# [R] 데이터 개요 ## 데이터 --- ### 데이터 세트 (data set) ![Image](https://upload.cafenono.com/image/slashpagePost/20250128/005714_PNEkY5iFgOt8H2447L?q=80&s=1280x180&t=outside&f=webp) - **테이블(table)**: **행(row)**와 **열(column)**으로 이루어진 nxm 형태의 **데이터 세트(data set)** - 행: 데이터의 **관측치(observation)** - 열: **변수(variable)** - 행과 열에 들어가 있는 데이터는 **값(value)** ### 데이터 구조 간 관계 및 데이터 유형 **데이터 구조** - R에는 **벡터(vector), 행렬(matrix), 배열(array), 리스트(list), 데이터 프레임(dataframe), 팩터(factor)**가 존재 - **벡터(vector)**: 한 가지 데이터 유형으로 구성된 1차원 구조의 데이터 - **행렬(matrix)**: 한 가지 데이터 유형으로 구성된 2차원 구조의 데이터 - **배열(array)**: 행렬을 n차원으로 확대 - **리스트(list)**: 숫자형 벡터, 문자형 벡터 등 여러 데이터 유형이 포함된 1차원 구조의 데이터 - **데이터 프레임(dataframe)**: 리스트를 2차원으로 확대한 구조의 데이터 **데이터 자료형** - **숫자형(number)**: 숫자로만 이루어진 데이터 - **문자형(character)**: 문자로만 이루어진 데이터 - **논리형(logical)**: TRUE / FALSE 로 이루어진 데이터 | **자료형** | **사용 예** | **비고** | | --- | --- | --- | | 숫자형 | 1, 2, -4, 12.8 | 정수, 실수 모두 가능 | | 문자형 | ‘Tom’, ‘Jane’ | 작은따옴표나 큰따옴표로 묶어서 표현 | | 논리형 | TRUE, FALSE | T, F로 줄여서 사용하는 것도 가능 | | 특수값 | NULL NA NaN Inf, -Inf | 정의되어 있지않음을 의미, 자료형도 없고 길이도 0 결측값(missing value) 수학적으로 정의가 불가능한 값 (sqrt(-3)) 양의 무한대(Inf), 음의 무한대(-Inf) | **데이터에 저장되어 있는 값들에 따라** - **범주형**: 분류의 의미를 갖는 값들 - **수치형**: 값들이 크기를 가지며 산술 연산이 가능 **데이터 분류** - **데이터 유형** - **단일형**: 숫자형, 문자형과 같이 **한 가지 데이터 유형**으로만 구성 - 벡터, 행렬, 배열 - **다중형**: 숫자 데이터, 문자데이터 등 **여러 데이터 유형**으로 구성 - 리스트, 데이터프레임 - **차원** - **1차원 데이터**: 직선 위에 값이 나열되어 있으므로 기준점을 중심으로 얼마나 떨어져 있는 지만 알면 된다. - **2차원 데이터**: 1차원 데이터의 모임, 2가지 정보를 알아야 원하는 값을 찾을 수 있다. - **n차원 데이터**: n가지 정보를 알아야 원하는 값을 찾을 수 있다. | | **1차원** | **2차원** | **n차원** | | --- | --- | --- | --- | | **단일형** | 벡터 | 행렬 | 배열 | | **다중형** | 리스트 | 데이터 프레임 | | ## 벡터(vector) --- - R에서 제공하는 여러 개의 값을 한꺼번에 저장하는 기능 (같은 자료형만 가능) - 1차원 배열(array)라고도 한다. - 파이썬의 1차원 리스트와 유사 - 수학 벡터와 성질이 같기 때문에 벡터라고 부른다. ### **벡터 만들기** - 하나의 벡터에는 동일한 자료형(data type) 값이 저장되어야 한다. **c()** - c는 combine의 첫 자를 따온 것 - 여러 개의 값을 하나로 묶어주는 역할 - 하나의 벡터에 여러 개의 값이 저장된다. ```javascript score <- c(68, 95, 83, 76, 90, 80, 85, 91, 82, 70) mean(score) ``` ```javascript score.1 <- 68; score.2 <- 95; score.3 <- 83; score.4 <- 76; score.5 <- 90 score.6 <- 80; score.7 <- 85; score.8 <- 91; score.9 <- 82; score.10 <- 70 total <- score.1 + score.2 + score.3 + score.4 + score.5 + score.6 + score.7 + score.8 + score.9 + score.10 avg <- total / 10 avg ``` **콜론(:)** - 콜론(:)을 이용하면 연속된 정수로 이루어진 벡터를 만들 수 있다. ```javascript v1 <- 50:90 # 콜론으로 정수 