11. R정리 (기본약속, 함수, 데이터종류)

1. 기본약속

단축키 및 콘솔창 명령어
Ctrl + L 콘솔 창 비우기

help() : 함수 사용법

history() : 최근 사용한 명령어 25개 불러오기
rm(list=ls()) 환경변수 지우기

lnstall.package("패키지명") : 패키지 설치
search() : 설치된 패키지 확인
la("package:패키지명") : 패키지 내 함수 확인
detach(package:패키지명) : 패키지 삭제
library(패키지명) : 패키지 메모리 적재

 

class() : 자료구조 확인
load("파일명") : Rda파일 불러오기
mode()


변수와 상수
상수 : 의미가 변하지 않는 것 ex) 1,2,3... "a",'b'...
변수 : 자료를 담는 그릇
변수에 상수 할당 : (변수) <- (상수), (변수) = (상수)
* observations (obs) 열, 관측치
variables(variable) 행, 변수 


산술연산
+
-
*
/
^, ** 제곱
%/% 나눗셈의 몫
%% 나눗셈의 나머지


관계연산자 
<
>
== ex) A==2 : A중에 2를 TRUE, 아닌 것은FALSE로 표시
!= ex) not equal. A !=2는 2가 아닌 것을 TRUE, 2를 FALSE로 표시
>=
<= ex) A<=3 : A에 3보다 작거나 같은 것은 TRUE로, 아닌 것은 FALSE 출력
& ex) AND
| ex) OR
%in% 매칭확인
||

which(A==5) : A에서 5는 몇번째에 있는가
sum(A>2) : A에서 2보다 큰 값의 수
sum(A[which(A>2)]) : A에서 2보다 큰 값을 다 찾은 다음 그 값을 전부 더함 (3+4+5=12)


논리연산자 (TRUE/FALSE 판별)
&(=AND) 
|(=OR)
!(=NOT)

 

d = c(1:9)
condi = d>5 & d<8
d[condi] #6 7

* 조건을 변수에 지정하고, 인덱스에 조건을 넣을 수 있다

 

 

외부 데이터 이용하기
install.packages("readx1") : readx1 패키지 설치
library(readx1) : readx1 패키지 로드

엑셀 파일 불러오기
① DF명 = read_excel("파일명.확장자")
* R스크립트와 같은 폴더에 있는 경우

② 상대 경로 지정
DF명 = read_excel("파일경로명")

* 엑셀파일 첫 번째 행이 변수명이 아니라면
DF명 = read_excel("파일명", col_names=F)

CSV파일 불러오기/저장하기
read.csv("파일명.확장자")

write.csv("파일명.확장자")

문자가 들어있는 파일을 불러올 때
DF명 = read.csv("파일명", stirngsFactors=F)

 

데이터 프레임을 CSV파일로 저장하기
wirte.csv(DF명, file = "파일명.csv")

시각화 도구
hist() : 히스토그램 생성
table() : 빈도표 생성
plot() : 그래프로 출력
qpolot (data=테이블명, x=변수명, y=변수명, geom=그래프 형태) : x,y축을 가진 빈도 그래프로 출력
* 그래프 형태 : line, boxplot, colour=drv





2. 함수

range() : 데이터의 범위 (최대값~최소값) 출력

length() : 데이터의 길이 출력
nrow() : 행의 수(=세로줄의 수) 출력

ncol() : 열의 수(=가로줄의 수) 출력

숫자를 다루는 함수
mean(n) : n의 평균
median(): 중앙값
var(): 분산값
sd(): 표준편차
max(n) : n중 가장 큰 값
min(n) : n중 가장 작은 값
sum() : 전체 다 더하기

sqrt() : ()안에 들어가는 수의 루트값을 계산
print(x*y) or print(x/y): x와 y의 곱 또는 나눗셈을 프린트

 

sort(매개변수 이름, 매개변수 값) : 정렬함수

sort(DF명, decreasing=FALSE) : 오름차순 정렬, 기본값

sort(DF명, decreasing=TRUE) : 내림차순 정렬

* 매개변수 = 함수의 input값 = parameter

문자를 다루는 함수
paste : 단어를 하나로 합치기
past(변수, collapse="단어 사이에 들어갈 문자")


