#chapter3
#숫자
a <- 3
b <- 4.5
c <- a + b
print(c)
## [1] 7.5
#NA
one <- 100
two <- 75
three <- 80
four <- NA
is.na(four)
## [1] TRUE
#NULL
x <- NULL
is.null(x)
## [1] TRUE
is.null(1)
## [1] FALSE
is.null(NA)
## [1] FALSE
is.na(NULL)
## Warning in is.na(NULL): is.na()는 유형이 'NULL'인 (리스트 또는 벡터)가 아닌
## 것에 적용되었습니다
## logical(0)
#문자열
a <- "hello"
print(a)
## [1] "hello"
#진리값
TRUE & TRUE
## [1] TRUE
TRUE & FALSE
## [1] FALSE
TRUE | TRUE
## [1] TRUE
TRUE | FALSE
## [1] TRUE
!TRUE
## [1] FALSE
!FALSE
## [1] TRUE
T <- FALSE
#TRUE <- FALSE
c(TRUE, TRUE) & c(TRUE, FALSE)
## [1] TRUE FALSE
c(TRUE, FALSE) && c(TRUE, FALSE)
## [1] TRUE
#요인(Factor)
sex <- factor("m",c("m","f"))
sex
## [1] m
## Levels: m f
nlevels(sex)
## [1] 2
levels(sex)
## [1] "m" "f"
levels(sex)[1]
## [1] "m"
levels(sex)[2]
## [1] "f"
sex
## [1] m
## Levels: m f
levels(sex) <- c('male', 'female')
sex
## [1] male
## Levels: male female
ordered(c("a","b","c"))
## [1] a b c
## Levels: a < b < c
factor(c("a","b","c"), ordered=TRUE)
## [1] a b c
## Levels: a < b < c
#벡터의 정의
x <- c(1, 2, 3, 4, 5)
x
## [1] 1 2 3 4 5
x <- c("1",2,"3")
x
## [1] "1" "2" "3"
c(1, 2, 3)
## [1] 1 2 3
c(1, 2, 3, c(1, 2, 3))
## [1] 1 2 3 1 2 3
x <- 1:10
x
## [1] 1 2 3 4 5 6 7 8 9 10
x <- 5:10
x
## [1] 5 6 7 8 9 10
seq(1,10,2)
## [1] 1 3 5 7 9
seq_along(c('a', 'b', 'c'))
## [1] 1 2 3
seq_len(3)
## [1] 1 2 3
x <- c(1, 3, 4)
names(x) <- c("kim", "seo", "park")
x
## kim seo park
## 1 3 4
#벡터내 데이터 접근
x <- c("a","b","c")
x[1]
## [1] "a"
x[3]
## [1] "c"
x <- c("a", "b", "c")
x[-1]
## [1] "b" "c"
x[-2]
## [1] "a" "c"
x <- c("a","b","c")
x[c(1,2)]
## [1] "a" "b"
x[c(1,3)]
## [1] "a" "c"
x <- c("a","b","c")
x[1:2]
## [1] "a" "b"
x[1:3]
## [1] "a" "b" "c"
x <- c(1, 3, 4)
names(x) <- c("kim", "seo", "park")
x
## kim seo park
## 1 3 4
x["seo"]
## seo
## 3
x[c("seo", "park")]
## seo park
## 3 4
names(x)[2]
## [1] "seo"
x <- c("a","b","c")
length(x)
## [1] 3
nrow(x)
## NULL
NROW(x)
## [1] 3
#벡터 연산
"a" %in% c("a", "b", "c")
## [1] TRUE
"d" %in% c("a", "b", "c")
## [1] FALSE
setdiff(c("a","b","c"),c("a","d"))
## [1] "b" "c"
union(c("a","b","c"),c("a","d"))
## [1] "a" "b" "c" "d"
intersect(c("a","b","c"),c("a","d"))
## [1] "a"
setequal(c("a","b","c"),c("a","d"))
## [1] FALSE
setequal(c("a","b","c"),c("a","b","c","c"))
## [1] TRUE
#seq
seq(1,5)
## [1] 1 2 3 4 5
seq(1,5,2)
## [1] 1 3 5
1:5
## [1] 1 2 3 4 5
rep(1:2, 5)
## [1] 1 2 1 2 1 2 1 2 1 2
rep(1:2, each=5)
## [1] 1 1 1 1 1 2 2 2 2 2
#리스트의 정의
x <- list(name="foo",height=70)
x
## $name
## [1] "foo"
##
## $height
## [1] 70
x <- list(name="foo",height=c(1,3,5))
x
## $name
## [1] "foo"
##
## $height
## [1] 1 3 5
list(a=list(val=c(1,2,3)),b=list(val=c(1,2,3,4)))
