6 NA
## 3 NA NA NA NA NA NA NA 3
## 4 NA NA NA NA NA NA NA 5
## 5 NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA 6
## 7 NA NA NA NA NA NA NA NA
## 8 5 6 5 4 4 6 6 NA
## 9 2 4 1 3 1 4 5 1
## 10 NA NA NA NA NA NA NA 4
## 11 NA NA NA NA NA NA NA NA
## 12 6 6 1 3 1 5 7 NA
## 13 7 6 5 4 5 7 7 NA
## 14 NA NA NA NA NA NA NA 5
## 15 3 4 2 3 1 5 4 NA
## 16 NA NA NA NA NA NA NA 4
## 17 6 7 3 4 3 5 6 NA
## 18 NA NA NA NA NA NA NA NA
## 19 5 5 2 3 2 5 5 NA
## 20 NA NA NA NA NA NA NA 3
## Q11_7_2 Q11_7_3 Q11_7_4 Q11_7_5 Q11_7_6 Q11_7_7 Q11_7_8 Q11_7_9
## 1 NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA
## 3 3 3 3 3 3 3 3 3
## 4 5 4 5 5 5 2 6 5
## 5 NA NA NA NA NA NA NA NA
## 6 6 6 6 6 6 6 6 6
## 7 NA NA NA NA NA NA NA NA
## 8 NA NA NA NA NA NA NA NA
## 9 2 1 2 2 2 3 6 1
## 10 4 4 4 5 4 6 7 4
## 11 NA NA NA NA NA NA NA NA
## 12 NA NA NA NA NA NA NA NA
## 13 NA NA NA NA NA NA NA NA
## 14 6 5 5 6 6 5 7 6
## 15 NA NA NA NA NA NA NA NA
## 16 5 4 4 4 4 2 4 2
## 17 NA NA NA NA NA NA NA NA
## 18 NA NA NA NA NA NA NA NA
## 19 NA NA NA NA NA NA NA NA
## 20 2 3 3 2 2 2 2 3
## Q11_7_10 Q11_7_11 Q11_7_12 Q11_7_13 Q11_7_14 Q11_7_15 Q11_7_16 Q11_7_17
## 1 NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA
## 3 3 3 3 3 3 3 3 3
## 4 5 7 6 6 4 6 6 6
## 5 NA NA NA NA NA NA NA NA
## 6 6 6 6 6 1 6 6 6
## 7 NA NA NA NA NA NA NA NA
## 8 NA NA NA NA NA NA NA NA
## 9 4 4 4 6 2 4 4 4
## 10 5 7 5 6 2 4 5 7
## 11 NA NA NA NA NA NA NA NA
## 12 NA NA NA NA NA NA NA NA
## 13 NA NA NA NA NA NA NA NA
## 14 6 7 7 7 4 5 6 6
## 15 NA NA NA NA NA NA NA NA
## 16 4 4 5 5 4 4 4 4
## 17 NA NA NA NA NA NA NA NA
## 18 NA NA NA NA NA NA NA NA
## 19 NA NA NA NA NA NA NA NA
## 20 2 2 2 4 2 2 3 2then, we use melt() function to melt ica (originally wide-format data) into long -format data. ID variables are the variables that identify individual rows of data. variable.name and value.name control the column names in our long-format data We set the name of the variable “Brands” and name of the value “Attitudes”
# Below "melts" the wide form into a long (tidy) form
ica1<-melt(ica, id.vars="ID",variable.name=c("Brands"),value.name="Attitudes")
#melt takes wide-format data and melts it into long-format data.
#ID variables are the variables that identify individual rows of data.
