R 프로그래밍도 학교 강의로 공부하고 있는 요즘, 기본적인 문법 및 시각화 함수들을 정리해보고자 한다!
정리 방식은 기본적인 함수 정리 및 실습 문제 풀이 정리로 구성될 계획이다!

기본 라이브러리

dplyr : 데이터 전처리 시 가장 많이 사용
ggplot2 : 시각화 시 사용
ggthemes : ggplot으로 생성된 시각화 함수들의 테마 변경
reshape : 변수명 변경 등에 사용
haven : sav 파일 read 시 사용
readxl : csv, excel 파일 read 시 사용
wordcloud : wordcloud 시각화에 사용
RClorBrewer : color 그라데이션에 활용

데이터 읽어오기

excel, csv, sav 등등

1) excel
install.packages('readxl')
library(readxl)
df <- read_excel('exam.xlsx)
만일, 엑셀의 첫번째 행이 변수명이 아닌 경우
df <-read_excel('exam.xlsx', col_names = F)

2) csv
df <- read.csv('exam.csv')
문자가 있는 데이터인 경우
df <- read.csv('exma.csv', stringAsFactors = F)

3) sav 파일의 경우 'haven' 라이브러리 불러오기
library(haven)
df <- read_sav(file = '.sav', encoding = 'UTF-8')

변수 설정

df <- as.data.frame(ggplot::mpg)
R 에서는 <- OR =을 통해 변수 설정 가능! 대개 <-로 변수 설정함

함수

함수는 함수명과 괄호로 구성, 함수에 전달할 인자(데이터)나 함수의 동작을 제어할 파라미터가 존재

숫자를 다루는 함수

 mean() : 인자로 받은 데이터의 평균을 구하는 함수
 max() : 인자로 받은 데이터들의 최대값 출력 
 min() : 인자로 받은 데이터들의 최솟값 출력
 
 ex) x<- c(1,2,3)
 mean(x)
 max(x)
 min(x)

문자를 다루는 함수

paste() : 인자로 받은 데이터들을 하나의 문장으로 결합
ex) str1 <- paste('Hello!', 'world!', 'is', 'good')
paste(str1)
paste(str1, collaspe= ' ')

< 결과 >

사용자 정의 함수

mycal2 <- function(a, b) {
  c <- a + b 
  d <- a * b
    return(list(sum = c, mul = d))
}
result <- mycal2(2,10)
result
result$sum
result$mu

< 결과 >

결측치 대체

x <- c(10, 11, 12, NA, 15, NA, NA)

### R은 인덱스가 1부터 시작!
x[1]

### NA 값을 0으로 대체
x[is.na(x)] <- 0

### NA 제외하고 평균값 구하기
mean(x, na.rm = T)

### 결측치를 평균값으로 처리
x[is.na(x)] <- mean(x, na.rm = T)

y <- c(10, 9, NA, NA, 6, 4, NA, 1, NA)

### y 벡터에서 NA 제외하고 벡터화
z <- as.vector(na.omit(y))
z

데이터 정렬

x <- c(2, 5, 3, 9, 4, 8, 1) 
# 숫자 크기 순으로만 정렬 (디폴트값은 오름차순)
order(x, na.last = TRUE, decreading = TRUE)

주어진 벡터 자체를 오름차순 정렬
y1 <- sort(x)

데이터 가공하기

변수명 변경

df <- data.frame(var1 = c(1,2,3), var2 = c(4,5,6))
dplyr패키지의 rename 함수 사용
df <- rename(df, '바꿀 변수명' = '기존 변수명')

dplyr 함수

1. filter : 행 추출
   exam <- read.csv('exam.csv')
   exam %>% filter('컬럼명' == 조건)
   exam %>% filter ('컬럼명' %in% c(1,2,3,4))

2. select : 열 추출
   df %>% select('변수명')
   '특정 변수 제거하고 출력하는 방법'
   df %>% select(-'변수명')

3. arrange : 정렬
   오름차순인 경우 : df %>% arrange('변수명')
   내림차순인 경우 : df %>% arrange(desc('변수명'))

4. mutate : 변수(열) 추가
   df %>% mutate(total = ifelse(score >= 60, 'pass', ifelse(score >= 40, 'fail', 'Not Yet'))) %>% head(10)

5. summarise : 통계치 산출
   df %>% summarise(mean_score = mean(score))
   df %>% group_by('변수명') %>% summarise(mean_score = mean(score)) %>% head(5)
   빈도수를 알고 싶다면?
   df %>% group_by('변수명') %>% summarise(mean_score = mean(score), n = n()) %>% head(5)

6. group_by : 집단 별로 나누기
7. left_join() : 데이터 합치기 (열)
8. bind_rows() : 데이터 합치기 (행)

원하는 형태로 데이터 가공하기

< 연산자 >

조건에 맞는 데이터만 추출
%>% (파이프 연산자) : 단축키 ++
%in% (매치 연산자) : 조건 목록 입력을 통해 사용
AND 연산( & ) : 두 개의 조건이 모두 참인 행을 추출
OR 연산( | ) : 두 개의 조건 중 하나만 참이라도 추출
이렇게 추출한 값은 새로운 변수에 저장 가능

exam %>% filter(class %in% c(1, 3, 5))

시각화

데이터 분석 파트에서 좋은 그래프를 구현하는 것은 좋은 이점.
R에서는 뛰어난 그래프 기능을 지원하는 베이스 시스템과 ggplot2 패키지를 통해 구현 가능!

