简介这份配套教学资源包面向学习《商务数据分析与应用——基于R第2版》的读者以及希望用R语言处理商务数据的初学者与教学人员解决教材练习缺少可运行数据与代码、难以动手复现分析流程的问题。压缩包共37个文件约3.09MB以19个csv数据文件、6个r脚本、6个rmd与6个html文档为主覆盖第1至第6章的章节数据、习题数据及对应程序代码可配合教材逐章练习数据导入、清洗、探索性分析、可视化与统计建模。资源内容涉及R基础语法、缺失值与异常值处理、ggplot2绘图、线性回归与时间序列、市场趋势预测等知识点并配有Rmd与html便于对照结果。目前已有1293人学习下载适合作为课程实验、课后作业与项目实战的练习素材帮助读者在真实数据上巩固商务分析思路。1. 商务数据分析课配的 R 代码包到底能不能直接跑起来带过几届学生做商务数据分析最常听到的抱怨不是「R 学不会」而是「书上的代码我复制过去就报错」。这本《商务数据分析与应用——基于R第2版》的配套资源包恰好就是冲着这个痛点来的它把第 1 到第 6 章的.r脚本、.Rmd报告源文件、.html渲染结果和.csv数据集按章分目录打包等于把「书上那段代码到底跑在什么数据上」这件事直接摊开了。你拿到手不是一堆散装文件而是一套能对着书逐章复现的完整工程。适合谁正在上这门课的学生、要照着教材备课的老师以及想用 R 把商务分析流程走一遍但缺真实练习数据的从业者。它解决的核心问题就一个让你从「看代码」变成「跑代码、改代码、看懂每行在干什么」。2. 拆开压缩包先看目录六章文件怎么对应书里的分析流程2.1 每章四类文件的真实分工解压后你会看到第1章到第6章六个文件夹每个文件夹里的文件命名高度一致基本是四类.csv是数据.r是纯脚本.Rmd是可复现报告源文件.html是渲染好的成品。这个结构不是随便定的它对应了商务数据分析的标准工作流——数据进来、脚本处理、报告输出。拿第 1 章举例目录里有第1章.csv、第1章.r、第1章.Rmd、第1章.html外加第1章习题1.csv和第1章习题2.csv。主文件是跟着正文走的演示习题文件是留给你自己练手的。第 3 章还多出一个第3章习题2_APP对应描述信息.csv这种带业务语义的附属数据文件往往就是章节里某个具体分析场景的输入别当成冗余删掉。.Rmd和.html成对出现这点很关键。.Rmd是源码里面混着说明文字和代码块.html是knit之后的结果你能直接看到代码跑出来的图表长什么样。如果你只想快速确认「这章最后应该得到什么结论」先开.html想动手改再回到.Rmd。2.2 用 RStudio 建工程而不是双击打开脚本新手最容易翻车的一步就是直接双击.r文件让系统默认程序打开结果中文乱码、工作目录不对、read.csv找不到文件三连报错。正确做法是用 RStudio 建一个 Project把整个章节目录作为工作目录的锚点。# 在 RStudio 里File - New Project - Existing Directory # 选中解压后的根目录比如 business-analysis-r # 建好之后用 here 包定位文件避免绝对路径 install.packages(here) library(here) # 读取第1章主数据路径相对工程根目录 df1 - read.csv(here(第1章, 第1章.csv), fileEncoding UTF-8, stringsAsFactors FALSE) str(df1) head(df1)这段代码的逻辑是here()永远从工程根目录算起不管你当前脚本在哪个子文件夹路径都不会错。fileEncoding UTF-8是血泪经验教材配套的 CSV 很多是 UTF-8 编码Windows 默认的 GBK 读进来第一列列名就会变成乱码。stringsAsFactors FALSE在 R 4.0 之后其实已经是默认行为但显式写出来能避免你在老版本 R 上踩坑。跑完str()先看列类型对不对数值列如果被读成字符后面所有统计函数都会报错。2.3 从 .Rmd 到 .html把报告重新渲染一遍.Rmd文件的价值在于它把「分析过程」和「分析结论」放在同一个文件里。你可以直接打开.Rmd点 RStudio 的 Knit 按钮重新生成.html。这一步能验证你的环境是否装齐了包。# 渲染第2章报告需要先装 rmarkdown install.packages(rmarkdown) rmarkdown::render(here(第2章, 第2章.Rmd), output_format html_document)render()的第一个参数是源文件路径output_format指定输出格式。如果渲染中途报「there is no package called xxx」说明这章用到了你还没装的包按提示补装即可。常见的是ggplot2、dplyr、readr这几个。渲染成功后对比新生成的.html和压缩包里自带的.html如果图表一致说明你的环境和作者一致后面改代码就有底了。3. 数据预处理与探索性分析把 CSV 读干净再谈建模3.1 缺失值和异常值的处理套路商务数据几乎没有干净的教材配套的 CSV 也一样。第 2 章和第 4 章的数据里缺失值通常用空字符串或NA表示异常值则藏在数值列的极值里。先做一遍体检再动手。library(dplyr) # 统计每列缺失比例 missing_ratio - df1 %% summarise(across(everything(), ~ mean(is.na(.)))) %% tidyr::pivot_longer(everything(), names_to column, values_to na_ratio) %% filter(na_ratio 0) %% arrange(desc(na_ratio)) print(missing_ratio) # 数值列用中位数填补分类列用众数填补 df1_clean - df1 %% mutate(across(where(is.numeric), ~ ifelse(is.na(.), median(., na.rm TRUE), .)))across(everything(), ~ mean(is.na(.)))