[ADsP] R 프로그래밍 기초

당당·2023년 7월 16일
ADsPR 프로그래밍 기초

ADsP

목록 보기
8/13

📔설명

데이터 분석 환경, 데이터 분석 도구 R의 특성을 알아보자.
그리고 R을 설치하고, GUI를 알아보고 R Studio를 설치하고 GUI를 알아보자!


데이터 분석을 위한 분석 도구
: SPSS, SAS, R, Python, Stata 등

🎈R 소개

데이터 분석 도구의 현황

R의 탄생

  • R : 오픈소스 프로그램, 통계/데이터마이닝과 그래프를 위한 언어
  • 최신 통계분석과 마이닝 기능 제공
  • 세계적으로 많은 사용자들이 다양한 예제 공유
  • 다양한 기능을 지원하는 많은 패키지가 수시로 업데이트

분석도구의 비교

SASSPSS오픈소스 R
프로그램 비용유료, 고가유료, 고가오픈소스
설치용량대용량대용량모듈화로 간단
다양한 모듈 지원 및 비용별도구매별도구매오픈소스
최근 알고리즘 및 기술반영느림다소느림매우빠름
학습자료 입수의 편의성유료 도서 위주유료 도서 위주공개 논문 및 자료 많음
질의를 위한 공개 커뮤니티NANA매우 활발

R의 특징

  1. 오픈소스 프로그램
  • 사용자 커뮤니티에 도움 요청이 쉬움
  • 많은 패키지가 수시로 업데이트

  1. 그래픽 및 성능
  • 프로그래밍이나 그래픽 측면 등 대부분의 주요 특징들에서 상용 프로그램과 대등하거나 월등

  1. 시스템 데이터 저장 방식
  • 각 세션 사이마다 시스템에 데이터셋을 저장하므로 매번 데이터를 로딩할 필요가 없고 명령어 스토리도 저장 가능

  1. 모든 운영체제
  • 윈도우, 맥, 리눅스 운영체제에서 사용 가능

  1. 표준 플랫폼
  • S 통계 언어 기반 구현
  • R/S 플랫폼은 통계전문가들의 사실상의 표준 플랫폼

  1. 객체지향언어이며 함수형 언어
  • 통계 기능 뿐만 아니라 일반 프로그래밍 언어처럼 자동화하거나 새로운 함수를 생성하여 사용 가능
    • 객체지향 언어 특징
      • SAS, SPSS에서 회귀분석 시 화면에 결과가 산더미로 나옴
      • 분석 결과 활용을 위해서는 추가로 프로그래밍 하거나 별도 작업 필요
      • R은 추정계수, 표준오차, 잔차 등 결과값을 객체에 저장하여 필요한 부분 호출 가능
    • 함수형 언어 특징
      • 깔끔하고 단축된 코드
      • 매우 빠른 코드 수행 속도
      • 단순한 코드로 디버깅 노력 감소
      • 병렬 프로그래밍으로의 전환 용이

R Studio

  • 오픈소스
  • 다양한 운영체제 지원
  • 메모리에 변수가 어떻게 되어 있는지와 타입이 무엇인지 볼 수 있음
  • 스크립트 관리 및 도큐먼테이션 편리
  • 코딩을 해야하는 부담이 있으나 스크립트용 프로그래밍으로 어렵지 않게 자동화 가능
  • 래틀(Rattle)-무료 마이닝 툴은 GUI가 패키지와 긴밀하게 결합돼 정해진 기능만 사용 가능해 업그레이드가 제대로 되지 않으면 통합성에 문제 발생

R기반 작업환경

  • 업무 규모와 본인에게 익숙한 환경이 무엇인지를 기준으로 선택
  • 기업환경에서는 64bit 듀얼코어, 32GB RAM, 2TB 디스크, 리눅스 운영체제 추전
  • R의 메모리
    • 64bit 유닉스 : 메모리 무제한
    • x86 64bit 환경 : 128TB 까지 지원
    • 64bit 윈도우 환경 : 8TB 까지 지원

