1. 데이터 전처리 - 원하는 형태로 데이터 가공하기

1) 데이터 전처리?

• 분석에 적합하게 데이터를 가공하는 작업
• cf. 데이터 가공, 데이터 핸들링, 데이터 랭글릭, 데이터 먼징 등과 같은 용어도 비슷한 의미로 사용.

2) dplyr 패키지로 데이터 가공하기

dplyr 함수	기능
filter( )	행 추출
select( )	열(변수) 추출
arrange( )	정렬
mutate( )	변수 추가
summarise( )	통계치 산출
group_by( )	집단별로 나누기
left_join( )	데이터 합치기 (열)
bind_rows( )	데이터 합치기 (행)

---

2. 조건에 맞는 데이터만 추출하기

1) dplyr 패키지의 filter( )

• 데이버를 분석할 때, 원하는 데이터를 추출할 수 있는 함수

2) 조건에 맞는 데이터만 추출하기

• dplyr 패키지 로드 후 csv_exam.csv 파일을 데이터 프레임으로 만들어 출력

library(dplyr)
exam <- read.csv("csv_exam.csv")
exam

• dplyr패키지의 filter( )를 이용해 1반 학생들의 데이터만 추출

exam %>% filter(class == 1)

• 2반 학생들의 데이터만 추출

exam %>% filter(class == 2)

• 변수가 특정 값이 '아닌' 경우에 해당하는 데이터만 추출하기
  (!= 사용)

exam %>% filter(class != 1) #1반이 아닌 경우
exam %>5% filter(class != 3) #3반이 아닌 경우

3) 초과, 미만, 이상, 이하 조건 걸기

• 초과인 조건 걸기

exam %>% filter(math > 50)  #수학 점수가 50점을 초과한 경우

• 미만인 조건 걸기

exam %>% filter(math < 50) #수학 점수가 50점 미만인 경우

• 이상인 조건 걸기

exam %>% filter(english >= 80) #영어 점수가 80점 이상인 경우

• 이하인 조건 걸기

exam %>% filter(english <= 80) #영어 점수가 80점 이하인 경우

• 사용 연산자

기호	설명
	- 데이터 전달하기
파이프 연산자(%>%)	- dplyr 패키지를 로딩하면 사용할 수 있음
	- 파이프 연산자(%>%)는 체인 연산자(chain operator), 파이프라고도 함.
	- 앞서 연산된 결과값 또는 데이터를 다음으로 전달하는 역할을 함.
==	- 서로 같다는 의미
!=	- 같지 않다는 의미
>	- ~보다 크다는 의미
<	- ~보다 작다는 의미
>=	- ~보다 크거나 같다
<=	~보다 작거나 같다

4) 여러 조건을 충족하는 행 추출하기

• 기호 & 사용

<입력>
#1반이면서 수학점수가 50점 이상인 경우
exam %>% filter(class == 1 & math >= 50)

<출력>
##   id  class  math  english  science
## 1  1     1     50       98       50
## 2  2     1     60       97       60


<입력>
#2반이면서  영어 점수가 80점 이상인 경우
exam %>% filter(class == 2 & english >= 80)

<출력>
##   id  class  math  english  science
## 1  5      2    25       80       65
## 2  6      2    50       89       98
## 3  7      2    80       90       45

5) 여러 조건 중 하나 이상 충족하는 행 추출하기

• | 기호 사용 ( | 기호는 '또는'을 의미)

<입력>
#수학 점수가 90점 이상이거나 영어 점수가 90점 이상인 경우
exam %>% filter(math >= 90 | english >= 90)

<출력>
##   id  class  math  english  science
## 1  1     1     50      98        50 
## 2  2     1     60      97        60 
## 3  4     1     30      98        58
## 4  7     2     80      90        45
## 5  8     2     90      78        25
## 6  9     3     20      98        15

<입력>
#영어 점수가 90점 미만이거나 과학 점수가 50점 미만인 경우
exam %>% filter(english < 90 | science < 50)

<출력>
##   id  class  math  english  science
## 1  3     1     45      86        78 
## 2  5     2     25      80        65 
## 3  6     2     50      89        98
## 4  7     2     80      90        45
## 5  8     2     90      78        25
## 6  9     3     20      98        15

6) 목록에 해당하는 행 추출하기

• 변수의 값이 지정한 목록에 해당될 경우만 추출해야할 경우 ' | ' 기호를 이용해 여러 조건을 나열

<입력>
#1, 3, 5반에 해당하면 추출

<출력>
##   id  class  math  english  science
## 1  1     1     50      98        50 
## 2  2     1     60      97        60 
## 3  3     1     45      86        78
## 4  4     1     30      98        58
## 5  9     3     20      98        15
## 6  10    3     50      98        45

• %in% 기호와 c( )함수를 이용해 조건목록에 입력하면 변수의 값이 지정한 조건 목록에 해당하는지 확인할 수 있음.
  (%in% : 매치연산자)