#variable.name and value.name control the column names in our long-format datanow we can see what the melted ica - ica1 looks like:
## ID Brands Attitudes
## 1 10834603 Q11_1_1 NA
## 2 10834607 Q11_1_1 6
## 3 10834617 Q11_1_1 NA
## 4 10834627 Q11_1_1 5
## 5 10834662 Q11_1_1 NA
## 6 10834679 Q11_1_1 4
## 7 10834722 Q11_1_1 2
## 8 10834727 Q11_1_1 NA
## 9 10834836 Q11_1_1 NA
## 10 10834844 Q11_1_1 4
## 11 10834872 Q11_1_1 NA
## 12 10834924 Q11_1_1 NA
## 13 10834934 Q11_1_1 4
## 14 10834968 Q11_1_1 5## ID Brands Attitudes
## 71506 10844737 Q11_7_17 4
## 71507 10844739 Q11_7_17 NA
## 71508 10844741 Q11_7_17 5
## 71509 10844743 Q11_7_17 NA
## 71510 10844747 Q11_7_17 NA
## 71511 10844755 Q11_7_17 4
## 71512 10844768 Q11_7_17 3
## 71513 10844772 Q11_7_17 NA
## 71514 10844779 Q11_7_17 3
## 71515 10844786 Q11_7_17 NA
## 71516 10844789 Q11_7_17 NA
## 71517 10844793 Q11_7_17 4
## 71518 10844794 Q11_7_17 NA
## 71519 10844801 Q11_7_17 NAand then, we re-order the melted data by “ID”(variable) and “brand”(value)
ica2<-ddply(ica1,c("ID","Brands"))
# re-ordering by ID & Brands, 71519 rowsafter re-ordering, we can see what it look like
## ID Brands Attitudes
## 1 10834603 Q11_1_1 NA
## 2 10834603 Q11_1_2 NA
## 3 10834603 Q11_1_3 NA
## 4 10834603 Q11_1_4 NA
## 5 10834603 Q11_1_5 NA
## 6 10834603 Q11_1_6 NA
## 7 10834603 Q11_1_7 NA
## 8 10834603 Q11_1_8 NA
## 9 10834603 Q11_1_9 NA
## 10 10834603 Q11_1_10 NA
## 11 10834603 Q11_1_11 NA
## 12 10834603 Q11_1_12 NA
## 13 10834603 Q11_1_13 NA
## 14 10834603 Q11_1_14 NA
## 15 10834603 Q11_1_15 NA
## 16 10834603 Q11_1_16 NA
## 17 10834603 Q11_1_17 NA
## 18 10834603 Q11_2_1 NA## ID Brands Attitudes
## 71502 10844801 Q11_6_17 6
## 71503 10844801 Q11_7_1 NA
## 71504 10844801 Q11_7_2 NA
## 71505 10844801 Q11_7_3 NA
## 71506 10844801 Q11_7_4 NA
## 71507 10844801 Q11_7_5 NA
## 71508 10844801 Q11_7_6 NA
## 71509 10844801 Q11_7_7 NA
## 71510 10844801 Q11_7_8 NA
## 71511 10844801 Q11_7_9 NA
## 71512 10844801 Q11_7_10 NA
## 71513 10844801 Q11_7_11 NA
## 71514 10844801 Q11_7_12 NA
## 71515 10844801 Q11_7_13 NA
## 71516 10844801 Q11_7_14 NA
## 71517 10844801 Q11_7_15 NA
## 71518 10844801 Q11_7_16 NA
## 71519 10844801 Q11_7_17 NANow, we put attitude lables into the 4th column of the data
after adding the label of attitude, we can see what the data looks like now
## ID Brands Attitudes V4
## 1 10834603 Q11_1_1 NA Relaxing
## 2 10834603 Q11_1_2 NA Wholesome
## 3 10834603 Q11_1_3 NA Fun
## 4 10834603 Q11_1_4 NA Exciting
## 5 10834603 Q11_1_5 NA Premium
## 6 10834603 Q11_1_6 NA Memorable
## 7 10834603 Q11_1_7 NA Treat
## 8 10834603 Q11_1_8 NA Regular
## 9 10834603 Q11_1_9 NA Interesting
## 10 10834603 Q11_1_10 NA Tastes
## 11 10834603 Q11_1_11 NA Flavors
## 12 10834603 Q11_1_12 NA Enjoyable
## 13 10834603 Q11_1_13 NA Value
## 14 10834603 Q11_1_14 NA Natural
## 15 10834603 Q11_1_15 NA LowCal
## 16 10834603 Q11_1_16 NA Family
## 17 10834603 Q11_1_17 NA Guests
## 18 10834603 Q11_2_1 NA RelaxingThen, we repeat brand names and put them inorder with ID, into the 5th column of the ic data
after adding the brand label, we can see what the data looks like now