## $a
## $a$val
## [1] 1 2 3
##
##
## $b
## $b$val
## [1] 1 2 3 4
#리스트내 데이터 접근
x <- list(name="foo", height=c(1,3,5))
x$name
## [1] "foo"
x$height
## [1] 1 3 5
x[[1]]
## [1] "foo"
x[[2]]
## [1] 1 3 5
#행렬의 정의
matrix(c(1,2,3,4,5,6,7,8,9),nrow=3)
## [,1] [,2] [,3]
## [1,] 1 4 7
## [2,] 2 5 8
## [3,] 3 6 9
matrix(c(1,2,3,4,5,6,7,8,9),ncol=3)
## [,1] [,2] [,3]
## [1,] 1 4 7
## [2,] 2 5 8
## [3,] 3 6 9
matrix(c(1,2,3,4,5,6,7,8,9),nrow=3,dimnames=list(c("item1","item2","item3"),c("feature1","feature2","feature3")))
## feature1 feature2 feature3
## item1 1 4 7
## item2 2 5 8
## item3 3 6 9
#행렬내 데이터 접근
x <- matrix(c(1,2,3,4,5,6,7,8,9),ncol=3)
x
## [,1] [,2] [,3]
## [1,] 1 4 7
## [2,] 2 5 8
## [3,] 3 6 9
x[1,1]
## [1] 1
x[1,2]
## [1] 4
x[2,1]
## [1] 2
x[2,2]
## [1] 5
x[1:2,]
## [,1] [,2] [,3]
## [1,] 1 4 7
## [2,] 2 5 8
x[-3,]
## [,1] [,2] [,3]
## [1,] 1 4 7
## [2,] 2 5 8
x[c(1,3),c(1,3)]
## [,1] [,2]
## [1,] 1 7
## [2,] 3 9
x<- matrix(c(1,2,3,4,5,6,7,8,9),nrow=3,
dimnames=list(c("item1","item2","item3"),
c("feature1","feature2","feature3")))
x
## feature1 feature2 feature3
## item1 1 4 7
## item2 2 5 8
## item3 3 6 9
x["item1",]
## feature1 feature2 feature3
## 1 4 7
#행렬의 연산
x<-matrix(c(1,2,3,4,5,6,7,8,9),nrow=3)
x*2
## [,1] [,2] [,3]
## [1,] 2 8 14
## [2,] 4 10 16
## [3,] 6 12 18
x/2
## [,1] [,2] [,3]
## [1,] 0.5 2.0 3.5
## [2,] 1.0 2.5 4.0
## [3,] 1.5 3.0 4.5
x<-matrix(c(1,2,3,4,5,6,7,8,9),nrow=3)
x+x
## [,1] [,2] [,3]
## [1,] 2 8 14
## [2,] 4 10 16
## [3,] 6 12 18
x<-matrix(c(1,2,3,4,5,6,7,8,9),nrow=3)
x %*% x
## [,1] [,2] [,3]
## [1,] 30 66 102
## [2,] 36 81 126
## [3,] 42 96 150
x <- matrix(c(1,2,3,4), ncol=2)
x
## [,1] [,2]
## [1,] 1 3
## [2,] 2 4
solve(x)
## [,1] [,2]
## [1,] -2 1.5
## [2,] 1 -0.5
x %*% solve(x)
## [,1] [,2]
## [1,] 1 0
## [2,] 0 1
x<-matrix(c(1,2,3,4,5,6,7,8,9),nrow=3)
x
## [,1] [,2] [,3]
## [1,] 1 4 7
## [2,] 2 5 8
## [3,] 3 6 9
t(x)
## [,1] [,2] [,3]
## [1,] 1 2 3
## [2,] 4 5 6
## [3,] 7 8 9
x<-matrix(c(1,2,3,4,5,6),ncol=3)
x
## [,1] [,2] [,3]
## [1,] 1 3 5
## [2,] 2 4 6
ncol(x)
## [1] 3
nrow(x)
## [1] 2
#배열 정의
matrix(1:12, ncol=4)
## [,1] [,2] [,3] [,4]
## [1,] 1 4 7 10
## [2,] 2 5 8 11
## [3,] 3 6 9 12
array(1:12, dim=c(3,4))
## [,1] [,2] [,3] [,4]
## [1,] 1 4 7 10
## [2,] 2 5 8 11
## [3,] 3 6 9 12
array(1:12, dim=c(2,2,3))
## , , 1
##
## [,1] [,2]
## [1,] 1 3
## [2,] 2 4
##
## , , 2
##
## [,1] [,2]
## [1,] 5 7
## [2,] 6 8
##
## , , 3
##
## [,1] [,2]
## [1,] 9 11
## [2,] 10 12
#배열 데이터 접근
x<- array(1:12, dim=c(2,2,3))
x
## , , 1
##
## [,1] [,2]
## [1,] 1 3
## [2,] 2 4
##
## , , 2
##
## [,1] [,2]
## [1,] 5 7
## [2,] 6 8
##
## , , 3
##
## [,1] [,2]
## [1,] 9 11
## [2,] 10 12
x[1,1,1]
