# [R] 탐색적 데이터 분석 ## 데이터 분석 --- - 과거 및 현재에 일어난 상황을 활용하여 현황을 파악하고, - 앞으로 다가올 상황을 예측하거나 일어날 상황에 대해 타당한 근거 자료를 제시할 수 있도록 준비하는 과정 **데이터 분석의 절차** 1. 문제 정의/계획 2. 데이터 수집 3. 데이터 정제/전처리 4. 데이터 탐색 5. 데이터 분석 6. 결과 보고 ### **문제 정의 및 계획** - 데이터 분석은 해결하려는 문제를 명확히 정의하는 것에서 시작 - 문제 해결을 위해 어떤 데이터를 수집하고 분석할 지 계획 가능 - 분석하려는 **주제**를 명확하고 구체적으로 설정, 용어를 이해하기 쉽게 정의 - 브레인스토밍 등을 활용하여 다양한 가설 설정 - → **가설설정** 단계에서는 최대한 가설을 많이 세운 뒤 데이터 확보 여부를 판단 - **분석 가능 변수**를 구성 → 가설에 따라 필요한 변수를 선정 (파생변수도 고려) - 분석 항목 결정 ### **데이터 준비** - 문제가 명확히 정의되면 문제를 해결하기 위해 필요한 데이터가 무엇인지 파악, 데이터들을 수집 - 분석에 필요한 데이터를 준비한다. → 데이터 준비 방법에는 크게 2가지 - 문제 해결에 필요한 데이터는 다양한 형태로 존재 - ex) 데이터베이스, 엑셀 파일, 문서 등 - → 사용하는 데이터 형태를 알고 있어야 한다. 1. **필요한 데이터를 찾아 직접 입력하여 생성** - 입력하는 데이터가 적은 경우 - 데이터를 직접 입력할 때 작성에 오류를 범하지 않도록 한다. 1. **기존에 누군가 구성해 둔 데이터를 찾아 활용** - 필요한 데이터를 찾아서 활용 - 일반적으로 이 방법을 사용한다. - 웹 크롤링 방식을 활용하기도 한다. ### **데이터 정제 및 전처리** - **원시 데이터(raw data)**를 원하는 형태의 데이터로 처리하는 과정 - 수집 데이터를 분석 가능한 형태로 정돈하는 데이터 정제 도는 **전처리(data preprocessing) 과정** 필요 - 가설을 검정하는 데 도움이 되는 데이터로 가공한다. - ex) 불필요한 변수 제거, 필요한 변수의 데이터만 따로 추출 - ex) 변수 데이터 간 연산으로 조건에 맞는 데이터 구성 - 수집 데이터는 바로 분석에 사용할 수 없을 때가 많음 - ex) 단위, 결측값, 이상값 - 데이터 병합, 추출 → 새로운 **데이터 세트**를 생성할 수도 있다. ### **데이터 탐색** - 분석을 위해 정돈된 데이터 자체를 이해하고 파악하는 가벼운 데이터 분석 과정 - 비교적 간단하고 쉬운 통계 기법을 적용하여 전반적인 데이터의 내용 파악 - **탐색적 데이터 분석 (EDA, Exploratory Data Analysis)** ### **데이터 분석** - 데이터 탐색에서 파악한 정보를 바탕으로 보다 심화된 분석 수행 - ex) 군집 분석, 분류 분석, 주 성분 분석, 시계열 분석 등 - **기술통계량**: 빈도, 평균, 최댓값, 이상치 등 - 데이터 분포를 확인하기 위해 기술 통계량을 파악하고, - 다양한 그래프를 그려며 **시각화**한다. ### **결과 보고** - 가설을 검정하고 의미 있는 결과를 정리하여 최종 결과를 도출 - 데이터 분석 및 해석을 보고서 형태로 작성 - 최초 정의했던 문제를 해결하는 데 도움이 되는 내용으로 요약 - 데이터 시각화 기술이 중요하게 활용됨 ## 탐색적 데이터 분석 --- - 수집 데이터를 이해하기 위한 기초 분석 단계 - 데이터 분석은 수집한 **데이터의 종류**에 따라 사용하는 **분석 도구가 달라짐** - 1차원 데이터: 수집 주제 하나 = 단일 변수 (가장 기본) - 2차원 데이터: 여러 개의 수집 주제 = 다중변수 ![Image](https://upload.cafenono.com/image/slashpagePost/20250128/011157_dVKodlCbd5Ngy1YWud?q=80&s=1280x180&t=outside&f=webp) ### 자료의 특성에 따른 분류 **범주형 자료 categorical data** - 범주형 categorical data = 질적자료(qualitative data) - 성별과 같이 범주 또는 그룹으로 구분할 수 있는 값으로 구성된 자료 - 숫자로 표현할 수 없고, 대소 비교나 산술 연산이 적용되지 않는다. **연속형 자료 numerical data** - 연속형 자료 numerical data = 양적자료(quantitative data) - 크기가 있는 숫자들로 구성된 자료 ### 변수 개수에 따른 분류 **단일 변수 자료 unvariate data** - 하나의 변수로만 구성된 자료 - 일변량 자료라고도 부른다. - 벡터에 저장하여 분석 **다중변수 자료 multivariate data** - 두 개 이상의 변수로 구성된 자료 - 이변량 bivariate data라고 한다. - 매트릭스 또는 데이터프레임에 저장하여 분석 For the site tree, see the [root Markdown](https://slashpage.com/yerim-devnote.md).