## ID Brands Attitudes V4 V5
## 1 10834603 Q11_1_1 NA Relaxing Dreyers
## 2 10834603 Q11_1_2 NA Wholesome Dreyers
## 3 10834603 Q11_1_3 NA Fun Dreyers
## 4 10834603 Q11_1_4 NA Exciting Dreyers
## 5 10834603 Q11_1_5 NA Premium Dreyers
## 6 10834603 Q11_1_6 NA Memorable Dreyers
## 7 10834603 Q11_1_7 NA Treat Dreyers
## 8 10834603 Q11_1_8 NA Regular Dreyers
## 9 10834603 Q11_1_9 NA Interesting Dreyers
## 10 10834603 Q11_1_10 NA Tastes Dreyers
## 11 10834603 Q11_1_11 NA Flavors Dreyers
## 12 10834603 Q11_1_12 NA Enjoyable Dreyers
## 13 10834603 Q11_1_13 NA Value Dreyers
## 14 10834603 Q11_1_14 NA Natural Dreyers
## 15 10834603 Q11_1_15 NA LowCal Dreyers
## 16 10834603 Q11_1_16 NA Family Dreyers
## 17 10834603 Q11_1_17 NA Guests Dreyers
## 18 10834603 Q11_2_1 NA Relaxing BlueBunny## ID Brands Attitudes V4 V5
## 71502 10844801 Q11_6_17 6 Guests Haagen
## 71503 10844801 Q11_7_1 NA Relaxing Private
## 71504 10844801 Q11_7_2 NA Wholesome Private
## 71505 10844801 Q11_7_3 NA Fun Private
## 71506 10844801 Q11_7_4 NA Exciting Private
## 71507 10844801 Q11_7_5 NA Premium Private
## 71508 10844801 Q11_7_6 NA Memorable Private
## 71509 10844801 Q11_7_7 NA Treat Private
## 71510 10844801 Q11_7_8 NA Regular Private
## 71511 10844801 Q11_7_9 NA Interesting Private
## 71512 10844801 Q11_7_10 NA Tastes Private
## 71513 10844801 Q11_7_11 NA Flavors Private
## 71514 10844801 Q11_7_12 NA Enjoyable Private
## 71515 10844801 Q11_7_13 NA Value Private
## 71516 10844801 Q11_7_14 NA Natural Private
## 71517 10844801 Q11_7_15 NA LowCal Private
## 71518 10844801 Q11_7_16 NA Family Private
## 71519 10844801 Q11_7_17 NA Guests Privateand its number of row and columns are:
## [1] 71519 5now, since we have 2 brands, we should eliminates the former “brand” varialbe
after deleting 1 column, we can see what the data looks like now
## ID Attitudes V4 V5
## 1 10834603 NA Relaxing Dreyers
## 2 10834603 NA Wholesome Dreyers
## 3 10834603 NA Fun Dreyers
## 4 10834603 NA Exciting Dreyers
## 5 10834603 NA Premium Dreyers
## 6 10834603 NA Memorable Dreyers
## 7 10834603 NA Treat Dreyers
## 8 10834603 NA Regular Dreyers
## 9 10834603 NA Interesting Dreyers
## 10 10834603 NA Tastes Dreyers
## 11 10834603 NA Flavors Dreyers
## 12 10834603 NA Enjoyable Dreyers
## 13 10834603 NA Value Dreyers
## 14 10834603 NA Natural Dreyers
## 15 10834603 NA LowCal Dreyers
## 16 10834603 NA Family Dreyers
## 17 10834603 NA Guests Dreyers
## 18 10834603 NA Relaxing BlueBunny## ID Attitudes V4 V5
## 71502 10844801 6 Guests Haagen
## 71503 10844801 NA Relaxing Private
## 71504 10844801 NA Wholesome Private
## 71505 10844801 NA Fun Private
## 71506 10844801 NA Exciting Private
## 71507 10844801 NA Premium Private
## 71508 10844801 NA Memorable Private
## 71509 10844801 NA Treat Private
## 71510 10844801 NA Regular Private
## 71511 10844801 NA Interesting Private
## 71512 10844801 NA Tastes Private
## 71513 10844801 NA Flavors Private
## 71514 10844801 NA Enjoyable Private
## 71515 10844801 NA Value Private
## 71516 10844801 NA Natural Private
## 71517 10844801 NA LowCal Private
## 71518 10844801 NA Family Private
## 71519 10844801 NA Guests Privateand its number of row and columns are:
## [1] 71519 4then, we change the name of the data: “Attitudes”-> “Scores” “V4” -> “Attitudes” “V5” -> “Brands”