사용자 정의 함수
① 함수명 = function(인수){실행문1 실행문2 return(값)}
fx = function(x){
  re = x^2 + x*2 + 5
  return(re)

② 함수 호출
re = fx(2)
cat('re=',re) #re=13

③ 인수가 없는 함수
f1 = function(){
  cat('인수가 없는 함수')
}

④ 인수가 있는 함수
f2 = function(x){
  cat('x값=', x)
}

⑤ 반환값이 있는 함수
f3 = function(x,y){
  add = x+y
  return(add)
}

⑥ 평균 계산
avg = function(a,b,c){ 
  t= tot(a,b,c) #총점 함수 호출
  a=t/3
  return(a) #총점 반환
}
* 평균은 총점이 있어야만 값을 구할 수 있기 때문에 return함수 필수 

평균 계산2 (return 생략)
avg = function(a,b,c){
  t=tot(a,b,c)
  a=t/3
  cat('총점=', t, '평균=', a) #return(t,a)는 error. 두 개의 값을 동시반환 받을 수 없음 
  df = data.frame(tot=t,avg=a) #데이터 프레임은 생성 가능. 함수의 이름을 선언해주면 가독성이 좋아짐
  return(df) 
}


분산과 표준편차
x = c(7,5,12,9,15,6)일 때,

mean(x) #9 평균
var(x) #14.8
sd(x) #3.84 표준편차
sqrt(var(x)) #3.84 분산->표준편차 (제곱근의 관계)
sd(x)^2 #14.8 표준편차->분산 (제곱의 관계)
* 표본분산 : var = sum((x-산술평균)^2) / (n-1)
* 표본표준편차 : sd = sqrt(var)

① 분산과 표준편차 함수
var_sd = function(x){
  #1.산술평균
  a=avg(x)
  #2.분산
  var = sum((x-a)^2) / (length(x)-1)
  #3.표준편차
  sd = sqrt(var)
  #4.결과출력
  cat('var=', var, '\n')
  cat('sd=', sd)
}






3. Data Type : 데이터의 유형
숫자형, 논리형, 문자형

numeric (숫자형)
int 정수형
double 실수형 : 3.12, 2.22...

logical (논리형)
TRUE(T), FALSE (F)

character/string (문자형)
"1", '2', "TURE", '일'

missing value (결측값. 논리형)
NA
is.na() 함수로 도출




 
4. Data Structure: 데이터의 구조

Vector (벡터)
: 동일한 자료형의 값이 여러 개 연속되어 있는 1차원의 데이터 구조
생성함수 : c(), seq(), rep()

① c(n) : 벡터의 원소 생성

c(1,2,3) 숫자형 벡터

c('a', "b", "b") 문자형 벡터

c(TRUE, TRUE, FALSE, TURE) 논리형 벡터

* 하나의 벡터에 문자/숫자를 섞어서 넣으면 모두 문자형으로 인식

② seq (시작, 종료, 간격) or seq(from=a, to=b, by=c) : a부터 b까지 c씩 증가
seq(from=a, to=b, by=-c) : a부터 b까지 c씩 감소

③rep(시작, 반복횟수) or rep(a:b, 3) : a부터 b까지를 3번 반복 

rep(a:b, times=3) : a b전체를 3번 반복

rep(a:b, each=3) : a와 b를 각각 3번씩 반복 

 

④ 데이터 vector 요소 값에 이름 부여

names() 함수 이용

* 계산에는 아무런 영향을 미치지 않고, 단지 값의 의미를 분명하게 밝히는 역할

score = c(80, 65, 70)
score

names(score) = c('봄','재인','병호')
score

 

