R:자료구조

R언어 공부를 위한 틀 틀:R

1. R:개요
   1. R:코딩팁
   2. R:연산자
2. R:객체
   1. R:자료형
   2. R:자료구조
3. R:함수
   1. R:자주사용하는 함수
      1. R:aplly계열(반복문, 중복작업)
4. R:제어문
   1. R:조건문
   2. R:반복문
5. R:자료조작
   1. R:데이터프레임
   2. R:행렬
6. R:데이터 저장과 불러오기
   1. R:데이터베이스
   2. R:특정조건 추출하기
7. R:패키지
   1. R:magrittr(파이프연산자)
   2. R:dplyr(데이터프레임 조작)
   3. R:ggplot2(그래프그리기)
   4. R:KoNLP(한글 텍스트마이닝), wordcloud2(워드클라우드)
   5. R:ddply(데이터 집계, 조작)
   6. R:tidyverse(데이터를 정제하는 패키지들의 집합)
   7. R:jsonlite(JSON 파일 다루기)
   8. R:pbapply(apply계열에 진행바를 보여준다.)
8. R:활용
   1. R:데이터 접근
   2. R:연관성분석
   3. R:분류분석
9. R:팁
   1. R:연구용 팁
      

개요

자료구조를 수용하기 위한 자료객체.

종류

데이터형과 별개로 있는 자료형이다.

객체	코드명	차원	유형	혼합가능여부	객체 속성
벡터	vector	1	수치, 문자, 복소수, 논리	불가(하나의 유형만 사용)	mode(자료유형), length(길이), names(각 성분원소의 이름(인덱스))
요인	factor	1	수치/문자	불가
행렬	matrix	2	수치, 문자, 복소수, 논리	불가	mode, length(원소갯수), dim(행, 렬), nrow(행갯수), ncol(열갯수), dimnames(행, 렬 인덱스)
데이터프레임	data.frame	2	수치, 문자, 복소수, 논리	가능	mode, length(행갯수), dim, nrow, ncol
시계열		2	수치, 문자, 복소수, 논리	불가	mode, length, tsp, start(시작시간), end(끝시간), frequency(주기)
배열	array	2차원이상	수치, 문자, 복소수, 논리	불가
리스트	list	2차원이상	수치, 문자, 복소수, 논리, 표현식, call 등	가능

속성에의 접근

속성에 접근하려면 해당속성(객체명) 을 기입하면 된다.

연산특성

자료형에 연산을 수행하면 각 원소별로 해당 연산을 수행한다. 자료형끼리 연산할 때 +, * 따위의 연산은 자료형의 같은 자리에 있는 원소들끼리 연산된다.

자주 사용하는 자료형

이름	벡터	행렬	데이터프레임
설명	Combind. 하나의 열을 의미한다. 다른 2차원 이상의 데이터에서 인덱스범위를 지정하는 데 쓰이기도 한다. 벡터를 결합하여 행렬이나 데이터프레임을 만들기도 한다.	Matrix.	dataframe.
생성	c(데이터)	matrix( data=데이터, nrow=행수 ncol=열수 byrow=기준)	data.frame( 변수명(열이름)=벡터1, 변수명(열이름)=벡터2, ) 필요한 벡터만큼 넣는다.
자료형 변환	as.vector(객체)	as.matrix(객체)	as.data.frame(객체)

데이터형 관련 함수

이름	기원	기능	사용법
head()	head	지정한 행만큼 출력한다.	head(데이터셋, 지정숫자)
str()		데이터를 확인한다.	str(데이터셋)
as()	as	데이터형을 변환한다.	열 전체의 변수형을 변환하려면 다음과 같이 한다. 데이터셋$열이름 = as.변수형(데이터셋$열이름)

데이터 접근

일반적으로 인덱스나 $기호, 부분집합(subset)을 활용하여 접근한다.

기본적으로 선택은 데이터셋[행, 열] 의 인덱스를 사용하거나 벡터를 사용하거나 한다. 일반 언어에서 처음 인덱스가 0인 것과 달리, R은 1부터 시작한다.

의도	1차원	2차원	3차원 이상
데이터 접근	의도 방법(예시) 데이터1개 접근 벡터명[1] 여러 개 접근 벡터명[c(1,3,5,9)] 범위 접근 벡터명[2:5] 제외하고 접근 벡터명[-3]	의도 방법(예시) 데이터1개 접근 구조명[2,3] 여러 개 접근 구조명[c(1,2,3), ] 행 전부 구조명[1, ] 구조명$열이름 열 전부 구조명[ ,1] 범위 접근 구조명[2:3, ] subset(데이터셋, select=범위) 제외하고 접근 구조명[ ,-1] 구조명[-(1:3), -2] 여러 방법을 조합해 구조명[2:3, -2] 등의 형태로 사용 가능	리스트의 [3]에 접근하면 원소 1개. 리스트의 [[3]]에 접근하면 벡터 혹은 자료형에 접근하게 된다. 리스트에서 인덱스를 사용하려면 대괄호를 2개씩 써줘야 한다. 리스트명$열이름$다음차원열이름$.... 형식으로 접근할 수도 있다.
조건에 따른 접근		특정 조건을 가진 행만을 포함하기 위해. 구조명[구조명$열이름1 == "해당조건" & 구조명$열이름2 논리식, 열번호] 해당 조건을 가진 행만 뽑아낸다.