## [1] "ID" "Attitudes" "V4" "V5"Now we can see the name of the column has changed:
## ID Scores Attitudes Brands
## 1 10834603 NA Relaxing Dreyers
## 2 10834603 NA Wholesome Dreyers
## 3 10834603 NA Fun Dreyers
## 4 10834603 NA Exciting Dreyers
## 5 10834603 NA Premium Dreyers
## 6 10834603 NA Memorable Dreyers
## 7 10834603 NA Treat Dreyers
## 8 10834603 NA Regular Dreyers
## 9 10834603 NA Interesting Dreyers
## 10 10834603 NA Tastes Dreyers
## 11 10834603 NA Flavors Dreyers
## 12 10834603 NA Enjoyable Dreyers
## 13 10834603 NA Value Dreyers
## 14 10834603 NA Natural Dreyers
## 15 10834603 NA LowCal Dreyers
## 16 10834603 NA Family Dreyers
## 17 10834603 NA Guests Dreyers
## 18 10834603 NA Relaxing BlueBunnythen, we re-range the data by column order as: “ID”, “Brands”, “Attitudes”, “Scores”, and how, the data looks like this:
## ID Brands Attitudes Scores
## 1 10834603 Dreyers Relaxing NA
## 2 10834603 Dreyers Wholesome NA
## 3 10834603 Dreyers Fun NA
## 4 10834603 Dreyers Exciting NA
## 5 10834603 Dreyers Premium NA
## 6 10834603 Dreyers Memorable NA
## 7 10834603 Dreyers Treat NA
## 8 10834603 Dreyers Regular NA
## 9 10834603 Dreyers Interesting NA
## 10 10834603 Dreyers Tastes NA
## 11 10834603 Dreyers Flavors NA
## 12 10834603 Dreyers Enjoyable NA
## 13 10834603 Dreyers Value NA
## 14 10834603 Dreyers Natural NA
## 15 10834603 Dreyers LowCal NA
## 16 10834603 Dreyers Family NA
## 17 10834603 Dreyers Guests NA
## 18 10834603 BlueBunny Relaxing NA
## 19 10834603 BlueBunny Wholesome NA
## 20 10834603 BlueBunny Fun NA
## 21 10834603 BlueBunny Exciting NA
## 22 10834603 BlueBunny Premium NA
## 23 10834603 BlueBunny Memorable NA
## 24 10834603 BlueBunny Treat NA
## 25 10834603 BlueBunny Regular NA
## 26 10834603 BlueBunny Interesting NA
## 27 10834603 BlueBunny Tastes NA
## 28 10834603 BlueBunny Flavors NA
## 29 10834603 BlueBunny Enjoyable NA
## 30 10834603 BlueBunny Value NA
## 31 10834603 BlueBunny Natural NA
## 32 10834603 BlueBunny LowCal NA
## 33 10834603 BlueBunny Family NA
## 34 10834603 BlueBunny Guests NA
## 35 10834603 BlueBell Relaxing 4
## 36 10834603 BlueBell Wholesome 4
## 37 10834603 BlueBell Fun 4
## 38 10834603 BlueBell Exciting 4
## 39 10834603 BlueBell Premium 4
## 40 10834603 BlueBell Memorable 4REARRANGING ROWS SEQUENTIALLY BY ID AND THEN BRANDS, COLUMNS BY ATTITUDES
## ID Brands Enjoyable Exciting Family Flavors Fun Guests
## 1 10834603 BenJerrys 7 7 7 7 7 7
## 2 10834603 BlueBell 4 4 4 4 4 4
## 3 10834603 BlueBunny NA NA NA NA NA NA
## 4 10834603 Breyers NA NA NA NA NA NA
## 5 10834603 Dreyers NA NA NA NA NA NA
## 6 10834603 Haagen 7 7 7 7 7 7
## 7 10834603 Private NA NA NA NA NA NA
## 8 10834607 BenJerrys NA NA NA NA NA NA
## 9 10834607 BlueBell NA NA NA NA NA NA
## 10 10834607 BlueBunny 3 2 3 5 3 3
## 11 10834607 Breyers NA NA NA NA NA NA
## 12 10834607 Dreyers 6 2 6 6 6 6
## 13 10834607 Haagen 4 5 3 5 3 6
## 14 10834607 Private NA NA NA NA NA NA
## 15 10834617 BenJerrys 5 6 6 6 5 6
## 16 10834617 BlueBell NA NA NA NA NA NA
## 17 10834617 BlueBunny NA NA NA NA NA NA
## 18 10834617 Breyers 6 6 6 6 5 6
## 19 10834617 Dreyers NA NA NA NA NA NA
## 20 10834617 Haagen NA NA NA NA NA NA
## Interesting LowCal Memorable Natural Premium