Day6 - R(6). 22.08.30.화

류소리·2022년 8월 30일
Rday6기초수업여섯번째이론
0

R

목록 보기
5/7

[어제 복습-복지패널데이트]

Q. 1. 마우스에 반응하는 언터랙티브 그래프 만들 때 보편적으로 사용하는 패키지는
:plotly

Q. 2. 이때 사용하는 함수는?
:ggplotly()

Q. 3. position="dodge" 입력하면?
:데이터를 옆에 나누어서 보여줌

Q. 4. welfare $ income 안에 na값을 0으로 바꾸시오.
:welfare $ income <- ifelse(is.na(welfare $ income), 0, welfare $ income)

Q. 5.


:3번 색 비꿔 꾸미는게 아니라 라벨...

Q. 6. x=drv y=mean

내가쓴 답: ggplot(mpg,aes(x=drv,y=mean(cty),fill=drv)+geom_col()

:mpg %>% group_by(drv) %>% summarise(mean=mean(cty)) %>%
ggplot(aes(x=drv,y=mean,fill=drv)) + geom_col()

Q. 7.welfare 데이터 안에 gender 열 값이 1,2 나타날때 (male, female)변경하시오. ifelse(,,)사용하여.

내 답:??
:welfaregender<−ifelse(welfaregender <- ifelse(welfaregender == 1, 'male', 'female')

Q. 8.ggplot(gapminder,aes(x=continent,y=lifeExp,fill=continent)) + geom_boxplot() 범례를 지우시오

:theme(legend.position = 'none')
#범례의 포지션을 없앤다.

Q. 9. mtcars의 gear별 개수를 막대 그래프로 그리시오
:mtcars$gear <- as.factor(mtcars $ gear)
mtcars %>% ggplot(aes(x= gear, fill= gear)) + geom_bar()

:ggplot(data=mtcars, aes (x = factor(gear), fill = factor(gear))) + geom_bar() + scale_fill_manual(values = c('red', 'blue', 'green'))

-> scale_fill_manual :함수를 통해 각각의 그래프에 원하는 색상을 지정해 준다. geom_bar()

  • ggplot(data=mtcars, aes (x = factor(gear), fill = factor(gear))) + geom_bar() + scale_color_manual(values = c('red', 'blue', 'green'))

->scale_color_manual: color의 속성을 직접 바꾸고 싶을때, geom_line()

  • ggplot(data=mtcars, aes (x = factor(gear), fill = factor(gear))) + geom_bar() + scale_fill_brewer(palette ="Greens" )

시각적 맵핑(AESTHETIC MAPPING)의 구체적 방법: 스케일(SCALES)
스케일은 한 변수의 값을 특정한 시각적 특성과 대응시키는 구체적인 맵핑(mapping) 방법을 결정한다.
예를 들어 mpg의 fl은 연료의 종류를 의미하며 c, d, e, p, r 중의 하나이다. 이를 어떤 채움색(fill=)에 대응시키느냐를 스케일이 결정한다.
scale_fill_manual는 변수가 채움색깔(fill)에 대응시키는 방법을 손수(manual) 결정하겠다는 의미이다. 구체적으로 value는 색깔, break는 범례에 나타나는 변수값, name은 범례의 제목, labels는 범례에서 설명을 나타낸다. 마지막으로 limits은 실제 시각화되는 범주의 값을 제한한다.

단, scale_fill_manual 함수는 기존의 색상 위에 다른 색상을 입혀주는 함수이기 때문에scale_fill_manual을 적용하기 전 fill, 혹은 color함수를 적용해준 뒤 사용해야 합니다.
마찬가지로, 그래프의 종류에 따라 fill과 color를 다르게 적용해줍니다. line 그래프라면 scale_color_manual을 입력합니다.

Q. 10.


:4

Q. 11.


:3

Q. 12.


:2

Q. 13. plot() 함수와 pair() 함수 차이는?
:plot()은 전체 데이터, pair()은 원하는 데이터 선택

Q. 14. dataset의 열의 갯수 확인하는 방법 3가지 이상 제시해라.
내 답: names(),glimpse(),dim()
:ncol(), dim(), colnames(), str()

[수업시작 - 복지패널데이트 이어서...]

