使用 R 从数据中获取见解 Mendix 应用领域 Mendix

跳到主要内容

站内搜索

联系我们
免费试用

使用 R 从数据中获取见解 Mendix 应用

如上所述 在我们关于 OData 支持的博客文章中 Mendix，如果你想从应用程序中访问数据，OData 也很有用 R or RStudio。在这篇博文中，我将向您展示如何做到这一点。我还将针对不熟悉 R 的人给出一些如何使用 R 的简单示例。

什么是R？

R 是一种非常流行的开源统计分析编程语言，许多数据科学家都在使用它。您可以下载免费的开源版本，但您也可以在许多商业工具中找到 R 支持，包括 Microsoft Revolution R、Tibco Spitfire、Pivo​​tal、Oracle 和 Tableau。R 的有趣之处在于您可以使用大量库。库的范围从数据处理算法到图形、报告到机器学习。

将 OData 加载到 R 中

为了将 OData 检索到 R 中，我们将使用两个包： 哈特 金益辉 XML。第一个包使您能够从网络读取数据，第二个包可用于解析 XML 文档。

通过使用这些包的小函数，您可以获取 OData 资源并将其转换为 R 数据。

dataset <- getODataResource(<url of the odata resource>,<username>,<password>)

在开始之前我们需要指定我们需要的库。

library('httr')
library('XML')
library('dplyr')
library('lubridate')

getODataResource 函数首先读取 OData 资源，并使用 Httr 包解析返回的 XML 文档。接下来，它确定属性的名称，获取值，并构建包含这些值的数据框。

getODataResource <- function(resourcePath,domain,usr,pwd){
  
  url <- paste(domain, resourcePath,sep="")
  # get the OData resource
  response <- GET(url,authenticate(usr,pwd))
  
  # parse xml docucument
  responseContent <- content(response,type="text/xml")
  
  # determine the names of the attributes
  xmlNames <- xpathSApply(responseContent,
      '//ns:entry[1]//m:properties[1]/d:*',xmlName, 
      namespaces = c(ns = "https://www.w3.org/2005/Atom",
        m="https://schemas.microsoft.com/ado/2007/08/dataservices/metadata",
        d="https://schemas.microsoft.com/ado/2007/08/dataservices"))
  
  # determine all attribute values
  properties <- xpathSApply(responseContent,'//m:properties/d:*',xmlValue)
  
  # cast the attributes values into a data frame
  propertiesDF <- 
      as.data.frame(matrix(properties,ncol=length(xmlNames),byrow=TRUE))
  
  # set the column names
  names(propertiesDF) <- xmlNames
  return(propertiesDF)
}

这是您需要检索的基本功能 Mendix OData 资源导入 R。在当前形式下，它不处理嵌套数据，例如，订单行嵌套在订单中的订单。它也不使用 OData 资源中包含的数据类型信息。相反，我们将使用一些 R 表达式手动指定数据类型，如下所示。

示例用例

这个例子 Mendix 应用程序有订单、客户和地址的资源。我们将在 R 中创建每个城市的订单数量概览。

首先，我们将定义如何连接到我们的 Mendix 应用程序。

domain <- "https://localhost:8080/"
username <- "demo_reporter"
password <- "goSfcsDj00"[/bash]

The following will load all the objects in the customers and address entities into R data frames.

[bash]customers <- getODataResource("odata/Orders/Customers()",domain,username,password)
addresses <-  getODataResource("odata/Orders/Address()",domain,username,password)

对于订单，我们只对 1 年 2014 月 XNUMX 日以来创建的订单感兴趣。我们可以在 R 中按订单日期进行过滤，但在 OData 资源 URL 上指定它可以避免从您的 Mendix 数据库，并将所有数据从 Mendix 运行到 R。

orders <- getODataResource(
  "odata/Orders/Orders()/?$filter=OrderDate%20gt%20datetimeoffset'2014-01-01T00:00:00z'"
  ,domain,username,password)

数据框包含所有 Mendix 对象，通过 OData 资源检索。订单的前五条记录如下所示：

orders[1:5,c("OrderNumber","Order_Customer","OrderDate")]
##   OrderNumber   Order_Customer                OrderDate
## 1           1 2533274790395905 2015-01-18T10:32:00.000Z
## 2           2 2533274790395906 2014-01-30T07:01:00.000Z
## 3           3 2533274790395907 2014-04-16T13:15:00.000Z
## 4           4 2533274790395908 2014-09-19T07:52:00.000Z
## 5           5 2533274790395909 2015-01-14T07:28:00.000Z

现在我们有了数据，我们需要确保使用正确的数据类型。 Mendix ID 使用 long 实现 Mendix。在 R 中，可以使用双精度数。

customers$DateOfBirth <- ymd_hms(customers$DateOfBirth)
customers$ID <- as.double(customers$ID)
customers$Billing_Address <- as.double(customers$Billing_Address)
customers$Delivery_Address <- as.double(customers$Delivery_Address)

addresses$ID <- as.double(addresses$ID)

orders$ID <- as.double(orders$ID)
orders$Order_Customer <- as.double(orders$Order_Customer)
# for easy access, create separate columns with date and date time
orders$OrderDateTime <- ymd_hms(orders$OrderDate)
orders$OrderDate <- ymd(format(ymd_hms(orders$OrderDate),"%Y-%m-%d"))

