🌱 데이터 읽어오기와 저장

설치

엑셀 읽을 패키지와 라이브러리 설치

install.packages("readxl")
library(readxl)

읽기

• 엑셀

read_excel("읽을 파일이 있는 위치")
ex) read_excel("C:/R/excel_exam.xlsx")

• csv

read.csv("읽을 파일")
ex) read.csv("C:/R/csv_exam.csv")

파일로 저장

먼저 값이 너무 많으니까 6열 까지만 df에 저장

🍃 방법 1
> df <- read.csv("C:/R/csv_exam.csv")[1:6,]
> df
  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  5     2   25      80      65
6  6     2   50      89      98

🍃 방법 2
> df <- read.csv("C:/R/csv_exam.csv")[1:5, 3:5]
> df
  math english science
1   50      98      50
2   60      97      60
3   45      86      78
4   30      98      58
5   25      80      65

🍃 방법 3
> df <- read.csv("C:/R/csv_exam.csv")[1:5, -c(1,2)]
> df
  math english science
1   50      98      50
2   60      97      60
3   45      86      78
4   30      98      58
5   25      80      65

저장

> # write.csv(무엇을(객체를), 어떤이름으로 저장할 것인가)
> write.csv(df, "csv_test.txt")
> write.csv(df, "csv_text.csv")

실행시

파일 이름이 한글인 경우

안읽히는 경우가 있다. 이럴때는 read.csv()나 read.table() 함수 뒤에 fileEncoding="euc-kr" 혹은 fileEncoding="cp949" 이라는 옵션을 넣어보길

read.csv("C:/R/한글파일이름.csv", fileEncoding = "euc-kr")
read.csv("c:/r/한글파일이름.csv", fileEncoding = "cp949")

+) 파일이 지금 내 working directory 밑에 있다면 위처럼 일일히 상세 경로를 적어주지 않아도 된다.

read.csv("C:/R/한글파일이름.csv")
read.csv("한글파일이름.csv")
둘은 똑같이 동작

∴만약 경로 지정 안하고 파일 이름만 써서 불러오고 싶다면
지금 내 getwd()를 확인해 그 밑에 불러올 파일을 넣어보시길

데이터 살펴보기

🍃 head() : 앞에서 몇 줄 출력할 것인가?
			default값은 6
			[사용예시] head(df)
					  head(df, 2) -- 앞에서 부터 2줄 출력

🍃 tail() : 뒤에서부터 몇 줄 출력할 것인가?
			default값은 6
            [사용예시] tail(df)
            		  tail(df, 3) -- 뒤에서 3줄 출력

🍃 str() : 데이터 속성 확인
			[사용예시]
            > str(df)
            tibble [20 × 5] (S3: tbl_df/tbl/data.frame)
             $ id     : num [1:20] 1 2 3 4 5 6 7 8 9 10 ...
             $ class  : num [1:20] 1 1 1 1 2 2 2 2 3 3 ...
             $ math   : num [1:20] 50 60 45 30 25 50 80 90 20 50 ...
             $ english: num [1:20] 98 97 86 98 80 89 90 78 98 98 ...
             $ science: num [1:20] 50 60 78 58 65 98 45 25 15 45 ...
            
            각 컬럼 명 : 컬럼 타입 [데이터가 몇개있는가] 예시로 보여주는 값
            
🍃 summary() : 요약 통계 출력
				[사용예시]
                > summary(df)
                       id            class        math          english    
                 Min.   : 1.00   Min.   :1   Min.   :20.00   Min.   :56.0  
                 1st Qu.: 5.75   1st Qu.:2   1st Qu.:45.75   1st Qu.:78.0  
                 Median :10.50   Median :3   Median :54.00   Median :86.5  
                 Mean   :10.50   Mean   :3   Mean   :57.45   Mean   :84.9  
                 3rd Qu.:15.25   3rd Qu.:4   3rd Qu.:75.75   3rd Qu.:98.0  
                 Max.   :20.00   Max.   :5   Max.   :90.00   Max.   :98.0  
                    science     
                 Min.   :12.00  
                 1st Qu.:45.00  
                 Median :62.50  
                 Mean   :59.45  
                 3rd Qu.:78.00  
                 Max.   :98.00
                 
