복습 문제
1. csv_exam.csv 파일을 읽어오세요
[답변] csv_exam <- read.csv("csv_exam.csv")
2. 1반이 아니면서 영어 혹은 과학이 90점 이상인 값만 추출하시오
[답변] csv_exam %>% filter(class != 1 & (english >= 90 | science >= 90))
3. 별도의 패키지 없이 read_excel()함수는 사용이 가능하다?(ox)
[답변] x
4. 갯수를 세는 n() 함수는 summarise 함수가 아닌 어느 함수에서나 사용이 가능하다(ox)
[답변] x
5. test1 <- data.frame(mid = c(80, 90, 100, 95))
test1 %>% rename(mid = test)
위 코드가 원하는대로 작동하지 않는 이유는?
[답변] rename(새로운 변수명 = 기존 변수명) 이여야 한다.
6. 세과목의 합을 구하시오
[답변] csv_exam %>% mutate(totle = math + science + english)
7. 세과목의 합이 200이 넘으면 pass, 넘지못하면 fail로 표기하는 '통과여부' 컬럼을 추가하시오
[답변] exam %>% mutate(total = math + english + science,
통과여부 = ifelse(total >= 200, "pass", "fail"))
8. dplyr로 가공시 집단별로 나누는 함수는
[답변] group_by()
9. 현재 지정된 작업 폴더의 경로를 출력하고 싶다면
[답변] getwd()
10. 컬럼명을 알고싶다면
[답변] colnames(), names()
11. 아래 데이터를 합치세요
class1 <- data.frame(name = c("kim", "lee", "park", "ang", "min"),
score = c(93, 84, 87, 98, 77))
class2 <- data.frame(name = c("kang", "yun", "cho", "yang", "jung"),
score = c(90, 95, 75, 79, 90))
[답변] full_join(class1, class2)
bind_rows(class1, class2)
12. 새로운 컬럼을 추가하는 함수는 무엇인가
[답변] mutate()
13. 점수합산 1등을 알고싶다면
[답변] exam <- exam %>% mutate(total = math + english + science)
exam %>% summarise("1등" = max(total))
->컬럼명 처음에 숫자가 나와서 ""로 묶어준것이고
숫자로 시작하는게 아니라면 안묶어도 ok
exam %>% arrange(desc(total)) %>% head(1) %>% select("1등" = total)
-> 이런식으로 사용도 가능🌱 결측치
자료가 누락되어있는 상태
출력시 NA라 표시된다
데이터 만들기
> df <- data.frame(sex = c("M","F", NA, "M", "F"),
+ score = c(5,4,3,4,NA))
> df
sex score
1 M 5
2 F 4
3 <NA> 3
4 M 4
5 F NA결측치는 반드시 제거해야
어떤 분석이나 통계 등을 할때 결측치가 많으면 결과를 신뢰하기 힘들어지기 때문에, 영향이 크다
결측치 확인
df 에 NA가 있는가?
is.na(df)
># NA 가 있는 자리만 TRUE 로 보여주기
> is.na(df)
sex score
[1,] FALSE FALSE
[2,] FALSE FALSE
[3,] TRUE FALSE
[4,] FALSE FALSE
[5,] FALSE TRUE
># summary로 확인할 수도 있다. NA's 에 해당칼럼에 NA가 몇개인지 보여줌
> summary(air)
Ozone Solar.R Wind Temp
Min. : 1.00 Min. : 7.0 Min. : 1.700 Min. :56.00
1st Qu.: 18.00 1st Qu.:115.8 1st Qu.: 7.400 1st Qu.:72.00
Median : 31.50 Median :205.0 Median : 9.700 Median :79.00
Mean : 42.13 Mean :185.9 Mean : 9.958 Mean :77.88
3rd Qu.: 63.25 3rd Qu.:258.8 3rd Qu.:11.500 3rd Qu.:85.00
Max. :168.00 Max. :334.0 Max. :20.700 Max. :97.00
NA's :37 NA's :7
Month Day
Min. :5.000 Min. : 1.0
1st Qu.:6.000 1st Qu.: 8.0
Median :7.000 Median :16.0
Mean :6.993 Mean :15.8
3rd Qu.:8.000 3rd Qu.:23.0
Max. :9.000 Max. :31.0 빈도 출력
table(is.na(df))
> table(is.na(df))
FALSE TRUE
8 2
># NA가 아닌 8개값과 NA값 2개결측치 제외하고 산출하기
> #NA가 있는 것을 아니까 NA는 지우고 계산해라
> mean(df$score, na.rm = T)
[1] 4
> sum(df$score, na.rm = T)
[1] 16
> mean(air$Ozone, na.rm = T)
[1] 42.12931
># 스코어가 NA인 것만 골라서 보여주기
> df %>% filter(is.na(score))
sex score
1 F NA
> df %>% filter(!is.na(score) & !is.na(sex))