자료 종류
1. 범주형 자료 - 혈액형, 성별, 학과 등 (categorical)
2. 연속형 자료 - 몸무게, 키, 강수량, 자료형 (numerical)
3. 변수 개수에 따른 분류
3-1) 단일변수 자료 - 벡터에 저장
3-2) 다중변수 자료 - 데이터프레임에 주로 저장

1. 범주형 자료

uni.bloodtype <- c('A', 'B', 'A', 'O', 'AB', 'A', 'O', 'B', 'B', 'B')
uni.bloodtype
table(uni.bloodtype)
table(uni.bloodtype) / length(uni.bloodtype)

barplot(table(uni.bloodtype))
barplot(table(uni.bloodtype), main = 'Blood Type')
pie(table(uni.bloodtype), main = 'Blood Type')
colors <- c('red', 'yellow', 'blue', 'green')
barplot(table(uni.bloodtype), main = 'Blood Type', col = colors)

table(변수명) : 해당 벡터에 존재하는 unique한 데이터 개수 표로 출력
barplot() : 막대그래프 형성
pie() : 원형그래프 형성
main='그래프 제목', col = 'colors'로 색깔 지정도 가능!

2. 연속형 자료

weight <- c( 75, 72, 60, 65, 67, 70, 72, 63, 60, 64)
weight1 <- c(weight, 250)
weight
weight1
mean(weight)
median(weight)
mean(weight1)
median(weight1)
mean(weight, trim= 0.1)
mean(weight1, trim= 0.1)

분포도(distribution 확인)
data <- c( 100, 50, 55, 75, 60, 80, 6, 88, 92, 82)

분산 : var(data)
표준편차 : sd(data)
범위 : range(data)
max, min 간의 차이 : diff(range(data)

4분위수 (quantile)
data <- c( 100, 50, 55, 75, 60, 80, 6, 88, 92, 82)
quantile(data)
# 원하는 % 만큼의 분포 확인도 가능!
quantile(data, (0:10)/10)
# min, max 포함한 사분위수 출력
summary(data)

주어진 데이터의 이상치가 많이 존재할 경우 평균보다 중앙값을 많이 사용
trim = % 함수 : 상하위 값 %만큼 삭제 후 값 계산

편향

2-1 연속형 차트

# 새로운 스크립트 열어서 확인 가능
View(cars)
# 행, 열 출력
dim(cars)
summary(cars)
# 주어진 데이터 정보 출력
help(cars)
# cars 데이터프레임의 2번째 열만 가져오기
data <- cars[,2]
hist(data)
hist(data, main = "자동차 제동 거리", xlab = "제동거리", ylab = "빈도수",
border="red", col = "yellow", las = 2, breaks = 5

히스토그램의 경우 막대그래프와 유사한 형태, 연속형 데이터 분포를 시각화 시 사용
구간을 나누고, 구간에 속한 자료의 개수를 세어서 표현!!

다중변수 시각화

• 산점도
  변수가 2개 이상으로 구성된 자료 분포 확인, 데이터 간의 관계 파악!

plot(wt, mpg, main = '무게와 연비의 관계', xlab = '무게', 'ylab' = '연비', col = 'blue', pch = 21)

# 다중 산점도
vars <- c('mpg', 'disp', 'drat', 'wt')
multi_var <- mtcars[,vars]
pairs(multi_var, main = 'Multi scatter')

상관 분석

상관 분석 - 관측값들의 분포가 얼마나 더 강한 선형인 관계에 있는지 수치상으로 나타내는 방법
상관 계수 - 선형성의 정도를 나타내는 척도

data.a <- c(5,2,9,8,3,7,3,5,3,5)
data.b <- c(1, 0.3, 1.9, 1.2, 0.4, 0.095, 0.7, 0.6, 0.2, 0.5)
tbl <- data.frame(data.a, data.b)
tbl
plot(tbl)
plot(data.b~data.a)
plot(data.b~data.a, data=tbl)
그래프에서 절편 값들 알 수 있음
lm(data.b~data.a, data=tbl)
res <- lm(data.b~data.a, data=tbl)
# 앞서 그린 그래프에 선 추가해주기
abline(res)
# 두 변수 간 선형성 (상관계수 값 확인)
cor(data.a, data.b)

### 선그래프
month = 1:12
rain <- c(10, 15, 30, 25, 40, 50, 120, 100, 30, 10, 20, 30)
plot(month, rain, main= '강수량 통계', type = 'l', lty = 1, lwd = 1, 
     xlab = '월별', 'ylab' = '강수량')
### 여러개의 선그래프
rain1 = c(23, 8, 15, 40, 55, 60, 125, 120, 40,30,40,20)
lines(month, rain1, type = 'b', col = 'blue')

plot 으로 먼저 그래프 그린 후, lines()로 선 데이터 추가하기!!

boxplot()

4분위수, 이상치를 알 수 있는 시각화 그래프 함수

원하는 개수만큼 한 화면에 여러 그래프 생성하기

그래프 2행 3열로 만들기
par(mfrow = c(2,3))
산점도
plot(df$weight, df$height)
plot(df$age, df$height)
막대그래프
barplot(table(df$bloodtype))
4분위수, 이상치 나오도록 하는 boxplot
boxplot(df$height)
boxplot(df$height ~ df$bloodtype)
히스토그램
hist(df$height, breaks=10)
par(mfrow = c(1,1)) 원 상태로 복귀
        
# enter키 치면서 넘기면서 시각화 확인
plot(df$weight ~ df$height + df$age + df$grade + df$absence)