## [1] 1
x[1,2,3]
## [1] 11
x[, , 3]
## [,1] [,2]
## [1,] 9 11
## [2,] 10 12
dim(x)
## [1] 2 2 3
#데이터 프레임 정의
d <- data.frame(x=c(1,2,3,4,5),y=c(2,4,6,8,10))
d
## x y
## 1 1 2
## 2 2 4
## 3 3 6
## 4 4 8
## 5 5 10
d <- data.frame(x=c(1,2,3,4,5),
y=c(2,4,6,8,10),
z=c('M','F','M','F','M'))
d
## x y z
## 1 1 2 M
## 2 2 4 F
## 3 3 6 M
## 4 4 8 F
## 5 5 10 M
d$v <- c(3,6,9,12,15)
d
## x y z v
## 1 1 2 M 3
## 2 2 4 F 6
## 3 3 6 M 9
## 4 4 8 F 12
## 5 5 10 M 15
#데이터 프레임 접근
d <- data.frame(x=c(1,2,3,4,5),y=c(2,4,6,8,10))
d$x
## [1] 1 2 3 4 5
d[1,]
## x y
## 1 1 2
d[1,2]
## [1] 2
d[c(1,3),2]
## [1] 2 6
d[-1,-c(2,3)]
## [1] 2 3 4 5
d[,c("x","y")]
## x y
## 1 1 2
## 2 2 4
## 3 3 6
## 4 4 8
## 5 5 10
d[,c("x")]
## [1] 1 2 3 4 5
d[,c("x"),drop=FALSE]
## x
## 1 1
## 2 2
## 3 3
## 4 4
## 5 5
d <- data.frame(x=c(1,2,3,4,5),
y=c(2,4,6,8,10),
z=c('M','F','M','F','M'))
str(d)
## 'data.frame': 5 obs. of 3 variables:
## $ x: num 1 2 3 4 5
## $ y: num 2 4 6 8 10
## $ z: Factor w/ 2 levels "F","M": 2 1 2 1 2
d <- data.frame(x=1:1000)
d
## x
## 1 1
## 2 2
## 3 3
## 4 4
## 5 5
## 6 6
## 7 7
## 8 8
## 9 9
## 10 10
## 11 11
## 12 12
## 13 13
## 14 14
## 15 15
## 16 16
## 17 17
## 18 18
## 19 19
## 20 20
## 21 21
## 22 22
## 23 23
## 24 24
## 25 25
## 26 26
## 27 27
## 28 28
## 29 29
## 30 30
## 31 31
## 32 32
## 33 33
## 34 34
## 35 35
## 36 36
## 37 37
## 38 38
## 39 39
## 40 40
## 41 41
## 42 42
## 43 43
## 44 44
## 45 45
## 46 46
## 47 47
## 48 48
## 49 49
## 50 50
## 51 51
## 52 52
## 53 53
## 54 54
## 55 55
## 56 56
## 57 57
## 58 58
## 59 59
## 60 60
## 61 61
## 62 62
## 63 63
## 64 64
## 65 65
## 66 66
## 67 67
## 68 68
## 69 69
## 70 70
## 71 71
## 72 72
## 73 73
## 74 74
## 75 75
## 76 76
## 77 77
## 78 78
## 79 79
## 80 80
## 81 81
## 82 82
## 83 83
## 84 84
## 85 85
## 86 86
## 87 87
## 88 88
## 89 89
## 90 90
## 91 91
## 92 92
## 93 93
## 94 94
## 95 95
## 96 96
## 97 97
## 98 98
## 99 99
## 100 100
## 101 101
## 102 102
## 103 103
## 104 104
## 105 105
## 106 106
## 107 107
## 108 108
## 109 109
## 110 110
## 111 111
## 112 112
## 113 113
## 114 114
## 115 115
## 116 116
## 117 117
## 118 118
## 119 119
## 120 120
## 121 121
## 122 122
## 123 123
## 124 124
## 125 125
## 126 126
## 127 127
## 128 128
## 129 129
## 130 130
## 131 131
## 132 132
## 133 133
## 134 134
## 135 135
## 136 136
## 137 137
## 138 138
## 139 139
## 140 140
## 141 141
## 142 142
## 143 143
## 144 144
## 145 145
## 146 146
## 147 147
## 148 148
## 149 149
## 150 150
## 151 151
## 152 152
## 153 153
## 154 154
## 155 155
## 156 156
## 157 157
## 158 158
## 159 159