                 진짜 요약이다. 해당 컬럼의 최소값, 최대값, 평균값등을 확인 가능
                 

---

🌱 가공

dplyt로 가공

# 패키지가 없다면 패키지 설치부터 
# install.packages("dplyr")

# dplyr 라이브러리 사용하겠다 불러오기
library(dplyr)

가장 많이 쓰이는 5개보기

1. filter() : 행 추출

🍃 filter(.data, ...)
          .data : 어떤 데이터 프레임에 대하여
          ... : 어떤 조건을 걸 것인가

          [사용 예시]
          > # df에서 class == 1인 것들만 보겠다
          > filter(df, class == 1)
          # A tibble: 4 × 5
               id class  math english science
            <dbl> <dbl> <dbl>   <dbl>   <dbl>
          1     1     1    50      98      50
          2     2     1    60      97      60
          3     3     1    45      86      78
          4     4     1    30      98      58
         
          
          위는 RStudio `help`에서 설명하는 filter의 사용모습
          하지만 아래처럼 파이프를 사용한 모습을
          더 많이 사용 한다고 함

🧃 데이터 프레임 %>% filter(조건)

          [사용 예시]
          > # df에서 %>% filter(class가 1인 것만)
          > df %>% filter(class == 1)
          # A tibble: 4 × 5
               id class  math english science
            <dbl> <dbl> <dbl>   <dbl>   <dbl>
          1     1     1    50      98      50
          2     2     1    60      97      60
          3     3     1    45      86      78
          4     4     1    30      98      58
          
          > or and 비교 모두 가능
          > # 1반이면서 수학점수 50이상
          > df %>% filter(class == 1 & math >=50)
          # A tibble: 2 × 5
               id class  math english science
            <dbl> <dbl> <dbl>   <dbl>   <dbl>
          1     1     1    50      98      50
          2     2     1    60      97      60
          
          ># 하나의 컬럼에서 중복된 여러개를 뽑고 싶을때
          ># %in% c() 를 사용하기도 함
          ># ex) 1, 3, 5반에 해당하면 추출
          >df %>% filter(class == 1 | class == 3 | class ==5)
          >df %>% filter(class %in% c(1, 3, 5))
          ># 위 두개는 같은 결과 값

2. select() : 열 추출

🍃 select(.data, -)
          .data : 어떤 데이터 프레임에 대하여
          - : 어떤 조건을 걸 것인가
          [사용예시]
          > select(df, math)
          # A tibble: 20 × 1
              math
             <dbl>
           1    50
           2    60
           3    45
           4    30
           .....
          
 
pipe 라인 사용시
🧃 데이터 프레임 %>% select(추출할 열)
      [사용 예시]
      > df %>% select(math)
      # A tibble: 20 × 1
          math
         <dbl>
       1    50
       2    60
       3    45
       ...

      > # 여러개 뽑기
      > df %>% select(math, english)
      # A tibble: 20 × 2
          math english
         <dbl>   <dbl>
       1    50      98
       2    60      97
       3    45      86
       4    30      98
       5    25      80
       
      ># 특정 열 제외
      > df %>% select(-math)
      # A tibble: 20 × 4
            id class english science
         <dbl> <dbl>   <dbl>   <dbl>
       1     1     1      98      50
       2     2     1      97      60
       3     3     1      86      78
       4     4     1      98      58
       5     5     2      80      65
       
      ># 필터와 함께 쓰기
      ># filter로 먼저 걸러내고 select
      ># 1반인애들 수학성적보여주기
      > df %>% filter(class == 1) %>% select(math)
      # A tibble: 4 × 1
         math
        <dbl>
      1    50
      2    60
      3    45
      4    30
      
      ># 1반에 수학성적이 50인 애들의 영어와 과학 열을 보여달라
      > df %>% filter(class == 1 & math >= 50) %>% select(english, science)
      # A tibble: 2 × 2
        english science
          <dbl>   <dbl>
      1      98      50
      2      97      60
      

3. 정렬

🧃 데이터프레임 %>% arrange(행)

df %>% arrange(math) ---------- 오름차순
df %>% arrange(desc(math)) ---- 내림차순

	[사용예시]
    > # 반이 2,3인데  수학점수가 50이상인데 학생들의
    > # 영어와 과학점수를
    > # 영어는 오름차순, 과학은 내림차순으로 정렬해 보여주시오
    > df %>% filter(class == c(2,3) & math >= 50 )%>% arrange(science, desc(math)) 
    # A tibble: 2 × 5
         id class  math english science
      <dbl> <dbl> <dbl>   <dbl>   <dbl>
    1     7     2    80      90      45
    2    10     3    50      98      45

---

새로운 열(변수) 추가

🍃 mutate : 있는 값을 변형해서 추가하겠다.
(있던 값 변형이라 파생변수라고도 함)

데이터프레임 %>% mutate(열이름 = 변형 값)
만약 열 이름을 지정 안한다면 '변형 값'이 그대로 열이름이 된다.

