R에서 자유자재로 데이터 가공하기
사용 패키지 : dplyr
보통 데이터 과학자의 데이터 분석 작업 시간의 70~80% 이상은 데이터 가공에 소요 됩니다. 거꾸로 생각하면 이 말은 데이터 가공을 잘하면 데이터를 분석하는 시간을 70~80% 줄일수 있다는 것입니다! 이런 데이터 전처리(Data Preprocessing)을 통해 데이터 일부를 추출하거나, 종류별로 나누거나, 여러 데이터를 합치는 등 데이터이를 자유롭게 가공할 수 있어야 목적에 맞게 분석할 수 있습니다.
NP
1. 데이터 전처리 - 원하는 형태로 데이터 가공하기
데이터 전처리(Preprocessing) - dplyr 패키지
| 함수 | 기능 |
|---|---|
| filter() | 행 추출 |
| select() | 열(변수) 추출 |
| arrange() | 정렬 |
| mutate() | 변수 추가 |
| summarise() | 통계치 산출 |
| group_by() | 집단별로 나누기 |
| left_join() | 데이터 합치기(열) |
| bind_rows() | 데이터 합치기(행) |
NP
2. 조건에 맞는 데이터만 추출하기
NP
조건에 맞는 데이터만 추출하기
dplyr 패키지 로드 & 데이터 준비
library(dplyr)
exam <- read.csv("csv_exam.csv")
exam## id class math english science
## 1 1 1 50 98 50
## 2 2 1 60 97 60
## 3 3 1 45 86 78
## 4 4 1 30 98 58
## 5 5 2 25 80 65
## 6 6 2 50 89 98
## 7 7 2 80 90 45
## 8 8 2 90 78 25
## 9 9 3 20 98 15
## 10 10 3 50 98 45
## 11 11 3 65 65 65
## 12 12 3 45 85 32
## 13 13 4 46 98 65
## 14 14 4 48 87 12
## 15 15 4 75 56 78
## 16 16 4 58 98 65
## 17 17 5 65 68 98
## 18 18 5 80 78 90
## 19 19 5 89 68 87
## 20 20 5 78 83 58NP
# exam에서 class가 1인 경우만 추출하여 출력
exam %>% filter(class == 1)## id class math english science
## 1 1 1 50 98 50
## 2 2 1 60 97 60
## 3 3 1 45 86 78
## 4 4 1 30 98 58[참고] 단축키 [Ctrl+Shit+M]으로 %>% 기호 입력
NP
# 2반인 경우만 추출
exam %>% filter(class == 2)## id class math english science
## 1 5 2 25 80 65
## 2 6 2 50 89 98
## 3 7 2 80 90 45
## 4 8 2 90 78 25NP
# 1반이 아닌 경우
exam %>% filter(class != 1)## id class math english science
## 1 5 2 25 80 65
## 2 6 2 50 89 98
## 3 7 2 80 90 45
## 4 8 2 90 78 25
## 5 9 3 20 98 15
## 6 10 3 50 98 45
## 7 11 3 65 65 65
## 8 12 3 45 85 32
## 9 13 4 46 98 65
## 10 14 4 48 87 12
## 11 15 4 75 56 78
## 12 16 4 58 98 65
## 13 17 5 65 68 98
## 14 18 5 80 78 90
## 15 19 5 89 68 87
## 16 20 5 78 83 58NP
# 3반이 아닌 경우
exam %>% filter(class != 3)## id class math english science
## 1 1 1 50 98 50
## 2 2 1 60 97 60
## 3 3 1 45 86 78
## 4 4 1 30 98 58
## 5 5 2 25 80 65
## 6 6 2 50 89 98
## 7 7 2 80 90 45
## 8 8 2 90 78 25
## 9 13 4 46 98 65
## 10 14 4 48 87 12
## 11 15 4 75 56 78
## 12 16 4 58 98 65
## 13 17 5 65 68 98
## 14 18 5 80 78 90
## 15 19 5 89 68 87
## 16 20 5 78 83 58NP
초과, 미만, 이상, 이하 조건 걸기
# 수학 점수가 50점을 초과한 경우
exam %>% filter(math > 50)## id class math english science
## 1 2 1 60 97 60
## 2 7 2 80 90 45
## 3 8 2 90 78 25
## 4 11 3 65 65 65
## 5 15 4 75 56 78
## 6 16 4 58 98 65
## 7 17 5 65 68 98
## 8 18 5 80 78 90
## 9 19 5 89 68 87
## 10 20 5 78 83 58NP
# 수학 점수가 50점 미만인 경우
exam %>% filter(math < 50)## id class math english science
## 1 3 1 45 86 78
## 2 4 1 30 98 58
## 3 5 2 25 80 65
## 4 9 3 20 98 15
## 5 12 3 45 85 32
## 6 13 4 46 98 65
## 7 14 4 48 87 12NP
# 영어점수가 80점 이상인 경우
exam %>% filter(english >= 80)## id class math english science
## 1 1 1 50 98 50
## 2 2 1 60 97 60
## 3 3 1 45 86 78
## 4 4 1 30 98 58
## 5 5 2 25 80 65
## 6 6 2 50 89 98
## 7 7 2 80 90 45
## 8 9 3 20 98 15
## 9 10 3 50 98 45
## 10 12 3 45 85 32
## 11 13 4 46 98 65
## 12 14 4 48 87 12
## 13 16 4 58 98 65
## 14 20 5 78 83 58NP
# 영어점수가 80점 이하인 경우
exam %>% filter(english <= 80)## id class math english science