## 160 160
## 161 161
## 162 162
## 163 163
## 164 164
## 165 165
## 166 166
## 167 167
## 168 168
## 169 169
## 170 170
## 171 171
## 172 172
## 173 173
## 174 174
## 175 175
## 176 176
## 177 177
## 178 178
## 179 179
## 180 180
## 181 181
## 182 182
## 183 183
## 184 184
## 185 185
## 186 186
## 187 187
## 188 188
## 189 189
## 190 190
## 191 191
## 192 192
## 193 193
## 194 194
## 195 195
## 196 196
## 197 197
## 198 198
## 199 199
## 200 200
## 201 201
## 202 202
## 203 203
## 204 204
## 205 205
## 206 206
## 207 207
## 208 208
## 209 209
## 210 210
## 211 211
## 212 212
## 213 213
## 214 214
## 215 215
## 216 216
## 217 217
## 218 218
## 219 219
## 220 220
## 221 221
## 222 222
## 223 223
## 224 224
## 225 225
## 226 226
## 227 227
## 228 228
## 229 229
## 230 230
## 231 231
## 232 232
## 233 233
## 234 234
## 235 235
## 236 236
## 237 237
## 238 238
## 239 239
## 240 240
## 241 241
## 242 242
## 243 243
## 244 244
## 245 245
## 246 246
## 247 247
## 248 248
## 249 249
## 250 250
## 251 251
## 252 252
## 253 253
## 254 254
## 255 255
## 256 256
## 257 257
## 258 258
## 259 259
## 260 260
## 261 261
## 262 262
## 263 263
## 264 264
## 265 265
## 266 266
## 267 267
## 268 268
## 269 269
## 270 270
## 271 271
## 272 272
## 273 273
## 274 274
## 275 275
## 276 276
## 277 277
## 278 278
## 279 279
## 280 280
## 281 281
## 282 282
## 283 283
## 284 284
## 285 285
## 286 286
## 287 287
## 288 288
## 289 289
## 290 290
## 291 291
## 292 292
## 293 293
## 294 294
## 295 295
## 296 296
## 297 297
## 298 298
## 299 299
## 300 300
## 301 301
## 302 302
## 303 303
## 304 304
## 305 305
## 306 306
## 307 307
## 308 308
## 309 309
## 310 310
## 311 311
## 312 312
## 313 313
## 314 314
## 315 315
## 316 316
## 317 317
## 318 318
## 319 319
## 320 320
## 321 321
## 322 322
## 323 323
## 324 324
## 325 325
## 326 326
## 327 327
## 328 328
## 329 329
## 330 330
## 331 331
## 332 332
## 333 333
## 334 334
## 335 335
## 336 336
## 337 337
## 338 338
## 339 339
## 340 340
## 341 341
## 342 342
## 343 343
## 344 344
## 345 345
## 346 346
## 347 347
## 348 348
## 349 349
## 350 350
## 351 351
## 352 352
## 353 353
## 354 354
## 355 355
## 356 356
## 357 357
## 358 358
## 359 359
## 360 360
## 361 361
## 362 362
## 363 363
## 364 364
## 365 365
## 366 366
## 367 367
## 368 368
## 369 369
## 370 370
## 371 371
## 372 372
## 373 373
## 374 374
## 375 375
## 376 376
## 377 377
## 378 378
## 379 379
## 380 380
## 381 381
## 382 382
## 383 383
## 384 384
## 385 385
## 386 386
## 387 387
## 388 388
## 389 389
## 390 390
## 391 391
## 392 392
## 393 393
## 394 394
## 395 395
## 396 396
## 397 397
## 