是对每一列算缺失比例pivot_longer把宽表转成长表方便排序查看。填补策略上数值列用中位数比均值稳因为商务数据里收入和销售额常有极端值均值会被拉偏。分类列的众数填补可以用names(sort(table(x), decreasing TRUE))[1]取。注意填补之前一定先备份原始数据框别在原对象上直接改否则你后面想对比「填补前 vs 填补后」就没机会了。3.2 用 ggplot2 做第一轮探索图数据读干净之后先画图再建模。第 3 章和第 5 章的可视化代码是现成的模板但你要理解每个aes()里放什么。library(ggplot2) # 直方图看单变量分布 ggplot(df1_clean, aes(x sales)) geom_histogram(bins 30, fill #2c7fb8, color white) labs(title 销售额分布, x 销售额, y 频数) theme_minimal() # 散点图看两变量关系 ggplot(df1_clean, aes(x ad_spend, y sales)) geom_point(alpha 0.6) geom_smooth(method lm, se TRUE, color red) labs(title 广告投入与销售额关系, x 广告投入, y 销售额) theme_minimal()bins 30控制直方图柱子数量太多会碎、太少会糊30 是商务数据常用的起步值。geom_smooth(method lm)加一条线性拟合线和置信带能快速判断两个变量是不是线性关系。如果散点明显分层或者呈曲线后面建模就不能硬套线性回归。alpha 0.6让点半透明数据量大时能看出重叠密度这个细节教材代码里不一定写但实际画图必加。3.3 描述性统计和分组汇总探索性分析的另一半是数字不是图。用dplyr按业务维度分组算汇总指标这是商务分析里最高频的操作。# 按地区分组算销售额均值和订单数 region_summary - df1_clean %% group_by(region) %% summarise( avg_sales mean(sales, na.rm TRUE), total_orders n(), sd_sales sd(sales, na.rm TRUE) ) %% arrange(desc(avg_sales)) print(region_summary)group_by()指定分组变量summarise()里每个统计量一行。n()是计数不需要参数。arrange(desc(avg_sales))按均值降序排一眼看出哪个地区表现最好。这里要注意na.rm TRUE必须加否则只要组内有一个缺失值整组的均值就变成NA这种玄学报错排查起来很费时间。4. 统计模型与商务预测从线性回归到时间序列的落地边界4.1 线性回归的代码结构和结果解读第 4 章和第 6 章涉及建模核心是lm()和forecast包。先看线性回归的标准写法。# 以销售额为因变量广告投入和价格为自变量 model_lm - lm(sales ~ ad_spend price, data df1_clean) summary(model_lm) # 提取系数和置信区间 confint(model_lm, level 0.95)summary()输出里重点看三块Estimate是系数正负号决定方向Pr(|t|)是 p 值小于 0.05 通常认为显著Multiple R-squared是解释力度商务数据里 0.3 到 0.6 都算正常别指望 0.9。confint()给 95% 置信区间如果区间跨过 0说明这个变量的影响方向都不确定解释时要谨慎。常见误用是拿回归系数直接说「广告每多投 1 元销售就多 0.8 元」——这是相关不是因果教材里可能没强调但你写分析报告时必须留这个心眼。4.2 时间序列预测的 SARIMA 起步如果数据带时间维度第 6 章会用到forecast包。SARIMA 模型的参数调优是难点但起步流程是固定的。library(forecast) # 把数据转成时间序列对象频率12表示月度数据 ts_sales - ts(df1_clean$sales, start c(2020, 1), frequency 12) # 自动选参先跑一个基准 fit_arima - auto.arima(ts_sales, seasonal TRUE) summary(fit_arima) # 预测未来6期 forecast_result - forecast(fit_arima, h 6) plot(forecast_result)frequency 12是月度数据的标准设置季度数据改成 4周数据改成 52。auto.arima()会自动在候选模型里按 AICc 选一个适合起步但别把它当终点——自动选出来的模型未必业务上可解释。h 6是预测步长预测越远置信区间越宽这是数学规律不是模型不好。plot()出来的图里深色带是 80% 置信区间浅色带是 95%给业务方看的时候要说明「这是区间预测不是点预测」。4.3 模型验证不能只看训练集教材代码为了演示简洁经常在全量数据上拟合然后直接报 R-squared。实际做项目必须切训练集和测试集。