R read csv, R 데이터형, 벡터, 배열, 데이터프레임, 리스트

@탐색적 데이터 분석
-변수 값의 분포, 변수 사이의 상관관계 등을 살펴 데이터 특성 파악
-요약 통계량 계산, 시각화 등


@모델링
-데이터를 가장 잘 설명하는 모델을 찾는 과정
-모델은 변수 사이의 관계를 수학식으로 표현

R

@str()
-데이터의 내용을 요약해 보여주는 함수


@plot()
-시각화 함수

-여러 시각화 옵션
-col : 색깔 지정
xlab, ylab : 축의 이름 지정
pch : 기호 모양 지정

> ?plot 처럼 ? 기호 사용해 도움말 볼 수 있음

iris

> str(iris)
> head(iris, 10) # 내용의 일부 확인(10줄)
> plot(iris)

> plot(iris$Petal.Width, iris$Petal.Length, col=Species)
# 각각 x, y축, 색은 종별로 다르게 지정하라

csv

read.csv() 로 파일 읽기

summary() # 요약 통계 보여줌


@탐색적 데이터 분석의 효능
-전략 수립에 도움


@탐색적 데이터 분석의 한계
-돈을 더 버는 전략을 짤 수는 있어도, 새로운 전략에서 수입이 얼마나 더 늘지 정확히 예측은 불가


@모델링
-예측 가능 -> 미래 재정 포트폴리오 짤 수 있음

데이터 과학 문법

-변수 : 데이터 저장 공간
-데이터형 : 숫자형, 문자형, 범주형, 논리형, 특수 상수 등
-연산자 : 산술, 비교, 논리 연산자
-벡터 : 단일값들의 모임
-배열 : 열과 행을 가지는 데이터 집합. 벡터의 요소들이 다시 벡터로 구성된 형태
-데이터 프레임 : 서로 다른 데이터 형이 표 형태로 정리된 구조. 각 속성의 크기가 같음
-리스트 : 데이터 프레임과 유사한 표 형태의 구조. 각 속성의 크기가 달라도 됨

변수에 값 저장

-=, <-, -> 이용한 값 대입(=보다 <-이 우선 실행)

변수 이름 규칙

-대소문자 구별
-특수문자 쓸 수 없음
-_(밑줄)이나 .(마침표) 기호 쓸 수 있음
-숫자나 밑줄을 변수 첫 글자로 쓸 수 없음
-미리 정해진 명령어인 if, while, for 등의 예약어 사용 불가
-단순한 x, y, z보다는 의미가 드러나는 게 좋음
-한글 이름도 가능하지만 영문 권장

R의 기본 데이터형

데이터형	종류
숫자형	int : 정수, num : 실수, cplx : 복소수
문자형	chr : 작은따옴표나 큰따옴표로 묶어 표기
범주형	factor : level에 따라 분류된 형태
논리형	TRUE(T), FALSE(F)
특수 상수	NULL : 정의되지 않은 값 NA : 결측값 -Inf 와 Inf(음의 무한대와 양의 무한대) NaN : 0/0, Inf/Inf 등과 같이 연산 불가능한 값 표시

데이터형 확인 함수

함수	설명
class(x)	R 객체지향 관점에서 x의 데이터형
typeof(x)	R 언어 자체 관점에서 x의 데이터형
is.integer(x)	x가 정수형이면 TRUE, 아니면 FALSE
is.numeric(x)	x가 실수형이면 TRUE, 아니면 FALSE
is.complex(x)	x가 복소수형이면 TRUE, 아니면 FALSE
is.character(x)	x가 문자형이면 TRUE, 아니면 FALSE
is.na(x)	x가 NA이면 TRUE, 아니면 FALSE

데이터형 변환 함수

함수	설명
as.factor(x)	x를 범주형으로 변환
as.integer(x)	x를 정수형으로 변환
as.numeric(x)	x를 숫자형으로 변환
as.character(x)	x를 문자형으로 변환
as.matrix(x)	x를 행렬로 변환
as.array(x)	x를 배열로 변환