벡터 관련 함수

수열생성

이름	기원	기능	사용법
seq()	sequence	순차적 데이터 생성. 옵션 설명 along.with=객체명 해당하는 객체와 동일한 크기로 자료열을 생성. length=자연수 by옵션 대신 이 옵션을 넣으면 증가범위를 자동으로 (마지막-시작) / (자연수-1) 로 잡는다.	seq(from=시작숫자, to=마지막숫자, by=증가범위)
rep()	repeat	반복 데이터 생성	rep(반복할값, 반복횟수)
시작:끝		시작부터 끝값에 이르기까지 1, -1 간격으로 벡터를 생성한다.(다른 언어에서도 흔히 쓰이는 방식)	시작:끝

데이터조작

이름	기원	기능	사용법
length()	length	데이터 크기 파악	length(벡터)

벡터결합

이름	기원	기능	사용법
cbind()	column	벡터를 결합해 행렬을 만든다. deparse.level 옵션 설명 0 함수 내에 정의된 이름만 사용 1 기존에 정의된 객체 이름 사용 2 이름 자동 생성	cbind(벡터1, 벡터2, 행렬, 데이터프레임 ..., deparse.level=1)
rbind()	row

2차원 데이터 관련 함수

직관적인 사용을 위해 %>%를 사용하는데, 이는 dplyr의 기능이다.

이름	기원	기능	사용법
dim()		데이터프레임이나 행렬에서 데이터 크기 파악 행과 열 숫자를 순서대로 제공한다.	dim(데이터셋)

데이터 추가하기, 연산하기

이름	기원	기능	사용법
mutate()		하나의 변수를 추가한다.	데이터셋 = 데이터셋 %>% mutate(추가할열이름 = 연산식)
		변수 생성. 다음의 방법들로 가능하다.	데이터셋$열이름 = 연산식 데이터셋[, "열이름"] = 연산식
mutate_if()		조건에 해당하면 실행한다. mutate_if(판별문, 실행문)	데이터셋 = 데이터셋 %>% mutate_if(is.integer, as.numeric)
mutate_at()		지정한 변수들에 대해 계산 적용. 열이름에 '-'를 넣으면 그 변수는 빼고 계산한다.	데이터셋 = 데이터셋 %>% mutate_at(vars(열이름1, 열이름2, ...,), 연산식)

데이터 처리

이름	기원	기능	사용법
order()	order	순서대로 정렬한다. 속성 설명 decreasing= 내림차순여부 True혹은False 열이름에 '-'를 붙이면 속성값과 바꾼다. na.last= TRUE면 na를 맨 뒤에.	새로운데이터셋 = 데이터셋[order(데이터셋[ , '열이름'], decreasing = Ture), ]
slice()		index를 설정하여 원하는 행을 추출한다.	데이터셋 = 데이터셋 %>% slice(1:10)
select()		index를 설정하여 원하는 열을 추출한다. column명을 쓸 수 있다.	데이터셋 = 데이터셋 %>% select(1:10, 열이름1, 열이름2, ...)
filter()		원하는 조건에 해당하는 데이터 추출.	데이터셋 = 데이터셋 %>% filter(열이름1 = "해당내용")
select_if()		뽑는 조건을 설정할 수 있다. ex) 데이터타입에 따라 뽑는다든가.	데이터셋 = 데이터셋 %>% select_if(is.integer)
arrange()		데이터 정렬. 기본적으로 오름차순인데, 변수에 '-'를 붙여주면 내림차순이 된다.	데이터셋 = 데이터셋 %>% arrange(-열이름)
top_n()		가장 값이 높은 값들을 추출. top_n(숫자, 열이름)	top_n(5, Year)
distinct()		중복데이터 제거. 해당 열이름에서 하나라도 중복되면 지운다.	데이터셋 = 데이터셋 %>% distinct(열이름1, 열이름2, 열이름3, ...)

데이터 조작 관련함수

이름	기원	기능	사용법
rank()	rank	관찰치의 순위를 뽑아낸다.. 속성 설명 ties.method= c("열이름1", "열이름2", ...) 형태로 같은 값에 대한 우선순위 할당. na.last= TRUE면 na를 맨 뒤에.	새로운데이터셋 = rank(데이터셋, ties.method=c("열1", "열2", ...)

데이터 수치 조작

이름	기원	기능	사용법
quantile()	qunatile	각 분위수에 해당하는 값을 꺼낸다.	quantile(데이터셋$열이름, probs = c(0.1, 0.3, 0.5, 0.7, 0.9) 10, 30, 50, 70, 90%에 해당하는 값들을 보여준다. [이걸 변수에 저장하거나 하진 못하나?]
sum()	sum	합.	sum(데이터셋$열이름)
rowSums()		행별 합.	rowSums(데이터셋[범위]) rowSums(데이터셋[2:8])
colSums()		열별 합.	colSums(데이터셋[범위])
mean()	mean	평균.	mean(데이터셋$열이름)
rowMeans()		행별 평균.	rowMeans(데이터셋[범위])
sd()		표준편차	sd(데이터셋$열이름)

위 연산들에서 결측치를 생략하고 계산하고자 한다면 뒤에 na.rm=True를 붙여주면 된다. ex) sum(데이터셋[범위], na.rm=True)

데이터 통계

이름	기원	기능	사용법
table()	table	빈도 테이블 작성. 열 안에 속한 요소가 몇 번씩 등장하는지 세어 테이블로 만든다.	테이블명 = as.data.frame(table(데이터셋$열이름))
xtabs()		2차원 테이블 작성. 열이름1과 열이름2 안에 나타나는 조합의 수별로 몇 번씩 등장하는지 센다.	테이블명 = as.data.frame(xtabs(~ 데이터셋$열이름1 + 데이터셋$열이름2))
aggregate()		열이름1에 속한 데이터들의 연산결과를 정리해 요약한다.	aggregate(데이터셋[1:3], 데이터셋[기준열번호], 연산) aggregate(데이터셋[2:3], 데이터셋[1], mean) #1열을 기준으로 2,3열 데이터의 평균을 구한다.