##1.读取数据并查看前十行
#加载包
library(readxl)
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union#读取数据
df = read_excel("C:/Users/hzx/Desktop/beijing.xlsx",sheet = 1)
#展示前10行
head(df,10)变量解释 CATE: 城区（分类变量）- chaoyang(朝阳区)、haidian(海淀区)、fengtai(丰台区)、xicheng(西城区)、dongcheng(东城区)、shijingshan(石景山区) AREA: 房屋面积（数值变量） subway: 是否邻近地铁（二分类变量） school: 是否为学区房（二分类变量） price: 单位面积房价（数值变量）
##2.将school及subway列数据转换为因子型
#查看转换前的数据类型
cat("转换前的数据类型：\n")## 转换前的数据类型：str(df[, c("subway", "school")])## tibble [16,210 × 2] (S3: tbl_df/tbl/data.frame)
## $ subway: num [1:16210] 1 1 1 1 1 1 1 1 1 1 ...
## $ school: num [1:16210] 0 0 1 1 1 1 1 1 1 0 ...#将subway和school转换为因子型
df$subway <- as.factor(df$subway)
df$school <- as.factor(df$school)
#查看转换后的数据类型
cat("\n转换后的数据类型：\n")##
## 转换后的数据类型：str(df[, c("subway", "school")])## tibble [16,210 × 2] (S3: tbl_df/tbl/data.frame)
## $ subway: Factor w/ 2 levels "0","1": 2 2 2 2 2 2 2 2 2 2 ...
## $ school: Factor w/ 2 levels "0","1": 1 1 2 2 2 2 2 2 2 1 ...##描述性统计
summary(df)## CATE AREA subway school price
## Length:16210 Min. : 30.06 0: 2791 0:11297 Min. : 18348
## Class :character 1st Qu.: 60.00 1:13419 1: 4913 1st Qu.: 42812
## Mode :character Median : 78.83 Median : 57473
## Mean : 91.75 Mean : 61152
## 3rd Qu.:110.52 3rd Qu.: 76100
## Max. :299.00 Max. :149871cat("\n========== 数值变量统计 ==========\n")##
## ========== 数值变量统计 ==========#面积统计
cat("AREA（面积）：\n")## AREA（面积）：cat(" 最小值：", min(df$AREA), "㎡\n")## 最小值： 30.06 ㎡cat(" 最大值：", max(df$AREA), "㎡\n")## 最大值： 299 ㎡cat(" 平均值：", round(mean(df$AREA), 2), "㎡\n")## 平均值： 91.75 ㎡cat(" 中位数：", median(df$AREA), "㎡\n")## 中位数： 78.83 ㎡#价格统计
cat("\nprice（单价）：\n")##
## price（单价）：cat(" 最小值：", min(df$price), "元/㎡\n")## 最小值： 18348 元/㎡cat(" 最大值：", max(df$price), "元/㎡\n")## 最大值： 149871 元/㎡cat(" 平均值：", round(mean(df$price), 2), "元/㎡\n")## 平均值： 61151.81 元/㎡cat(" 中位数：", median(df$price), "元/㎡\n")## 中位数： 57473 元/㎡#分类变量统计
cat("\n========== 分类变量统计 ==========\n")##
## ========== 分类变量统计 ==========cat("CATE（城区）：\n")## CATE（城区）：print(table(df$CATE))##
## chaoyang dongcheng fengtai haidian shijingshan xicheng
## 2864 2783 2947 2919 1947 2750cat("\nsubway（是否近地铁）：\n")##
## subway（是否近地铁）：print(table(df$subway))##
## 0 1
## 2791 13419cat("\nschool（是否学区房）：\n")##
## school（是否学区房）：print(table(df$school))##
## 0 1
## 11297 4913##3.筛选 AREA > 250 且 price > 100000 的数据
high_end <- df[df$AREA > 250 & df$price > 100000, ]
##查看结果
cat("符合条件的房源数：", nrow(high_end), "\n")## 符合条件的房源数： 16high_end##4.将数据按照 price 降序排列
df_sorted <- df[order(-df$price), ]
# 查看前10行
head(df_sorted, 10)##5.在原数据集上增加一列房屋总价，命名为totalprice
df$totalprice <- df$AREA * df$price
#查看前几行
head(df[, c("AREA", "price", "totalprice")], 10)##6.按照 CATE 进行分类，计算price的最大值、最小值和平均值
result <- aggregate(price ~ CATE, data = df,
FUN = function(x) c(max = max(x), min = min(x), mean = mean(x)))
#查看结果
print(result)## CATE price.max price.min price.mean
## 1 chaoyang 124800.00 23011.00 52800.62
## 2 dongcheng 149254.00 20089.00 71883.60
## 3 fengtai 87838.00 18348.00 42500.90
## 4 haidian 135105.00 25568.00 68757.60
## 5 shijingshan 100000.00 18854.00 40286.89
## 6 xicheng 149871.00 21918.00 85674.78##7.分别计算海淀区靠近地铁的学区房以及非学区房的totalprice均值
haidian_subway <- df[df$CATE == "haidian" & df$subway == "1", ]
#学区房均值
school_mean <- mean(haidian_subway$totalprice[haidian_subway$school == "1"])
#非学区房均值
nonschool_mean <- mean(haidian_subway$totalprice[haidian_subway$school == "0"])
#输出结果
cat("海淀区靠近地铁的学区房总价均值：", round(school_mean, 2), "\n")## 海淀区靠近地铁的学区房总价均值： 7319466cat("海淀区靠近地铁的非学区房总价均值：", round(nonschool_mean, 2), "\n")## 海淀区靠近地铁的非学区房总价均值： 5731588