세미프로젝트01 주제선정, 데이터 전처리

0. 필요한 패키지 불러오기

library1 = c("plyr", "dplyr", "ggplot2", "stringr", "tidyr", "readxl", "xlsx", "readxl") unlist(lapply(library1, require, character.only=TRUE))

1. dataset 불러오기

setwd('C:/ITWILL/2_Rwork/00/SemiProject') hospital = read.csv("hospital.csv") population = read.csv("population.csv", check.names=F, header = T) head(hospital, n=10) #병원 1개마다의 정보 기재. head(population, n=10) #지역 별 인구 수 dataset str(population)

2. dataset 정제
결측치 처리

sum(is.na(hospital)) #0 sum(is.na(population)) #0

비 노인인구 행 추가하기 (전체인구 수-노인인구 수-영유아인구 수)

pop = (population$총인구수-(population$노인인구+population$영유아인구)) population = cbind(population, pop) head(population)

노인 인구, 영유아 인구, 비 노인인구의 비율 행 추가하기

pop_be = (population$pop/population$총인구수) * 100 population = cbind(population, pop_be) pop_old_be = (population$노인인구/population$총인구수) * 100 population = cbind(population, pop_old_be) pop_child_be = (population$영유아인구/population$총인구수) * 100 population = cbind(population, pop_child_be) head(population)

변수명 영어로 변환

colnames(hospital) = c('division', 'area1', 'area2') colnames(population) = c('area', 'total_pop', 'pop_child', 'pop_old', '65~69', '70~74', '75~79', '80~84', '85~89', '90~94', '95~99', '100~', 'pop', 'pop_be', 'pop_old_be', 'pop_child_be') head(hospital) head(population)

모든 문자 공백 -> 단일 스페이스 공백으로 치환

str_trim(hospital$area1) str_trim(hospital$area2)

hospital에서 원하는 정보(지역별 병원 개수) 추출

hospital = hospital %>% group_by(area1, area2) %>% dplyr :: summarize(count=n()) str(hospital) #grouped_df

[경고] `summarise()` has grouped output by 'area1'. You can override using the `.groups` argument.
[해결] 마지막 변수 삭제 알리는 단순 경고메시지이므로 무시하고 진행

hospital에서 area1과 area2를 더해 ㅇㅇ시 ㅇㅇ군 형태로 만들기

hospital = unite(hospital, "area", c(area1, area2), sep=" ") head (hospital)

두 데이터 프레임을 공통값(area:지역)으로 묶기

total = merge(hospital, population, by="area", all=T) head(total)

[문제점] 결측치 발생

sum(is.na(total)) #87개

1. -출장소 지역은 총 병원 수 NA, 인구 수 0
2. -시, -도 단위의 총 병원 수가 출력되지 않음

[해결1] 출장소에는 병원과 인구가 모두 없으므로 의미없는 데이터라고 판단, 해당 행 모두 삭제

total[total == 0] = NA #출장소 지역의 모든 0 값을 NA로 변환 total[is.na(total$pop),] total <- total[!is.na(total$pop),] #총 인구 수(pop) NA값 삭제 sum(is.na(total)) #27개 total[is.na(total$count),]

[해결2] sql이용해서 각 지역별 병원 총 개수 확인한 뒤 엑셀파일로 직접 수치 입력.

write.xlsx(total, "C:/ITWILL/2_Rwork/00/SemiProject/total.xlsx", col.names=T, row.names=T, append=F) total = read_excel("total2.xlsx")

도 단위 총 병원 수 또한 의미없는 데이터라고 판단, 해당 행 모두 삭제

total <- total[!is.na(total$count),] sum(is.na(total$count)) #0개