🎨R 기초

통계 패키지 R

R Studio 구성화면

R GUI의 화면구성

  1. 패키지(Package)
  • 패키지란?
    : R함수와 데이터 및 컴파일된 코드의 모임

  • 패키지 불러들이기
    • 하드디스크 : R 설치 또는 업데이트를 통해 설치
    • 웹 : CRAN 저장소에 약 5000개의 유용한 패키지 자동 설치
       install.packages("AID") 
   install.packages("AID","D:\\R\\R-4.3.1\\library") #수동설치
    • 패키지 도움말
      library(help=AID) #다운로드 된 AID 패키지의 help 다큐먼트 보여줌
help(package=AID) #웹을 통해 AID 패키지의 다큐먼트 보여줌
?함수
RSiteSearch("함수명")

  1. 프로그램 파일 실행
  • 스크립트로 프로그래밍 된 파일 실행
source("파일명")

#한 줄 실행 : Ctrl+R
#여러줄 실행 : 드래그 후 Ctrl+R
#주석 처리 : #

  • 프로그램 파일

    • sink 함수 - R코드 실행 결과를 특정 파일에서 출력

      sink(file, append, split)

# file : 출력할 파일명(디렉터리 포함/디폴트 디렉터리)
# append : 파일에 결과를 덮어쓰거나 추가해서 출력(디폴트 값(false)는 덮어쓰기)
# split : 출력파일에만 출력하거나 콘솔창에 출력(디폴트 값(false)는 파일에만 실행 결과 출력)


#ex
sink("a_out.pdf")
sink("d:/study/r/a_out.pdf")

    • pdf 함수-그래픽 출력을 pdf파일로 지정

      pdf("a_out.pdf")
pdf("d:/study/r/a_out.pdf")

    • 파일 닫기 함수

      dev.off()

  1. 배치모드 기능

  • 배치모드
    : 사용자와 인터렉션이 필요하지 않는 방식.
    매일 돌아가야 하는 시스템에서 프로세스를 자동화할 때 유용

  • 배치파일 실행 명령-DOS창

$R CMD BATCH batch.R

  • Path 지정
    : 환경변수에서 변수명 path를 찾아 r프로그램의 실행파일 위치 추가

  • 배치파일 실행-batch.R 위치에서

R CMD BATCH batch.R

변수와 벡터 생성

R 데이터 유형과 객체

기능R코드
숫자(Number)integer, double
논리값(Logical)True(T), False(F)
문자(Character)"a","abc"

R 기초 중 기초

출력하기

print() #출력형식을 지정할 필요 없음. 한번에 하나의 객체만 출력
cat() # 여러 항목을 묶어서 연결된 결과로 출력. 복합적 데이터 구조(행렬, list) 출력 불가

#ex
print(a)

cat("a","b","c")
# a b c

변수에 값 할당하기(대입 연산자)

<-
<<-
=
->

변수 목록보기

ls()
# "hi"

ls.str()
# hi : num[1:3] 1 2 3

변수 삭제하기

rm()
rm(list=ls()) #모든 변수 삭제시 사용

벡터 생성하기

c()

#벡터 원소 중 하나라도 문자가 있으면 모든 원소의 모드는 문자 형태로 변환

R 함수 정의하기

function(매개변수1, 매개변수2 ,..., 매개변수 n){
	expr 1,
    expr 2, ...,
    expr m
}

#expr 특징
#지역변수 : 단순히 값을 대입하기만 하면 지역변수로 생성, 함수 종료시 지역변수 삭제
#조건부 실행 : if문
#반복 실행 : for, while repeat 문
#전역변수 : <<-를 사용하여 지정 가능하나 추천X


R 프로그램 소개

데이터 할당

a<-1
a=1

화면 프린트

a
print(a)

결합

  • c 함수는 문자, 숫자, 논리값, 변수를 모두 결합 가능하며 벡터와 데이터셋 생성 가능

수열

  • 콜론(:), seq함수를 사용하여 시작값에서 최종값 까지 연속적인 숫자 생성
  • seq함수는 간격과 결과값의 길이 제한 가능
seq(from=0, to=20, by=2) # 시작, 끝, 간격
seq(from=0,to=20,length.out=5) #결과가 5개 나오도록

반복

  • rep함수는 숫자나 변수의 값들을 time인자에 지정한 횟수만큼 반복
rep(1,time=5) #5번 출력
rep(1:4, each=2) # 1~4를 각각 2개씩 출력

