R

데이터 개념 이해하기

긔 2020. 7. 2. 15:44

데이터 개념 이해하기

통계로 개념 이해하기

표로 데이터 정리하기

  • 통계에서 데이터를 다루는 것은 데이터를 '표'로 잘 정리하고 나타내는 것

데이터의 종류

  • 데이터의 종류에 따라 데이터 분석 방법이 다름!

 

수치형 데이터

  • 이산형 데이터 : 독립적인 값, 정수 > 이항 분포를 따르는 확률질량함수

  • 연속형 데이터 : 연속적인 값, 실수 > 확률밀도함수

 

범주형 데이터

  • 명목형 데이터 : 순서 없는 문자 > 남,여

  • 순서형 데이터 : 순서 있는 문자 > 학점(A~F)

데이터 손질하기

  • 데이터를 표로 잘 정리하는 것은 통계 전체 작업에서 50%이상을 완성 했다는 의미

 

명목형 변수 - 도수분포표

  • 도수 : 거듭하는 횟수

  • 측정한 값의 빈도수를 정리한 표

 

명목형 변수 - 상대도수분포표

  • 상대도수 : 변수값이 전체 변수값에서 어떤 비중을 차지하는 지 나타 내는 것

  • 상대도수를 표료 만든 것

 

연속형 변수 - 도수분포표

  • 연속형 변수는 구간(계급)을 정해 구간 안의 수를 세어 표시

  • 구간의 범위는 데이터에 따라 정함

 

누적상대도수분포표

  • 상대도수를 더해가며 누적된 값을 나타낸 값

 

ex) example_studentlist2.csv 파일로 도수분표표, 상대도수분포표, 누적상대도수분포표를 만들어 보세요.

분할표

  • 두 가지 변수를 표로 정리한 것

데이터프레임

  • 표를 R에서 다룰 때 "데이터프레임"이라는 특별한 객체에 담아서 사용

 

벡터 - R의 최소 데이터 단위

  • character

  • factor : 순서형, 명목형 변수

  • integer: 이산형 변수

  • numeric: 연속형 변수

ex) 벡터 만들기

a1 <- c(1,2,3,4,5)
a1
is(a1)
a2  <- c(1L,2L,3L)
a2
is(a2)
a3 <- as.integer(a1)
a3
is(a3)

벡터 만들기 1

b <- c(1.23, 3.14, 6.66)
b
c1 <- c('a','b','b','c','a')
c1
is(c)
c2 <- c(1,2,3,'a')
c2
is(c2)
d1 <- as.factor(c1)
d1

벡터 만들기 2

is(d1)
d2 <- factor(d1, levels = c('a','b','c','d'))
d2

ex) dagaframe 만들기

a1 <- c(1,2,3,4,5)
b1 <- c('a','b','c','d','e')
c1 <- c(1.1, 2.2, 3.3, 4.4, 5.5)
df1 <- data.frame(a1, b1, c1)
df1

벡터, 데이터 프레임 만들기

df2 <- data.frame(count=a1, name=b1, meanCount=c1)
df2

데이터 프레임 만들기2

ex) 외부 데이터 가져오기

# csv 파일 불러 오기
df_csv <- read.csv('r-ggagi-data/example_studentlist.csv')
df_csv
name sex age grade absence bloodtype height weight
김길동 남자 23 3 유 O 165.3 68.2
이미린 여자 22 2 무 AB 170.1 53.0
홍길동 남자 24 4 무 B 175.0 80.1
김철수 남자 23 3 무 AB 182.1 85.7
손세수 여자 20 1 유 A 168.0 49.5
박미희 여자 21 2 무 O 162.0 52.0
강수친 여자 22 1 무 O 155.2 45.3
이희수 여자 23 1 무 A 176.9 55.0
이철린 남자 23 3 무 B 178.5 64.2
방희철 남자 22 2 무 B 176.1 61.3
박수호 남자 24 4 유 O 167.1 62.0
임동민 남자 22 2 무 AB 180.0 75.8
김민수 남자 21 1 무 A 162.2 55.3
이희진 여자 23 3 무 O 176.1 53.1
김미진 여자 22 2 무 B 158.2 45.2
김동수 남자 24 4 유 B 168.6 70.2
여수근 남자 21 1 무 A 169.2 62.2 
# 벡터 확인
is.vector(df_csv$height)