Regular Relaxing Tastes
## 1 7 7 7 7 7 7 7 7
## 2 4 4 4 4 4 4 4 4
## 3 NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA
## 6 7 7 7 7 7 7 7 7
## 7 NA NA NA NA NA NA NA NA
## 8 NA NA NA NA NA NA NA NA
## 9 NA NA NA NA NA NA NA NA
## 10 2 2 2 1 1 1 4 3
## 11 NA NA NA NA NA NA NA NA
## 12 5 2 2 2 4 5 6 5
## 13 6 1 5 4 7 3 4 4
## 14 NA NA NA NA NA NA NA NA
## 15 6 3 6 3 6 6 6 6
## 16 NA NA NA NA NA NA NA NA
## 17 NA NA NA NA NA NA NA NA
## 18 6 4 6 4 6 6 6 6
## 19 NA NA NA NA NA NA NA NA
## 20 NA NA NA NA NA NA NA NA
## Treat Value Wholesome
## 1 7 7 7
## 2 4 4 4
## 3 NA NA NA
## 4 NA NA NA
## 5 NA NA NA
## 6 7 7 7
## 7 NA NA NA
## 8 NA NA NA
## 9 NA NA NA
## 10 1 5 2
## 11 NA NA NA
## 12 2 5 4
## 13 6 2 3
## 14 NA NA NA
## 15 3 6 6
## 16 NA NA NA
## 17 NA NA NA
## 18 3 6 6
## 19 NA NA NA
## 20 NA NA NAdim(cr2)## [1] 4207 19dim(ic4)## [1] 4207 3then, COMBINING DATAFRAMES OF THE SAME # ROWS, removed the redundant column, re-oreder it by: “ID”, “Satisfaction”, “Brands”, “Relaxing”,“Wholesome”, “Fun”, “Exciting”, “Premium” , “Memorable”,“Treat”, “Regular”, “Interesting”, “Tastes”, “Flavors”, “Enjoyable”, “Value”,“Natural”, “LowCal” , “Family”, “Guests”
## ID Satisfaction Brands Relaxing Wholesome Fun Exciting Premium
## 1 10834603 NA BenJerrys 7 7 7 7 7
## 2 10834603 NA BlueBell 4 4 4 4 4
## 3 10834603 NA BlueBunny NA NA NA NA NA
## 4 10834603 NA Breyers NA NA NA NA NA
## 5 10834603 7 Dreyers NA NA NA NA NA
## 6 10834603 NA Haagen 7 7 7 7 7
## 7 10834603 7 Private NA NA NA NA NA
## 8 10834607 NA BenJerrys NA NA NA NA NA
## 9 10834607 NA BlueBell NA NA NA NA NA
## 10 10834607 7 BlueBunny 4 2 3 2 1
## 11 10834607 7 Breyers NA NA NA NA NA
## 12 10834607 NA Dreyers 6 4 6 2 4
## 13 10834607 NA Haagen 4 3 3 5 7
## 14 10834607 5 Private NA NA NA NA NA
## 15 10834617 NA BenJerrys 6 6 5 6 6
## 16 10834617 NA BlueBell NA NA NA NA NA
## 17 10834617 NA BlueBunny NA NA NA NA NA
## 18 10834617 7 Breyers 6 6 5 6 6
## 19 10834617 NA Dreyers NA NA NA NA NA
## 20 10834617 7 Haagen NA NA NA NA NA
## Memorable Treat Regular Interesting Tastes Flavors Enjoyable Value
## 1 7 7 7 7 7 7 7 7
## 2 4 4 4 4 4 4 4 4
## 3 NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA
## 6 7 7 7 7 7 7 7 7
## 7 NA NA NA NA NA NA NA NA
## 8 NA NA NA NA NA NA NA NA
## 9 NA NA NA NA NA NA NA NA
## 10 2 1 1 2 3 5 3 5
## 11 NA NA NA NA NA NA NA NA
## 12 2 2 5 5 5 6 6 5
## 13 5 6 3 6 4 5 4 2
## 14 NA NA NA NA NA NA NA NA
## 15 6 3 6 6 6 6 5 6
## 16 NA NA NA NA NA NA NA NA
## 17 NA NA NA NA NA NA NA NA
## 18 6 3 6 6 6 6 6 6
## 19 NA NA NA NA NA NA NA NA
## 20 NA NA NA NA NA NA NA NA
## Natural LowCal Family Guests
## 1 7 7 7 7
## 2 4 4 4 4
## 3 NA NA NA NA
## 4 NA NA NA NA
## 5 NA NA NA NA
## 6 7 7 7 7
## 7 NA NA NA NA
## 8 NA NA NA NA
## 9 NA NA NA NA
## 10 1 2 3 3
## 11 NA NA NA NA
## 12 2 2 6 6
## 13 4 1 3 6
## 14 NA NA NA NA
## 15 3 3 6 6
## 16 NA NA NA NA
## 17 NA NA NA NA
## 18 4 4 6 6
## 19 NA NA NA NA
## 20 NA NA NA NAwe can see now how many rows here
## [1] 4207 20then, we eliminate the NA values, now we can see how many rows left here
## [1] 675 20what is the chart looks like now
## ID Satisfaction Brands Relaxing Wholesome Fun Exciting
## 10 10834607 7 BlueBunny 4 2 3 2
## 18 10834617 