벡터

-여러 단일값을 하나의 변수명으로 저장 가능
단일 값을 하나의 변수로 저장하면 값이 많은 경우 변수의 수도 증가하게 됨
-> 하나의 벡터 변수로 여러 단일값 저장


@벡터 생성
-벡터 생성 연산자 ':' 이용
> 1 : 7 # 1부터 7까지 1씩 증가시켜 요소가 7개인 벡터 생성
> 7 : 1 # 7부터 1까지 1씩 감소시켜 요소가 7개인 벡터 생성

-vector() 이용
요소의 개수가 n개인 빈 벡터 생성
>vector(length = 5)

-c() 이용
일반 벡터 생성
> c(1 : 5) # 1부터 5까지 1씩 증가시켜 요소가 5개인 벡터 생성
> c(1, 2, 3, c(4 : 6)) # 1부터 3까지 요소와 4부터 6까지 요소를 결합한 1부터 6까지 요소로 구성된 벡터 생성

-seq() 이용
순열 벡터 생성
> seq(from=1, to=10, by=2) # 1부터 10까지 2씩 증가하는 벡터 생성
> seq(0, 1, by=0.1) # 0부터 1까지 0.1씩 증가하는 요소가 11개인 벡터 생성
> seq(0, 1, length.out=11) # 0부터 1까지 요소가 11개인 벡터 생성

-rep() 이용
반복 벡터 생성
> rep(c(1 : 3), times =2) # (1, 2, 3) 벡터를 2번 반복한 벡터 생성
> rep(c(1 : 3), each =2) # (1, 2, 3) 벡터의 개별 요소를 2번 반복한 벡터 생성


@벡터 간 연산
-벡터의 길이가 같거나 요소 개수가 배수 관계에 있을 때 연산 가능


@벡터 연산에 유용한 함수
-all(), any() : 벡터 내 모든, 일부 요소의 조건 검토

-head(), tail() : 데이터의 앞, 뒤 일부 요소 추출(기본 6개 추출)

-union(), intersect(), setdiff(), setequal() : 벡터 간 집합 연산
각각 합집합, 교집합, 차집합, 동일 요소 비교
(setequal()은 TRUE, FALSE로 값 반환)

배열

-열과 행으로 구성된 데이터


@배열 생성 함수
-array() : N차원 배열 생성
> x = array(1 : 5, c(2, 4)) # 1~5 값을 2X4 행렬에 할당
> x

> x[1, ] # 1행 요소 값 출력

> x[, 2] # 2열 요소 값 출력

-matrix() : 2차원 배열 생성
> x = 1 : 12
> x

> matrix(x, nrow=3) # 행렬로 구성할 벡터, 행과 열 수 중 하나 결정

> matrix(x, nrow=3, byrow=T) # byrow : 데이터를 행 단위로 배치할지 여부(T/F)

-cbind(), rbind() : 열, 행 단위로 묶어 배열 생성
> v1 = c(1, 2, 3, 4)
> v2 = c(5, 6, 7, 8)
> v3 = c(9, 10, 11, 12)

> cbind(v1, v2, v3) # 열 단위로 묶어 배열 생성

> rbind(v1, v2, v3) # 행 단위로 묶어 배열 생성

-apply() : 배열의 행 또는 열별로 함수 적용
> x = array(1 : 12, c(3, 4))
> x

> apply(x, 1, mean) # 가운데 값이 1이면 함수를 행별로 적용
[1] 5.5 6.5 7.5

> apply(x, 2, mean) # 가운데 값이 2이면 함수를 열별로 적용
[1] 2 5 8 11


-dim() : 배열의 크기(차원의 수)
> x = array(1 : 12, c(3, 4))
> dim(x)

-sample() : 벡터나 배열에서 샘플 추출
> x = array(1 : 12, c(3, 4))
> sample(x) # 배열 요소를 임의로 섞어 추출

> sample(x, 10) # 배열 요소 중 10개를 골라 추출

> sample(x, 10, prob = c(1 :12)/24) # 각 요소별 추출 확률을 달리할 수 있음

> sample(10) # 단순히 숫자만 사용해 샘플 만들 수 있음

데이터 프레임

-가장 흔히 쓰이는 표 형태의 데이터 구조 가짐
-행렬과 달리 여러 데이터형을 혼합해 저장 가능
-리스트와 달리 행의 수를 일치시켜서 저장해야 함