문자 붙이기

  • paste 함수는 문자열을 sep인자에 지정한 구분자로 연결

문자열 추출

  • substr(문자열, 시작점, 끝점) 함수는 문자열의 특정부분을 추출 가능
  • 처음 시작은 1

논리값

논리 연산자

  • 같다 : ==
  • 같지 않다 : !=
  • 작다, 작거나 같다 : <, <=
  • 크다, 크거나 같다 : >, >=

벡터의 원소 선택하기

  • V[n] : 선택하고자 하는 자리수
  • V[-n] : 제외하고자 하는 자리수
  • n : 원소의 자리수
  • V : 벡터 이름


벡터의 연산

연산자 우선순위뜻표현방법
[ [[인덱스a[1]
$요소 뽑아내기, 슬롯 뽑아내기a$coef
^지수5^2
- +단항 마이너스, 플러스 부호-3, +5
:수열 생성1:10
%any%특수 연산자%/% : 나눗셈 몫
%% : 나눗셈 나머지
%*% : 행렬 곱
* /곱하기, 나누기3*5, 3/5
+ -더하기, 빼기3+5
== != <> <= >=비교3==5
!논리 부정!(3==5)
&논리 and, 단축 andTRUE & TRUE
|논리 or, 단축 orTRUE|TRUE
~식(formula)lm(log(brain)~log(body),data=Animals)
-> ->>대입(왼쪽을 오른쪽으로)3->a
=대입(오른쪽을 왼쪽으로)a=3
<- <<-대입(오른쪽을 왼쪽으로)a<-3
?도움말?lm

벡터의 기초통계

기능R코드비고
평균mean(변수)변수의 평균
합계sum(변수)변수의 합계
중앙값median(변수)변수의 중앙값
로그log(변수)변수의 로그값
표준편차sd(변수)변수의 표준편차
분산var(변수)변수의 분산
공분산cov(변수1, 변수2)변수간 공분산
상관계수cor(변수1, 변수2)변수간 상관계수
변수의 길이 값length(변수)변수간 길이

*공분산 : 두개의 확률변수의 선형관계
*상관계수 : 두 변수간 선형관계의 정도를 수량화하는 측도

a<-c(1,2,3)
length(a)
3

R프로그래밍시 자주하는 실수

기능R코드비고
함수를 불러오고 괄호 닫기function 함수의 {}, 함수의 ()ex) 선언시 {}, 호출시 ()
윈도우 파일 경로에서 역슬래시 두 번씩 쓰기D:\study\r\test.csv
(D:studyrtest.csv로 인식)		\를 2번 쓰거나 /를 1번
<-사이를 붙여쓰기x< -pi에러: 객체 'x'를 찾을 수 없습니다.
여러줄을 넘어서 식을 계속 이어갈 때> sum<-1+2+3
> +4+5
[1] 9
>sum
[1] 6
==대신 =를 사용하지 말 것== : 비교 연산자
= : 대입 연산자
1:(n+1) 대신 1:n+1로 쓰지 말 것>n<-5;
>1:n+1;
[1] 2 3 4 5 6
>1:(n+1);
[1] 1 2 3 4 5 6		1. 1:n 한 값에 1을 더한 것이 출력
2. 1부터 n+1까지 출력
패키지를 불러오고 library()나 require()를 수행할 것
2번 써야할 것과 1번 써야할 것을 혼돈하지 말 것aList[[a]] vs aList[a],
&& vs &, || vs | 등
인자의 개수를 정확히 사용할 것mean(9,10,11)원래는 10인데, 이렇게 하면 9만 나옴

👝입력과 출력

데이터 분석 과정

  • 분석자가 분석목적에 맞는 적절한 분석방법론을 선택해서 정확한 분석을 통해 얻은 결과를 통찰력을 가지고 해석함으로써 분석 과정 마침
  • 데이터 분석을 위해서는 분석자가 분석을 위해 설계된 방향으로 데이터를 정확하게 입력받는 것에서부터 시작
  • 데이터 핸들링 : 입력된 데이터를 다양한 전처리 작업을 거쳐 분석이 가능한 형태로 재정리
  • 데이터 출력 : 분석된 결과를 이해하기 쉽고 잘 해석될 수 있도록 생산
  • 출력된 결과는 보고서의 형태로 정리되어 최종 의사결정자와 고객에게 전달됨으로써 통계분석 과정 종료