연속된 벡터를 만들 수 있음 v1 v2 <- c(1, 2, 5, 50:90) # c내부에서 콜론 사용 가능 v2 ``` **seq(시작, 종료, 간격)** - 시작값에서 출발하여 일정 간격으로 정수값, 소수값 생성하다 종료값이 되면 생성 중지 - 일정한 간격의 숫자로 이루어진 벡터를 만들 수 있다. ```javascript v3 <- seq(1, 101, 3) # 시작, 종료, 간격 v3 v4 <- seq(0.1, 1.0, 0.1) v4 ``` **rep(반복 대상값, times=반복횟수)** - 반복 대상 값은 하나일 수도 있고 여러 개의 값일 수도 있다. - rep()으로 반복된 숫자로 이루어진 벡터를 반들 수 있다. ```javascript v5 <- rep(1, times=5) # 1을 5번 반복 v5 v6 <- rep(1:5, times=3) # 1, 2, 3, 4, 5를 3번 반복 v6 v7 <- rep(c(1, 5, 9), times=3) # 1, 5, 9를 3번 반복 v7 v8 <- rep(c('a', 'b', 'c'), each = 3) # 각 3번 반복 v8 [1] "a" "a" "a" "b" "b" "b" "c" "c" "c" ``` ### names() - 벡터 이름 지정 - names()를 사용하여 각 벡터 요소에 이름을 붙일 수 있다. ```javascript > absent <- c(8, 2, 0, 4, 1) > absent [1] 8 2 0 4 1 > names(absent) NULL > names(absent) <- c('Mon', 'Tue', 'Wed', 'Thu', 'Fri') # 값들의 이름을 입력 > absent Mon Tue Wed Thu Fri 8 2 0 4 1 > names(absent) [1] "Mon" "Tue" "Wed" "Thu" "Fri" ``` ### **원소값 확인** - 인덱스(index): 벡터에 저장된 각각의 값들을 구별하기 위하여 앞쪽의 값부터 순서를 부여 - 특정 위치에 저장된 값들을 하나 또는 여러 개 추출하여 계산에 이용 가능 **배열에서 일부 요소만 불러올 수 있음** ```javascript > d <- c(1, 4, 3, 7, 8) > d[c(1, 3, 5)] [1] 1 3 8 > d[1:3] [1] 1 4 3 > d[seq(1, 5, 2)] [1] 1 3 8 > d[-2] [1] 1 3 7 8 > d[-c(3:5)] [1] 1 4 ``` **R은 이름, 인덱스를 모두 이용하여 값을 추출할 수 있다.** ```javascript > sales <- c(640, 720, 680, 540) > names(sales) <- c('M1', 'M2', 'M3', 'M4') > sales M1 M2 M3 M4 640 720 680 540 > sales[1] M1 640 > sales['M2'] M2 720 > sales[c('M1', 'M4')] M1 M4 640 540 ``` ### **벡터에 저장된 원소값 변경** - 배열에 새로운 값을 넣으면 배열의 값이 모두 바뀐다. ```javascript > v1 <- c(1, 5, 7, 8, 9) > v1 [1] 1 5 7 8 9 > v1[2] <- 3 > v1[c(1, 5)] <- c(10, 20) > v1 [1] 10 3 7 8 20 > v1 <- c(100, 200, 300) ``` ### 벡터 연산 **벡터 산술 연산** - 벡터 안에 포함된 값들 하나하나에 대한 연산을 바뀌어 실행 ```javascript > d <- c(1, 4, 3, 7, 8) > 2*d [1] 2 8 6 14 16 > d-5 [1] -4 -1 -2 2 3 > 3*d + 4 [1] 7 16 13 25 28 ``` **벡터와 벡터 연산** - 벡터 내 대응하는 원소끼리 연산을 진행 ```javascript > x <- c(1, 2, 3, 4) > y <- c(5, 6, 7, 8) > x + y [1] 6 8 10 12 > x * y [1] 5 12 21 32 > z <- x + y > z [1] 6 8 10 12 ``` 1. 두 벡터의 길이 가 같아야 한다. 2. 두 벡터에 포함된 값의 종류가 같아야 한다. - c()로 두 벡터를 결합할 수 있다. ```javascript > m <- c(x, y) > m [1] 1 2 3 4 5 6 7 8 > n <- c(y, x) > n [1] 5 6 7 8 1 2 3 4 > p <- c(x, y, 90, 100) > p [1] 1 2 3 4 5 6 7 8 90 100 ``` **벡터에 적용 가능한 함수들** | **함수명** | **설명** | | --- | --- | | sum() | 벡터에 저장된 값들의 합 | | mean() | 벡터에 저장된 값들의 평균 | | median() | 벡터에 저장된 값들의 중앙값 | | max(), min() | 벡터에 저장된 값들의 최댓값, 최솟값 | | var() | 벡터에 저장된 값들의 분산 | | sd() | 벡터에 저장된 값들의 표준편차 | | sort() | 벡터에 저장된 값들의 정렬(오름차순이 기본) | | range() | 벡터에 저장된 값들의 범위(최솟값, 최댓값) | | length() | 벡터에 저장된 값들의 개수 (벡터의 길이) | ```javascript > d <- c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10) > sum(d) [1] 55 > sum(2*d) [1] 110 > length(d) [1] 10 > mean(d[1:5]) [1] 3 > max(d) [1] 10 > min(d) [1] 1 > sort(d) [1] 1 2 3 4 5 6 7 8 9 10 > sort(d, decreasing=FALSE) [1] 1 2 3 4 5 6 7 8 9 10 > sort(d, decreasing=TRUE) [1] 10 9 8 7 6 5 4 3 2 1 > > v1 <- median(d) > v1 [1] 5.5 > v2 <- sum(d)/length(d) > v2 [1] 5.5 ``` **논리 연산자** | **함수명** | **사용 예** | **설명** | | --- | --- | --- | | < | A < B | B가 A보다 크면 TRUE | | <= | A <= B | B가 A보다 크거나 같으면 TRUE | | > | A > B | A가 B보다 크면 TRUE | | >= | A >= B | A가 B보다 크거나 같으면 TRUE | | == | A == B | A와 B가 같으면 TRUE | | != | A != B | A와 B가 같으면 TRUE | | | | A | B | A 또는 B 어느 한쪽이라도 TRUE이면 TRUE | | & | A & B | A와 B모두 TRUE일 때만 TRUE | ```javascript # 코드 4-6 > d <- 1:9 > d >= 5 [1] FALSE FALSE FALSE FALSE TRUE TRUE TRUE [8] TRUE TRUE > d[d>5] [1] 6 7 8 9 > sum(d>5) [1] 4 > sum(d[d>5]) [1] 30 > d==5 [1] FALSE FALSE FALSE FALSE TRUE FALSE FALSE [8] FALSE FALSE > > condi <- d > 5 & d < 8 > d[condi] [1] 6 7 ``` ## 팩터 factor --- - 문자형 데이터가 저장되는 벡터의 일종 - 저장되는 문자값들이 어떤 종류를 나타내는 값일 때 사용 - **factor()** 함수를 이용해 벡터를 변환하여 만든다. ```javascript bt <- c('A', 'B', 'B', 'O', 'AB', 'A') # 문자형 벡터 bt정의 bt.new <- factor(bt) # 팩터 bt.new 정의 bt # 벡터 bt의 내용 출력 bt.new # 벡터 bt.new의 내용 출력 bt[5] # 벡터 bt의 5번째 값 출력 levels(bt.new) # 팩터에 저장된 값의 종류를 출력 as.integer(bt.new) # 팩터의 문자값을 숫자로 바꾸어 출력 bt.new[7] <- 'B' # 팩터의 bt.new의 7번째에 'B'저장 bt.new[8] <- 'C' # 팩터의 bt.new의 8번째에 'C'저장 bt.new # 팩터 bt.new의 내용 출 ``` - levels() 함수를 통해 출력된 문자값들의 순서가 변환될 숫자가 된다. ## 리스트 list --- - 자료형이 다른 값들을 한곳에 저장하고 다룰 수 있도록 해주는 수단 - 여러 자료형이 섞여 있기 때문에 리스트에 저장해야함 ```javascript h.list <- c('balling', 'tennis', 'ski') # 취미를 벡터에 저장 person <- list(name='Tom', age=25, student=TRUE, hobby=h.list) # 리스트 생성 person # 리스트에 저장된 내용 모두 출력 person[[1]] # 리스트의 첫 번째 값 출력 person$name # 리스트에서 값의 이름이 name인 값을 출력 person[[4]] # 리스트의 네 번째 값을 출력 ``` ## 매트릭스 --- - 모든 셀(cell)에 저장되는 값은 동일한 종류 - 보통 숫자로만 구성된 2차원 자료 저장, 처리 **매트릭스 생성** ```javascript # 매트릭스 생성 x <- 1:4 y <- 5:8 z <- matrix(1:20, nrow=4, ncol=5, byrow=T) m1 <- cbind(x, y) m2 <- rbind(x, y) ``` - nrow: 행 개수 - ncol: 열 개수 - byrow: 행 방향으로 채우기 - cbind: 열 방향으로 결합 - rbind: 행 방향으로 결합 **매트릭스에서 값 추출** ```javascript # 매트릭스 값 추출 z[행,열] # 