R:dplyr(데이터프레임 조작): 두 판 사이의 차이

2020년 9월 24일 (목) 21:54 판

R언어 공부를 위한 틀 틀:R

데이터 전처리에 편하다.

가독성을 위해 파이프연산자 이후에 개행을 해주는 게 관례이다.(이곳에선 다양한 사례를 좁은 공간에 표현하기 위해 한줄로 쓴다.)

이름	기능	사용법
slice()	index를 설정하여 원하는 행을 추출한다.	데이터셋 = 데이터셋 %>% slice(1:10)
select()	원하는 열 추출. column명을 쓸 수 있다.	데이터셋 = 데이터셋 %>% select(1:10, 열이름1, 열이름2, ...) #여러개 동시 추출 가능 데이터셋 %>% select(열이름1, -열이름2, ...) #'-'가 붙은 열을 제외하고 추출.
filter()	원하는 행 추출.	데이터셋 = 데이터셋 %>% filter(열이름1 == "해당내용") #해당내용에 일치하는 행만 뽑아낸다. 데이터셋 %>% filter(열이름 >= 50) #50이상만 뽑아낸다. 데이터셋 %>% filter(열이름1 >=50, 열이름2 >70) #조건이 많은 경우, 쉼표로 구분한다. 혹은 &.
filter()	위에선 and연산이었다면, or연산도 가능. \| 연산자나 %in%을 사용한다.	데이터셋 = 데이터셋 %>% filter(열이름1 == "해당내용" \| 열이름2 =="해당내용") #or연산도 가능하다. 데이터셋 = 데이터셋 %>% filter(열이름 %in% c("내용1", "내용2")) # %in%연산자로도 가능.
select_if()	뽑는 조건을 설정할 수 있다. ex) 데이터타입에 따라 뽑는다든가.	데이터셋 = 데이터셋 %>% select_if(is.integer)
top_n()	가장 값이 높은 값들을 추출. top_n(숫자, 열이름)	top_n(5, Year)

이름	기능	사용법
arrange()	데이터 정렬. 기본적으로 오름차순인데, 변수에 '-'를 붙여주면 내림차순이 된다.	데이터셋 = 데이터셋 %>% arrange(-열이름) 데이터셋 %>% arrange(-열이름1, 열이름2) #1에 대해 정렬 후에 2에 대한 조건으로 정렬한다.

이름	기능	사용법
mutate()	하나의 변수를 추가한다.	데이터셋 = 데이터셋 %>% mutate(추가할열이름 = 연산식) 데이터셋 %>% mutate(avg = (math+english)/2) 데이터셋 %>% mutate(열이름 = ifelse(avg>=60, "참값", "거짓값") #ifelse를 활용할 수도 있다.
mutate_if()	조건에 해당하면 실행한다. mutate_if(판별문, 실행문)	데이터셋 = 데이터셋 %>% mutate_if(조건, 명령) 데이터셋 %>% mutate_if(is.integer, as.numeric) #정수라면 numeric으로 취급한다.
mutate_at()	지정한 변수들에 대해 계산 적용. 열이름에 '-'를 넣으면 그 변수는 빼고 계산한다.	데이터셋 = 데이터셋 %>% mutate_at(vars(열이름1, 열이름2, ...,), 연산식)

이름	기능	사용법
group_by()	집계기준 조합을 정해준다. 집계된 그룹을 따라 연산해 열을 만들 수 있다. 일반적으로 summarise와 같이 사용.	데이터셋 %>% group_by(열이름1, 열이름2, ...) #table()과 같은 방식으로 그룹화한다.
ungroup()	다시 사용할 땐 에러방지를 위해 ungroup 해주기.	데이터형 = 기존데이터형 %>% ungroup()
summarise()	요약통계량 산출. 그룹의 통계량을 구할 수 있다. 그룹별로 mean, max 등 값을 얻을 수 있음. (n함수는 그룹에 해당하는 갯수를 세어주는 함수)	데이터셋 %>% group_by(열이름1, 열이름2) %>% summarise(열이름3 = 연산, 열이름4 = 연산, ....) 데이터셋 %>% group_by(class, pass) %>% summarise(n_pass =n()) #반별로 pass 여부를 세어준다.
count()	그룹화 이후에 사용하면 해당 그룹에 속한 데이터 갯수를 세어준다.	집계데이터 = 데이터셋 %>% group_by(열이름1, 열이름2) %>% count()

이름	기능	사용법




distinct()	중복데이터 제거. 해당 열이름에서 하나라도 중복되면 지운다.	데이터셋 = 데이터셋 %>% distinct(열이름1, 열이름2, 열이름3, ...)

@@ 26번째 줄: / 26번째 줄: @@
 ==dplyr==
-구성이 복잡한 경우, <code>%>%</code>를 활용하여 연산을 펴서 입력하기 위한 도구이다. 이를 파이프연산자라고 하는데, <code>ctrl+shift+m</code> 으로 바로 쓸 수 있다.
-데이터셋[범위] %>% #범위를 설정하고
-rowMeans() %>% #연산할 함수를 설정한다.
-head() #이어서 연산할 것들을 덧붙인다.
-한 줄로 쓸 수 있지만, 그렇게 하면 읽기 복잡해진다. 이를 직관적으로 보기 위한 기능.
-또한 %>% 로 다른 명령어와 연계할 수 있어, 굉장히 편하게 사용할 수 있다.
 ===데이터 추출, 접근===
@@ 197번째 줄: / 186번째 줄: @@
 일반적으로 summarise와 같이 사용.
 |데이터셋 %>% group_by(열이름1, 열이름2, ...) #table()과 같은 방식으로 그룹화한다.
 |-
 |ungroup()