在数据集tianmao1中生成一个新列，将新列命名为stockclass：当库存stock等于0 时，stockclass的值为“无货”；当库存小于100，stockclass的值为“低库存”； 当库存大于等于100时，stockclass的值为“高库存”；

你可以使用以下代码在数据集`tianmao1`中生成一个新列`stockclass`，根据库存`stock`的不同值来进行分类：

tianmao1$stockclass <- ifelse(tianmao1$stock == 0, "无货",
                              ifelse(tianmao1$stock < 100, "低库存", "高库存"))

这段代码使用了`ifelse()`函数来根据条件对`stockclass`进行赋值。当`stock`等于0时，`stockclass`的值为"无货"；当`stock`小于100时，`stockclass`的值为"低库存"；当`stock`大于等于100时，`stockclass`的值为"高库存"。

相关问题

利用R语言实现以下功能： 从天猫网站爬取的电视销售数据（tianmaoTV.xlsx）包含商品名称、商品描述、现价、原价、月销量、库存、店铺ID、店铺名称、评分、收藏数、累计评价数、毛重、品牌、电视类型和屏幕尺寸共15个变量。 （1）将数据读进R并保存为tianmao1数据集； （2）提取当前价格（current_price）小于1000的所有观测，保存到数据集cplow1000； （3）在数据集tianmao1中生成一个新列，将新列命名为stockclass：当库存stock等于0 时，stockclass的值为“无货”；当库存小于100，stockclass的值为“低库存”； 当库存大于等于100时，stockclass的值为“高库存”； （4）利用grep函数提取tianmao1的stock、stockclass两列，将其保存到stockc数据集中； （5）计算每个品牌的总销量（提示：利用group_by和summarise函数），把销量前十的结果保存到brandmount数据框里，用1-2个图显示不同品牌的销量之间的差异，并说明为什么选用此种类型的图；

以下是利用R语言实现以上功能的代码：

# 导入所需包
library(readxl)
library(dplyr)
library(ggplot2)

# (1) 读取数据
tianmao1 <- read_excel("tianmaoTV.xlsx")

# (2) 提取当前价格小于1000的所有观测
cplow1000 <- filter(tianmao1, current_price < 1000)

# (3) 生成stockclass变量
tianmao1 <- mutate(tianmao1, stockclass = case_when(
  stock == 0 ~ "无货",
  stock < 100 ~ "低库存",
  stock >= 100 ~ "高库存"
))

# (4) 提取stock和stockclass列保存到stockc数据集中
stockc <- tianmao1[, c("stock", "stockclass")]

# (5) 计算每个品牌的总销量并保存前十结果到brandmount数据框
brandmount <- tianmao1 %>%
  group_by(品牌) %>%
  summarise(总销量 = sum(月销量)) %>%
  arrange(desc(总销量)) %>%
  head(10)

# 绘制销量差异图
ggplot(brandmount, aes(x = reorder(品牌, -总销量), y = 总销量)) +
  geom_bar(stat = "identity") +
  xlab("品牌") +
  ylab("总销量") +
  ggtitle("不同品牌的销量差异图") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) 

我们选用了柱状图来展示不同品牌的销量差异，因为柱状图可以直观地比较不同品牌的销量大小，并且易于理解和比较。柱状图适用于展示离散变量（品牌）与连续变量（销量）之间的关系。通过对柱状图进行排序，可以清楚地看到销量前十的品牌，方便进行比较和分析。

