3-1. R 프로그래밍

새 R 프로그램 만들기 - 마이컴파일러 - myCompiler

 

1) 자료구조

데이터 유형 - 숫자, 논리, 문자

 

데이터 구조

- 스칼라: 값이 하나

- 벡터 : 값이 하나 또는 여러개, 1차원

- 행렬 : @ + 2차원

- 배열 : @ + n차원 

 

- 데이터 프레임 : 행렬, 단 열마다 다른 자료형을 지닐 수 있음

- 리스트 : 해적왕

- 팩터 : 범위값

 

* NA = 결측치, 결측값

 

벡터나 행렬은 모두 같은 자료형을 지닌다.

논리 벡터 + 숫자 벡터 = 숫자 벡터

논리 + 숫자  + 문자 벡터 = 문

 

2x5 행렬은 행이 2개 열이 5개다

 

=======================================

2) 명령어

 

 

a = 3
a <- 3
a <<- 3
3 -> a

ls() -> 변수 목록
rm() -> 변수 삭제

변수 할당 

 

c(1,5) // 1,5
c(1:5) // 1,2,3,4,5

seq(1,5) // 1,2,3,4,5
seq(1:5) // 1,2,3,4,5

1:5 // 1,2,3,4,5

 

c는 콤마와 세미콜로에 따라 값이 달라진다

seq는 무조건 수열을 생성한다.

수열은 바로 대입 가능. 콤마는 불가

 

a <- seq(1,5) // 1,2,3,4,5
a[1] = 1
a[5] = 5

R의 배열은 0이 아닌 1부터 시작.

 

sum()총합

mean() 평균
median() 중앙값

var() 분산
sd() 표준편차
*sd = sqrt(var) = var^(1/2)
*stdev()란 함수는 존재하지 않음

 

summary()

4분위수, 최소값, 최대값, 중앙값, 평균 + NA 개수 출력

명목형 변수 factor은 명목값과 그에 해당하는 데이터의 개수 출력

 

head()
tail()

디폴트 출력은 6개

 

 

 

데이터프레임 결합

rbind(dfrm1, dfrm2) //행결합
cbind(dfrm1, dfrm2) //열결합
merge(dfrm1, dfrm2, by="공통열") //병합

colnames(dfrm) // 변수 속성 조회
NA_cleaning <- na.omit(dfrm)

행 결합 시에는 열의 종류와 개수가,

열 결합시엔 행의 개수가 같아야함.

merge는 inner join

 

행렬은 디폴트로 열방향으로 값을 채우며

byrow 옵션을 설정하면 행부터 값을 넣는다.

bycol 옵션은 없다.

 

 

 

========================================

3) 결측치 (NA)

 

z = NA
is.na(z) -> true
z == NA -> na

[1,2,3,NA] * 3 = [3,6,9,NA]
mean(c(1,2,3,NA)) = NA

NA에 연산을 취하면 무조건 NA를 리턴한다.

그렇기에 ==이 아닌 is.na()로 확인해야한다.

 

complete.cases() -> 데이터에 결측값이 하나라도 있으면 FALSE, 아니면 TRUE

complete.cases는 NA가 하나라도 있으면 False

is.na()는 NA면 TRUE를 리턴한다

 

 

결측값 처리 방법

- 단순 대치

1) complete 대치 - NA를 없앰

2) 평균 대치 

3) 단순 확률 대치 - 추정량의 표준 오차의 과소 추정 문제 보완

 

- 다중 대치 - 단순 대치를 m번

 

* deafult 값은 결측치로 처리하면 안됨

* 결측치 20% 이상은 제거가 바람직

 

 

이상값(Outlier) 규정 

- IQR을 Q3 -Q1이라 할때 Q1 - 1.5 * IQR  < X < Q3 + 1.5 * IQR

- ESD = 평균으로부터 3 표준편차 떨어진 값

-> 부정 사용 방지 시스템 / 부도 예측 시스템 / 침입 & 사기 탐지 / 의료

 

- 이상치는 분포를 왜곡할 수 있으나 실제 오류인지는 모르기에 함부로 제거하면 안됨

* 결측치와 다름!

 

 

 

================================================

 

4) 데이터 마트 & 패키지

 

데이터 마트

- 데이터의 한 부분

- 특정 사용자가 관심을 갖고 있는 데이터를 담은 비교적 작은 규모의 데이터 웨어하우스

 

요약 변수

- 수집된 정보를 분석에 맞게 종합한 변수

- 기본적인 변수 = 공통적으로 많이 사용됨 = 재활용성 높음

 

파생 변수

- 사용자가 직접 의미를 부여한 변수

- 주관적이므로 논리적 타당성을 고려해야함

 

 

패키지

- install.packages("패키지명") -> library(패키지명)

 

1) reshape

- 변수를 조합해 변수명 생성, 다양한 요약 변수와 파생 변수 생성 -> 데이터 마트 구성

- melt()외 cast()로 구성

 

주어진 데이터 프레임

 

melted_data <- melt(data, id = c("ID", "Date"))

melt()를 사용하면 id로 지정한 ID와 Date를 key로 지정하고

그 외의 값들을 늘려서 보여준다

 

 

wide_data <- cast(melted_data, ID + Date ~ variable)

cast()를 사용지 ID와 Date를 기준으로, variable을 열 이름으로 지정해 변환한다 

 

 

 

 

2) sqldf

- R에서 표준 sql 명령을 실행 

- SAS에선 proc sql을 사용

- sqldf("select * from student")

 

 

3) plyr

- apply 함수에 기반, 데이터와 출력 변수를 동시에 배열로 치환

- 멀티코어 어쩌구

- daply = 데이터프레임 -> 배열

- adply = 배열 -> 데이터프레임

 

ddply(chickwts, ~feed, summarize, groupmean=mean(weight))

chickwts는 weight와 feed 2개의 속성으로 구성

~feed를 썼으므로 feed 변수를 기준으로 데이터를 분할

이후 각 그룹에 연산을 수행하려면 summarize 옵션을 넣어야함

groupmean = 새로운 열 이름

mean(weight) = 각 그룹의 weight 평균값

 

 

4) data.table

- 큰 데이터의 탐색, 연산, 병합에 사용

- 특정 Column을 key 값으로 색인 지정