<입력>
exam %>% filter(class %in% c(1, 3, 5)) #1, 3, 5반에 해당하면 추출

<출력>
##   id  class  math  english  science
## 1  1     1     50      98        50 
## 2  2     1     60      97        60 
## 3  3     1     45      86        78
## 4  4     1     30      98        58
## 5  9     3     20      98        15
## 6  10    3     50      98        45

7) 추출한 행으로 데이터 만들기

class1 <- exam %>% filter(class == 1) #class가 1인 행 추출, class1에 할당
class2 <- exam %>% filter(class == 2) #class가 2인 행 추출, class2에 할당

mean(class1$math) #1반 수학 점수 평균 구하기
## [1] 46.25

mean(class2$math) #2반 수학 점수 평균 구하기
## [1] 61.25

---

3. 필요한 변수만 추출하기

• select( )함수 : 데이터에 들어 있는 수많은 변수 중 일부 변수만 추출해 활용하고자 할 때 사용

1) 변수 추출하기

• %>% 로 select( ) 연결 : 원하는 변수만 추출해 출력하는 기능

<입력>
#exam에서 math 변수만 추출해 출력
exam %>% select (math)

<출력>
##	  math
## 1   50				
## 2   60        		
## 3   45			
## 4   30			
......

2) 여러 변수 추출하기

• 쉼표를 넣어 변수명을 나열하면 여러 변수를 동시에 추출할 수 있다.

<입력>
#exam에서 class, math, english 변수 추출
exam %>% select (class, math, english)

<출력>
##	  class		math	english	 
## 1   1		  50			98		
## 2   1	 	  60			97	    
## 3   1		  45			86			
## 4   1		  30			98		
......

3) 변수 제외하기

• 특정 변수만 제외하고 나머지 모든 변수를 추출하는 방법
• 제외할 변수명 앞에 빼기 기호 (-) 입력
• 여러 변수 제외하려면 쉼표 사용

#exam에서 math 변수만 추출해 출력
exam %>% select (math)

<출력>
##	  id	class	english	 science
## 1   1		1		98		50	
## 2   2        1		97	    60
## 3   3		1		86		78	
## 4   4		1		98		58
......

4) dplyr 함수 조합하기

• filter( )와 select( ) 조합하기

<입력>
# class가 1인 행만 추출한 다음 english 추출
exam %>% filter(class == 1) %>% select(english)

<출력>
##   english
## 1	98
## 2	97
## 3	86
## 4	98

• 가독성 있기 줄 바꾸기
  • %>%로 코드가 연결되는 부분에서 줄을 바꾸면 함수별로 구분되기 때문에 가독성 있는 코드를 만들 수 있음
  • %>% 뒤에서 Enter키로 줄을 바꾸면 자동으로 일정 간격이 띄어져 어디까지 dplyr코드 단락인지 파악 가능
  • 실행할 때는 dplyr구문 전체를 함께 실행해야 함.

    exam %>%
    filter(class == 1) %>%  #class가 1인 행 추출
    select(english) 	#english 추출

• 일부만 출력하기
  • 데이터의 일부를 출력할 때 사용하는 head( )를 dplyr에 조합해 사용
  • dplyr 구문의 마지막에 %>%로 연결해 head를 입력
  • 괄호 없이 head만 쓰면 6행까지 출력, 괄호 안에 숫자 입력하면 입력한 숫자만큼 행 추출
  • dplyr 적용한 결과 중 일부만 확인하고자 할 때 사용

    <입력>
    exam %>%
    	select(id, math) %>%  #id, math 추출
        head				  #앞부분 6행까지 추출
    <출력>
    ##	  id	  math
    ## 1 	1  		50				
    ## 2   	2		60        		
    ## 3   	3		45			
    ## 4   	4		30	 
    ## 5 	5		25
    ## 6	6		50
    
    

---

4. 순서대로 정렬하기

1) 오름차순으로 정렬하기

• arrange( )에 정렬을 원하는 변수명을 입력하면 오름차순으로 정렬해 출력

<입력>
exam %>% arrange(math)  #math오름차순 정렬

<출력>
##  	id	  class	  math   english   science
## 1	 9		 3		20		 98			15
## 2	 5		 2		25		 80			65
## 3	 4		 1		30		 98			58
## 4  	 3		 1		45		 86			78
## 5	12		 3		45		 85			32
## 6	13		 4		46		 98			65
...

2) 내림차순으로 정렬하기

• desc( )에 정렬을 원하는 변수를 입력하면 높은 값에서 낮은 값 순으로 내림차순 정렬

<입력>
exma %>% arrange(desc(math)) #math 내립차순 정렬

<출력>
## 		id	  class	   math    english    science
## 1	4		1		30			98		  58
## 2	3		1		45			86		  78
## 3	1		1		50			98		  50	
## 4	2		1		60			97		  60
## 5	5		2		25			80		  65
## 6	6		2		50			89		  98
## 7	7		2		80			90		  45
## 8	8		2		90			78		  25

---

5. 파생변수 추가하기