Analyse des ventes

Dans une entreprise commerciale, il est souvent pertinent de suivre la vente d’une catégorie particulière. Ici nous allons nous intéresser à la vente des boissons à 20%

Le modèle de données

Le fichier csv qui sert de support est comme suit : jour,date,total.TTC.10,total.TTC.20

Les dates sont au format JJ/MM/AAAA Exemple de données :

1 jour,date,total TTC 10 %,total TTC 20 %
2 samedi,01/04/17,"458,5","7,6"
3 dimanche,02/04/17,"323,35",
4 lundi,03/04/17,,
5 mardi,04/04/17,176,
6 mercredi,05/04/17,"289,6","6,8"
7 jeudi,06/04/17,"329,5",

Première étape : charger le fichier csv

	Database <- read.csv(file.choose(), header = TRUE, sep= ",", encoding="UTF-8")

On vérifie la qualité du chargement :

• Les entêtes

  > names(Database)
  [1] "jour"           "date"           "total.TTC.10.." "total.TTC.20.."

• Le nombre de colonnes et le nombre de lignes :

  > dim(Database)
  [1] 365   4

On vérifie les premières lignes

> head(Database)                   
      jour     date total.TTC.10.. total.TTC.20..
1   samedi 01/04/17          458,5            7,6
2 dimanche 02/04/17         323,35               
3    lundi 03/04/17                              
4    mardi 04/04/17            176               
5 mercredi 05/04/17          289,6            6,8
6    jeudi 06/04/17          329,5

Sélectionner que les mardis :

subset(Database, Database$jour %in% "mardi")

Passer la colonne date au format YYYY-MM-DD

• Pour changer le format de la date on a besoin du package lubridate

  install.packages('lubridate')
  library(lubridate)
  dmy(Database$date)

Regrouper les lignes pour n’avoir qu’un cumul par mardi

• On a besoin de 2 paquets supplémentaires

  install.packages("magrittr") # pour avoir accés à la fonction %>%
  library(magrittr)
  install.packages("dplyr") # pour avoir la fonction group_by
  library(dplyr)