R:Google Analytics/Примеры — различия между версиями
м (→Предварительная настройка) |
м (→Анализ посещаемости по дням недели) |
||
| Строка 79: | Строка 79: | ||
== Анализ посещаемости по дням недели == | == Анализ посещаемости по дням недели == | ||
| − | {{r-code|code=<nowiki>> ga.data <- ga$getData(id, start.date = | + | {{r-code|code=<nowiki>> ga.data <- ga$getData(id, start.date = ga$getFirstDate(id), end.date = Sys.Date(), |
+ metrics = "ga:sessions", dimensions = "ga:date")</nowiki>}} | + metrics = "ga:sessions", dimensions = "ga:date")</nowiki>}} | ||
| − | {{rcode|code=<nowiki>> ga.data$weekdays <- factor(weekdays(ga.data$date, abbreviate = TRUE), levels = | + | {{rcode|code=<nowiki>> ga.data$weekdays <- factor(weekdays(ga.data$date, abbreviate = TRUE), levels = c("Mon", "Tue", "Wed", "Thu", "Fri", "Sat", "Sun"), ordered = TRUE)</nowiki>}} |
| + | |||
| + | {{r-code|code=<nowiki>> tapply(ga.data$sessions, ga.data$weekdays, mean) | ||
| + | Mon Tue Wed Thu Fri Sat Sun | ||
| + | 5682 6033 5572 5593 4717 3385 4120 </nowiki>}} | ||
{{r-code|code=<nowiki>> qplot(data = ga.data, x = weekdays, y = sessions, geom = "bar", stat = "summary", fun.y = "sum") + theme_bw()</nowiki>}} | {{r-code|code=<nowiki>> qplot(data = ga.data, x = weekdays, y = sessions, geom = "bar", stat = "summary", fun.y = "sum") + theme_bw()</nowiki>}} | ||
Версия 05:17, 24 апреля 2014
 
|
Материал «R:Google Analytics/Примеры», созданный авторами Филипп Управителев и Артём Клевцов, публикуется на условиях лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная. | |
|
 |
Перед использованием функций из пакетов их необходимо предварительно установить и загрузить: КодR <syntaxhighlight lang="r">> install.packages(pkgs = "pkgname") > library(package = "pkgname")</syntaxhighlight> |
В этой статье приведены конкретные примеры запросов к API Google Analytics, а также способы анализа и визуализации полученных данных. Все данные взяты из профиля сайта http://psylab.info.
Предварительная настройка
Прежде чем приступить к анализу и визуализации данных, нам необходимо, загрузить все необходимые пакеты R, определить ряд переменных, подключиться к API Google Analytics и т.д.
Установка английской локали для даты и времени:
<syntaxhighlight lang="r">> Sys.setlocale("LC_TIME", "en_US")</syntaxhighlight>
Загрузка необходимых пакетов для работы:
<syntaxhighlight lang="r">> library(reshape2) > library(scales) > library(ggplot2) > library(rga)</syntaxhighlight>
Подключение к API GA:
<syntaxhighlight lang="r">> rga.open(instance = "ga", where = "ga.rga")</syntaxhighlight>
Определяем id сайта в профиле GA для получения данных:
<syntaxhighlight lang="r">> siteURL <- "http://psylab.info" > profiles <- ga$getProfiles() > id <- profiles[profiles$websiteUrl == siteURL, "id"]</syntaxhighlight>
Определяем часовой пояс согласно настройкам ресурса в GA для корректного преобразования времени в R:
<syntaxhighlight lang="r">timezone <- as.character(profiles[profiles$id == id, "timezone"])</syntaxhighlight>
Анализ посещаемости сайта
Для анализа посещаемости сайта возьмём следующие показатели: количество пользователей, количество посещений (сеансов) и количество просмотров страниц.
Получение данных:
<syntaxhighlight lang="r">> ga.data <- ga$getData(id, start.date = Sys.Date(), end.date = Sys.Date() - 30, + metrics = "ga:pageviews,ga:sessions,ga:users", + dimensions = "ga:date")</syntaxhighlight>
Переменные id, start.date, end.date мы уже определили ранее.
Приведём часть полученной таблицы данных для лучшего понимания дальнейших действий:
<syntaxhighlight lang="r">> head(ga.data) date pageviews sessions users 1 2014-03-24 11919 5043 3989 2 2014-03-25 12744 5364 4254 3 2014-03-26 12986 5366 4211 4 2014-03-27 12833 5288 4164 5 2014-03-28 10201 4483 3586 6 2014-03-29 7602 3381 2647</syntaxhighlight>
Выведем описательных статистик по всем показаталеям:
<syntaxhighlight lang="r">> t(sapply(ga.data[, -1], summary)) Min. 1st Qu. Median Mean 3rd Qu. Max. pageviews 6590 10700 12700 12400 14500 16000 sessions 3090 4490 5320 5170 6040 6520 users 2270 3460 4160 4040 4740 5020</syntaxhighlight>
Визуализировать таблицу данных можно следующим образом:
<syntaxhighlight lang="r">> ga.long <- melt(ga.data, id.vars = "date", value.name = "value", variable.name = "metric") > qplot(data = ga.long, x = date, y = value, color = metric, shape = metric, geom = c("line", "point")) + + theme_bw() + scale_x_date(labels = date_format("%d %b"), breaks = date_breaks("week"))</syntaxhighlight>
Преобразование исходной таблицы в «длинный» формат с помощью функции melt() необходимо для более удобной работы с несколькими переменными при построении графика.
Полученный график приведён ниже:
Анализ посещаемости по дням недели
<syntaxhighlight lang="r">> ga.data <- ga$getData(id, start.date = ga$getFirstDate(id), end.date = Sys.Date(), + metrics = "ga:sessions", dimensions = "ga:date")</syntaxhighlight>
<syntaxhighlight lang="r">> tapply(ga.data$sessions, ga.data$weekdays, mean) Mon Tue Wed Thu Fri Sat Sun 5682 6033 5572 5593 4717 3385 4120 </syntaxhighlight>
<syntaxhighlight lang="r">> qplot(data = ga.data, x = weekdays, y = sessions, geom = "bar", stat = "summary", fun.y = "sum") + theme_bw()</syntaxhighlight>
