我的问题：最近在某单位的岗位分类表中看到“会计”属专业技术岗，而一字之差的“统计”属专辅助技术岗，工资待遇的差距可是几何级的，职业发展也是天壤之别。心中一万匹羊驼跑过之后，出现了一个问题：统计有什么用，数据分析的价值到底在哪里？（标题就是答案，下面是小白的R实践过程，大牛请自行跳过）
我的R实践：还是我们熟悉的《朝阳医院2016年销售数据》，课上我们做出了《2016年朝阳医院消费曲线》及月均消费次数、月均消费金额、客单价等三个KPI指标。现在想想，这个结果除满足院领导的显摆欲，顺道搭讪一下业务部门美女小梦外，并没有什么卵用。
当我怀着然并卵的郁闷，不断的点击着Environment的各种Data和Values时，timeSplit中一个曾被无情忽略的数据引起了我了注意，是不是可以拿它做点什么呢？
排序面对杂乱无序的数据，第一个想法是排序，照葫芦画瓢，使用order()函数对excelDate排序，decreasing = TURE,还是FALSE返回的结果都是诡异的：“星期二”、“星期六”、“星期日”、“星期三”、“星期四”、“星期五”、“星期一”（或正好反过来）。
关键字 使用中文关键字“R语言 数据排序”，无论是谷哥还是百度，得到的结果基本都是sort(),rank(),order()三个函数的内容。正当我无计可施的时候，想起英文版的R语言实战。阅读它虽然还是没有找到答案，但找到了"sort data"和"in R"两个关键字。（见笑了，奇葩英语学习之路。这也算是英文版的另类用法吧！）
谷哥“How to sort data in R"，我找到了提示，原来强在的R也有它小白的一面：想它给你排序，你得用factor()函数先告诉它”谁在先，谁在后“。
weekdaymoney$weekday <- factor(weekdaymoney$weekday,levels=c("星期一","星期二","星期三","星期四","星期五","星期六","星期日"),ordered = T)
汇总还是照葫芦画瓢，但这次我学乖了。在help(tapply)得知它不能计数之后，马上翻译计数（即：count）谷哥”How to count data in R"
安装plyr包，使用count()函数，顺利得到交易量周变化情况。
library(plyr)
COUNT <- count(timeSplit,"timeSplit[,2]")
同时还计算了交易额和客单价的周变化情况，过程很顺利，代码如下：
weekdaymoney <-tapply(excelDate$actualmoney,excelDate$wd,sum)
weekdaymoney$mean <- weekdaymoney$actualmoney/weekdaymoney$count
看图说话 看到上面的表格，估计百分之九十以上的人都在懵逼。
如果你是病人：星期五最好就不要去就诊了，等待你的只能是排队、排队、排队……和人头、人头、人头……；可以的话星期四去吧，等待你的是休息充分，心情轻松的医护人员。
如果你是收费处的排班人员：星期五、星期六两天最好按排多点同事上班。不然，排队的群众有意见，上班的同事也会有意见。
如果你是社保局的督查人员：星期四上班的医院怎么会事，都喜欢开大处方嘛？查
我的答案 首先声明：上述解说纯属玩笑，但说明了一个意思：统计有什么用？关键看是否使用统计结果指导行为。如果把统计结果与行为完全隔裂开来，那么，统计真得没有卵用。反之，统计就炸天了，它作用超乎你想像。同样的数据在不同的人面前其价值是不一样的。对于病人来说，可以指导更好地按排就诊时间；对于一线排班人员，可以指导地安排人员作息；对于监查人员，可以有得放失高效开展督查……虽然价值各不相关，但它们产生价值的途径却是一至的，就是根据数据分析指导自己的行为。
我的代码：
##第一大部分数据处理
#载入Excel数据
library(openxlsx)
readFilePath <- "C:/朝阳医院2016年销售数据.xlsx"
excelDate <- read.xlsx(readFilePath,1)
#处理缺失数据
excelDate <- na.omit(excelDate)
#数据框例重命名
names(excelDate) <- c("time","cardno","drugld","drugName","saleNumber","virtualmoney","actualmoney")
#切割数据
library(stringr)
timeSplit <- str_split_fixed(excelDate$time," ",n=2)
WD <- data.frame(wd=timeSplit[,2])
excelDate <- cbind(excelDate,WD)
##第二部分结果展示
library(plyr)
COUNT <- count(timeSplit,"timeSplit[,2]")
names(COUNT) <- c("weekday","count")
weekdaymoney <-tapply(excelDate$actualmoney,excelDate$wd,sum)
weekdaymoney <- as.data.frame.table(weekdaymoney)
names(weekdaymoney) <- c("weekday","actualmoney")
weekdaymoney <- merge(weekdaymoney,COUNT,by="weekday")
weekdaymoney$weekday <- factor(weekdaymoney$weekday,levels=c("星期一","星期二","星期三","星期四","星期五","星期六","星期日"),ordered = T)
weekdaymoney <- weekdaymoney[order(weekdaymoney$weekday),]
weekdaymoney$mean <- weekdaymoney$actualmoney/weekdaymoney$count
##第三大部分结果展示
attach(weekdaymoney)
layout(matrix(c(2,3,1,1),2,2,byrow=T))
weekdaymoney$Number <- c(1:7)
##生成一周客单价变化情况图
plot(weekdaymoney$Number,weekdaymoney$mean,xlab="",ylab="客单价",main="一周客单价变化情况图",las=2,type="b",xaxt="n",bg="blue")
axis(1,at=weekdaymoney$Number,labels=weekdaymoney$weekday,cex.axis=1.5)
abline(h=mean(weekdaymoney$mean),col="red")
#请左单击鼠标为红线加标备
text(locator(1),"平均值")
##生成一周交易量变化情况图
plot(weekdaymoney$Number,weekdaymoney$count,xlab="",ylab="交易量",main="一周交易量变化情况图",las=2,type="b",xaxt="n",lty=1,pch=23,bg="green")
axis(1,at=weekdaymoney$Number,labels =weekdaymoney$weekday,cex.axis=1.5)
abline(h=mean(weekdaymoney$count),col="red")
#请左单击鼠标为红线加标备
text(locator(1),"平均值")
##生成一周交易额变化情况图 plot(weekdaymoney$Number,weekdaymoney$actualmoney,xlab="",ylab="交易额",main="一周交易额变化情况图",las=2,type="b",xaxt="n",lty=1,pch=23,bg="yellow")
axis(1,at=weekdaymoney$Number,labels =weekdaymoney$weekday,cex.axis=1.5)
abline(h=mean(weekdaymoney$actualmoney),col="red")
#请左单击鼠标为红线加标备
text(locator(1),"平均值")
detach(weekdaymoney)
感谢：
谢谢您花时间读到这里，尤其是作出评论的亲。数据分析学习之路，有您真好！
