r语言批量绘制shp数据图_R：清理并绘制Google趋势数据-CSDN博客

本文介绍如何使用R语言批量处理Google趋势CSV数据，清除无关数据，绘制趋势图表。首先读取CSV文件，重命名和过滤列，然后通过处理日期，去除无效行。接着，对数据进行可视化，通过调整图表设置改进展示效果，最后计算滚动平均值以平滑数据。整个过程使用了R的strsplit、ggplot2等函数，并推荐了knitr用于代码验证。

摘要由CSDN通过智能技术生成

r语言批量绘制shp数据图

最近，我碰到了Stian Haklev撰写的一篇出色的文章，他描述了他希望从R入手起就被告知的事情，其中之一就是用我认为应该尝试的代码来清理所有数据 。

我的目标是使原始数据完全不变，并进行代码中的所有转换，这些转换可以随时重新运行。

在编写脚本时，我经常跳来跳去，有选择地执行单独的行或代码块，运行命令来检查REPL中的数据（read-evaluate-print-loop，其中每个命令都在您执行后立即执行）键入enter，在上方图片的右侧窗格中），等等。

但是我尝试确保完成后，脚本本身可以运行。

我认为Google趋势数据集非常有趣，因为它为您提供了CSV，其中包含几个不同的数据位，而我只对“随着时间的兴趣”感兴趣。

自动化CSV文件的下载并不是一件容易的事，所以我手动进行了一些操作，然后自动执行了所有操作。

第一步是读取CSV文件并浏览一些行以查看其中包含的内容：

> library(dplyr)
 
> googleTrends = read.csv("/Users/markneedham/Downloads/report.csv", row.names=NULL)
 
> googleTrends %>% head()
##                   row.names Web.Search.interest..neo4j
## 1 Worldwide; 2004 - present                           
## 2        Interest over time                           
## 3                      Week                      neo4j
## 4   2004-01-04 - 2004-01-10                          0
## 5   2004-01-11 - 2004-01-17                          0
## 6   2004-01-18 - 2004-01-24                          0
 
> googleTrends %>% sample_n(10)
##                   row.names Web.Search.interest..neo4j
## 109 2006-01-08 - 2006-01-14                          0
## 113 2006-02-05 - 2006-02-11                          0
## 267 2009-01-18 - 2009-01-24                          0
## 199 2007-09-30 - 2007-10-06                          0
## 522 2013-12-08 - 2013-12-14                         88
## 265 2009-01-04 - 2009-01-10                          0
## 285 2009-05-24 - 2009-05-30                          0
## 318 2010-01-10 - 2010-01-16                          0
## 495 2013-06-02 - 2013-06-08                         79
## 28  2004-06-20 - 2004-06-26                          0
 
> googleTrends %>% tail()
##                row.names