  • 이상치 있는지 없는지 살펴볼때 :boxplot() ##
  • 밀도는 변수 한개짜리 그림이임.(x=)
  • 이름 붙이기
    이름 붙이기 확인함수 summary(), table()
  • dplyr 그룹별 평균내기 - 우리 목표.
  • 변수가 2개면 x,y-> col
    변수가 1개면 x -> bar
  • geom_density():분리해서 색 나와라.

ppt정리 !!중요함!!

  • class(welfare$birth)
    #데이터 타입 보여줌
  • summary(welfare$birth)
    #중요함
  • qplot(welfare$birth)
    #가급적 쓰지말아
  • boxplot(welfare$birth)
    #루틴, 이상치 확인 방법
  • sum(is.na(welfare$birth))
    #결측치 확인 방법

<age의 컬럼 추가하기>

2014-1살 #2013-2살

:welfare %>% welfare |> mutate(age=(2014-birth-1)) |> head(6)

<나이별 소득의 평균을 두개의 칼럼을 가지게 만들어라.>

  • age_income <- welfare |> filter(!is.na(income)) |> group_by(age) |> summarise(mean_income=mean(income))

  • head(age_income)

<그래프를 만들어라.>

  • age_income |> ggplot(aes(x=age,y=mean_income,color=age))+geom_line()


  • ggplot(data=age_income,aes(x=age,y=mean_income,color=age))+geom_line(color="skyblue",size=1)+ geom_point(color="red",size=2)+theme(legend.position = 'none')

<연령대별로 쪼개기>

  • welfare <- welfare |> mutate(age_gen=ifelse(age < 30, "young",ifelse(age <=50,"middle","old" )))
  • head(welfare)

<세대별 소득>

  • welfare %>% group_by(age_gen) %>% filter(!is.na(income)) %>%
    summarise(mean_income=mean(income))

<나이와 성별 평균소득 만들기>

  • gender_income <- welfare |> group_by(age_gen, gender) |>
    summarise(mean_income = mean(income, na.rm = T))
  • gender_income

<그래프 그리기>

  • ggplot(data=gender_income, aes(x=age_gen,y=mean_income, fill=gender))+ geom_col(position="dodge")

<그래프 그리기2>

  • welfare %>% filter(!is.na (welfare$income)) %>%
    group_by(age, gender) %>% summarise(mean_income= mean(income)) %>%
    ggplot(aes(x= age, y= mean_income, color= gender)) + geom_line()

    <오후수업>

    https://e-datanews.tistory.com/155

  • library(KoNLP)
    :f12(개발자도구)-편집-복사

  • readLines("ahn.txt", encoding = 'cp949')

  • text <- read.csv('ahn.txt', fileEncoding = 'cp949')
    :윈도우에서 파일 저장하면 한글있으면 무조건 cp949에서 저장됨

  • KONLP

  • NaturalLanguage Processing

  • 자연어:

  • 형식어: 1+1=2, Co2

"multilinguer"

  • install.packages("multilinguer") : multilinguer설치
  • library(multilinguer) : multilinguer 실행
  • install_jdk() : multilinguer_jdk실행
  • install.packages(c("hash", "tau", "Sejong", "RSQLite", "devtools", "bit", "rex", "lazyeval", "htmlwidgets", "crosstalk", "promises", "later", "sessioninfo", "xopen", "bit64", "blob", "DBI", "memoise", "plogr", "covr", "DT", "rcmdcheck", "rversions"), type = "binary") : 의존성 패키지 설치

"remotes"

  • install.packages("remotes") :remotes 설치
  • remotes::install_github('haven-jeon/KoNLP',upgrade="never",INSTALL_opts=c("--no-multiarch")) : remotes::install 실행
  • library(remotes)
  • remotes::install_github('haven-jeon/KoNLP', upgrade = "never", INSTALL_opts=c("--no-multiarch"))
  • extractNoun('인하대학교 공학대학원 블록체인 전공입니다.')