398 398
## 399 399
## 400 400
## 401 401
## 402 402
## 403 403
## 404 404
## 405 405
## 406 406
## 407 407
## 408 408
## 409 409
## 410 410
## 411 411
## 412 412
## 413 413
## 414 414
## 415 415
## 416 416
## 417 417
## 418 418
## 419 419
## 420 420
## 421 421
## 422 422
## 423 423
## 424 424
## 425 425
## 426 426
## 427 427
## 428 428
## 429 429
## 430 430
## 431 431
## 432 432
## 433 433
## 434 434
## 435 435
## 436 436
## 437 437
## 438 438
## 439 439
## 440 440
## 441 441
## 442 442
## 443 443
## 444 444
## 445 445
## 446 446
## 447 447
## 448 448
## 449 449
## 450 450
## 451 451
## 452 452
## 453 453
## 454 454
## 455 455
## 456 456
## 457 457
## 458 458
## 459 459
## 460 460
## 461 461
## 462 462
## 463 463
## 464 464
## 465 465
## 466 466
## 467 467
## 468 468
## 469 469
## 470 470
## 471 471
## 472 472
## 473 473
## 474 474
## 475 475
## 476 476
## 477 477
## 478 478
## 479 479
## 480 480
## 481 481
## 482 482
## 483 483
## 484 484
## 485 485
## 486 486
## 487 487
## 488 488
## 489 489
## 490 490
## 491 491
## 492 492
## 493 493
## 494 494
## 495 495
## 496 496
## 497 497
## 498 498
## 499 499
## 500 500
## 501 501
## 502 502
## 503 503
## 504 504
## 505 505
## 506 506
## 507 507
## 508 508
## 509 509
## 510 510
## 511 511
## 512 512
## 513 513
## 514 514
## 515 515
## 516 516
## 517 517
## 518 518
## 519 519
## 520 520
## 521 521
## 522 522
## 523 523
## 524 524
## 525 525
## 526 526
## 527 527
## 528 528
## 529 529
## 530 530
## 531 531
## 532 532
## 533 533
## 534 534
## 535 535
## 536 536
## 537 537
## 538 538
## 539 539
## 540 540
## 541 541
## 542 542
## 543 543
## 544 544
## 545 545
## 546 546
## 547 547
## 548 548
## 549 549
## 550 550
## 551 551
## 552 552
## 553 553
## 554 554
## 555 555
## 556 556
## 557 557
## 558 558
## 559 559
## 560 560
## 561 561
## 562 562
## 563 563
## 564 564
## 565 565
## 566 566
## 567 567
## 568 568
## 569 569
## 570 570
## 571 571
## 572 572
## 573 573
## 574 574
## 575 575
## 576 576
## 577 577
## 578 578
## 579 579
## 580 580
## 581 581
## 582 582
## 583 583
## 584 584
## 585 585
## 586 586
## 587 587
## 588 588
## 589 589
## 590 590
## 591 591
## 592 592
## 593 593
## 594 594
## 595 595
## 596 596
## 597 597
## 598 598
## 599 599
## 600 600
## 601 601
## 602 602
## 603 603
## 604 604
## 605 605
## 606 606
## 607 607
## 608 608
## 609 609
## 610 610
## 611 611
## 612 612
## 613 613
## 614 614
## 615 615
## 616 616
## 617 617
## 618 618
## 619 619
## 620 620
## 621 621
## 622 622
## 623 623
## 624 624
## 625 625
## 626 626
## 627 627
## 628 628
## 629 629
## 630 630
## 631 631
## 632 632
## 633 633
## 634 634
## 635 635
## 636 636