TRUE

# 데이프레임 구조 파악
str(df_csv)
'data.frame':    17 obs. of  8 variables:
 $ name     : Factor w/ 17 levels "강수친","김길동",..: 2 12 17 6 10 7 1 14 13 9 ...
 $ sex      : Factor w/ 2 levels "남자","여자": 1 2 1 1 2 2 2 2 1 1 ...
 $ age      : int  23 22 24 23 20 21 22 23 23 22 ...
 $ grade    : int  3 2 4 3 1 2 1 1 3 2 ...
 $ absence  : Factor w/ 2 levels "무","유": 2 1 1 1 2 1 1 1 1 1 ...
 $ bloodtype: Factor w/ 4 levels "A","AB","B","O": 4 2 3 2 1 4 4 1 3 3 ...
 $ height   : num  165 170 175 182 168 ...
 $ weight   : num  68.2 53 80.1 85.7 49.5 52 45.3 55 64.2 61.3 ...
# 변수 선택 1
df_csv$height
# 변수 선택 2 (index는 1부터)
df_csv[[7]]
# 변수 선택 3
df_csv[7]

변수 선택

is(df_csv$height)
is(df_csv[[7]])
is(df_csv[7])

벡터 확인

# 여러개의 변수 선택
# csv 파일 불러 오기
df_csv <- read.csv('r-ggagi-data/example_studentlist.csv')
df_csv[c(6,7)]

변수 2개 가져오기

df_csv[c('bloodtype','height')]

헤더값으로 불러오기

# 행,열 방식으로 가저오기
df_csv[,7]
df_csv[2,]
df_csv[2,1]

행, 열 방식으로 가져오기

df_csv2 <- read.csv('r-ggagi-data/example_studentlist.csv', stringsAsFactors = F)
df_csv2[2,1]
# 검색 목록
search()
# 검색 목록에 추가
attach(df_csv2)
search()
# 변수명으로 바로 사용 가능
height
# 검색 목록 삭제
detach(df_csv2)

검색

# 조건으로 변수 선택 subset()
# csv 파일 불러 오기
df_csv <- read.csv('r-ggagi-data/example_studentlist.csv')
# 키가 170보다 큰 관측치 - subset =
subset(df_csv, subset = (height > 170))

조건으로 변수 선택

# 특정변수 빼고 보기 - select =
subset(df_csv, select = -height)

특정 변수 빼고 보기

# 특정변수 여러개 빼고 보기 - select =
subset(df_csv, select = c(-height,-weight))

특정 변수 여러개 빼고 보기

# 변수명 바꾸기 - colname()
# csv 파일 불러 오기
df_csv <- read.csv('r-ggagi-data/example_studentlist.csv')
# 이름확인하기
colnames(df_csv)
# 변수명 이름 바꾸기
colnames(df_csv)[6] <- 'blood'
df_csv

이름 확인 및 변수명 변경

# 모든 변수명 바꾸기
old_list <- colnames(df_csv)
new_list <- c('na','se','ag','gr','ab','bl','he','we')
colnames(df_csv)  <- new_list
head(df_csv)
colnames(df_csv)  <- old_list
head(df_csv)

모든 변수명 바꾸기

# 새로운 변수 추가 - cbind()
bmi <- df_csv$weight/df_csv$height^2
bmi
df_bmi <- cbind(df_csv,bmi)
df_bmi

변수 추가

# 2개의 데이터프레임 합치기 - merge()
df_1 <- read.csv('r-ggagi-data/example_studentlist.csv')
df_2 <- read.csv('r-ggagi-data/omit.csv')
df_merge <- merge(df_1, df_2, by='name')
df_merge

데이터프레임 합치기

# 행으로 추가하기 - rbind
# 같은 이름의 열 이름을 가지고 있어야 함
df_head <- head(df_merge)
df_tail <- tail(df_merge)
df_rbind <- rbind(df_head, df_tail)
df_rbind

행으로 추가하기

# 모든 종류의 데이터 객체 담기 - list
df <- read.csv('r-ggagi-data/example_studentlist.csv')
n <- c(1:20)
s <- c('a','b','c')
b <- c(T,F,T,F,T)
tmp_list1 <- list(df, n, s, b, mean)

