19. R EDA, 데이터전처리 연습문제

01. mtcars 데이터셋의 qsec(1/4마일 소요시간) 변수를 대상으로 극단치(상위 0.3%)를 발견하고, 정제하여 mtcars_df 이름으로 서브셋을 생성하시오.

library(ggplot2)
str(mtcars) # 'data.frame': 32 obs. of  11 variables:

(1) 이상치 통계 확인 

boxplot(mtcars$qsec)$stats # 1/4마일 소요시간

일반적으로 상하위 0.3% 극단치로 본다.

(2) 서브셋 생성 : subset() 이용 

mtcars_sub = subset(mtcars, qsec >= 14.5 & qsec <= 20.22)

 

(3) 정제 결과 확인 : boxplot() 이용 

boxplot(mtcars_sub$qsec)

 

 

02. 본문에서 생성된 dataset2의 resident 칼럼을 대상으로 NA 값을 제거한 후 dataset5 변수에 저장하시오.

방법1) subset 이용 : 특정 칼럼 결측치가 아닌 경우

dim(dataset2)
dataset5 = subset(dataset2, !(is.na(dataset2$resident)) )  
dim(dataset5)

방법2) na.omit 이용 

dataset5 = dataset2
resident = na.omit(dataset2$resident) # 특정 칼럼만 결측치 제거 
dataset5$resident = resident

 

 

03. 본문에서 생성된 dataset2의 직급(position) 칼럼을 대상으로 1급 -> 5급, 5급 -> 1급 형식으로 역코딩하여 position2 칼럼에 추가하시오.

position = dataset2$position
cprosition = 6 - position # 역코딩
dataset2$position2 = cprosition # 칼럼 추가

 

 

 

04. dataset2의 gender 칼럼을 대상으로 1->"남자", 2->"여자" 형태로 코딩 변경하여 gender2 칼럼에 추가하고, 파이 차트로 결과를 확인하시오.

dataset2$gender2[dataset2$gender == 1] <- "남자"
dataset2$gender2[dataset2$gender == 2] <- "여자"
table(dataset2$gender2)

남자 여자 
119   87

pie(table(dataset2$gender2))

 

 

 

05. 나이를 30세 이하 -> 1, 31~55 -> 2, 56이상 -> 3 으로 리코딩하여 age3 칼럼에 추가한 후 age, age2, age3 칼럼만 확인하시오.

dataset2$age3[dataset2$age <= 30] = 1
dataset2$age3[dataset2$age > 30 & dataset2$age <= 55] = 2
dataset2$age3[dataset2$age > 55] = 3

dataset2[c(age,age2,age3)] # 결과확인

 

 

 

06. 정제된 dataset2를 대상으로 작업 디렉터리(c:/itwill/2_Rwork/output)에 cleanData.csv 파일명으로 따옴표와 행 이름을 제거하여 저장하고, new_data변수로 읽어오시오.

(1) 정제된 데이터 저장

write.csv(dataset2, 'cleanData.csv', row.names = F, quote = F)

(2) 저장된 파일 불러오기/확인

new_data <- read.csv('cleanData.csv')

 

 

07. user_data.csv와 return_data.csv 파일을 이용하여 각 고객별 반품사유코드(return_code)를 대상으로 다음과 같이 파생변수를 추가하시오.
<조건1> 반품사유코드에 대한 파생변수 칼럼명 설명 
제품이상(1) : return_code1, 변심

(2) : return_code2, 
원인불명(3) :> return_code3, 기타

(4) : return_code4 

 

return_data = read.csv('return_data.csv')
head(return_data)

  user_id return_code
1    1008           1
2    1009           2

library(reshape2)
return_df = dcast(return_data, user_id ~ return_code, length)
head(return_df)

  user_id 1 2 3 4
1    1008 1 0 0 0
2    1009 0 1 0 0

table(return_data$return_code)

names(return_df) <- c('user_id','return_code1','return_code2','return_code3','return_code4')
head(return_df)

<조건2> 고객별 반품사유코드를 고객정보(user_data) 테이블에 추가(join)

user_return_data = join(user_data, return_df, by='user_id')
head(user_return_data, 10)