## 1 5 2 25 80 65
## 2 8 2 90 78 25
## 3 11 3 65 65 65
## 4 15 4 75 56 78
## 5 17 5 65 68 98
## 6 18 5 80 78 90
## 7 19 5 89 68 87NP
여러 조건을 충족하는 행 추출하기
# 1반 이면서 수학 점수가 50점 이상인 경우
exam %>% filter(class == 1 & math >= 50)## id class math english science
## 1 1 1 50 98 50
## 2 2 1 60 97 60NP
# 2반 이면서 영어점수가 80점 이상인 경우
exam %>% filter(class == 2 & english >= 80)## id class math english science
## 1 5 2 25 80 65
## 2 6 2 50 89 98
## 3 7 2 80 90 45NP
여러 조건 중 하나 이상 충족하는 행 추출하기
# 수학 점수가 90점 이상이거나 영어점수가 90점 이상인 경우
exam %>% filter(math >= 90 | english >= 90)## id class math english science
## 1 1 1 50 98 50
## 2 2 1 60 97 60
## 3 4 1 30 98 58
## 4 7 2 80 90 45
## 5 8 2 90 78 25
## 6 9 3 20 98 15
## 7 10 3 50 98 45
## 8 13 4 46 98 65
## 9 16 4 58 98 65NP
# 영어점수가 90점 미만이거나 과학점수가 50점 미만인 경우
exam %>% filter(english < 90 | science < 50)## id class math english science
## 1 3 1 45 86 78
## 2 5 2 25 80 65
## 3 6 2 50 89 98
## 4 7 2 80 90 45
## 5 8 2 90 78 25
## 6 9 3 20 98 15
## 7 10 3 50 98 45
## 8 11 3 65 65 65
## 9 12 3 45 85 32
## 10 14 4 48 87 12
## 11 15 4 75 56 78
## 12 17 5 65 68 98
## 13 18 5 80 78 90
## 14 19 5 89 68 87
## 15 20 5 78 83 58NP
목록에 해당되는 행 추출하기
exam %>% filter(class == 1 | class == 3 | class == 5) # 1, 3, 5 반에 해당되면 추출## id class math english science
## 1 1 1 50 98 50
## 2 2 1 60 97 60
## 3 3 1 45 86 78
## 4 4 1 30 98 58
## 5 9 3 20 98 15
## 6 10 3 50 98 45
## 7 11 3 65 65 65
## 8 12 3 45 85 32
## 9 17 5 65 68 98
## 10 18 5 80 78 90
## 11 19 5 89 68 87
## 12 20 5 78 83 58NP
%in% 기호 이용하기
exam %>% filter(class %in% c(1,3,5)) # 1, 3, 5 반에 해당하면 추출## id class math english science
## 1 1 1 50 98 50
## 2 2 1 60 97 60
## 3 3 1 45 86 78
## 4 4 1 30 98 58
## 5 9 3 20 98 15
## 6 10 3 50 98 45
## 7 11 3 65 65 65
## 8 12 3 45 85 32
## 9 17 5 65 68 98
## 10 18 5 80 78 90
## 11 19 5 89 68 87
## 12 20 5 78 83 58NP
추출한 행으로 데이터 만들기
class1 <- exam %>% filter(class == 1) # class가 1인 행 추출, class1에 할당
class2 <- exam %>% filter(class == 2) # class가 2인 행 추출, class2에 할당
mean(class1$math) # 1반 수학 점수 평균 구하기## [1] 46.25mean(class2$math) # 2반 수학 점수 평균 구하기## [1] 61.25NP
R에서 사용하는 기호들
| 논리 연산자 | 기능 |
|---|---|
| < | 작다 |
| <= | 작거나 같다 |
| > | 크다 |
| >= | 크거나 같다 |
| == | 같다 |
| != | 같지 않다 |
| │ | 또는 |
| & | 그리고 |
| %in% | 매칭 확인 |
NP
R에서 사용하는 기호들
| 산술 연산자 | 기능 |
|---|---|
| + | 더하기 |
| - | 빼기 |
| * | 곱하기 |
| / | 나누기 |
| ^ , ** | 제곱 |
| %/% | 나눗셈의 몫 |
| %% | 나눗셈의 나머지 |
NP
혼자서 해보기
mpg 데이터를 이용해 분석 문제를 해결해 보세요.
Q1. 자동차 배기량에 따라 고속도로 연비가 다른지 알아보려고 합니다.
displ(배기량)이4이하인 자동차와5이상인 자동차 중 어떤 자동차의hwy(고속도로 연비)가 평균적으로 더 높은지 알아보세요.Q2. 자동차 제조 회사에 따라 도시 연비가 다른지 알아보려고 합니다.
"audi"와"toyota"중 어느manufacturer(자동차 제조 회사)의cty(도시 연비)가 평균적으로 더 높은지 알아보세요.Q3.
"chevrolet","ford","honda"자동차의 고속도로 연비 평균을 알아보려고 합니다. 이 회사들의 자동차를 추출한 뒤hwy전체 평균을 구해보세요.
NP
힌트
Q1. 특정 조건에 해당하는 데이터를 추출해서 평균을 구하면 해결할 수 있는 문제입니다. filter()를 이용해 displ 변수가 특정 값을 지닌 행을 추출해 새로운 변수에 할당한 다음 평균을 구해보세요.
Q2. 앞 문제와 동일한 절차로 해결하면 됩니다. 단, 변수의 값이 숫자가 아니라 문자라는 점이 다릅니다.
Q3. ’여러 조건 중 하나 이상 충족’하면 추출하도록 filter() 함수를 구성해보세요. 이렇게 추출한 데이터로 평균을 구하면 됩니다. %in%를 이용하면 코드를 짧게 만들 수 있습니다.
NP
정답
Q1. 자동차 배기량에 따라 고속도로 연비가 다른지 알아보려고 합니다. displ(배기량)이 4 이하인 자동차와 5 이상인 자동차 중 어떤 자동차의 hwy(고속도로 연비)가 평균적으로 더 높은지 알아보세요.
mpg <- as.data.frame(ggplot2::mpg) # mpg 데이터 불러오기
mpg_a <- mpg %>% filter(displ <= 4) # displ 4 이하 추출
mpg_b <- mpg %>% filter(displ >= 5) # displ 5 이상 추출
mean(mpg_a$hwy) # displ 4 이하 hwy 평균## [1] 25.96319mean(mpg_b$hwy) # displ 5 이상 hwy 평균## [1] 18.07895NP
Q2. 자동차 제조 회사에 따라 도시 연비가 다른지 알아보려고 합니다. "audi"와 "toyota" 중 어느 manufacturer(자동차 제조 회사)의 cty(도시 연비)가 평균적으로 더 높은지 알아보세요.
mpg_audi <- mpg %>% filter(manufacturer == "audi") # audi 추출
mpg_toyota <- mpg %>% filter(manufacturer == "toyota") # toyota 추출
mean(mpg_audi$cty) # audi의 cty 평균## [1] 17.61111mean(mpg_toyota$cty) # toyota의 cty 평균## [1] 18.52941NP
Q3. "chevrolet", "ford", "honda" 자동차의 고속도로 연비 평균을 알아보려고 합니다. 이 회사들의 자동차를 추출한 뒤 hwy 전체 평균을 구해보세요.
# manufacturer가 chevrolet, ford, honda에 해당하면 추출
mpg_new <- mpg %>% filter(manufacturer %in% c("chevrolet", "ford", "honda"))
mean(mpg_new$hwy)## [1] 22.50943NP
3. 필요한 변수만 추출하기
NP
exam %>% select(math) # math 추출## math
## 1 50
## 2 60
## 3 45
## 4 30
## 5 25
## 6 50
## 7 80
## 8 90
## 9 20
## 10 50
## 11 65
## 12 45
## 13 46
## 14 48
## 15 75
## 16 58
## 17 65
## 18 80
## 19 89
## 20 78NP
exam %>% select(english) # english 추출## english
## 1 98
## 2 97
## 3 86
## 4 98
## 5 80
## 6 89
## 7 90
## 8 78
## 9 98
## 10 98
## 11 65
## 12 85
## 13 98
## 14 87
## 15 56
## 16 98
## 17 68
## 18 78
## 19 68
## 20 83NP
여러 변수 추출하기
exam %>% select(class, math, english) # class, math, english 변수 추출## class math english
## 1 1 50 98
## 2 1 60 97
## 3 1 45 86
## 4 1 30 98
## 5 2 25 80
## 6 2 50 89
## 7 2 80 90
## 8 2 90 78
## 9 3 20 98
## 10 3 50 98
## 11 3 65 65
## 12 3 45 85
## 13 4 46 98
## 14 4 48 87
## 15 4 75 56
## 16 4 58 98
## 17 5 65 68
## 18 5 80 78
## 19 5 89 68
## 20 5 78 83NP
변수 제외하기
exam %>% select(-math) # math 제외## id class english science
## 1 1 1 98 50
## 2 2 1 97 60
## 3 3 1 86 78
## 4 4 1 98 58
## 5 5 2 80 65
## 6 6 2 89 98
## 7 7 2 90 45
## 8 8 2 78 25
## 9 9 3 98 15
## 10 10 3 98 45
## 11 11 3 65 65
## 12 12 3 85 32
## 13 13 4 98 65
## 14 14 4 87 12
## 15 15 4 56 78
## 16 16 4 98 65
## 17 17 5 68 98
## 18 18 5 78 90
## 19 19 5 68 87
## 20 20 5 83 58NP
exam %>% select(-math, -english) # math, english 제외## id class science
## 1 1 1 50
## 2 2 1 60
## 3 3 1 78
## 4 4 1 58
## 5 5 2 65
## 6 6 2 98
## 7 7 2 45
## 8 8 2 25
## 9 9 3 15
## 10 10 3 45
## 11 11 3 65
## 12 12 3 32
## 13 13 4 65
## 14 14 4 12
## 15 15 4 78
## 16 16 4 65
## 17 17 5 98
## 18 18 5 90
## 19 19 5 87
## 20 20 5 58NP
dplyr 함수 조합하기
# class가 1인 행만 추출한 다음 english 추출
exam %>% filter(class == 1) %>% select(english)## english
## 1 98
## 2 97
## 3 86
## 4 98NP
가독성 있게 줄 바꾸기
exam %>%
filter(class == 1) %>% # class가 1인 행 추출
select(english) # english 추출NP
일부만 출력하기
exam %>%
select(id, math) %>% # id, math 추출
head # 앞부분 6행까지 추출## id math
## 1 1 50
## 2 2 60
## 3 3 45
## 4 4 30
## 5 5 25
## 6 6 50NP
일부만 출력하기
exam %>%
select(id, math) %>% # id, math 추출
head(10) # 앞부분 10행까지 추출## id math
## 1 1 50
## 2 2 60
## 3 3 45
## 4 4 30
## 5 5 25
## 6 6 50
## 7 7 80
## 8 8 90
## 9 9 20
## 10 10 50NP
혼자서 해보기
mpg 데이터를 이용해서 분석 문제를 해결해보세요.
Q1.
mpg데이터는 11개 변수로 구성되어 있습니다. 이 중 일부만 추출해서 분석에 활용하려고 합니다.mpg데이터에서class(자동차 종류),cty(도시 연비) 변수를 추출해 새로운 데이터를 만드세요. 새로 만든 데이터의 일부를 출력해서 두 변수로만 구성되어 있는지 확인하세요.Q2. 자동차 종류에 따라 도시 연비가 다른지 알아보려고 합니다. 앞에서 추출한 데이터를 이용해서
class(자동차 종류)가"suv"인 자동차와"compact"인 자동차 중 어떤 자동차의cty(도시 연비)가 더 높은지 알아보세요.
NP
힌트
Q1. select()로 변수를 추출해서 새로운 데이터를 만들어 보세요.
Q2. filter()로 조건에 해당하는 데이터를 추출한 뒤 평균을 구하면 해결할 수 있습니다.
NP
정답
Q1. mpg 데이터는 11개 변수로 구성되어 있습니다. 이 중 일부만 추출해서 분석에 활용하려고 합니다. mpg 데이터에서 class(자동차 종류), cty(도시 연비) 변수를 추출해 새로운 데이터를 만드세요. 새로 만든 데이터의 일부를 출력해서 두 변수로만 구성되어 있는지 확인하세요.
mpg <- as.data.frame(ggplot2::mpg) # mpg 데이터 불러오기
df <- mpg %>% select(class, cty) # class, cty 변수 추출
head(df) # df 일부 출력## class cty
## 1 compact 18
## 2 compact 21
## 3 compact 20
## 4 compact 21
## 5 compact 16
## 6 compact 18NP
Q2. 자동차 종류에 따라 도시 연비가 다른지 알아보려고 합니다. 앞에서 추출한 데이터를 이용해서 class(자동차 종류)가 "suv"인 자동차와 "compact"인 자동차 중 어떤 자동차의 cty(도시 연비)가 더 높은지 알아보세요.
df_suv <- df %>% filter(class == "suv") # class가 suv인 행 추출
df_compact <- df %>% filter(class == "compact") # class가 compact인 행 추출
mean(df_suv$cty) # suv의 cty 평균## [1] 13.5mean(df_compact$cty) # compact의 cty 평균## [1] 20.12766NP
4. 순서대로 정렬하기
NP
오름차순으로 정렬하기
exam %>% arrange(math) # math 오름차순 정렬## id class math english science
## 1 9 3 20 98 15
## 2 5 2 25 80 65
## 3 4 1 30 98 58
## 4 3 1 45 86 78
## 5 12 3 45 85 32
## 6 13 4 46 98 65
## 7 14 4 48 87 12
## 8 1 1 50 98 50
## 9 6 2 50 89 98
## 10 10 3 50 98 45
## 11 16 4 58 98 65
## 12 2 1 60 97 60
## 13 11 3 65 65 65
## 14 17 5 65 68 98
## 15 15 4 75 56 78
## 16 20 5 78 83 58
## 17 7 2 80 90 45
## 18 18 5 80 78 90
## 19 19 5 89 68 87
## 20 8 2 90 78 25NP
내림차순으로 정렬하기
exam %>% arrange(desc(math)) # math 내림차순 정렬## id class math english science
## 1 8 2 90 78 25
## 2 19 5 89 68 87
## 3 7 2 80 90 45
## 4 18 5 80 78 90
## 5 20 5 78 83 58
## 6 15 4 75 56 78
## 7 11 3 65 65 65
## 8 17 5 65 68 98
## 9 2 1 60 97 60
## 10 16 4 58 98 65
## 11 1 1 50 98 50
## 12 6 2 50 89 98
## 13 10 3 50 98 45
## 14 14 4 48 87 12
## 15 13 4 46 98 65
## 16 3 1 45 86 78
## 17 12 3 45 85 32
## 18 4 1 30 98 58
## 19 5 2 25 80 65
## 20 9 3 20 98 15NP
정렬 기준 변수 여러개 지정
exam %>% arrange(class, math) # class 및 math 오름차순 정렬## id class math english science
## 1 4 1 30 98 58
## 2 3 1 45 86 78
## 3 1 1 50 98 50
## 4 2 1 60 97 60
## 5 5 2 25 80 65
## 6 6 2 50 89 98
## 7 7 2 80 90 45
## 8 8 2 90 78 25
## 9 9 3 20 98 15
## 10 12 3 45 85 32
## 11 10 3 50 98 45
## 12 11 3 65 65 65
## 13 13 4 46 98 65
## 14 14 4 48 87 12
## 15 16 4 58 98 65
## 16 15 4 75 56 78
## 17 17 5 65 68 98
## 18 20 5 78 83 58
## 19 18 5 80 78 90
## 20 19 5 89 68 87NP
혼자서 해보기
mpg 데이터를 이용해서 분석 문제를 해결해보세요.
"audi"에서 생산한 자동차 중에 어떤 자동차 모델의hwy(고속도로 연비)가 높은지 알아보려고 합니다."audi"에서 생산한 자동차 중hwy가 1~5위에 해당하는 자동차의 데이터를 출력하세요.
NP
힌트
filter()를 이용해 "audi"에서 생산한 자동차만 추출하고, arrange()로 hwy를 내림차순 정렬하면 됩니다. head()를 이용하면 이 중 특정 순위에 해당하는 자동차만 출력할 수 있습니다.
NP
정답
mpg <- as.data.frame(ggplot2::mpg) # mpg 데이터 불러오기
mpg %>% filter(manufacturer == "audi") %>% # audi 추출
arrange(desc(hwy)) %>% # hwy 내림차순 정렬
head(5) # 5행까지 출력## manufacturer model displ year cyl trans drv cty hwy fl class
## 1 audi a4 2.0 2008 4 manual(m6) f 20 31 p compact
## 2 audi a4 2.0 2008 4 auto(av) f 21 30 p compact
## 3 audi a4 1.8 1999 4 auto(l5) f 18 29 p compact
## 4 audi a4 1.8 1999 4 manual(m5) f 21 29 p compact
## 5 audi a4 quattro 2.0 2008 4 manual(m6) 4 20 28 p compactNP
5. 파생변수 추가하기
NP
exam %>%
mutate(total = math + english + science) %>% # 총합 변수 추가
head # 일부 추출## id class math english science total
## 1 1 1 50 98 50 198
## 2 2 1 60 97 60 217
## 3 3 1 45 86 78 209
## 4 4 1 30 98 58 186
## 5 5 2 25 80 65 170
## 6 6 2 50 89 98 237NP
여러 파생변수 한 번에 추가하기
exam %>%
mutate(total = math + english + science, # 총합 변수 추가
mean = (math + english + science)/3) %>% # 총평균 변수 추가
head # 일부 추출## id class math english science total mean
## 1 1 1 50 98 50 198 66.00000
## 2 2 1 60 97 60 217 72.33333
## 3 3 1 45 86 78 209 69.66667
## 4 4 1 30 98 58 186 62.00000
## 5 5 2 25 80 65 170 56.66667
## 6 6 2 50 89 98 237 79.00000NP
mutate()에 ifelse() 적용하기
exam %>%
mutate(test = ifelse(science >= 60, "pass", "fail")) %>%
head## id class math english science test
## 1 1 1 50 98 50 fail
## 2 2 1 60 97 60 pass
## 3 3 1 45 86 78 pass
## 4 4 1 30 98 58 fail
## 5 5 2 25 80 65 pass
## 6 6 2 50 89 98 passNP
추가한 변수를 dplyr 코드에 바로 활용하기
exam %>%
mutate(total = math + english + science) %>% # 총합 변수 추가
arrange(total) %>% # 총합 변수 기준 정렬
head # 일부 추출## id class math english science total
## 1 9 3 20 98 15 133
## 2 14 4 48 87 12 147
## 3 12 3 45 85 32 162
## 4 5 2 25 80 65 170
## 5 4 1 30 98 58 186
## 6 8 2 90 78 25 193NP
혼자서 해보기
mpg 데이터를 이용해서 분석 문제를 해결해보세요.
mpg 데이터는 연비를 나타내는 변수가 hwy(고속도로 연비), cty(도시 연비) 두 종류로 분리되어 있습니다. 두 변수를 각각 활용하는 대신 하나의 통합 연비 변수를 만들어 분석하려고 합니다.
Q1.
mpg데이터 복사본을 만들고,cty와hwy를 더한 ’합산 연비 변수’를 추가하세요.Q2. 앞에서 만든 ’합산 연비 변수’를 2로 나눠 ’평균 연비 변수’를 추가세요.
Q3. ’평균 연비 변수’가 가장 높은 자동차 3종의 데이터를 출력하세요.
Q4. 1~3번 문제를 해결할 수 있는 하나로 연결된
dplyr구문을 만들어 출력하세요. 데이터는 복사본 대신mpg원본을 이용하세요.
NP
힌트
Q1. mutate()를 적용한 결과를 <-를 이용해 데이터 프레임에 할당하는 형태로 코드를 작성하면 기존 데이터 프레임에 변수가 추가됩니다.
Q3. arrange()와 head()를 조합하면 됩니다.
Q4. 앞에서 만든 코드들을 %>%를 이용해 연결하면 됩니다. 변수를 추가하는 작업을 하나의 mutate() 구성하면 코드를 더 간결하게 만들 수 있습니다.
NP
정답
Q1. mpg 데이터 복사본을 만들고, cty와 hwy를 더한 ’합산 연비 변수’를 추가하세요.
mpg <- as.data.frame(ggplot2::mpg) # mpg 데이터 불러오기
mpg_new <- mpg # 복사본 만들기
mpg_new <- mpg_new %>% mutate(total = cty + hwy) # 합산 변수 만들기NP
Q2. 앞에서 만든 ’합산 연비 변수’를 2로 나눠 ’평균 연비 변수’를 추가세요.
mpg_new <- mpg_new %>% mutate(mean = total/2) # 평균 변수 만들기NP
Q3. ’평균 연비 변수’가 가장 높은 자동차 3종의 데이터를 출력하세요.
mpg_new %>%
arrange(desc(mean)) %>% # 내림차순 정렬
head(3) # 상위 3행 출력## manufacturer model displ year cyl trans drv cty hwy fl
## 1 volkswagen new beetle 1.9 1999 4 manual(m5) f 35 44 d
## 2 volkswagen jetta 1.9 1999 4 manual(m5) f 33 44 d
## 3 volkswagen new beetle 1.9 1999 4 auto(l4) f 29 41 d
## class total mean
## 1 subcompact 79 39.5
## 2 compact 77 38.5
## 3 subcompact 70 35.0NP
Q4. 1~3번 문제를 해결할 수 있는 하나로 연결된 dplyr 구문을 만들어 출력하세요. 데이터는 복사본 대신 mpg 원본을 이용하세요.
mpg %>%
mutate(total = cty + hwy, # 합산 변수 만들기
mean = total/2) %>% # 평균 변수 만들기
arrange(desc(mean)) %>% # 내림차순 정렬
head(3) # 상위 3행 출력## manufacturer model displ year cyl trans drv cty hwy fl
## 1 volkswagen new beetle 1.9 1999 4 manual(m5) f 35 44 d
## 2 volkswagen jetta 1.9 1999 4 manual(m5) f 33 44 d
## 3 volkswagen new beetle 1.9 1999 4 auto(l4) f 29 41 d
## class total mean
## 1 subcompact 79 39.5
## 2 compact 77 38.5
## 3 subcompact 70 35.0NP
6. 집단별로 요약하기
NP
집단별로 요약하기
요약하기
exam %>% summarise(mean_math = mean(math)) # math 평균 산출## mean_math
## 1 57.45NP
집단별로 요약하기
exam %>%
group_by(class) %>% # class별로 분리
summarise(mean_math = mean(math)) # math 평균 산출## # A tibble: 5 x 2
## class mean_math
## <int> <dbl>
## 1 1 46.25
## 2 2 61.25
## 3 3 45.00
## 4 4 56.75
## 5 5 78.00NP
여러 요약통계량 한 번에 산출하기
exam %>%
group_by(class) %>% # class별로 분리
summarise(mean_math = mean(math), # math 평균
sum_math = sum(math), # math 합계
median_math = median(math), # math 중앙값
n = n()) # 학생 수## # A tibble: 5 x 5
## class mean_math sum_math median_math n
## <int> <dbl> <int> <dbl> <int>
## 1 1 46.25 185 47.5 4
## 2 2 61.25 245 65.0 4
## 3 3 45.00 180 47.5 4
## 4 4 56.75 227 53.0 4
## 5 5 78.00 312 79.0 4NP
자주 사용하는 요약통계량 함수
| 함수 | 의미 |
|---|---|
| mean() | 평균 |
| sd() | 표준편차 |
| sum() | 합계 |
| median() | 중앙값 |
| min() | 최솟값 |
| max() | 최댓값 |
| n() | 빈도 |
NP
각 집단별로 다시 집단 나누기
mpg %>%
group_by(manufacturer, drv) %>% # 회사별, 구방방식별 분리
summarise(mean_cty = mean(cty)) %>% # cty 평균 산출
head(10) # 일부 출력## # A tibble: 10 x 3
## # Groups: manufacturer [5]
## manufacturer drv mean_cty
## <chr> <chr> <dbl>
## 1 audi 4 16.81818
## 2 audi f 18.85714
## 3 chevrolet 4 12.50000
## 4 chevrolet f 18.80000
## 5 chevrolet r 14.10000
## 6 dodge 4 12.00000
## 7 dodge f 15.81818
## 8 ford 4 13.30769
## 9 ford r 14.75000
## 10 honda f 24.44444NP
dplyr 조합하기
문제) 회사별로 “suv” 자동차의 도시 및 고속도로 통합 연비 평균을 구해 내림차순으로 정렬하고, 1~5위까지 출력하기
분석 절차 생각해보기
| 절차 | 기능 | dplyr 함수 |
|---|---|---|
| 1 | 회사별로 분리 | group_by() |
| 2 | suv 추출 | filter() |
| 3 | 통합 연비 변수 생성 | mutate() |
| 4 | 통합 연비 평균 산출 | summarise() |
| 5 | 내림차순 정렬 | arrange() |
| 6 | 1~5위까지 출력 | head() |
NP
dplyr 조합하기
mpg %>%
group_by(manufacturer) %>% # 회사별로 분리
filter(class == "suv") %>% # suv 추출
mutate(tot = (cty+hwy)/2) %>% # 통합 연비 변수 생성
summarise(mean_tot = mean(tot)) %>% # 통합 연비 평균 산출
arrange(desc(mean_tot)) %>% # 내림차순 정렬
head(5) # 1~5위까지 출력## # A tibble: 5 x 2
## manufacturer mean_tot
## <chr> <dbl>
## 1 subaru 21.91667
## 2 toyota 16.31250
## 3 nissan 15.87500
## 4 mercury 15.62500
## 5 jeep 15.56250NP
혼자서 해보기
mpg 데이터를 이용해서 분석 문제를 해결해 보세요.
Q1.
mpg데이터의class는"suv","compact"등 자동차를 특징에 따라 일곱 종류로 분류한 변수입니다. 어떤 차종의 연비가 높은지 비교해보려고 합니다.class별cty평균을 구해보세요.Q2. 앞 문제의 출력 결과는
class값 알파벳 순으로 정렬되어 있습니다. 어떤 차종의 도시 연비가 높은지 쉽게 알아볼 수 있도록cty평균이 높은 순으로 정렬해 출력하세요.Q3. 어떤 회사 자동차의
hwy(고속도로 연비)가 가장 높은지 알아보려고 합니다.hwy평균이 가장 높은 회사 세 곳을 출력하세요.Q4. 어떤 회사에서
"compact"(경차) 차종을 가장 많이 생산하는지 알아보려고 합니다. 각 회사별"compact"차종 수를 내림차순으로 정렬해 출력하세요.
NP
힌트
Q1. group_by()를 이용해 class 별로 나눈 뒤 summarise()를 이용해 cty 평균을 구하면 됩니다.
Q2. 앞에서 만든 코드를 %>%로 연결하고 내림차순으로 정렬하는 코드를 추가하면 됩니다.
Q3. 2번 문제와 같은 절차로 코드를 구성하고, 일부만 출력하도록 head()를 추가하면 됩니다.
Q4. filter()를 이용해 "compact" 차종만 남긴 후 회사별 자동차 수를 구하면 됩니다. 자동차 수는 데이터가 몇 행으로 구성되는지 빈도를 구하면 알 수 있습니다. 빈도는 n()을 이용해 구할 수 있습니다.
NP
정답
Q1. mpg 데이터의 class는 "suv", "compact" 등 자동차를 특징에 따라 일곱 종류로 분류한 변수입니다. 어떤 차종의 연비가 높은지 비교해보려고 합니다. class별 cty 평균을 구해보세요.
mpg <- as.data.frame(ggplot2::mpg) # mpg 데이터 불러오기
mpg %>%
group_by(class) %>% # class별 분리
summarise(mean_cty = mean(cty)) # cty 평균 구하기## # A tibble: 7 x 2
## class mean_cty
## <chr> <dbl>
## 1 2seater 15.40000
## 2 compact 20.12766
## 3 midsize 18.75610
## 4 minivan 15.81818
## 5 pickup 13.00000
## 6 subcompact 20.37143
## 7 suv 13.50000NP
Q2. 앞 문제의 출력 결과는 class 값 알파벳 순으로 정렬되어 있습니다. 어떤 차종의 도시 연비가 높은지 쉽게 알아볼 수 있도록 cty 평균이 높은 순으로 정렬해 출력하세요.
mpg %>%
group_by(class) %>% # class별 분리
summarise(mean_cty = mean(cty)) %>% # cty 평균 구하기
arrange(desc(mean_cty)) # 내림차순 정렬하기## # A tibble: 7 x 2
## class mean_cty
## <chr> <dbl>
## 1 subcompact 20.37143
## 2 compact 20.12766
## 3 midsize 18.75610
## 4 minivan 15.81818
## 5 2seater 15.40000
## 6 suv 13.50000
## 7 pickup 13.00000NP
Q3. 어떤 회사 자동차의 hwy(고속도로 연비)가 가장 높은지 알아보려고 합니다. hwy 평균이 가장 높은 회사 세 곳을 출력하세요.
mpg %>%
group_by(manufacturer) %>% # manufacturer별 분리
summarise(mean_hwy = mean(hwy)) %>% # hwy 평균 구하기
arrange(desc(mean_hwy)) %>% # 내림차순 정렬하기
head(3) # 상위 3행 출력## # A tibble: 3 x 2
## manufacturer mean_hwy
## <chr> <dbl>
## 1 honda 32.55556
## 2 volkswagen 29.22222
## 3 hyundai 26.85714NP
Q4. 어떤 회사에서 "compact"(경차) 차종을 가장 많이 생산하는지 알아보려고 합니다. 각 회사별 "compact" 차종 수를 내림차순으로 정렬해 출력하세요.
mpg %>%
filter(class == "compact") %>% # compact 추출
group_by(manufacturer) %>% # manufacturer별 분리
summarise(count = n()) %>% # 빈도 구하기
arrange(desc(count)) # 내림차순 정렬## # A tibble: 5 x 2
## manufacturer count
## <chr> <int>
## 1 audi 15
## 2 volkswagen 14
## 3 toyota 12
## 4 subaru 4
## 5 nissan 2NP
7. 데이터 합치기
가로로 합치기
세로로 합치기
NP
가로로 합치기
데이터 생성
# 중간고사 데이터 생성
test1 <- data.frame(id = c(1, 2, 3, 4, 5),
midterm = c(60, 80, 70, 90, 85))
# 기말고사 데이터 생성
test2 <- data.frame(id = c(1, 2, 3, 4, 5),
final = c(70, 83, 65, 95, 80))NP
test1 # test1 출력## id midterm
## 1 1 60
## 2 2 80
## 3 3 70
## 4 4 90
## 5 5 85test2 # test2 출력## id final
## 1 1 70
## 2 2 83
## 3 3 65
## 4 4 95
## 5 5 80NP
id 기준으로 합치기
total <- left_join(test1, test2, by = "id") # id 기준으로 합쳐 total에 할당
total # total 출력## id midterm final
## 1 1 60 70
## 2 2 80 83
## 3 3 70 65
## 4 4 90 95
## 5 5 85 80[주의] by에 변수명을 지정할 때 변수명 앞 뒤에 겹따옴표 입력
NP
다른 데이터 활용해 변수 추가하기
반별 담임교사 명단 생성
name <- data.frame(class = c(1, 2, 3, 4, 5),
teacher = c("kim", "lee", "park", "choi", "jung"))
name## class teacher
## 1 1 kim
## 2 2 lee
## 3 3 park
## 4 4 choi
## 5 5 jungNP
class 기준 합치기
exam_new <- left_join(exam, name, by = "class")
exam_new## id class math english science teacher
## 1 1 1 50 98 50 kim
## 2 2 1 60 97 60 kim
## 3 3 1 45 86 78 kim
## 4 4 1 30 98 58 kim
## 5 5 2 25 80 65 lee
## 6 6 2 50 89 98 lee
## 7 7 2 80 90 45 lee
## 8 8 2 90 78 25 lee
## 9 9 3 20 98 15 park
## 10 10 3 50 98 45 park
## 11 11 3 65 65 65 park
## 12 12 3 45 85 32 park
## 13 13 4 46 98 65 choi
## 14 14 4 48 87 12 choi
## 15 15 4 75 56 78 choi
## 16 16 4 58 98 65 choi
## 17 17 5 65 68 98 jung
## 18 18 5 80 78 90 jung
## 19 19 5 89 68 87 jung
## 20 20 5 78 83 58 jungNP
세로로 합치기
데이터 생성
# 학생 1~5번 시험 데이터 생성
group_a <- data.frame(id = c(1, 2, 3, 4, 5),
test = c(60, 80, 70, 90, 85))
# 학생 6~10번 시험 데이터 생성
group_b <- data.frame(id = c(6, 7, 8, 9, 10),
test = c(70, 83, 65, 95, 80))NP
group_a # group_a 출력## id test
## 1 1 60
## 2 2 80
## 3 3 70
## 4 4 90
## 5 5 85group_b # group_b 출력## id test
## 1 6 70
## 2 7 83
## 3 8 65
## 4 9 95
## 5 10 80NP
세로로 합치기
group_all <- bind_rows(group_a, group_b) # 데이터 합쳐서 group_all에 할당
group_all # group_all 출력## id test
## 1 1 60
## 2 2 80
## 3 3 70
## 4 4 90
## 5 5 85
## 6 6 70
## 7 7 83
## 8 8 65
## 9 9 95
## 10 10 80NP
혼자서 해보기
mpg 데이터를 이용해서 분석 문제를 해결해 보세요.
mpg 데이터의 fl 변수는 자동차에 사용하는 연료(fuel)를 의미합니다. 아래는 자동차 연료별 가격을 나타낸 표입니다.
| fl | 연료 종류 | 가격(갤런당 USD) |
|---|---|---|
| c | CNG | 2.35 |
| d | diesel | 2.38 |
| e | ethanol E85 | 2.11 |
| p | premium | 2.76 |
| r | regular | 2.22 |
우선 이 정보를 이용해서 연료와 가격으로 구성된 데이터 프레임을 만들어 보세요.
fuel <- data.frame(fl = c("c", "d", "e", "p", "r"),
price_fl = c(2.35, 2.38, 2.11, 2.76, 2.22),
stringsAsFactors = F)
fuel # 출력## fl price_fl
## 1 c 2.35
## 2 d 2.38
## 3 e 2.11
## 4 p 2.76
## 5 r 2.22Q1.
mpg데이터에는 연료 종류를 나타낸fl변수는 있지만 연료 가격을 나타낸 변수는 없습니다. 위에서 만든fuel데이터를 이용해서mpg데이터에price_fl(연료 가격) 변수를 추가하세요.Q2. 연료 가격 변수가 잘 추가됐는지 확인하기 위해서
model,fl,price_fl변수를 추출해 앞부분 5행을 출력해 보세요.
NP
힌트
Q1. left_join()을 이용해서 mpg 데이터에 fuel 데이터를 합치면 됩니다. 두 데이터에 공통으로 들어있는 변수를 기준으로 삼아야 합니다.
Q2. select()와 head()를 조합하면 됩니다.
