Question

第一个csv文件被称为＆＃34; CLAIM＆＃34;这些是数据的一部分 CLAIM

第二个csv文件名为＆＃34; CUSTOMER＆＃34;这些是数据的一部分

首先，我想根据公共列合并两个数据
其次，我想删除所有列，包括NA值
第三，我想删除像＆＃39; SIU_CUST_YN，CTPR，OCCP_GRP_2，RECP_DATE，RESN_DATE＆＃39;这样的变量。
第四，我想删除空行的OCCP_GRP_1

期待表格

dim(data_fin)
## [1] 114886     11
head(data_fin)
##   CUST_ID DIVIDED_SET SEX AGE OCCP_GRP_1 CHLD_CNT WEDD_YN CHANG_FP_YN
## 1       1           1   2  47   3.사무직        2       Y           Y
## 2       1           1   2  47   3.사무직        2       Y           Y
## 3       1           1   2  47   3.사무직        2       Y           Y
## 4       1           1   2  47   3.사무직        2       Y           Y
## 5       2           1   1  53   3.사무직        2       Y           Y
## 6       2           1   1  53   3.사무직        2       Y           Y
##   DMND_AMT PAYM_AMT NON_PAY_RATIO
## 1    52450    52450     0.4343986
## 2    24000    24000     0.8823529
## 3    17500    17500     0.7272727
## 4    47500    47500     0.9217391
## 5    99100    99100     0.8623195
## 6     7817     7500     0.8623195
str(data_fin)
## 'data.frame':    114886 obs. of  11 variables:
##  $ CUST_ID      : int  1 1 1 1 2 2 2 3 4 4 ...
##  $ DIVIDED_SET  : int  1 1 1 1 1 1 1 1 1 1 ...
##  $ SEX          : int  2 2 2 2 1 1 1 1 2 2 ...
##  $ AGE          : int  47 47 47 47 53 53 53 60 64 64 ...
##  $ OCCP_GRP_1   : Factor w/ 9 levels "","1.주부","2.자영업",..: 4 4 4 4 4 4 4 6 3 3 ...
##  $ CHLD_CNT     : int  2 2 2 2 2 2 2 0 0 0 ...
##  $ WEDD_YN      : Factor w/ 3 levels "","N","Y": 3 3 3 3 3 3 3 2 2 2 ...
##  $ CHANG_FP_YN  : Factor w/ 2 levels "N","Y": 2 2 2 2 2 2 2 2 1 2 ...
##  $ DMND_AMT     : int  52450 24000 17500 47500 99100 7817 218614 430000 200000 120000 ...
##  $ PAYM_AMT     : int  52450 24000 17500 47500 99100 7500 218614 430000 200000 120000 ...
##  $ NON_PAY_RATIO: num  0.434 0.882 0.727 0.922 0.862 ...

所以我写了像

#gc(reset=T); rm(list=ls())
getwd()
setwd("/Users/Hong/Downloads")
getwd()
CUSTOMER <- read.csv("CUSTOMER.csv", header=T)
CLAIM <- read.csv("CLAIM.csv", header=T)
#install.packages("dplyr")
library("dplyr")
merge(CUSTOMER, CLAIM, by='CUST_ID', all.y=TRUE)
merged_data <- merge(CUSTOMER, CLAIM)
omitted_data <- na.omit(merged_data)
deducted_data <- head(select(omitted_data, -SIU_CUST_YN, -CTPR, -OCCP_GRP_2, -RECP_DATE, -RESN_DATE), 115327)
data_fin <- head(filter(deducted_data, OCCP_GRP_1 !=""), 115327)
dim(data_fin)
head(data_fin)
str(data_fin)

接着， 1）我应该获得具有高non_pay_ratio的前三名（OCCP_GRP_1） 2）我应该得到（CUST_ID）超过600,000的DMND_AMT值

我不知道怎么写下来

从R中的数据中获得前3的平均值

0 个答案: