[Fast campus] 07. 데이터 핸들링 2

[Fast campus] Data Science with R 1기 - 이부일 강사님

R 공부하면서 배운 내용 복습 겸 정리하는 곳입니다.

6. 새로운 변수 만들기

  # 데이터$변수명 = 연산(수식)

  # bmi 수치를 계산해서 새로운 변수로 추가

student$bmi = student$weight / ((student$height/100)^2)

  # ifelse(조건, 참일 때 표현식, 거짓일 때 표현식)

  # 30대 이상 / 20대 이하를 나타내는 새로운 변수(age_group)를 추가

student$age_group = ifelse(student$age >= 30, "30대 이상", "20대 이하")

  # 20대 초반, 20대 중반, 30대 이상으로 나뉘는 age_group2를 만들어라

student$age_group = ifelse(student$age >= 30, "30대 이상",
                            ifelse(student$age >= 25, "20대 중반", "20대 초반")

  # cut(데이터명$변수명, breaks = 구간정보) => numeric data에 적용

   경도 비만(1단계 비만) : 25 - 30

   과체중 : 23 - 24.9

   정상 : 18.5 - 22.9

   저체중 : 18.5 미만

student$bmi_group = cut(student$bmi, 
                        breaks = c(0, 18.5, 23, 25, 30))

  # 데이터의 결과를 보면 ( ] 와 같이 소괄호 괄호로 표현된다

  # (18.5, 23] => 18.5 초과 23이하

  # ( ) 소괄호는 초과

  # [ ] 대괄호는 이하

  # 0과 30 초과 값들은 NA로 입력이됨

  # 위 코드에 right = FALSE 라는 argument 를 추가해보자

student$bmi_group = cut(student$bmi, 
                        breaks = c(0, 18.5, 23, 25, 30), 
                        right  = FALSE)

  # right = FALSE 를 하게되면 괄호의 위치가 바뀌게 됨

  # [18.5, 23) => 18.5 이상 23미만

  # 30 이상의 값들은 NA로 표시됨

  # 각 행들의 평균 구하기

score$avg = rowMeans(score[ , 2:6])

  # 각 열들의 평균은 colMeans( ) 

7. 데이터의 값을 수정하기

  # home 이라는 데이터

> home
# A tibble: 7 x 4
     id  room price  area
  <dbl> <dbl> <dbl> <dbl>
1     1     1    40     13
2     2     4 50000    55
3     3     3 20000    35
4     4     3 50000    35
5     5     1    43     2
6     6     4 50000    45
7     7     1   500    15

  # 500이라는 값을 변경

> home[home$price == 500, "price"] = 50
> home
# A tibble: 7 x 4
     id  room price  area
  <dbl> <dbl> <dbl> <dbl>
1     1     1    40     1
2     2     4 50000    55
3     3     3 20000    35
4     4     3 50000    35
5     5     1    43     2
6     6     4 50000    45
7     7     1    50    15 

8. 데이터 정렬하기

  (1) 벡터를 정렬하기 : sort(벡터, decreasing = )

      # 기본값 = 오름차순

> money = c(45, 50, 40, 50, 50, 30, 500)
> sort(money)
[1]  30  40  45  50  50  50 500
 
> sort(money, decreasing = TRUE) 
[1] 500  50  50  50  45  40  30

 

  (2) order(데이터명$변수명, decreasing = )

  # sort는 벡터에서만 사용가능

  # data.frame에서는 order 함수를 사용

> order(money)
[1] 6 3 1 2 4 5 7

  # order는 정렬될 인덱스를 알려준다.

  # data.frame에서 데이터 정렬은 행이 바뀌는 것

  # 슬라이싱의 행 자리에 order가 들어간다.

# 성별 내림차순

student[ order(student$height, decreasing = TRUE) , ]

# 성별 내림차순 / 키 내림차순

student[ order(student$gender, student$height, decreasing = TRUE ) , ]

# 성별 오름차순 / 키 내림차순

# 조건이 다르니 -를 사용

student[ order(student$gender, -student$height) , ]

# 성별 내림차순 / 키 오름차순

# - 는 numeric에만 적용 가능

student[ order(student$gender, -student$height, decreasing = TRUE ) , ]

# 성별 오름차순 / 거주지 내림차순

# character 타입의 데이터를 따로 정렬하려면? 

# - 는 numeric에만 적용된다 => 기본 기능에서는 불가능

# data.table 패키지를 사용하여 데이터를 data.table로 변경

studentDT = as.data.table(student), ]

# str(studentDT)를 통해 확인해보면 data.frame, data.table 2가지 형태를 모두 인식하는 것을 볼 수 있다.

studentDT[ order(gender, -address) , ]  

# 데이터의 column에 바로 접근 가능

# 결과를 콘솔 화면에 보여주기만 함

 

setorder(studentDT, gender, -address)  

# setorder( ) 를 사용하면 데이터를 정렬해서 결과 저장

※ data.frame vs data.table 참고

http://using.tistory.com/81 

# data.table()_cheet sheet 확인

# setkey(), J(), fread() 공부

9. 데이터 합치기

  (1) rbind(데이터1, 데이터2, ... ) => 위, 아래로 데이터 합치기

  (2) merge(데이터1, 데이터2, ..., by=, all=, all.x=, all.y=)

> df4 = data.frame(id  = c(1, 2, 4, 7),
+                  age = c(10, 20, 40, 70))
> df5 = data.frame(id = c(1, 2, 3, 6, 10),
+                  gender = c("M", "M", "F", "M", "F"))
> df4;df5
  id age
1  1  10
2  2  20
3  4  40
4  7  70
  id gender
1  1      M
2  2      M
3  3      F
4  6      M
5 10      F

# merge 4가지 방법

① inner join(교집합)

# inner join은 2가지 데이터만, 3가지 이상은 다른 기능으로

# by는 PK(Primary Key) => 데이터를 구분해주는 값 

# PK 예) 사람-주민등록번호, 회사직원-사원

> merge(df4, df5, by="id")
  id age gender
1  1  10      M
2  2  20      M

# outer join

② full join(합집합) - all=TRUE

> merge(df4, df5, by="id", all=TRUE)
  id age gender
1  1  10      M
2  2  20      M
3  3  NA      F
4  4  40   <NA>
5  6  NA      M
6  7  70   <NA>
7 10  NA      F

# R에서 숫자는 NA / 문자는<NA>로 표시해서 구분해준다.

③ left join - all.x=TRUE

> merge(df4, df5, by="id", all.x=TRUE)
  id age gender
1  1  10      M
2  2  20      M
3  4  40   <NA>
4  7  70   <NA>

④ right join - all.y=TRUE

> merge(df4, df5, by="id", all.y=TRUE)
  id age gender
1  1  10      M
2  2  20      M
3  3  NA      F
4  6  NA      M
5 10  NA      F

10. R데이터 저장하기

  (1) 외부 데이터로 저장하기

write.csv(student,
          file      = "fs/data/student.csv",
          row.names = FALSE)

# row.names = FALSE 를 주게되면 행 이름은 저장하지 않음

  (2) R데이터로 저장하기

save(R데이터, file = "파일위치/파일명.RData")

  (3) R데이터 불러오기

load(file = "파일위치/파일명.RData")