NP
정답
Q1. mpg 데이터에는 연료 종류를 나타낸 fl 변수는 있지만 연료 가격을 나타낸 변수는 없습니다. 위에서 만든 fuel 데이터를 이용해서 mpg 데이터에 price_fl(연료 가격) 변수를 추가하세요.
mpg <- as.data.frame(ggplot2::mpg) # mpg 데이터 불러오기
mpg <- left_join(mpg, fuel, by = "fl") # mpg에 연료 가격 변수 추가NP
Q2. 연료 가격 변수가 잘 추가됐는지 확인하기 위해서 model, fl, price_fl 변수를 추출해 앞부분 5행을 출력해 보세요.
mpg %>%
select(model, fl, price_fl) %>% # model, fl, price_fl 추출
head(5) ## model fl price_fl
## 1 a4 p 2.76
## 2 a4 p 2.76
## 3 a4 p 2.76
## 4 a4 p 2.76
## 5 a4 p 2.76NP
정리하기
# 1.조건에 맞는 데이터만 추출하기
exam %>% filter(english >= 80)
# 여러 조건 동시 충족
exam %>% filter(class == 1 & math >= 50)
# 여러 조건 중 하나 이상 충족
exam %>% filter(math >= 90 | english >= 90)
exam %>% filter(class %in% c(1,3,5))
# 2.필요한 변수만 추출하기
exam %>% select(math)
exam %>% select(class, math, english)
# 3.함수 조합하기, 일부만 출력하기
exam %>%
select(id, math) %>%
head(10)NP
# 4.순서대로 정렬하기
exam %>% arrange(math) # 오름차순 정렬
exam %>% arrange(desc(math)) # 내림차순 정렬
exam %>% arrange(class, math) # 여러 변수 기준 오름차순 정렬
# 5.파생변수 추가하기
exam %>% mutate(total = math + english + science)
# 여러 파생변수 한 번에 추가하기
exam %>%
mutate(total = math + english + science,
mean = (math + english + science)/3)
# mutate()에 ifelse() 적용하기
exam %>% mutate(test = ifelse(science >= 60, "pass", "fail"))
# 추가한 변수를 dplyr 코드에 바로 활용하기
exam %>%
mutate(total = math + english + science) %>%
arrange(total)NP
# 6.집단별로 요약하기
exam %>%
group_by(class) %>%
summarise(mean_math = mean(math))
# 각 집단별로 다시 집단 나누기
mpg %>%
group_by(manufacturer, drv) %>%
summarise(mean_cty = mean(cty))
# 7.데이터 합치기
# 가로로 합치기
total <- left_join(test1, test2, by = "id")
# 세로로 합치기
group_all <- bind_rows(group_a, group_b)NP
분석 도전
미국 동북중부 437개 지역의 인구통계 정보를 담고 있는 midwest 데이터를 사용해 데이터 분석 문제를 해결해 보세요. midwest는 ggplot2 패키지에 들어 있습니다.
문제1.
popadults는 해당 지역의 성인 인구,poptotal은 전체 인구를 나타냅니다.midwest데이터에 ‘전체 인구 대비 미성년 인구 백분율’ 변수를 추가하세요.문제2. 미성년 인구 백분율이 가장 높은 상위 5개
county(지역)의 미성년 인구 백분율을 출력하세요.문제3. 분류표의 기준에 따라 미성년 비율 등급 변수를 추가하고, 각 등급에 몇 개의 지역이 있는지 알아보세요.
| 분류 | 기준 |
|---|---|
| large | 40% 이상 |
| middle | 30% ~ 40% 미만 |
| small | 30% 미만 |
- 문제4.
popasian은 해당 지역의 아시아인 인구를 나타냅니다. ‘전체 인구 대비 아시아인 인구 백분율’ 변수를 추가하고, 하위 10개 지역의state(주),county(지역명), 아시아인 인구 백분율을 출력하세요.
NP
정답
문제1. popadults는 해당 지역의 성인 인구, poptotal은 전체 인구를 나타냅니다. midwest 데이터에 ‘전체 인구 대비 미성년 인구 백분율’ 변수를 추가하세요.
# midwest 불러오기
midwest <- as.data.frame(ggplot2::midwest)
# midwest에 백분율 변수 추가
midwest <- midwest %>%
mutate(ratio_child = (poptotal-popadults)/poptotal*100)NP
문제2. 미성년 인구 백분율이 가장 높은 상위 5개 county(지역)의 미성년 인구 백분율을 출력하세요.
midwest %>%
arrange(desc(ratio_child)) %>% # ratio_child 내림차순 정렬
select(county, ratio_child) %>% # county, ratio_child 추출
head(5) # 상위 5행 출력## county ratio_child
## 1 ISABELLA 51.50117
## 2 MENOMINEE 50.59126
## 3 ATHENS 49.32073
## 4 MECOSTA 49.05918
## 5 MONROE 47.35818NP
문제3. 분류표의 기준에 따라 미성년 비율 등급 변수를 추가하고, 각 등급에 몇 개의 지역이 있는지 알아보세요.
# midwest에 grade 변수 추가
midwest <- midwest %>%
mutate(grade = ifelse(ratio_child >= 40, "large",
ifelse(ratio_child >= 30, "middle", "small")))
# 미성년 비율 등급 빈도표
table(midwest$grade) ##
## large middle small
## 32 396 9NP
문제4. popasian은 해당 지역의 아시아인 인구를 나타냅니다. ‘전체 인구 대비 아시아인 인구 백분율’ 변수를 추가하고, 하위 10개 지역의 state(주), county(지역명), 아시아인 인구 백분율을 출력하세요.
midwest %>%
mutate(ratio_asian = (popasian/poptotal)*100) %>% # 백분율 변수 추가
arrange(ratio_asian) %>% # 내림차순 정렬
select(state, county, ratio_asian) %>% # 변수 추출
head(10) # 상위 10행 출력 ## state county ratio_asian
## 1 WI MENOMINEE 0.00000000
## 2 IN BENTON 0.01059210
## 3 IN CARROLL 0.01594981
## 4 OH VINTON 0.02703190
## 5 WI IRON 0.03250447
## 6 IL SCOTT 0.05315379
## 7 IN CLAY 0.06071645
## 8 MI OSCODA 0.06375925
## 9 OH PERRY 0.06654625
## 10 IL PIATT 0.07074865