7 Breyers 6 6 5 6
## 25 10834627 5 Breyers 5 5 5 4
## 28 10834627 5 Private 5 5 4 5
## 31 10834662 7 BlueBunny 1 1 1 1
## 42 10834679 6 Private 6 6 6 6
## 47 10834722 7 Dreyers 2 3 3 3
## 51 10834727 6 BlueBell 6 5 5 5
## 63 10834836 6 Private 1 2 1 2
## 70 10834844 7 Private 4 4 4 4
## 74 10834872 6 Breyers 4 6 4 4
## 81 10834924 4 Breyers 3 3 4 3
## 83 10834924 6 Haagen 3 4 5 5
## 89 10834934 6 Dreyers 4 4 5 4
## 98 10834968 7 Private 5 6 5 5
## 107 10834996 6 BlueBell 4 5 4 4
## 108 10834996 6 BlueBunny 5 6 5 5
## 116 10835019 6 Breyers 6 4 5 4
## 123 10835023 7 Breyers 5 6 5 1
## 128 10835028 7 BlueBell 2 5 6 4
## Premium Memorable Treat Regular Interesting Tastes Flavors Enjoyable
## 10 1 2 1 1 2 3 5 3
## 18 6 6 3 6 6 6 6 6
## 25 5 4 6 4 5 4 6 4
## 28 5 5 2 6 5 5 7 6
## 31 6 1 7 6 4 7 6 5
## 42 6 6 6 6 6 6 6 6
## 47 4 3 4 3 4 4 5 4
## 51 5 5 4 6 5 5 5 6
## 63 2 2 3 6 1 4 4 4
## 70 5 4 6 7 4 5 7 5
## 74 7 7 3 7 5 7 5 6
## 81 4 3 5 6 3 4 6 4
## 83 7 5 7 7 6 6 6 6
## 89 6 7 5 5 6 6 7 6
## 98 6 6 5 7 6 6 7 7
## 107 5 5 2 5 3 5 5 6
## 108 5 5 3 5 4 5 5 6
## 116 6 5 4 6 4 7 5 5
## 123 6 6 6 6 5 6 7 6
## 128 4 6 2 6 4 6 6 6
## Value Natural LowCal Family Guests
## 10 5 1 2 3 3
## 18 6 4 4 6 6
## 25 4 6 5 6 5
## 28 6 4 6 6 6
## 31 1 1 1 2 7
## 42 6 1 6 6 6
## 47 4 2 2 4 4
## 51 5 4 4 6 6
## 63 6 2 4 4 4
## 70 6 2 4 5 7
## 74 4 6 1 6 7
## 81 4 3 5 5 5
## 83 1 3 1 5 7
## 89 5 4 5 7 7
## 98 7 4 5 6 6
## 107 5 6 4 5 5
## 108 5 5 4 5 5
## 116 4 4 2 6 6
## 123 3 1 1 6 6
## 128 6 4 4 6 6now we come to analysis the data, we can see key statistic factor of each variables (e.g.:median, min,max, mean, skew, kurtosis) shown below:
## Warning in FUN(newX[, i], ...): no non-missing arguments to min; returning
## Inf## Warning in FUN(newX[, i], ...): no non-missing arguments to max; returning
## -Inf## vars n mean sd median trimmed mad
## ID 1 675 10841695.96 2411.96 10842290 10841986.43 2097.88
## Satisfaction 2 675 6.07 1.11 6 6.26 1.48
## Brands* 3 675 NaN NA NA NaN NA
## Relaxing 4 675 4.41 1.68 4 4.48 1.48
## Wholesome 5 675 4.42 1.65 4 4.48 1.48
## Fun 6 675 4.41 1.66 4 4.47 1.48
## Exciting 7 675 4.12 1.69 4 4.14 1.48
## Premium 8 675 4.90 1.59 5 5.02 1.48
## Memorable 9 675 4.36 1.66 4 4.41 1.48
## Treat 10 675 3.95 1.89 4 3.94 2.97
## Regular 11 675 5.15 1.54 5 5.31 1.48
## Interesting 12 675 4.32 1.62 4 4.36 1.48
## Tastes 13 675 4.93 1.56 5 5.05 1.48
## Flavors 14 675 5.25 1.46 5 5.39 1.48
## Enjoyable 15 675 5.25 1.45 5 5.40 1.48
## Value 16 675 4.80 1.55 5 4.91 1.48
## Natural 17 675 3.73 1.67 4 3.72 1.48
## LowCal 18 675 3.34 1.66 3 3.25 1.48
## Family 19 675 5.19 1.52 5 5.35 1.48
## Guests 20 675 5.09 1.55 5 5.24 1.48
## min max range skew kurtosis se
## ID 10834607 10844801 10194 -1.05 0.64 92.84
## Satisfaction 1 7 6 -1.63 3.63 0.04
## Brands* Inf -Inf -Inf NA NA NA
## Relaxing 1 7 6 -0.32 -0.55 0.06
## Wholesome 1 7 6 -0.26 -0.62 0.06
## Fun 1 7 6 -0.26 -0.51 0.06
## Exciting 1 7 6 -0.10 -0.61 0.06
## Premium 1 7 6 -0.51 -0.38 0.06
## Memorable 1 7 6 -0.21 -0.58 0.06
## Treat 1 7 6 -0.03 -1.09 0.07
## Regular 1 7 6 -0.73 0.06 0.06
## Interesting 1 7 6 -0.24 -0.48 0.06
## Tastes 1 7 6 -0.52 -0.30 0.06
## Flavors 1 7 6 -0.67 0.08 0.06
## Enjoyable 1 7 6 -0.76 0.31 0.06
## Value 1 7 6 -0.51 -0.14 0.06
## Natural 1 7 6 0.01 -0.71 0.06
## LowCal 1 7 6 0.31 -0.64 0.06
## Family 1 7 6 -0.73 0.13 0.06
## Guests 1 7 6 -0.71 0.01 0.06add comments: we can see that the overall “satisfaciton” is really high with mean of 6.07, median of 6.“regular”,“flavor” and “enjoyable” are also high with mean over 5.
then, we find mean descpriton(column 4:20) marks depending on on brand, that describe the features of different brand.
