R语言用于城市管理事件数据分析

terry 2年前 (2023-09-27) 阅读数 65 #数据结构与算法

这次使用主成分分析的主要目的不是降维，而是分析城市管理数据中的事件类别之间是否存在关系。当然，城管事件有数百种，这里仅列出去年9月至今的十大类事件；如下图所示，十大类事件分别为：乱停放车辆、乱堆放物资、非法张贴小广告、开店自备容器、放置非法标语和宣传品、乱停放机动车、乱扔垃圾，地面不干净，道路也不干净。

确定了这十个类别之后，就该提取数据了。此时，我们需要关注数据结构和数据样本大小。为什么？因为在主成分分析中，事件类别只能是属性，即事件类别是一列；现在看看站点管理数据中存在的数据结构。数据记录数必须是属性数的 6 至 10 倍。此时请注意，城市管理数据结构显然不是我们想要的。

所以我写了SQL来转换数据结构，但别名不符合规则。这是一个错误；

目前需要使用R语言进行分析，首先我们可以从数据库中获取数据。所以创建数据库的链接并安装包RODBC

R语言代码

install.packages("RODBC")
library(RODBC)
jixiao_connect <- odbcConnect("jixiao",uid="jixiao",pwd = "*****",believeNRows=FALSE)

此时我们就创建了数据库连接jixiao_connect。这时候我们需要提取数据

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

检查数据是否提取，说明数据已经提取成功

我们安装主要组件所需要的包

R代码

install.packages("psych")
library(psych)

首先，我们需要做的是确定需要多少个主要组件。此时，我们需要通过卡特尔砾石检验确定主成分的数量，即保留特征值大于1的主成分，因为特征值大于1的主成分可以解释更多的方差；

R代码

fa.parallel(jixiao_date,fa='pc',n.iter = 100,show.legend=FALSE)

上图中，我们要选择3个主要部件

R代码

pc <- principal(jixiao_date,nfactors=3,rotate = 'varimax')
pc

第二个是我们选择的主要部件的旋转方法。为了方便主成分的解释，结果如下

PC1列中的系数是与每个事件类别的相关系数。 h2列表示该分量可以解释的方差量，u2列表示无法解释的方差比例，KIND_ONE事件是随机停放的车辆，主相关是PC1的主分量，相关系数为0.97， PC2和PC3的相关系数分别为0、05、0.07，主成分可以解释随机停放车辆95%的方差，不能解释的比例为0.055； var比例代表对整个数据集的解释程度，PC2解释30%的方差，PC1解释26%的方差，PC3解释变量21%的方差，主成分可以解释77%的方差方差。整个变量的方差；

主组件可视化

R 代码