매트리스 값 추출 z[1, c(1, 2, 4)] # 1행의 값 중 1, 2, 4열 z[1, 1:4] # 1행의 값 중 1, 2, 3, 4열 ``` ```javascript # 행과 열에 이름 붙이기 score <- matrix(c(90, 85, 69, 78, 85, 96, 49, 95,90, 80, 70, 60), nrow=4) rownames(score) <- c('John', 'Tom', 'Mark', 'Jane') colnames(score) <- c('English', 'Math', 'Science') ``` - rownames(): 행 이름을 붙이거나 출력 - colnames(): 열 이름을 붙이거나 출력 ### 데이터프레임 dataframe --- - 2차원 형태의 데이터를 저장하고 분석하는데 사용되는 자료구조 ```javascript # 데이터프레임 만들기 city <- c("Seoul", "Tokyo", "Washington") rank <- c(1, 3, 2) city.info <- data.frame(city, rank) city.info ``` **iris 데이터셋** - 150그루의 붓꽃에 대해 4개 분야의 측정 데이터와 품종 정보 결합 ```javascript # iris 데이터셋 iris iris[, c(1:2)] iris[, c(1, 3, 5)] iris[, c("Sepal.Length", "Species")] iris[1:5, ] iris[1:5 c(1, 3)] ``` | **열 이름** | **의미** | **자료형** | | --- | --- | --- | | Sepal.Length | 꽃받침의 길이 | 숫자형 | | Sepal.Width | 꽃받침의 폭 | 숫자형 | | Petal.Length | 꽃잎의 길이 | 숫자형 | | Petal.Width | 꽃잎의 폭 | 숫자형 | | Species | 붓꽃의 품종 | 문자형(팩터) | ## 매트릭스와 데이터프레임 다루기 --- ### **데이터셋의 기본 정보 알아보기** ```javascript dim(iris) # 행과 열 개수 nrow(iris) # 행 개수 ncol(iris) # 열 개수 colnames(iris) # 열 이름 (names()와 동일) head(iris) # 데이터셋의 앞부분 일부 tail(iris) # 데이터셋의 뒷부분 str(iris) # 데이터셋 요약 정보 iris[, 5] # 품종 데이터 보기 levels(iris[, 5]) # 품종 종류 (중복제거) table(iris[, "Species"]) # 품종 종류별 행의 개수 ``` ### **매트릭스와 데이터프레임에 함수 적용** ```javascript # 합계, 평균 colSums(iris, [, -5]) # 열별 합계 colMeans(iris, [, -5]) # 열별 평균 rowSums(iris, [, -5]) # 행별 합계 rowMeans(iris, [, -5]) # 행별 평균 # 행렬전환 (전치행렬) t(z) # 조건에 맞는 행, 열 값 추출 IR.1 <- subset(iris, Species == 'setosa') IR.2 <- subset(iris, Sepal.Length > 5.0 & Speal.Width > 4.0) # 산술연산 a + b 2 * a ``` ### **매트릭스와 데이터프레임의 자료구조 확인과 변환** ```javascript class(iris) # iris 데이터셋의 자료구조 확인 class(state.x77) # state.x77 데이터셋의 자료구조 확인 is.matrix(iris) # 데이터셋이 매트릭스인지 확인하는 함수 is.data.frame(iris) # 데이터셋이 데이터프레임인지 확인하는 함수 is.matrix(state.x77) is.data.frame(state.x77) # 매트릭스 -> 데이터프레임 st <- data.frame(state.x77) # 데이터프레임 -> 매트릭스 iris.m <- as.matrix(iris[, 1:4]) ``` ### **데이터프레임 열 추출** ```javascript # 데이터프레임, 매트릭스 모두 가능 iris[, "Species"] iris[, 5] # 데이터프레임만 가능 iris["Species"] iris[5] iris$Species ``` ## 데이터 입출력 --- **R에서의 입력과 출력** - R 프로그램은 분석 대상이 되는 데이터를 입력한 후 입력된 데이터를 분석하여 필요한 정보를 얻는 것이 일반적 ```javascript # 데이터 입력하고 입력된 데이터 내용 확인 age <- c(28, 17, 35, 46, 23, 67, 30, 50) age # 가장 젊은 사람과 가장 나이든 사람의 나이 데이터를 출력 young <- min(age) old <- max(age) # 처리 결과 출력 cat('가장 젋은 사람의 나이는 ', young, '이고, ', '가장 