## Group.1 Relaxing Wholesome Fun Exciting Premium Memorable
## 1 BenJerrys 5.000000 4.636364 5.381818 5.072727 5.800000 5.345455
## 2 BlueBell 4.553846 4.307692 4.630769 4.246154 4.876923 4.415385
## 3 BlueBunny 4.057692 3.980769 3.942308 3.884615 4.269231 3.769231
## 4 Breyers 4.657895 4.881579 4.690789 4.355263 5.414474 4.697368
## 5 Dreyers 4.120000 4.030000 4.060000 3.860000 4.550000 4.020000
## 6 Haagen 4.835616 5.013699 4.958904 4.534247 5.904110 5.054795
## 7 Private 4.056180 4.117978 3.882022 3.623596 4.157303 3.842697
## Treat Regular Interesting Tastes Flavors Enjoyable Value
## 1 5.454545 4.781818 5.527273 5.800000 6.036364 5.745455 3.890909
## 2 3.923077 5.123077 4.400000 5.061538 4.923077 5.261538 4.923077
## 3 3.730769 4.519231 3.961538 4.307692 4.711538 4.653846 4.346154
## 4 4.105263 5.578947 4.467105 5.453947 5.677632 5.572368 4.960526
## 5 3.620000 4.560000 4.150000 4.410000 4.740000 4.940000 4.450000
## 6 4.712329 5.342466 4.945205 5.972603 5.602740 5.821918 4.109589
## 7 3.314607 5.331461 3.735955 4.224719 5.061798 4.926966 5.522472
## Natural LowCal Family Guests
## 1 4.436364 2.963636 5.036364 5.345455
## 2 3.384615 3.338462 5.184615 5.153846
## 3 3.576923 3.461538 4.576923 4.576923
## 4 4.203947 3.657895 5.697368 5.559211
## 5 3.550000 3.430000 4.950000 4.770000
## 6 4.013699 2.876712 5.479452 5.684932
## 7 3.269663 3.303371 5.000000 4.668539moreover, horizonal:we can see that BenJerry seems to be better as the overall color is darker (darker the higher mark), and BulueBunny seems to be the worst of all the brand.
Vertical:BenJerrys has the best“Treat” mark as customers are tend to buy their icecream to be the treat for themselves. And Haggen Das ’s worse feature is “low fat”,meaning they really contains high colories.
here we comes to the correspondence analysis
closeness between a feature (description) and a brand means the feature better describe the brand, and the closeness between 2 or more brand meaning they are tend to have similar strenghts and tend to become direct competitors.
we can see that ca divide the description of the data into 6 dimensions, and dimension 1 describes 79.7% (most significant among all the dimensions, so we would focus more on the horizonal axis on the CA chart more than the vertical ones) of the whole data, and add dimension 2 (describe 10.2% of the data) together they would be describe 90.2% of the whole data.
Bothe Breyers and BlueBell are close to features(attitude) as “enjoyable”,“Guests”, “wholesome” and “family”, means they are the key features(attitude) of the 2 brands.
Breyers and BlueBell are really close, they may have the simliar score in same features, which would make them direct competitors in ice cream market.