接下来我们将使用 dplyr 库来处理收到的数据。Dplyr 可让您过滤数据、添加新列、选择某些列以及对行进行排序，这与您在常规数据库中使用 SQL 执行的操作非常相似。

以下 dplyr 表达式连接客户、地址和订单数据框。

customerOrders <- customers %>%
  rename(CustomerID=ID) %>%
  left_join(addresses, by=c("Delivery_Address"="ID")) %>%
  select(CustomerID,Firstname,Lastname,City,Country) %>%
  left_join(orders, by=c("CustomerID"="Order_Customer")) %>%
  select(Firstname,Lastname,City,Country,OrderNumber)

该数据框的前行如下所示：

customerOrders[1:5,]
##   Firstname Lastname        City Country OrderNumber
## 1      Ivan  Freeman New Orleans      US           1
## 2      Ivan  Freeman New Orleans      US         499
## 3   Anthony Robinson    Brighton      US           2
## 4   Anthony Robinson    Brighton      US         500
## 5     Kaden Griffith  Bridgeport      US           3

现在我们可以按如下方式计算每个城市的订单数量：

cityOrderCount <- customerOrders %>%
  group_by(City) %>%
  summarize(OrderCount = n()) %>%
  arrange(desc(OrderCount))

结果：

cityOrderCount[1:5,]
## Source: local data frame [5 x 2]
## 
##           City OrderCount
## 1     New York         28
## 2 Philadelphia         16
## 3      Chicago         15
## 4        Miami         12
## 5    Baltimore         10

创建图表

以下示例使用 ggplot2 创建图形。您也可以使用其他库来绘制图形，但 ggplot2 是最受欢迎的库之一。

我们将从一个简单的 bart 图开始，绘制每月的订单数量。

library('ggplot2')

# Determine first day of month for every order, count number of orders per month

orderCount <- orders %>%
  # Determine date of first day of the month, so ggplot understands it's a date
  mutate(OrderMonth = ymd(format(OrderDate,"%Y-%m-01"))) %>%
  group_by(OrderMonth) %>%
  summarize(noOfOrders = n())

# generate barchart to display number of orders per month

ggplot() +
  geom_bar(data=orderCount,aes(x=OrderMonth,y=noOfOrders), stat="identity") +
  xlab("Month") + 
  ylab("Number of orders") + 
  ggtitle("Orders per month")

每月订单量图表

接下来，我们想看看订单是在一周内何时下达的。首先，我们需要数据集，其中包含每笔订单的星期几和一天中的小时数。

ordersPerWeekHour <- orders %>%
  mutate(DayOfWeek = wday(OrderDate)) %>%
  mutate(HourOfDay = hour(OrderDateTime)) %>%
  group_by(DayOfWeek,HourOfDay) %>%
  summarize(noOfOrders = n())

现在对于实际的图表，我们可以使用 瓦片平面 显示每天每小时的订单数量。我们将日期放在 x 轴上，将小时放在 y 轴上，并使用订单数量来确定显示的颜色。

ggplot(ordersPerWeekHour, aes(x=DayOfWeek,y=HourOfDay))+
  geom_tile(aes(fill=noOfOrders)) +
  scale_fill_gradient(low="green", high="red") + 
  scale_x_continuous(breaks=1:7,labels=c("Sun","Mon","Tues","Wed","Thurs","Fri","Sat")) + 
  scale_y_continuous(breaks=0:24) +
  labs(x="Day", y="Hour")

订单数量热图

现在您可以轻松看到，大多数订单都是在 16:00 到 22:00 之间下达的，均匀分布在一周的所有日子里。

使用 R 生成报告

R 有一些有趣的报告功能。使用 降价，您可以直接从 R 报告生成 HTML、Word、PDF 甚至幻灯片。

这篇博文实际上是用 rmarkdown 编写的，生成了一个 MS-Word 文档。要用我的最新数据更新 Word 文档 Mendix 应用程序，我只需要重新运行 rmarkdown 脚本。

使用 Rmarkdown 最简单的方法是使用 RStudio 的内置功能。或者，您可以使用一些 R 代码生成 Rmarkdown 报告，而无需使用 RStudio：

library(knitr) # required for knitting from rmd to md
require(rmarkdown) # required for md to html
setwd('<location of your rmarkdown file>')
render("<name of the rmarkdown script>", "all")

结语

OData 功能 Mendix 为……开辟了很多可能性 Mendix 用户。R 是一款功能强大的统计分析和数据报告工具。使用 OData Mendix 用户现在可以轻松受益于所有这些设施。


选择你的语言