⑤ 데이터 vector에 산술 연산

d = c(1,4,3,7,9)
d
2*d #2  8  6 14 18
d-5 #-4 -1 -2  2  4
3*d-4 #-1  8  5 17 23

⑥ 두 vector간 연산

x = c(1,2,3)
y = c(4,5)
c(x,y) #1 2 3 4 5
z = c(x,y)
z #1 2 3 4 5

*단 두 벡터의 길이가 같아야 함

 

⑦ 두 벡터 연결

x = c(1,2,3)
y = c(4,5,6)
x+y #5 7 9
z = x+y
z #5 7 9

* 대응하는 두 벡터의 합 출력 (사칙연산 모두 적용가능)

 

 

 

Matrix (매트릭스)
: 동일한 데이터 타입이 저장된 2차원 데이터 구조
생성함수 : matrix(), rbind(), cbind()
처리함수 : apply

① matrix(자료형, 행의수, 열의수, 정렬방향) : 데이터 생성 함수
m1 = matrix(data=a:b, nrow=c) : a부터 b까지의 값을 행 c개의 m1으로 생성
m1 = matrix(data = a:b, ncol=c) : a부터 b까지의 값을 열 c개의 m1으로 생성
* 행렬을 채울 때 열을 따라 세로로 채워진다
* byrow=TRUE : 행을 따라 가로로 채워나간다

② rbind : 행 방향으로 벡터를 채우는 데이터 생성 함수
m1=rbind(a,b) : a와 b의 값이 각각 행으로 채워나가는 m1 생성

a = 1:5
b = 6:10
m1 = rbind(a, b)
#출력값 1 2 3 4 5
#      6 7 8 9 10

③ cbind : 열 방향으로 벡터를 채우는 데이터 생성 함수
m1=cbind(a,b) : a와 b의 값이 각각 열로 채워나가는 m1 생성

a = 1:5
b = 6:10
m1 = cbind(a, b)
# 출력값 1 6
#       2 7
#       3 8

 

④ 데이터 matrix 요소 값에 이름 부여

rownames() : 행 이름 부여

colnames() : 열 이름 부여

z = c(1:20)
z1 = matrix(z, 4, 5, T)
rownames(z1) = c("row1","row2","row3","row4")
colnames(z1) = c("col1","col2","col3","col4","col5")
z1
#       col1 col2 col3 col4 col5
# row1    1    2    3    4    5
# row2    6    7    8    9   10
# row3   11   12   13   14   15
# row4   16   17   18   19   20

 

⑤ matrix 간 사칙연산

* 행/열의 수가 동일할 때만 가능

* 행렬곱 연산자 %*%

 

⑥ 행과 열 변환하기

t()

 

⑦ 숫자로만 된 data frame을 matrix로 변환

as.matrix(DF명[행:열])

* matrix를 data frame으로 변환 : data.frame()

 

⑧ apply : 함수 적용
m1=(data, 행/열, 적용시킬 외부함수)

 

 

Array (어레이)
3차원 배열구조 (사용빈도 낮음)
생성함수 : array (dim, data)

① array(a:b, dim=c(2,3,4)) : a부터 b까지의 숫자 벡터를 2행 3열의 행렬 4개로 생성
② a = 1:12
arr = array(data = a, dim = c(2,3,4)) : 1부터 12까지의 숫자 벡터를 2행 3열의 행렬 4개로 생성

 

 

 

DataFrame (데이터 프레임)
: 2차원 배열구조, 칼럼 단위로 상이한 자료형을 갖는다 (단, 칼럼별 데이터 타입은 동일)
생성함수 : data.frame()
처리함수 : apply()

①  df <- data.frame(NO=empno, NAME=ename, AGE=age, PAY=pay)
* 변수 이름 지정 가능

② DF$column : 자료 참조
emp$PAY : emp의 PAY칼럼 값 조회
mean(pay) : PAY칼럼 값의 평균
round(mean(pay)) : PAY칼럼 값의 소수점 이하를 반올림
* 색인 기능보다 선호. matrix에서는 적용되지 않는 기능