Bothe Breyers and BlueBell are close to features(attitude) as “enjoyable”,“Guests”, “wholesome” and “family”, means they are the key features(attitude) of the 2 brands.
moreover, we can see “lowcal” is far from any of the brand, meaning no one is really be regarded as “low calories” from theire customers.
3D crrespondence analysis
add comments here: miliar as 2D analysis, closer means the feature better describe the brand, and the closeness between 2 or more brand meaning they are tend to have similar strenghts and tend to become direct competitors.
use factominer to do the CA again
##
## Call:
## CA(X = icrs_matrix)
##
## The chi square of independence between the two variables is equal to 2.68877 (p-value = 1 ).
##
## Eigenvalues
## Dim.1 Dim.2 Dim.3 Dim.4 Dim.5 Dim.6
## Variance 0.004 0.001 0.000 0.000 0.000 0.000
## % of var. 79.918 10.242 5.303 3.377 0.719 0.440
## Cumulative % of var. 79.918 90.161 95.464 98.841 99.560 100.000
##
## Rows
## Dim.1 ctr cos2 Dim.2 ctr cos2 Dim.3 ctr
## BenJerrys | -0.105 44.509 0.935 | 0.021 14.242 0.038 | -0.016 15.942
## BlueBell | 0.020 1.498 0.301 | -0.009 2.082 0.054 | -0.013 8.584
## BlueBunny | 0.027 2.404 0.348 | 0.033 28.085 0.520 | 0.013 7.757
## Breyers | 0.019 1.381 0.329 | -0.012 4.176 0.128 | 0.020 23.620
## Dreyers | 0.027 2.404 0.495 | 0.017 7.381 0.195 | 0.015 10.683
## Haagen | -0.060 14.323 0.714 | -0.037 42.268 0.270 | 0.006 2.489
## Private | 0.100 33.482 0.917 | -0.008 1.766 0.006 | -0.025 30.926
## cos2
## BenJerrys 0.022 |
## BlueBell 0.114 |
## BlueBunny 0.074 |
## Breyers 0.373 |
## Dreyers 0.146 |
## Haagen 0.008 |
## Private 0.056 |
##
## Columns
## Dim.1 ctr cos2 Dim.2 ctr cos2 Dim.3 ctr
## Relaxing | -0.006 0.053 0.136 | 0.006 0.398 0.132 | -0.006 0.884
## Wholesome | 0.009 0.106 0.078 | -0.022 5.433 0.511 | 0.015 5.054
## Fun | -0.040 2.366 0.764 | 0.005 0.246 0.010 | -0.014 4.086
## Exciting | -0.037 1.859 0.621 | 0.025 6.648 0.285 | -0.008 1.307
## Premium | -0.051 4.265 0.793 | -0.021 5.689 0.136 | 0.015 5.226
## Memorable | -0.049 3.452 0.907 | -0.008 0.665 0.022 | -0.009 1.872
## Treat | -0.095 12.118 0.890 | 0.027 7.371 0.069 | -0.016 5.342
## Regular | 0.073 8.750 0.836 | -0.029 10.594 0.130 | -0.008 1.491
## Interesting | -0.059 4.975 0.813 | 0.021 5.096 0.107 | -0.012 2.904
## Tastes | -0.049 3.907 0.701 | -0.029 10.662 0.245 | 0.007 1.186
## Flavors | -0.002 0.010 0.005 | 0.008 0.838 0.055 | -0.012 3.500
## Enjoyable | 0.003 0.016 0.048 | -0.008 0.932 0.361 | -0.003 0.191
## Value | 0.161 38.887 0.962 | 0.005 0.311 0.001 | -0.031 22.264
## Natural | -0.025 0.796 0.200 | 0.032 9.744 0.314 | 0.027 13.101
## LowCal | 0.116 14.380 0.729 | 0.059 28.725 0.187 | 0.036 21.286
## Family | 0.048 3.891 0.797 | -0.016 3.463 0.091 | 0.015 5.446
## Guests | 0.010 0.168 0.163 | -0.016 3.184 0.394 | 0.014 4.861
## cos2
## Relaxing 0.152 |
## Wholesome 0.246 |
## Fun 0.088 |
## Exciting 0.029 |
## Premium 0.064 |
## Memorable 0.033 |
## Treat 0.026 |
## Regular 0.009 |
## Interesting 0.031 |
## Tastes 0.014 |
## Flavors 0.118 |
## Enjoyable 0.038 |
## Value 0.037 |
## Natural 0.219 |
## LowCal 0.072 |
## Family 0.074 |
## Guests 0.312 |My picture
Breyer's ice cream logo
Wenli DI 400047112