## 637 637
## 638 638
## 639 639
## 640 640
## 641 641
## 642 642
## 643 643
## 644 644
## 645 645
## 646 646
## 647 647
## 648 648
## 649 649
## 650 650
## 651 651
## 652 652
## 653 653
## 654 654
## 655 655
## 656 656
## 657 657
## 658 658
## 659 659
## 660 660
## 661 661
## 662 662
## 663 663
## 664 664
## 665 665
## 666 666
## 667 667
## 668 668
## 669 669
## 670 670
## 671 671
## 672 672
## 673 673
## 674 674
## 675 675
## 676 676
## 677 677
## 678 678
## 679 679
## 680 680
## 681 681
## 682 682
## 683 683
## 684 684
## 685 685
## 686 686
## 687 687
## 688 688
## 689 689
## 690 690
## 691 691
## 692 692
## 693 693
## 694 694
## 695 695
## 696 696
## 697 697
## 698 698
## 699 699
## 700 700
## 701 701
## 702 702
## 703 703
## 704 704
## 705 705
## 706 706
## 707 707
## 708 708
## 709 709
## 710 710
## 711 711
## 712 712
## 713 713
## 714 714
## 715 715
## 716 716
## 717 717
## 718 718
## 719 719
## 720 720
## 721 721
## 722 722
## 723 723
## 724 724
## 725 725
## 726 726
## 727 727
## 728 728
## 729 729
## 730 730
## 731 731
## 732 732
## 733 733
## 734 734
## 735 735
## 736 736
## 737 737
## 738 738
## 739 739
## 740 740
## 741 741
## 742 742
## 743 743
## 744 744
## 745 745
## 746 746
## 747 747
## 748 748
## 749 749
## 750 750
## 751 751
## 752 752
## 753 753
## 754 754
## 755 755
## 756 756
## 757 757
## 758 758
## 759 759
## 760 760
## 761 761
## 762 762
## 763 763
## 764 764
## 765 765
## 766 766
## 767 767
## 768 768
## 769 769
## 770 770
## 771 771
## 772 772
## 773 773
## 774 774
## 775 775
## 776 776
## 777 777
## 778 778
## 779 779
## 780 780
## 781 781
## 782 782
## 783 783
## 784 784
## 785 785
## 786 786
## 787 787
## 788 788
## 789 789
## 790 790
## 791 791
## 792 792
## 793 793
## 794 794
## 795 795
## 796 796
## 797 797
## 798 798
## 799 799
## 800 800
## 801 801
## 802 802
## 803 803
## 804 804
## 805 805
## 806 806
## 807 807
## 808 808
## 809 809
## 810 810
## 811 811
## 812 812
## 813 813
## 814 814
## 815 815
## 816 816
## 817 817
## 818 818
## 819 819
## 820 820
## 821 821
## 822 822
## 823 823
## 824 824
## 825 825
## 826 826
## 827 827
## 828 828
## 829 829
## 830 830
## 831 831
## 832 832
## 833 833
## 834 834
## 835 835
## 836 836
## 837 837
## 838 838
## 839 839
## 840 840
## 841 841
## 842 842
## 843 843
## 844 844
## 845 845
## 846 846
## 847 847
## 848 848
## 849 849
## 850 850
## 851 851
## 852 852
## 853 853
## 854 854
## 855 855
## 856 856
## 857 857
## 858 858
## 859 859
## 860 860
## 861 861
## 862 862
## 863 863
## 864 864
## 865 865
## 866 866
## 867 867
## 868 868
## 869 869
## 870 870
## 871 871
## 872 872
## 873 873
## 874 874
## 875 