[사용예시]
> # 수학점수를 10점씩 올려 새로운 열로 추가하기
> df %>% mutate(tot = math + english + science)
# A tibble: 20 × 6
      id class  math english science   tot
   <dbl> <dbl> <dbl>   <dbl>   <dbl> <dbl>
 1     1     1    50      98      50   198
 2     2     1    60      97      60   217
 ...
 
># 열이름 지정 안해줬을 때
> df %>% mutate(math + english + science)
# A tibble: 20 × 6
      id class  math english science `math + english + science`
   <dbl> <dbl> <dbl>   <dbl>   <dbl>                      <dbl>
 1     1     1    50      98      50                        198
 2     2     1    60      97      60                        217 
...

> # 두 개의 열을 동시에 만들어 줄 수도 있음
> df %>% mutate(tot = math + english + science,
+               mean = (math + english + science)/3)
# A tibble: 20 × 7
      id class  math english science   tot  mean
   <dbl> <dbl> <dbl>   <dbl>   <dbl> <dbl> <dbl>
 1     1     1    50      98      50   198  66  
 2     2     1    60      97      60   217  72.3
...

># 먼저 계산된 값을 뒤에 사용할 수 도 있음
> df %>% mutate(tot = math + english + science,
+               mean = tot/3)
# A tibble: 20 × 7
     id class  math english science   tot  mean
   <dbl> <dbl> <dbl>   <dbl>   <dbl> <dbl> <dbl>
 1     1     1    50      98      50   198  66 
 ... (오류없이 실행되는 모습)

+) ifelse

ifelse(조건, 참일때 출력어, 거짓일때 출력어)

># 만약 수학이 50점이상이라면 pass, 아니라면 fail 열 추가
> df %>% mutate(test = ifelse(math >= 50, "Pass", "Fail"))
# A tibble: 20 × 6
      id class  math english science test 
   <dbl> <dbl> <dbl>   <dbl>   <dbl> <chr>
 1     1     1    50      98      50 Pass 
 2     2     1    60      97      60 Pass 
 3     3     1    45      86      78 Fail 
 4     4     1    30      98      58 Fail 
 5     5     2    25      80      65 Fail 

---

🌱 집단별로 요약하기

요약 통계량 함수

• mean() : 평균
• sd() : 표준편차
• sum() : 합계
• median() : 중앙값
• min() : 최솟값
• max() : 최댓값
• n() : 빈도

># 수학점수 평균 내기. 아래 둘은 같은 결과
mean(df$math)
df %>% summarise(mathM = mean(math))


># 새로운 칼럼, 평균 주행연비 칼럼을 만들어 주세요
library(ggplot2)
mpg <- mpg %>% select(manufacturer, model, displ, year, cty, hwy) %>%
  mutate(평균주행연비 = (cty+hwy)/2) %>% arrange(desc(평균주행연비))

특정 집단으로 묶을 때

group_by
: ~별 평균을 구하시오 와 같은 조건일때 사용
: 특정 조건을 만족시키는 값들을 그룹지어 리턴하는 기능을 가진다

># 제조사별 도시 주행연비의 평균은?
mpg %>% group_by(manufacturer) %>% summarise(연비평균 = mean(cty))

># 줄세우기
mpg %>% group_by(manufacturer) %>% summarise(연비평균 = mean(cty)) %>% arrange(연비평균)

># 제조사와 모델 별 도시주행연비의 평균을 줄세워서
mpg %>% group_by(manufacturer, model) %>% 
  summarise(연비평균 = mean(cty)) %>% arrange(연비평균)

dataframe 합치기

join

🍃 left_join(데이터프레임1, 데이터프레임2, by="기준 열") : 왼쪽테이블을 기준으로 기준열(by)이 겹치는 것만 추출

# 데이터 생성
# 중간고사
> test3 <- data.frame(id = c(1, 2, 3, 4, 5), 
                         midterm = c(60, 80, 70, 90, 85))

># 기말고사
> test4 <-  data.frame(id = c(6, 7, 8, 9, 10),
                     final = c(70, 83, 65, 95, 80))