##）从天猫网站爬取的电视销售数据（tianmaoTV.xlsx，见data文件夹）包含商品名称、商品描述、现价、原价、月销量、库存、店铺ID、店铺名称、评分、收藏数、累计评价数、毛重、品牌、电视类型和屏幕尺寸共15个变量。2.1 将数据读进R并保存为tianmao1数据集；2.2 提取当前价格（current_price）小于1000的所有观测，保存到数据集cplow1000； 2.3 在数据集tianmao1中生成一个新列，将新列命名为stockclass：当库存stock等于0 时，stockclass的值为“无货”；当库存小于100，stockclass的值为“低库存”； 当库存大于等于100时，stockclass的值为“高库存”； 2.4 利用grep函数提取tianmao1的stock、stockclass两列，将其保存到stockc数据集中； 2.5 计算每个品牌的总销量（提示：利用group_by和summarise函数），把销量前十的 结果保存到brandmount数据框里，用1-2个图显示不同品牌的销量之间的差异，并 说明为什么选用此种类型的图； 2.6 按照不同品牌计算不同店铺的销量，并保存在bshoptop3数据框中； 2.7 分别绘制图体现收藏数和销量、销量和评分之间的关系； 2.8 筛选得出价格波动（原价和现价的差）最大的前十名商品，并保存在salestop10数 据集中； 2.9 生成原价和现价两列数据的箱线图，查看价格分布情况； 2.10 该表貌似整洁，但存在冗余，尝试将其修改为整洁数据集。

以下是根据您提供的要求对数据进行处理和分析的示例代码：

library(readxl)
library(dplyr)
library(ggplot2)

# 2.1 将数据读入R并保存为tianmao1数据集
tianmao1 <- read_excel("data/tianmaoTV.xlsx")

# 2.2 提取当前价格小于1000的所有观测，保存到数据集cplow1000
cplow1000 <- filter(tianmao1, current_price < 1000)

# 2.3 生成新列stockclass
tianmao1 <- mutate(tianmao1, stockclass = ifelse(stock == 0, "无货", ifelse(stock < 100, "低库存", "高库存")))

# 2.4 提取stock和stockclass两列保存到stockc数据集中
stockc <- select(tianmao1, stock, stockclass)

# 2.5 计算每个品牌的总销量并保存前十的结果到brandmount数据框
brandmount <- tianmao1 %>% group_by(品牌) %>% summarise(总销量 = sum(月销量)) %>% top_n(10)

# 绘制品牌销量差异的条形图
ggplot(brandmount, aes(x = reorder(品牌, -总销量), y = 总销量)) +
  geom_bar(stat = "identity", fill = "steelblue") +
  labs(x = "品牌", y = "总销量", title = "不同品牌的销量差异") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# 2.6 按照不同品牌计算不同店铺的销量，并保存在bshoptop3数据框中
bshoptop3 <- tianmao1 %>% group_by(品牌, 店铺名称) %>% summarise(总销量 = sum(月销量)) %>% top_n(3)

# 2.7 绘制收藏数和销量、销量和评分之间的关系图
ggplot(tianmao1, aes(x = 收藏数, y = 月销量)) +
  geom_point() +
  labs(x = "收藏数", y = "月销量", title = "收藏数和销量之间的关系")

ggplot(tianmao1, aes(x = 评分, y = 月销量)) +
  geom_point() +
  labs(x = "评分", y = "月销量", title = "评分和销量之间的关系")

# 2.8 筛选价格波动最大的前十名商品，并保存在salestop10数据集中
salestop10 <- tianmao1 %>% mutate(价格波动 = 原价 - 现价) %>% top_n(10, 价格波动)

# 2.9 绘制原价和现价的箱线图
ggplot(tianmao1, aes(x = "", y = 原价)) +
  geom_boxplot() +
  labs(x = "", y = "原价", title = "原价的分布情况")

ggplot(tianmao1, aes(x = "", y = 现价)) +
  geom_boxplot() +
  labs(x = "", y = "现价", title = "现价的分布情况")

# 2.10 修改数据为整洁数据集
tianmao2 <- tianmao1 %>% select(-c(商品描述, 店铺ID, 累计评价数, 毛重, 电视类型, 屏幕尺寸))

请注意，上述代码中使用了`read_excel`函数来读取Excel文件，您可能需要安装并加载`readxl`包。另外，代码中的图表是使用`ggplot2`包绘制的，您需要安装并加载该包来运行图表部分的代码。