R에서의 데이터 입력과 출력

*R에서 다룰 수 있는 파일 타입

  • Tab-delimited text
  • Comma-separated text
  • Excel file
  • JSON file
  • HTML/XML file
  • Database
  • (Other) Statistical SW's file

키보드로 데이터를 입력

  • 데이터 양이 적어 직접 입력
    • c() : combine 함수
  • 데이터 편집기 활용
    • 빈 데이터 프레임 생성-> 편집기를 불러와 편집하고 데이터 프레임에 덮어 씌우기

출력할 내용의 자리수 정의

  • R의 부동소수점 표현 : 7자리

*digits : 전체 숫자 자리수


파일에 출력하기

cat("출력할 내용", 변수,"\n",file="파일이름",append=T)


sink("파일이름")
...출력할 내용
sink()


파일 목록 보기

고정자리수 데이터 파일(fixed-width file) 읽기

read.fwf("파일이름", widths=c(w1,w2,...,wn))

테이블로 된 데이터 파일 읽기(변수 구분자 포함)

read.table("파일이름",sep="구분자")

#주소, 이름, 성, 등의 텍스트를 요인으로 인식시
read.table("파일이름",sep="구분자",stringsASFactor=F)

#결측치를 NA가 아닌 다른 문자열로 표현시
read.table("파일이름",sep="구분자",na.strings=".")

#파일의 첫행을 변수명으로 인식하고자 할 때
read.table("파일이름",sep="구분자",header=T)

CSV 데이터 파일 읽기(변수 구분자는 쉼표)

read.csv("파일이름",header=T)

#주소, 이름, 성 등의 텍스트를 요인으로 인식시
read.csv"파일이름",header=T,as.is=T)

csv 데이터 파일로 출력(변수 구분자는 쉼표)

write.csv(행렬/데이터프레임,"파일이름",row.names=F)

#1행을 변수명으로 자동 인식하지만 변수명이 아닐 경우
write.csv(dfm,"파일이름",col.names=F)

#1열에 레코드 번호를 자동 생성하지만 레코드 번호를 생성하지 않을 경우
write.csv(dfm,"파일이름",row.names=F)

웹에서 데이터 파일을 읽어 올 때(변수 구분자는 쉼표)

read.csv("http://www.example.com/download/data.csv")
read.table("http://www.example.com/download/data.txt")

HTML에서 테이블 읽어 올 때

library(XML)
url<-'http://www.example.com/data/table.html'
t<-readHTMLTable(url)

복잡한 구조의 파일(웹 테이블) 읽기

lines<-readLines("a.txt",n=num)

token<-scan("a.txt",what=numeric(0))
token<-scan("a.txt",what=list(v1=character(0),v2=numeric(0))
token<-scan("a.txt",what=list(v1=character(0),v2=numeric(0),n=num,nlines=num,skip=num,na.strings=list)


🎩데이터 구조와 데이터 프레임

벡터(Vector)

  • 여러 개의 원소를 가지는 하나의 변수

동질적
: 한 벡터의 모든 원소는 같은 자료형 또는 같은 모드(mode)


위치로 인덱스
: V[2]는 v벡터의 2번째 원소

인덱스를 통해 여러 개의 원소로 구성된 하위 벡터 반환
: V[c(2,3)]은 V벡터의 2번째, 3번째 원소로 구성된 하위 벡터

원소들은 이름을 가질 수 있음

V<-c(10,20,30);
names(V)<-c("dang","bam","cucu")


리스트(List)

  • 사전(Dictonary), 해시(Hash), 탐색표(Lookup Table)과 유사

이질적
: 여러 자료형의 원소들 포함


위치로 인덱스
: L[[2]]는 L리스트의 2번째 원소

하위 리스트를 추출
: L[c(2,3)]는 L리스트의 2번째, 3번째 원소로 이루어진 하위 리스트

원소들은 이름을 가질 수 있음
: L[["Dang"]]와 L$Dang는 둘다 Moe라는 이름의 원소 지칭


R에서의 자료형태(Mode)