나이든 사람의 나이는 ', old, '입니다. \n') ``` **화면에서 데이터 입력받기** ```javascript install.packages('svDialogs') # 패키지 설치 library(svDialogs) user.input <- dlgInput('Input income')$res user.input income <- as.numeric(user.input) # 문자열을 숫자로 income tax <- income * 0.05 # 세금 계산 cat('세금: ', tax) ``` **print() 함수와 cat() 함수** - 화면에서 프로그램의 처리 결과를 확인하는 가장 간단한 방법 | **함수** | **사용상의 특징** | | --- | --- | | **print()** | - 하나의 값을 출력할 때 - 데이터프레임과 같은 2차원 자료구조를 출력할 때 - 출력 후 자동 줄바꿈 | | **cat()** | - 여러 개의 값을 연결해서 출력할 때 - (벡터는 출력되나 2차원 자료구조는 출력되지 않음) - 출력 후 줄바꿈을 하려면 ‘\n’ 필요 | ```javascript x <- 26 y <- '입니다' z <- c(10, 20, 30, 40) print(x) # 하나의 값 출력 print(y) # 하나의 값 출력 print(z) # 벡터 출력 print(iris[1:5, ]) # 데이터프레임 출력 print(x, y) # 두 개의 값 출려 (에러 발생) ``` ```javascript x <- 26 y <- '입니다' z <- c(10, 20, 30, 40) cat(x, '\n') # 하나의 값 출력 cat(y, '\n') # 하나의 값 출력 cat(z, '\n') # 벡터 출력 cat(x, y, '\n') # 두 값을 연결하여 출력 cat(iris[1:5], '\n') # 데이터프레임 출력 (에러 발생) ``` ### 데이터 읽기/쓰기 **작업폴더** - 자신이 읽거나 쓰고자 하는 파일이 위치하는 폴더 - R에서 어떤 파일을 읽으려면 그 파일이 위치한 폴더의 경로와 함께 파일 이름을 지정 ```javascript getwd() setwd('C:/Rworks') getwd() ``` **csv 파일 읽기와 쓰기** - R에서 데이터 분석을 위해 가장 많이 사용하는 파일 형태는 .csv 파일 ```javascript setwd('C:/Rworks') # 작업 폴더 지정 air <- read.csv('airquality.csv', header=T) # .csv 파일 읽기 head(air) class(air) # air의 자료구조 확인 ``` ```javascript setwd('C:/Rworks') # 작업 폴더 지정 # setosa 품종 데이터만 추출 my.iris <- subset(iris, Species=='setosa') # .csv 파일에 저장하기 write.csv(my.iris, 'my_iris.csv', row.names=F) ``` ```javascript install.packages('xlsx') # 패키지 설치하기 library(xlsx) # 패키지 불러오기 # .xlsx 파일 읽기 air <- read.xlsx('C:/Rworks/airquality.xlsx', header=T, sheetIndex=1) head(air) ``` ```javascript library(xlsx) # 패키지 불러오기 my.iris <- subset(iris, Species=='setosa') # setosa 품종 데이터만 추출 write.xlsx(my.iris, 'my_iris.xlx', row.names=F) # 파일에 저장하기 ``` ### 데이터 입출력에서 알아야 할 내용 **실행 결과를 파일로 출력하기** ```javascript setwd('C:/Rworks') # 작업 폴더 지정 print('Begin work') # 화면으로 출력 a <- 10; b <- 20 sink('result.txt', append=T) # 파일로 출력 시작 cat('a+b = ', a+b, '\n') sink() # 파일로 출력 정지 cat('hello world \n') # 화면으로 출력 sink('result.txt', append=T) # 파일로 출력 시작 cat('a*b=', a*b, '\n') sink() # 파일로 출력 정지 print('End work') # 화면으로 출력 ``` **탭이나 공백으로 분리된 파일 읽기** ```javascript setwd('C:/Rworks') # 작업 폴더 지정 air <- read.table('airquality.txt', header=T, sep=' ') # 파일 읽기 head(air) # 내용 확인 ``` For the site tree, see the [root Markdown](https://slashpage.com/yerim-devnote.md).