set.seed(123) n - nrow(df1_clean) train_idx - sample(1:n, size 0.7 * n) train_data - df1_clean[train_idx, ] test_data - df1_clean[-train_idx, ] model_train - lm(sales ~ ad_spend price, data train_data) pred_test - predict(model_train, newdata test_data) # 算测试集 RMSE rmse - sqrt(mean((test_data$sales - pred_test)^2, na.rm TRUE)) print(paste(测试集 RMSE:, round(rmse, 2)))set.seed(123)保证每次切分结果一致方便复现。sample()随机抽 70% 做训练。predict(model_train, newdata test_data)把训练好的模型套到测试集上。RMSE 越小越好但具体多少算好取决于你的销售额量级——RMSE 是 100 还是 10000得跟销售额均值比才有意义。这一步是区分「跑通代码」和「会做分析」的分水岭。5. 避坑与排查这套资源包最容易翻车的五个地方5.1 中文列名读进来变乱码现象read.csv()之后names(df)显示X.æ...之类的乱码后续用列名筛选全部失败。 原因文件是 UTF-8 编码但 R 在 Windows 上默认按系统本地编码GBK读取。 解决read.csv(..., fileEncoding UTF-8)显式指定。如果还是乱码用fileEncoding GBK试一次或者用readr::read_csv()它对编码的容忍度更高。5.2 渲染 .Rmd 时报找不到包现象点 Knit 之后控制台红字there is no package called ggplot2或类似提示。 原因.Rmd里library()调用的包你本地没装或者装了但版本太老。 解决按报错提示逐个install.packages(包名)。如果一次装多个用install.packages(c(ggplot2, dplyr, forecast))。装完重启 R 会话再渲染避免命名空间缓存问题。5.3 工作目录不对导致找不到 CSV现象read.csv(第1章.csv)报cannot open file但你明明看到文件就在旁边。 原因R 的工作目录不是脚本所在目录而是 RStudio 默认的某个位置。 解决用getwd()查看当前工作目录用setwd()改或者更稳妥地用here()包配合 RStudio Project。永远不要用setwd(C:/Users/你的名字/...)这种绝对路径换台电脑就废。5.4 习题数据和正文数据搞混现象跑第 3 章代码时结果和书上对不上图表形状完全不一样。 原因误把第3章习题2.csv当成第3章.csv读进去了两个文件结构相似但数据不同。 解决读文件前先list.files()看清楚目录里有哪些文件确认文件名。正文演示用不带「习题」的主文件练习用带「习题」的。第 3 章那个_APP对应描述信息.csv是附属映射表不是主数据。5.5 时间序列频率设错导致预测全偏现象auto.arima()跑出来的预测图跟实际趋势完全对不上或者报错frequency相关。 原因ts()的frequency参数和数据实际周期不匹配比如月度数据写成了 1。 解决先确认数据粒度。月度frequency 12季度frequency 4周frequency 52。拿不准就先画plot(ts_sales)看波形一年有几个峰就是几。设错频率不会报错但模型会把季节性当成趋势结果就是黑匣子——看着能跑结论全错。6. 把六章脚本串成一条自动化流水线单章跑通只是第一步这套资源包真正的价值在于六章合起来是一条完整的商务分析链路第 1 章认识数据、第 2 章清洗、第 3 章可视化、第 4 章建模、第 5 章深入、第 6 章预测。我一般会写一个总控脚本把各章的核心步骤串起来改一次数据源就能全流程重跑。# run_all.R 放在工程根目录 source(here(第1章, 第1章.r)) source(here(第2章, 第2章.r)) # 中间步骤手动衔接因为各章变量名可能不同 df_clean - df1_clean # 统一命名供后续章节使用 source(here(第4章, 第4章.r)) source(here(第6章, 第6章.r)) # 最后统一导出关键结果 write.csv(region_summary, here(output, region_summary.csv), row.names FALSE, fileEncoding UTF-8)source()会直接执行目标脚本所以各章脚本里如果有install.packages()或者交互式View()串起来跑会卡住建议先把这些行注释掉。变量名衔接是最大的坑——第 1 章可能叫df1第 2 章清洗完叫df_clean第 4 章建模又用回data。我习惯在每章脚本末尾加一行# 输出xxx注释标明这章产出的对象名串流程时对着注释接。验证整条流水线是否可靠有个笨办法但很管用把第1章.csv复制一份手动改几个数值然后从头跑一遍run_all.R看最终的region_summary.csv和预测图有没有跟着变。如果没变说明中间某一步读的是硬编码路径或者缓存了旧对象。这个「改输入看输出」的验证习惯比任何单元测试都直接。进阶一点可以把.Rmd的渲染也纳入流水线用rmarkdown::render()在source()之后自动生成最新报告这样数据和报告永远同步。参数化报告用params传日期或地区一套模板出多份分析这是商务场景里最实用的自动化技巧。从那以后我每次拿到教材配套代码都强制先跑一遍「改一个数、看结果变不变」的验证再动手写自己的分析。希望帮到你。本文还有配套的精品资源点击获取