객체예시모드(Mode)
숫자3.1415수치형(Numeric)
숫자 벡터c(2,3,4,5.5)수치형(Numeric)
문자열"dang"문자형(Character)
문자열 벡터c("Tom","dang","good")문자형(Character)
요인factor(c("A","B","C"))수치형(Numeric)
리스트list("Tom","dang","good")리스트(List)
데이터 프레임data.frame(x=1:3,y=c("Tom","Dang","Good"))리스트(List)
함수print함수(Function)


데이터 프레임(Dataframe)

특징

  • 강력하고 유연한 구조. SAS의 데이터셋을 모방해서 만들어짐
  • 데이터 프레임의 리스트의 원소는 벡터 또는 요인
  • 그 벡터와 요인은 데이터 프레임의 열
  • 벡터와 요인들은 동일한 길이
  • 표 형태의 데이터 구조
  • 각 열은 서로 다른 데이터 형식을 가질 수 있음
  • 열에는 이름이 있어야 함

데이터 프레임 원소 접근방법


그 밖의 데이터 구조들

단일값(Scalar)

  • R에서는 원소가 하나인 벡터로 인식/처리

행렬(Matrix)

  • 차원을 가진 벡터로 인식

배열(Array)

  • 행렬에 3차원또는 n차원까지 확장된 형태
  • 주어진 벡터에 더 많은 차원을 부여하여 배열 생성

  • 2행 3열, 2개의 배열로 나뉨

요인(Factor)

  • 벡터처럼 생겼으나, R에서는 벡터에 있는 유일값의 정보를 얻어내는데, 이 유일값들을 요인의 수준(Level)이라고 함
  • 범주형 변수, 집단분류


벡터, 리스트, 행렬 다루기

  • 행렬은 R에서 차원을 가진 벡터, 텍스트마이닝, 소셜네트워크분석에 활용
  • 재활용 규칙(Recycling Rule) : 길이가 서로 다른 두 벡터에 대해 연산을 할 때, R은 짧은 벡터의 처음으로 돌아가 연산이 끝날 때까지 원소들을 재활용

벡터에 데이터 추가

v<-c(v,newItems)
v[length(v)+1<-newItem

벡터에 데이터 삽입

append(vec,newvalues,after=n)

요인 생성

f<-factor(v)
# v: 문자열 또는 정수 벡터

f<-factor(v,levels)

여러 벡터를 합쳐 하나의 벡터와 요인으로 만들기

comb<-stack(list(v1=v1,v2=,v2,v3=v3))

벡터 내 값 조회

# 벡터 내 1,3,5,7번째 값 조회
벡터[c(1,3,5,7)]

#벡터 내 2,4번째 값 제외 조회
벡터[-c(2,4)]

리스트

list(숫자, 문자, 함수)

리스트 생성하기

L<-list(x,y,z)
L<-list(valuename1=data, valuename2=data,valuename3=data)
L<-list(valuename1=vec,valuename2=vec,valuename3=vec)

리스트 원소 선택

#n번째 원소
L[[n]]

#목록
L[c(n1,n2,...,nk)]

이름으로 리스트 원소 선택

L[["name"]], L$name

리스트에서 원소 제거

L[["name"]]<-NULL

NULL원소를 리스트에서 제거

L[sapply(L,is.null)]<-NULL
L[is.na(L)]<-NULL

행렬

  • data 대신 숫자를 입력시 행렬의 값이 동일한 수치값 부여
matrix(data,행 수, 열 수)

a<-matrix(data,2,3)
d<-maxtirx(0,4,5)
e<-matrix(1:20,4,5)

차원

  • e행렬의 차원은 4행 5열
dim(행렬)

dim(e)

대각(Diagonal)

  • e행렬의 대각선의 값 반환
diag(행렬)

diag(e)

전치(Transpose)

  • e행렬의 전치행렬(행,열 바꿈)을 반환
t(행렬)

t(e)

역

solve(matrix)

행렬의 곱

행렬%*% t(행렬)

a%*%t(a)

행 이름 부여

rownames(a)<-c("행이름1",..."행이름n")

열 이름 부여

colnames(a)<-c("열이름1",..."열이름n")

