今天挑战的是密度图：
表象的纷繁无常，我们总需要一种图形可以一眼表现出数据的特征。数据分布图无疑是非常能反映数据特征(用户症状)的。配合中位数和9分位数，效果更佳。
例如下图，由于保密关系我隐藏各条线分别代表什么，以及这张图是什么数据产出。单单从线条中就可以看出各个渠道下单的人群习惯买多少前的东西，并且大概分布式什么。从图中可以看出这三条线其实区别不大，粉色的渠道略微倾向用户下单的金额高一点，蓝色的渠道呢倾向用户下单的金额偏低一些。
R语言处理的具体步骤
1.用which函数调取各个渠道数据，例如heki=hekihi[which(hekihi$source =="*****"),]
2.直接用ggplot即可作图了，比例图自己就可以出
ggplot(3fsje,aes(x=amount))+geom_line(stat="density",lwd=1.0,color="blue")+
xlab("每笔订单金额")+ylab("比例")+labs(title="各渠道每笔贡献金额密度图")+
geom_line(data=12fsje,aes(x=amount),stat="density",lwd=1.0,color="green")+
geom_line(data=45fsje,aes(x=amount),stat="density",lwd=1.0,color="pink")
其实反过来想想，这种每笔订单金额，我们用excel，客单价=订单金额/订单笔数不是更加方便么。其实这一年我所有报告我都是EXCEL简单的一除了事。
客单价各个渠道差距很大，但是同样的上面的密度图反映其实差别并不大。原因在于一个渠道有批发订单，一个订单的金额过大，如果简单的用客单价的定义就可能掩盖这个问题，但是如果用密度图就不会。所以，密度图可以更加精确真实的反映事实真相。
3.