# [R] 탐색적 데이터 분석: 단일변수 데이터 분석 ## 단일변수 범주형 자료 --- - 관측값들의 종류별로 개수를 세는 것 **도수분포표** ```javascript table(벡터) # 도수분포표 table(벡터)/length(벡터) # 비율 ``` **막대그래프** - 단일변수 범주형 자료가 포함하는 있는 정보 파악 ```javascript barplot(dataset, main = '제목') ``` **원그래프** - 각 자료값이 차지하는 비율 ```javascript pie(dataset, main='제목') ``` **숫자로 표현된 범주형 자료** - 범주형 자료를 문자/문자여링 아닌 숫자로 표현하는 경우도 있다. **예시** - 타이타닉호의 승객들이 어떤 선실에 묵었는지 알아보기 - carData 패키지의 TitanicSurvival 데이터셋 사용 - 탑승객의 성별, 연령대, 탑승 선실, 생존 여부 등을 담은 다중변수 데이터 ```javascript install.packages('carData') library(carData) # (1) 데이터 준비 room.class <- TitanicSurvival$passengerClass # 선실 정보 room.class # (2) 도수 분포 계산 tbl <- table(room.class) tbl sum(tbl) # 전체 탑승객수 # (3) 막대그래프 작성 barplot(tbl, main = '선실별 탑승객', xlab = '선실 등급', ylab = '탑승객수', col = c('blue', 'green', 'yellow')) # (4) 원그래프 작성 tbl/sum(tbl) par(mar=c(1, 1, 4, 1)) pie(tbl, main='선실별 탑승객', col = c('blue', 'green', 'yellow')) par(mar=c(5.1, 4.1, 4.1, 2.1)) ``` ## 단일변수 연속형 자료 --- **평균, 중앙값** - **평균 mean**: 자료의 값들을 모두 합산한 후 값들을 개수로 나눈 값 - $\overline x = \frac{1}{n} \sum^n_{i=1}x_i$ - 하나의 값으로 전체 데이터의 값들을 대표할 수 있기 때문에 중요하다. - **중앙값 median**: 자료의 값들을 크기 순으로 일렬로 세웠을 때 가장 중앙에 위치하는 값 - 이상치의 영향을 받지 않는다. - **절사평균 trimmed mean**: 자료의 관측 값들 중에서 작은 값들의 하위 n%와 큰 값들의 상위 n%를 제외하고 중간에 있는 나머지 값들만 평균을 계산하는 방식 ```javascript mean(data) # 평균값 median(data) # 중앙값 mean(data, trim=0.n) # 절사평균 ``` **사분위수 quantile** - 주어진 자료에 있는 값들을 크기 순으로 나열했을 때 이것을 4등분하는 지점에 있는 값들 - 1사분위수(Q1), 2사분위수(Q2), 3사분위수(Q3), 4사분위수(Q4) ```javascript quantile(data) quantile(data, (0;10)/10) # 10% 구간으로 나누어 계산 ``` **산포 distribution** - 주어진 자료에 있는 값들이 퍼져있는 정도 - **분산 variance, 표준편차 standard deviation**로 파악 가능 - 분산: $s^2 = \frac{1}{n-1} \sum^n_{i=1}(x_i - \overline X^2)$ - 표준편차: $s = \sqrt {s^2}$ ```javascript var(data) # 분산 sd(data) # 표준편차 range(data) # 값의 범위 diff(range(data)) # 최댓값, 최솟값 차이 ``` **히스토그램 histogram** - 막대그래프와 비슷한 그래프로 연속형 자료의 분포를 시각화할 때 사용 ```javascript hist(dataset, main = '제목') ``` **상자그림 boxplot** - 상자 수염 그림 box and whisker plot - 사분위수를 시각화하여 그래프 형태로 나타낸 것 ```javascript boxplot(dataset, main = '제목') boxplot(y~x, data=dataset, main='제목') # 그룹이 있는 자료의 상자그림 boxplot.stats(dataset) # 상자그림의 정확한 값들 ``` **예시** ```javascript # (1) 데이터 준비 grad <- state.x77[, 'HS Grad'] grad # (2) 사분위수 summary(grad) var(grad) # 분산 sd(grad) # 표준편차 # (3) 히스토그램 hist(grad, main = '주별 졸업률', xlab='졸업률', ylab = '주의 개수', col = 'orange') # (4) 상자그림 boxplot(grad, main='주별 졸업률', col = 'orange') # (5) 졸업률이 가장 낮은 주 idx <- which(grad==max(grad)) grad[idx] # (6) 졸업률이 가장 높은 주 idx <- which(grad == max(grad)) grad[idx] # (7) 졸업률이 평균 이하인 주 idx <- which(grad