데이터분석 2강. R로 데이터 다루기

R에서 NA가 하나라도 섞이면 평균도 NA가 됩니다. 빈 값을 어떻게 다룰지 정하지 않으면 계산이 시작조차 되지 않습니다.

풀고 시작

원소 고르기

1강에서 담는 법을 봤다면 이번에는 꺼내는 법입니다. 대괄호 안에 무엇을 넣느냐에 따라 고르는 방식이 네 가지로 갈립니다.

x <- c(10, 20, 30, 40)
x[c(1, 3)]      # 10 30   순번으로 고릅니다
x[-2]           # 10 30 40   음수는 그 자리를 뺍니다
x[x > 20]       # 30 40   조건이 참인 것만 남깁니다
which(x > 20)   # 3 4   조건이 참인 자리의 순번을 돌려줍니다

음수 인덱스가 "뒤에서 두 번째"가 아니라 "두 번째를 빼라"는 뜻이라는 점이 파이썬과 가장 다릅니다. 조건으로 고르는 논리 인덱싱은 분석에서 가장 많이 쓰는 방식입니다. 논리값을 더하면 TRUE가 1로 세어지므로 sum(x > 20)은 조건을 만족하는 원소의 개수가 됩니다.

데이터프레임은 대괄호 안에 쉼표를 두고 행, 열 순서로 적습니다. 한쪽을 비워 두면 그 방향은 전부 가져옵니다.

df[1, ]                  # 첫째 행 전체
df[, "score"]            # score 열 전체
df[df$score >= 90, ]     # 점수가 90 이상인 행만
subset(df, score >= 90)  # 같은 결과를 함수로

수열 만들기

규칙 있는 벡터는 직접 치지 않고 만들어 씁니다.

times는 묶음째 되풀이하고 each는 원소마다 되풀이합니다. 정렬도 두 가지를 구분해야 합니다. sort(c(3, 1, 2))는 값을 정렬한 1 2 3을 돌려주지만, order(c(3, 1, 2))는 정렬했을 때 몇 번째 원소가 오는지를 알려 주는 2 3 1을 돌려줍니다. 데이터프레임을 정렬할 때는 df[order(df$score), ]처럼 order를 씁니다.

빈 값의 네 얼굴

R에는 "값이 없다"를 나타내는 것이 넷 있습니다. 시험은 이 넷을 섞어 놓고 가려내게 합니다.

NA는 자리를 차지합니다. length(c(1, NA))는 2입니다. NULL은 자리를 차지하지 않아 c(1, NULL, 3)은 그냥 1 3이 됩니다. NA와 계산하면 결과도 NA이고, 심지어 NA == NA도 TRUE가 아니라 NA입니다. 모르는 값 둘이 같은지는 알 수 없기 때문이죠. 그래서 결측값을 찾을 때는 is.na()를 씁니다. mean, sum, sd 같은 함수에는 na.rm = TRUE를 주면 NA를 빼고 계산합니다.

함수로 한꺼번에 계산하기

행렬이나 데이터프레임의 행 또는 열마다 같은 계산을 할 때는 반복문 대신 apply 계열 함수를 씁니다.

m <- matrix(1:6, nrow = 2)
apply(m, 1, sum)   # 9 12      둘째 인자 1은 행마다
apply(m, 2, sum)   # 3 7 11    둘째 인자 2는 열마다
tapply(c(10, 20, 30, 40), c("a", "b", "a", "b"), mean)   # a 20, b 30

lapply는 결과를 리스트로 돌려주고, sapply는 가능하면 벡터로 단순화해 돌려줍니다. tapply는 두 번째 인자로 준 그룹마다 함수를 적용합니다. 벡터에 조건을 한꺼번에 거는 ifelse(x > 0, "양수", "그외")도 자주 씁니다. 직접 함수를 만들 때는 f <- function(x) x^2처럼 쓰고, 함수는 마지막에 계산한 값을 돌려줍니다. 파일은 read.csv로 읽고, head로 앞의 여섯 행을, summary로 최솟값, 사분위수, 중앙값, 평균, 최댓값을 한눈에 봅니다.

인출 문제

더 풀기

출제기준의 세부항목을 따라 이 강의 범위에서 새로 낸 문제입니다. 모의고사도 여기에서 뽑습니다.

묶음 1

묶음 2

묶음 3

이전: 1강 R의 자료 구조 · 다음: 3강 데이터 마트