행렬의 연산 +, -

f+f
f-f
f+1
f-1

행렬의 연산 *

f%*%f
f*3

행렬에서 행, 열 선택하기

vec<-matrix[1,] #1행 전체가 vec
vec<-matrix[,3] #3열 전체가 vec


데이터 프레임

  • 다변량 데이터 분석을 위해 가장 많이 활용되는 데이터 구조
  • 행과 열을 추출/제거/수정함으로써 데이터를 분석할 수 있는 최적의 상태로 자료를 유지해야 하며 이러한 과정은 데이터 전처리와 데이터 클렌징에서 가장 많이 활용
  • 데이터에서 각각의 변수에 해당하는 열들의 모임

데이터 프레임

  • 벡터들로 데이터셋 생성
#각자 벡터명이 열 이름
data.frame(벡터, 벡터, 벡터)

레코드 생성

new<-data.frame(a=1,b=2,c=3,d="a")

열 데이터(변수)로 데이터 프레임 만들기

dfm<-data.frame(v1,v2,v3,f1,f2)
dfm<-as.data.frame(list.of.vectors)

데이터셋 행결합

  • 두 데이터프레임을 행으로 결합
rbind(dfrm1, dfrm2)
newdata<-rbind(newdata,new)

데이터셋 열결합

cbind(dfrm1, dfrm2)
cbind(newdata,newcol)
#newcol=1:150

데이터 프레임 할당

n=1000000
dtfm<-data.frame(dosage=numeric(n),lab=character(n),respones=numeric(n))

데이터 프레임 조회1

#데이터셋 내 성별이 남성만 조회
dfrm[dfrm$gender="m"]

데이터 프레임 조회2

#데이터셋의 변수1과 변수2의 조건에 만족하는 레코드의 변수3과 변수4만을 조회

dfrm[dfrm$변수1>4 & dfrm$변수2>5, c(변수3,변수4)]

데이터 프레임 조회3

#데이터셋의 변수1 내 "문자"가 들어있는 케이스들의 변수2, 변수3 값 조회

dfrm[grep("문자",dfrm$변수1, ignore.case=T),c("변수2,변수3")]

데이터셋 조회

#데이터셋의 특정변수 값이 조건에 맞는 변수셋 조회.
#subset은 벡터와 리스트에서도 선택 가능

subset(dfrm,select=변수,subset=변수>조건)

데이터 선택

데이터 병합

#공통변수로 데이터셋 병합

merge(df1, df2, by="df1과 df2의 공통 열 이름")

열 네임 조회

# 변수들의 속성 조회
colnames(변수)

행/열 선택

subset(dfrm, select=열이름)
subset(dfrm,select=c(열이름1,...,열이름n))
subset(dfrm, select=열이름, subset=(조건))

이름으로 열 제거

subset(dfrm, select=-열이름)

열 이름 바꾸기

colnames(dfrm)<-newnames

NA 있는 행 삭제

NA_cleaning<-na.omit(dfm)

데이터 프레임 두 개 합치기

#열-열로 붙음
cbind_dfm<-cbind(dfm,dmf2)

#행-행으로 붙음
rbind_dfm<-rbind(dfm,dmf2)

# cbind는 행의 개수가 동일해야함 (recycling rule)
# rbind는 열의 개수와 열의 이름이 동일해야 함

두 개의 데이터 프레임을 동일한 변수 기준으로 합치기

merge(dfm1, dfm2, by="T_name")
merge(dfm1, dfm2, by="T_name",all=T)


자료형 데이터 구조 변환

데이터 프레임의 내용에 쉽게 접근하기

#expr:열 이름
with(dfm,expr)

자료형 변환하기

데이터 구조 변환하기

as.data.frame()
as.list()
as.matrix()
as.vector()

