데이터 프레임(Data Frame)

  • 데이터 프레임(Data Frame)은 행과 열로 구성된 사각형 모양의 표처럼 생겼음.
  • 열은 속성을 나타내며, 칼럼(column) 또는 변수(variable)라고 불린다.
  • 행은 한 사람의 정보를 나타내고, Row또는 Case라고 불린다.
  • 데이터가 크다고 표현될때, 행이 많다고 하면, 컴퓨터가 느려지는 문제를 겪게 된다. 이 문제를 해결하기 위해, 메모리와 CPU를 늘려보고 그래도 힘들면 분산처리 시스템을 구축한다.
    열이 많다는 것은, 변수가 많아 진다는 뜻이고, 적용하는 분석 기술이 달라지기 때문에, 분석 방법에 한계가 생긴다. 따라서 고급 분석 방법이 필요하게 된다.

데이터 프레임 생성 예제 

enghlish <- c(90, 80, 60, 70)
math <- c(50, 60 ,100 ,120) 
df_midterm <- data.frame(english, math)
   
mean(df_midterm$english) # df_midterm의 english로 평균 산출
mean(df_midterm$math) # df_midterm의 math로 평균 산출

df_midterm <- df.frame(enghlish = c(90, 80, 60, 70),
						math = c(50, 60, 100 , 20))
  • $(달러) 기호는 데이터 프레임에 있는 변수를 지정할 때 사용

액셀파일 불러오기

  • 액셀파일을 읽어오기
    • 패키지 설치
      install.packages("readx1")
    • readx1 패키지 로드
      libary("readx1")
    • 액셀파일을 불러와서 df_exam에 할당
      df_sample = read_excel("excel_sample.xlsx")

  • 액셀 파일 첫번째 행이 변수명이 아니라면 ?
    read_excel()은 기본적으로 엑셀 파일의 첫번째 행을 변수명으로 인식해 불러온다.
    변수명 없이 첫번째 행부터 바로 데이터가 시작되는 경우,
    첫번째 행의 데이터가 변수명으로 지정되면서, 유실되는 문제가 발생한다.
    이럴 때, read_excel()을 통해 액셀파일을 불러올때 아래와같이 col_names=F로 파라미터값을 설정하면 첫번째 행은 변수명이 아닌 데이터로 인식해 불러오며, 변수명은 ‘X＿＿숫자’로 자동 지정된다.

    read_excel("excel_sample.xlsx", col_names = F)

  • CSV 파일 불러오기

df_csv_sample <- read.csv("csv_sample.csv")

데이터 파악하기

  • 데이터가 주어졌을때 가장 먼저 하는 일은 데이터의 전반적인 구조를 파악하는것!
    어떤 변수들이 있는지, 몇 행으로 구성되어 있는지를 파악하면, 이 과정에서 분석 방향에 대한 힌트를 얻을 수 있다.
  • 데이터를 파악할때 사용하는 함수들
    • head() : 데이터 앞부분 출력
    • tail() : 데이터 뒷부분 출력
    • View() : 뷰어 창에서 데이터 확인
    • dim() : 데이터 차원 출력
    • str() : 데이터 속성 출력
    • summary() : 요약 통계량 출력
      summary()를 실행해 출력되는 요약통계량은 다음과 같은 의미를 지님
      • Min : 최솟값(Minimum)
      • 1st Qu : 1사분위수(1st Quantile) : 하위25% 지점에 위치하는 값
      • Median : 중앙값(Median)
      • Mean : 평균(Mean)
      • 3rd Qu : 3사분위수(3rd Quantile) : 하위75% 지점에 위치하는 값
      • Max : 최댓값(Maximum)

데이터 전처리

분석에 적합하게 데이터를 가공하는 작업을 데이터 전처리(Data Preprocessing)이라고 한다.
dqlyr은 데이터 전처리 작업에 가장 많이 사용되는 패키지

dqlyr의 주요 함수

  • filter() : 행추출
  • select() : 열(변수)추출
  • arrange() : 정렬
  • mutate() : 변수추가
  • summaries() : 통계치산출
  • group_by() : 집단별로 나누기
  • left_join() : 데이터 합치기(열)
  • bind_rows() :데이터 합치기(행)