"KoNLP"

  • library(KoNLP) : KoNLP 최종 적으로 실행
  • extractNoun('이 문장에 명사만')
  • text <- read.csv('ahn.txt', fileEncoding = 'cp949')
  • readLines("ahn.txt")
  • extractNoun(text) : 테스트해줌
  • text <- ""

noums 지정하기

  • nouns<- extractNoun(text)

  • readline("ahn.txt")

  • nouns

  • useNIADic()

  • useSejongDic()

  • nchar(nouns)

  • nouns <- nouns[nchar(nouns)>1]
    :

  • table(nouns)

  • as.data.frame(table(nouns))
    : 데이터 프라임으로 바꿔줌

  • df <- as.data.frame(table(nouns)) |> arrange(desc(Freq))
    :정열함(글자순으로)

  • df

ggplot사용

  • ggplot(data=df,aes(x=nouns, y=Freq,fill=nouns))+geom_col()

coord_flip()

  • ggplot(data=df,aes(x=nouns, y=Freq,fill=nouns))+geom_col()+coord_flip()
    : 방향바꿔줌

값 지정

  • df <- as.data.frame(table(nouns)) |> arrange(desc(Freq)) |> head(50)

wordcloud2 불러오기

  • install.packages("wordcloud2")
  • library(wordcloud2)
  • wordcloud2(df)

  • wordcloud2 패키지에서는 다양한 형태로 텍스트 마이닝을 할 수 있도록 Parameters를 지원하고 있습니다.
  • data : word와 freq를 각 열로 갖고 있는 데이터 프레임을 사용합니다.
  • size : font size, default는 1입니다.
  • fontFamily : 설치되어 있는 font로 글자모양을 변경할 수 있습니다.
  • color : random-dark, random-light를 사용할 수 있고 특정 색으로 선택할 수 있습니다.
  • backgroundColor : 배경 색상을 변경할 수 있습니다.
  • minSize : 자막의 문자열 크기를 나타냅니다.
  • figPath : wordcloud2에서 사용할 이미지를 지정할 수 있습니다.

  • ex) wordcloud2(df, backgroundColor= "Pink",size=0.5)

  • wordcloud2(df, color = "random-light", backgroundColor = "grey")

  • wordcloud2(df, minRotation = -pi/6, maxRotation = -pi/6, minSize = 10,
    rotateRatio = 1)

  • letterCloud(df, word = "R", size = 2)

  • wordcloud2(df, figPath = figPath, size = 1.5,color = "skyblue")

  • letterCloud(df, word = "WORDCLOUD2", wordSize = 1)

이밖에도 다양한 Parameters를 지원하고 있는데 자세한 내용은 cran.r-project.org에서 참조하실 수 있습니다.
워드 클라우드

값 지정

  • df <- as.data.frame(table(nouns)) |> arrange(desc(Freq))

  • df

ggplot사용

ggplot(data=df,aes(x=nouns, y=Freq,fill=nouns))+geom_col()

coord_flip(): 방향바꿔줌

ggplot(data=df,aes(x=nouns, y=Freq,fill=nouns))+geom_col()+coord_flip()

값 지정

df <- as.data.frame(table(nouns)) |> arrange(desc(Freq)) |> head(50)

#wordcloud2: 불러오기
install.packages("wordcloud2")
library(wordcloud2)
wordcloud2(df)

unlist()

  • 목록 병합
  • 리스트를 벡터로 바꾸는 방법.

KoNLP

  • 한국어 형태소 분석기(텍스트 마이닝)

딕셔너리들

  • 딕셔너리들을 설치해줄 필요가 있습니다.
  • useNIADic()
  • useSejongDic()

extractNoun()

  • 한글에서 명사를 추출해주는 함수.

출처:
https://rstatistics.tistory.com/69 <-한글 형태소 분석
https://lsjsj92.tistory.com/216 <-텍스트 마이닝
https://youngwoos.github.io/Doit_textmining/02-morphologicalAnalysis.html#13 <-텍스트 마이닝
https://minimax95.tistory.com/entry/R-프로그래밍4-wordcloud2-패키지-사용하기 [IT 정보기술 따라잡기!:티스토리]
https://ark1st.tistory.com/25 <-KoNLP설치
https://coinco.tistory.com/152
http://www.datamarket.kr/xe/index.php mid=board_ecko11&document_srl=516&listStyle=viewer <-문자열 길이 nchar 함수
https://gomguard.tistory.com/215 <-length 와 nchar의 차이점
https://minimax95.tistory.com/entry/R <-wordcloud2 다양한 모양변화

profile
류소리
새싹 빅테이터 개발자
이전 포스트

Day5 - R(5). 22.08.29.월

다음 포스트

Day7 - R(7). 22.08.31.수

0개의 댓글