> left_join(test3, test4, by = "id")
  id midterm final
1  1      60    NA
2  2      80    NA
3  3      70    NA
4  4      90    NA
5  5      85    NA

🍃 right_join(데이터프레임1, 데이터프레임2, by="기준 열") : 오른쪽 테이블을 기준으로 기준열(by)이 겹치는 것만 추출

> right_join(test3, test4, by = 'id')
  id midterm final
1  6      NA    70
2  7      NA    83
3  8      NA    65
4  9      NA    95
5 10      NA    80

🍃 bind_rows(dataframe1, dataframe2)

> all <-bind_rows(test3, test4)
> all
   id midterm final
1   1      60    NA
2   2      80    NA
3   3      70    NA
4   4      90    NA
5   5      85    NA
6   6      NA    70
7   7      NA    83
8   8      NA    65
9   9      NA    95
10 10      NA    80

🍃 full_join(데이터프레임1, 데이터프레임2, by="기준 열") : 모든 테이블 값 추출

># 어느열을 기준으로 할지 정하지 않으니까
># 알아서 "id"를 기준으로 Joining 해줌
> full_join(test3, test4)
Joining, by = "id"
   id midterm final
1   1      60    NA
2   2      80    NA
3   3      70    NA
4   4      90    NA
5   5      85    NA
6   6      NA    70
7   7      NA    83
8   8      NA    65
9   9      NA    95
10 10      NA    80

🍃 inner_join(데이터프레임1, 데이터프레임2, by="기준 열") : 기준열을 중심으로 두 테이블에 같이 존재하는 데이터를 추출

> inner_join(test3, test4)
Joining, by = "id"
[1] id      midterm final  
<0 행> <또는 row.names의 길이가 0입니다>
># 기준열을 명시해주지 않자 알아서 id를 기준열로 잡았지만
># 겹치는 데이터가 없어 값이 나오지 않음


> inner_join(test1, test2)
Joining, by = "id"
  id midterm final
1  1      60    70
2  2      80    83
3  3      70    65
4  4      90    95
5  5      85    80
># 기준열인 "id" 가 겹치는 모든 값들을 보여준다.

---

행 이름 바꾸기 한번 더

1. colnames(test1)=c('id',"test")

> test1
  id midterm
1  1      60
2  2      80
3  3      70
4  4      90
5  5      85

> colnames(test1)=c('id',"test") 
> test1
  id test
1  1   60
2  2   80
3  3   70
4  4   90
5  5   85

> colnames(test1)[2]= "test"
> test1
  id test
1  1   60
2  2   80
3  3   70
4  4   90
5  5   85

2. rename(데이터프레임1, 새변수명 = 기존변수명)
   or
   데이터프레임1 %>% rename(새변수명 = 기존변수명)

> test1 %>% rename(midterm = te)
  id midterm
1  1      60
2  2      80
3  3      70
4  4      90
5  5      85

---

+) View()

뷰어 창에서 데이터 확인하기

View(test2)

---

merge

• merge(데이터프레임1, 데이터프레임2, by = "기준축")
  두 데이터 set 비교해 공통되는 것만 뽑아준다.

> merge(test1, test2, by="id")
  id midterm final
1  1      60    70
2  2      80    83
3  3      70    65
4  4      90    95
5  5      85    80

> merge(test3, test4, by="id")
[1] id      midterm final  
<0 행> <또는 row.names의 길이가 0입니다>



># 만약 공통되지 않는 부분도 살리고 싶다면
># all.살리고싶은 축 = TRUE
> merge(test3, test4, by="id", all.x = T)
  id midterm final
1  1      60    NA
2  2      80    NA
3  3      70    NA
4  4      90    NA
5  5      85    NA
> merge(test3, test4, by="id", all.y = T)
  id midterm final
1  6      NA    70
2  7      NA    83
3  8      NA    65
4  9      NA    95
5 10      NA    80



>#모두 살리고 싶으면 all = TRUE
> merge(test3, test4, by="id", all = T)
   id midterm final
1   1      60    NA
2   2      80    NA
3   3      70    NA
4   4      90    NA
5   5      85    NA
6   6      NA    70
7   7      NA    83
8   8      NA    65
9   9      NA    95
10 10      NA    80