875
## 876 876
## 877 877
## 878 878
## 879 879
## 880 880
## 881 881
## 882 882
## 883 883
## 884 884
## 885 885
## 886 886
## 887 887
## 888 888
## 889 889
## 890 890
## 891 891
## 892 892
## 893 893
## 894 894
## 895 895
## 896 896
## 897 897
## 898 898
## 899 899
## 900 900
## 901 901
## 902 902
## 903 903
## 904 904
## 905 905
## 906 906
## 907 907
## 908 908
## 909 909
## 910 910
## 911 911
## 912 912
## 913 913
## 914 914
## 915 915
## 916 916
## 917 917
## 918 918
## 919 919
## 920 920
## 921 921
## 922 922
## 923 923
## 924 924
## 925 925
## 926 926
## 927 927
## 928 928
## 929 929
## 930 930
## 931 931
## 932 932
## 933 933
## 934 934
## 935 935
## 936 936
## 937 937
## 938 938
## 939 939
## 940 940
## 941 941
## 942 942
## 943 943
## 944 944
## 945 945
## 946 946
## 947 947
## 948 948
## 949 949
## 950 950
## 951 951
## 952 952
## 953 953
## 954 954
## 955 955
## 956 956
## 957 957
## 958 958
## 959 959
## 960 960
## 961 961
## 962 962
## 963 963
## 964 964
## 965 965
## 966 966
## 967 967
## 968 968
## 969 969
## 970 970
## 971 971
## 972 972
## 973 973
## 974 974
## 975 975
## 976 976
## 977 977
## 978 978
## 979 979
## 980 980
## 981 981
## 982 982
## 983 983
## 984 984
## 985 985
## 986 986
## 987 987
## 988 988
## 989 989
## 990 990
## 991 991
## 992 992
## 993 993
## 994 994
## 995 995
## 996 996
## 997 997
## 998 998
## 999 999
## 1000 1000
head(d)
## x
## 1 1
## 2 2
## 3 3
## 4 4
## 5 5
## 6 6
x <- data.frame(1:3)
x
## X1.3
## 1 1
## 2 2
## 3 3
colnames(x) <- c('val')
x
## val
## 1 1
## 2 2
## 3 3
rownames(x) <- c('a','b','c')
x
## val
## a 1
## b 2
## c 3
(d <- data.frame(a=1:3,b=4:6,c=7:9))
## a b c
## 1 1 4 7
## 2 2 5 8
## 3 3 6 9
d[,names(d) %in% c("b","c")]
## b c
## 1 4 7
## 2 5 8
## 3 6 9
d[, !names(d) %in% c("a")]
## b c
## 1 4 7
## 2 5 8
## 3 6 9
#타입 판별
class(c(1,2))
## [1] "numeric"
class(matrix(c(1,2)))
## [1] "matrix"
class(list(c(1,2)))
## [1] "list"
class(data.frame(x=c(1,2)))
## [1] "data.frame"
str(c(1,2))
## num [1:2] 1 2
str(matrix(c(1,2)))
## num [1:2, 1] 1 2
str(list(c(1,2)))
## List of 1
## $ : num [1:2] 1 2
str(data.frame(x=c(1,2)))
## 'data.frame': 2 obs. of 1 variable:
## $ x: num 1 2
is.numeric(c(1,2,3))
## [1] TRUE
is.numeric(c('a','b','c'))
## [1] FALSE
is.matrix(matrix(c(1,2)))
## [1] TRUE
#타입 변환
x <- data.frame(matrix(c(1,2,3,4),ncol=2))
x
## X1 X2
## 1 1 3
## 2 2 4
colnames(x) <- c("X","Y")
x
## X Y
## 1 1 3
## 2 2 4
data.frame(list(x=c(1,2), y=c(3,4)))
## x y
## 1 1 3
## 2 2 4
x <- c("m","f")
as.factor(x)
## [1] m f
## Levels: f m
as.numeric(as.factor(x))
## [1] 2 1
factor(c("m","f"), levels=c("m","f"))
## [1] m f
## Levels: m f