sex score
1 M 5
2 F 4
3 M 4제외하지 않고?
- 결측치를 제외하여 평균을 구해놓고
이 값을 NA에 넣기 - 바로 위 컬럼의 값과 같은 값 넣기
(ex. 키 순서대로 정렬되어있는 상태)
🌱 이상치
outlier
정상범주에서 크게 튀어나간 값
결측치와 마찬가지로 분석 결과가 왜곡될 수 있기 때문에 분석에 앞서 이상치를 제거하는 과정이 필요
데이터 만들기
> outlier <- data.frame(sex = c(1, 2, 1, 3, 2, 1),
+ score = c(5, 4, 3, 4, 2, 6))
> outlier
sex score
1 1 5
2 2 4
3 1 3
4 3 4
5 2 2
6 1 6값 정제하기
># 만약 outlier 속 sex값이 3인게 있다면 NA로 바꿔라
> outlier$sex <- ifelse(outlier$sex == 3, NA, outlier$sex)
> outlier
sex score
1 1 5
2 2 4
3 1 3
4 NA 4
5 2 2
6 1 6
> # 만약 score 값중 5보다 큰게 있다면 NA로 바꿔주자
> outlier$score <- ifelse(outlier$score > 5, NA, outlier$score)
> outlier
sex score
1 1 NA
2 2 4
3 1 3
4 NA 4
5 2 2
6 1 NA
># 성별 평균을 구하고 싶어요
># outlier 속 NA가 있는 행들을 모두 삭제해버리고 값내기
> na.omit(outlier) %>% group_by(sex) %>% summarise(평균 = mean(score))
# A tibble: 2 × 2
sex 평균
<dbl> <dbl>
1 1 3
2 2 3
># 성이 비어있지 않은 것만 필터링해서 평균내주기
outlier %>% filter(!is.na(sex)) %>%
group_by(sex) %>% summarise(평균 = mean(score, na.rm = T))drv 별로 hwy의 평균값을 알고싶다(단, 이상치는 제외)
># library(ggplot2)
#1. 박스플롯으로 이상치 파악
boxplot(mpg$hwy)
> # 줄 세워서 튀는 값 확인
> mpg %>% select(hwy) %>% arrange(desc(hwy))
# A tibble: 234 × 1
hwy
<int>
1 44
2 44
3 41
4 37
...
># 사용할 drv, hwy의 값을 선택한 후
># 이상치 제거하는 필터 걸어주기
># drv로 묶고 hwy를 요약한 통계량 보여주기
> mpg %>% select(drv, hwy) %>% filter(hwy < 41) %>%
+ group_by(drv) %>% summarise(mean(hwy))
# A tibble: 3 × 2
drv `mean(hwy)`
<chr> <dbl>
1 4 19.2
2 f 27.9
3 r 21
🌱 ggplot2 그래픽
# 사용할 라이브러리 불러오기
library(ggplot2)
# ggplot(data = 어떤 데이터 셋을 그릴것인가, aes(x= 어떤걸 x축으로 사용할 것인가))
ggplot(data = mpg, aes(x=hwy)) + geom_boxplot(color = 'blue')
ggplot(data = mpg, mapping=(aes(x=class, y=hwy, fill=class))) + geom_boxplot()
단계별로 해보기
# 축 설정
# 생략 가능(data =, mapping=)
ggplot(mpg, aes(x=displ, y=hwy))
# 산점도
ggplot(mpg, aes(x=displ, y=hwy)) + geom_point()
# 색 변경
ggplot(mpg, aes(x=displ, y=hwy)) + geom_point(color="skyblue")
# 범위 지정(x축 3~6, Y축 10~30)
ggplot(mpg, aes(x=displ, y=hwy)) + geom_point(color="skyblue") +
xlim(3,6) + ylim(10,30)
# 색에 컬럼명을 주면?
# 해당 컬럼을 기준으로 그룹지어 색 배치
ggplot(mpg, aes(x=displ, y=hwy, color=drv)) + geom_point()
ggplot(mpg, aes(x=displ, y=hwy, color=trans)) + geom_point()
# class로 그룹지어서 박스플롯에 색을 배치하세요
ggplot(mpg, aes(x=displ, y=hwy, color=class)) + geom_boxplot()