@데이터 프레임 생성 : data.frame() 이용
> name = c("철수", "춘향", "길동")
> age = c(22, 20, 25)
> gender = factor(c("M", "F", "M"))
> blood.type = factor(c("A", "O", "B"))

> patients = data.frame(name, age, gender, blood.type)
> patients

@데이터 프레임 요소 접근
-$, [, ], 조건식 등을 이용해 접근
> patients$name #name 속성 값 출력

> patients[1, ] # 1행 값 출력

> patients[, 2] # 2열 값 출력

> patients[3, 1] # 3행 1열 값 출력

> patients[patients$name=="철수", ] # 환자 중 철수에 대한 정보 추출

> patients[patients$name=="철수", c("name", "age")] # 철수 이름과 나이 정보만 추출

@데이터 프레임에 유용한 함수
-attach(), detach() : 데이터 프레임의 속성명을 변수명으로 변경
> head(cars) # cars 데이터 셋 확인. head()의 기본 기능은 앞 6개 데이터 추출

> speed

-> speed 변수가 독립적으로 존재하지 않기 때문에 발생

> attach(cars) # attach()를 통해 cars의 각 속성을 변수로 이용하게 함
> speed

> detach(cars) # cars의 각 속성을 변수로 사용하는 것을 해제함
> speed

-with() : 데이터 프레임에 다양한 함수 적용
> mean(cars$speed) # 데이터 속성을 이용해 함수 적용
> with(cars, mean(speed)) # with()를 이용해 함수 적용


-subset() : 데이터 프레임에서 일부 데이터만 추출
# 속도가 20 초과인 데이터만 추출
> subset(cars, speed > 20)

# 속도가 20 초과인 데이터 중 dist를 제외한 데이터만 추출
> subset(cars, speed > 20, select = -c(dist))


-na.omit() : 데이터 프레임의 결측값 제거
> head(airquality) # 이 데이터에는 NA가 포함돼 있음

> head(na.omit(airquality)) # NA 포함된 값 제외하여 추출

-merge() : 여러 데이터 프레임 병합
> name = c("철수", "춘향", "길동")
> age = c(22, 20, 25)
> gender = factor(c("M", "F", "M"))
> blood.type = factor(c("A", "O", "B"))

> patients1 = data.frame(name, age, gender)
> patients1

> patients2 = data.frame(name, blood.type)
> patients2

> patients = merge(patients1, patients2, by = "name")
> patients

리스트

-서로 다른 기본 데이터형을 갖는 자료 구조 포함 가능
-데이터 프레임보다 넓은 의미의 데이터 모임
-데이터 프레임과 달리 모든 속성의 크기가 같을 필요 없음


@리스트 생성 : list()
> patients = data.frame(name = c("철수", "춘향", "길동"), age = c(22, 20, 25), gender = factor(c("M", "F", "M")), blood.type = factor(c("A", "O", "B")))
> no.patients = data.frame(day = c(1 : 6), no = c(50, 60, 55, 52, 65, 58))

# 데이터 단순 추가
> listPatients = list(patients, no.patients)
> listPatients

# 각 데이터에 이름 부여하며 추가
> listPatients = list(patients = patients, no.patients = no.patients)
> listPatients

@리스트 요소에 접근 : $, [[ ]]
> listPatients$patients # 요소명 입력

> listPatients[[1]] # 인덱스 입력

> listPatients[["patients"]] # 요소명을 " "에 입력

@리스트에 유용한 함수
-lapply(), sapply() : 리스트 요소에 다양한 함수 적용

# 요소의 평균 구하기
> lapply(listPatients$no.patients, mean)

# patients 요소의 평균 구해줌. 숫자 형태가 아닌 것은 평균 구해지지 않음
> lapply(listPatients$patients, mean)

> sapply(listPatients$no.patients, mean)

# sapply()의 simplify 옵션을 F로 하면 lapply() 결과와 동일한 결과 반환
> sapply(listPatients$no.patients, mean, simplify = F)