데이터 구조 변경

변환R 코드
벡터->리스트as.list(vec)
벡터->행렬1열짜리 행렬 : cbind(vec) 또는 as.matrix(vec)
1행짜리 행렬 : rbind(vec)
n x m 행렬 : maxtrix(vec,n,m)
벡터->데이터 프레임1열짜리 데이터프레임 : as.data.frame(vec)
1행짜리 데이터프레임:as.data.frame(rbind(vec))
리스트->벡터unlist(lst)
리스트->행렬1열짜리 행렬 : as.matrix(lst)
1행짜리 행렬 : as.maxtrix(rbind(lst))
n x m 행렬 : maxtrix(lst,n,m)
리스트->데이터 프레임리스트 원소들이 데이터의 열이면 : as.data.frame(lst)
리스트 원소들이 데이터의 행이면 : rbind(obs[[1]],obs[[2]])
행렬->벡터as.vector(mat)
행렬->리스트as.list(mat)
행렬->데이터 프레임as.data.frame(mat)
데이터 프레임->벡터1열짜리 데이터 프레임 : dfm[[1]] or dfm[,1]
1행짜리 데이터 프레임 : dfm[1,]
데이터 프레임->리스트as.list(dfm)
데이터 프레임->행렬as.matrix(dfm)


벡터의 기본 연산

벡터 연산

함수 적용

sapply(변수, 연산함수)

파일 저장

write.csv(변수이름, "파일이름.csv")

write.csv(a,"test.csv")

파일 저장2

save(변수이름, file="파일이름.Rdata")

svae(a,file="a.Rdata")

파일 읽기

read.csv("파일이름.csv")

read.csv("a.csv")

파일 불러오기

load("파일.R")

load("a.R")
source("a.R")

데이터 삭제

rm(변수)
rm(list=ls(all=TRUE))

그 외에 간단한 함수

데이터 불러오기

data()
data(데이터셋)

데이터셋 요약

summary(데이터셋)

데이터셋 조회

#상위 6개 레코드까지 조회
head(데이터셋)

패키지 설치

install.packages("패키지 명")

패키지 불러오기

library(패키지명)

작업 종료

q()

워킹 디렉토리 지정

#R데이터와 파일 등을 로드하거나 저장 시 지정

setwd("~/")

🧵데이터 변형

주요 코드

요인으로 집단 정의

벡터를 여러 집단으로 분할 (길이만 같으면 됨)

  • 모두 벡터로 된 리스트 반환

데이터 프레임을 여러 집단으로 분할

  • MASS 패키지, Cars98 데이터셋 활용

리스트의 각 원소에 함수 적용

lapply(결과를 리스트 형태로 반환)
list<-lapply(l,func)


sapply(결과를 벡터/행렬로 반환)
vec<-sapply(l,func)

행렬에 함수 적용

apply(x,margin,func,...)

m<-apply(mat,1,func)
m<-apply(mat,2,func)

데이터프레임에 함수 적용

dfm<-lapply(dfm,func)
dfm<-sapply(dfm,func)
dfm<-apply(dfm,func)

#데이터프레임이 동질적인 경우만(모두 문자/숫자) 활용 가능
#데이터프레임을 행렬로 변환한 후 함수 적용

대용량 데이터의 함수 적용

#sapply 이용

cors<-sapply(dfm,cor,y=targetVariable)
mask<-(rank(-abs(cors))<=10)
best.pred<-dfm[,mask]
lm(targetVariable~best.pred)

#많은 변수가 있는 데이터에서 다중회귀분석
#1. 데이터 프레임에서 타켓 변수 정함
#2. 타겟변수와 상관계수 구함
#3. 상관계수가 높은 상위 10개의 변수를 입력변수로 선정
#4. 타겟변수와 입력변수로 다중회귀분석

집단별 함수 적용

tapply(vec,factor,func)

#데이터가 집단(factors)에 속해있을 때 합계/평균 구하기

행집단 함수 적용

by(drm,factor,func)

#요인별 선형회귀선 구하기
model(dfm,factor,function(df) lm(종속변수~독립변수1+,...,data=df))

병렬 벡터, 리스트들 함수 적용

mapply(factor, vec1, ...,vec k)
mapply(factor, list1, ..., list k)

문자열, 날짜 다루기

문자열 길이

  • length()는 문자열 길이가 아닌 벡터의 길이

문자열 연결

하위문자열 추출

구분자로 문자열 추출

하위 문자열 대체

쌍별 조합

날짜 반환1

날짜 변환2

날짜 조회

날짜 일부 추출

  • yday : day of the year. (한달(30일)+16일=46)

profile
당당
MSSQL DBA 신입
이전 포스트

[ADsP] 데이터 분석 개요

다음 포스트

[ADsP] 데이터 마트

0개의 댓글