 

③ 조건에 맞는 행(row) 추출

subset()

* matrix에서는 잘 안됨

IR1 = subset(iris, Species=="setosa")
IR1

IR2 = subset(iris, Sepal.Length>5.0 & Sepal.Width>4.0)
IR2
#    Sepal.Length Sepal.Width Petal.Length Petal.Width Species
# 16          5.7         4.4          1.5         0.4  setosa
# 33          5.2         4.1          1.5         0.1  setosa
# 34          5.5         4.2          1.4         0.2  setosa

④ APPLY() : 함수 적용
apply(df, 2, mean) : 열 단위의 평균 값

 

LIST (리스트)
: 구성요소의 길이가 다른 벡터를 담는다
list(key=value), list(value) 형식

①  list(key=value) 함수를 이용한 객체 생성

member = list(name='홍길동', age=35, addr='서울시', gender='남')
$name : $key
#[1] "홍길동" : value

key를 이용한 value 참조

member$name #출력값 "홍길동"
member$addr #출력값 "서울시"

* value값 수정 : member$age = 45 

② key를 생략한 객체 생성
member2 = list ('홍길동', 35, '서울시', '남') :  [[n]]과 같은 기본 key 제공

member2[[1]] #출력값 "홍길동"
member2[[3]] #출력값 "서울시"

Index (색인) : 값이 저장된 위치
변수(n) : n은 1부터 시작한다

 

a = c(1,4,3,7,8,9)
a[-2] #1 3 7 8 9
a[-c(3:5)] #1 4 9

a[n] : n번째 저장된 값의 위치
a[a:b] : a번째부터 b번째까지의 값

a[b, ] : 열 제외, b번째 행 출력

a[ ,c] : 행 제외, c번째 열 출력

a[seq(a,b,c)] : a에서 b까지 c씩 건너뛰는 값
a[c(a,b,c:d)] : a, b, c~d 값 출력

a[-b] : b번째 값은 제외하고 출력
a[-c(a,b,c:d)] : a, b, c~d 값을 제외
* 여러 개의 값을 지정할 때 꼭 c함수로 묶어주어야 함 
* 조건식(관계연산자, 논리연산자) 이용 가능

 

gnp = c(2090,2450,960)
gnp

names(gnp) = c("korea", "china", "japan")
gnp
# korea china japan 
# 2090  2450   960 

gnp[1]
gnp["korea"]
# korea 
# 2090 

gnp[c("korea","japan")]
# korea japan 
# 2090   960

"문자"로도 색인 출력 가능

 

데이터 출력 명령어
① head() 데이터 앞부분 출력
head(변수명) : 앞에서부터 6행까지 출력
head(변수명, n) : 앞에서부터 n행까지 출력

② tail() 데이터 뒷부분 출력
tail(변수명) : 뒤에서부터 6행까지 출력
tail(변수명, n) : 뒤에서부터 n행까지 출력

③ View(변수명) : 새로운 창에서 출력

④ dim(변수명) : 행, 열의 수 출력

⑤ summary(변수명) 요약 통계량 출력
min 최소값
max 최대값
mean 평균값
median 중간값
1st Qu 25%까지의 값
3rd Qu 75%까지의 값

⑥ str() : 데이터셋 속성 요약 출력
chr 문자형, num 숫자형 (소수), int 숫자형 (정수)

 

⑦ unique(DF명,[,-n]) : n번째 칼럼 제거한 변수명 보기

 

⑧ table(DF명 [,"변수명"]) : 각 행의 개수 출력

 

⑨ colSums(DF명 [-n]) : n번째 칼럼 제외한 열별 합계

colMeans() : 열별 평균

rowSums() : 행별 합계

rowMeans() : 행별 평균