모든 종류의 데이터 객체 담기

# 이름 넣어 만들기
tmp_list2 <- list(DataFrame=df, Number=n, String=s, Bool=b, Func=mean)
tmp_list2

이름 넣어서 만들기

# 항목 삭제
tmp_list1[1] <- NULL
tmp_list1
# 항목 선택
tmp_list2[2]
tmp_list2['Number']

항목 삭제 및 선택

# 자료형 확인 - 함수에 인자로 사용 시 주의
class(tmp_list1[1])
class(tmp_list1[[1]])
class(tmp_list2[1])
class(tmp_list2[[1]])
# 여러개 항목 선택
tmp_list2[c(2,3)] # list
tmp_list2[c('Number','String')] # list
tmp_list2$Number # integer
tmp_list2$String # character

자료형 확인 및 여러개 항목 선택

# 리스트 모든 항목에 동일 함수 적용
df <- read.csv('r-ggagi-data/example_studentlist.csv')
# 성별에 따른 키값을 리스트로 반환 - split
height_sex <- split(df$height, df$sex)
height_sex
# 리스트 평균 구하기
mean(height_sex)
mean(height_sex[1])
mean(height_sex[[1]])

키값을 리스트로 반환, 리스트 평균 구하기

height_sex_mean <- sapply(height_sex, mean)
height_sex_mean
height_sex_mean[1]
height_sex_mean[[1]]
# 리스트 표준편차 구하기
height_sex_sd <- sapply(height_sex, sd)
height_sex_sd
height_sex_sd[1]
height_sex_sd[[1]]

평균 및 표준편차

# 리스트 범위 구하기
height_sex_range <- sapply(height_sex, range)
height_sex_range
height_sex_range[1,] # 행
height_sex_range[,1] # 열
# 명목형 변수 도수분포표 만들기
df <- read.csv('r-ggagi-data/example_studentlist.csv')
# 빈도수 - table()
blood_type_table <- table(df$bloodtype)
blood_type_table
# 상대도수 - prop.table
blood_type_prop_table <- prop.table(blood_type_table)
blood_type_prop_table

리스트 범위, 빈도수, 상대도수

# 함께 보기 - rbind
blood_type_rbind <- rbind(blood_type_table, blood_type_prop_table)
blood_type_rbind
# table 객체 합구하기 - addmargins()
# margin : 1 열, 2 행, 생략시 행열의 합
blood_type_rbind_sum <- addmargins(blood_type_rbind, margin = 2) 
blood_type_rbind_sum
# 연속형 변수 도수분포표 만들기
# 구간을 먼저 나눈다 - 계급
# 4개의 구간으로 나누기 - cut()
# ( - 미포함  ] - 포함
height_break_4 <- cut(df$height, breaks = 4)
height_break_4

객체 합, 구간 나누기

# 빈도수 - table()
height_break_4_table <- table(height_break_4)
height_break_4_table
height_break_4
# 상대도수 - prop.table
height_break_4_prop_table <- prop.table(height_break_4_table)
height_break_4_prop_table
height_break_4
# 함께 보기 - rbind
height_break_4_rbind <- rbind(height_break_4_table, height_break_4_prop_table)
height_break_4_rbind
# 누적상대도수 - cumsum()
height_break_4_cumsum <- rbind(height_break_4_rbind, cumsum(height_break_4_rbind[2,]))
height_break_4_cumsum
# 이름 추가(변경)
rownames(height_break_4_cumsum) <- c('도수','상대도수','누적도수')
height_break_4_cumsum

결과창

# 분할표 만들기 - 두 변수의 빈도수를 나타내는 표
df <- read.csv('r-ggagi-data/example_studentlist.csv')
# 빈도수 구하기 - table
sex_blood_table <- table(df$sex, df$bloodtype)
sex_blood_table
# 도수 행, 열 합 구하기 - addmargins
addmargins(sex_blood_table)
# 상대도수 구하기
sex_blood_prop_table <- prop.table(sex_blood_table)
sex_blood_prop_table
# 상대도수 합 구하기
addmargins(sex_blood_prop_table)

빈도수, 상대도수, 합 구하기

# 행별 상대도수 구하기
sex_blood_prop_table_margin_1 <- prop.table(sex_blood_table, margin = 1)
sex_blood_prop_table_margin_1
# 열별 상대도수 구하기
sex_blood_prop_table_margin_2 <- prop.table(sex_blood_table, margin = 2)
sex_blood_prop_table_margin_2
# 결측치 NA - 값이 없는 경우 처리
# complete.cases() - NA값을 조사해 논리값으로 반환
# na.omit() - 행에 NA 가 있으면 행 삭제
a <- c(1,2,3,4,NA,6,7,8,9,10)
complete.cases(a)
a[complete.cases(a)]
na.omit(a)

행, 열별 상대도수 / 결측치