Ch08_tibble로하는티블
bangilwoo
2020 10 5
7.1 들어가기
- 현재 전통적인 ‘데이터프레임’ 대신 ‘티블’을 가지고 작업 한다.
- 티블도 ‘데이터프레임’이지만, 편리하게 사용 할 수 있도록 오래된 동작을 수정한 것 이다.
- R은 오래된 언어로 기존의 유용했던 동작들이 그렇지 않을 수 있다.
- 기존 코드를 손상시키지 않으면서 베이스 R을 변경하기가 어렵기 때문에 대부분의 혁신은 패키지로 나타난다.
- Tibble 패키지에 대해서 설명할 것인데, 이는 tidyverse의 작업을 약간 쉽게 만들어주는 데이터프레임을 제공한다.
7.1.1 준비하기
- Tidyverse 패키지의 핵심 중 하나인 tibble 패키지 살펴보기
library(tidyverse)## -- Attaching packages -------------------------------------------------------- tidyverse 1.3.0 --## √ ggplot2 3.3.2 √ purrr 0.3.4
## √ tibble 3.0.3 √ dplyr 1.0.2
## √ tidyr 1.1.2 √ stringr 1.4.0
## √ readr 1.3.1 √ forcats 0.5.0## -- Conflicts ----------------------------------------------------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()7.2 티블생성하기
- 대부분의 함수는 tidyverse의 통합 특성 중 하나인 티블을 생성한다.
- 대부분의 R패키지는 일반적인 데이터프레임을 사용하므로, 데이터프레임을 티블로 강제 변경해야 할 경우가 있다.
as_tibble(iris)## # A tibble: 150 x 5
## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## <dbl> <dbl> <dbl> <dbl> <fct>
## 1 5.1 3.5 1.4 0.2 setosa
## 2 4.9 3 1.4 0.2 setosa
## 3 4.7 3.2 1.3 0.2 setosa
## 4 4.6 3.1 1.5 0.2 setosa
## 5 5 3.6 1.4 0.2 setosa
## 6 5.4 3.9 1.7 0.4 setosa
## 7 4.6 3.4 1.4 0.3 setosa
## 8 5 3.4 1.5 0.2 setosa
## 9 4.4 2.9 1.4 0.2 setosa
## 10 4.9 3.1 1.5 0.1 setosa
## # ... with 140 more rows- tibble()을 사용하여 개별 벡터로부터 새로운 티블을 만들 수 있다.
- tibble()은 길이가 1인 입력을 자동으로 재사용하며, 아래에 보이는 것 같이 방금 만든 변수를 참조할 수 있다.
tibble(
x = 1:5,
y = 1,
z = x ^ 2 + y
)## # A tibble: 5 x 3
## x y z
## <int> <dbl> <dbl>
## 1 1 1 2
## 2 2 1 5
## 3 3 1 10
## 4 4 1 17
## 5 5 1 26tibble()은 동작의 규모가 훨씬 작다는 것에 주의해야 한다.
입력의 유형을 절대로 변경하지 않고, 변수의 이름을 바꾸거나 행 이름을 생성하지 않는다.
티블은 R 변수명으로는 유효하지 않은 이름도 열 이름으로 가질 수 있다.
문자로 시작하지 않거나 공백과 같은 비정상적인 문자가 포함될 수 있다.
이 변수들을 참조하려면 역따옴표로 감싸야 한다.
tb <- tibble(
`:)` = "스마일",
` ` = "스페이스",
`2000` = "숫자"
)tb## # A tibble: 1 x 3
## `:)` ` ` `2000`
## <chr> <chr> <chr>
## 1 스마일 스페이스 숫자ggplot2, dplyr, tidyr 과 같은 패키지에서 이러한 변수로 작업할 때도 역따옴표가 필요하다.
티블을 만드는 또 다른 방법은 tribble()을 사용하는 것이다.
Tribble()은 코드로 데이터를 입력하기 위해 고안되었다.
열 헤더는 공식으로 정의되고(~시작), 입력은 쉼표로 구분된다.
tribble(
~x, ~y, ~z,
#--|--|----
"a", 2, 3.6,
"b", 1, 8.5
)## # A tibble: 2 x 3
## x y z
## <chr> <dbl> <dbl>
## 1 a 2 3.6
## 2 b 1 8.5- 헤더의 위치를 명확히 하기위해 종종주석을 추가 한다.
7.3 티블 vs 데이터프레임
- 티블과 전통적 데이터프레임의 용법에 두가지 주요 차이점이 있는데, 화면 출력과 서브셋
7.3.1 화면출력
- 티블에는 처음 10개의 행과, 화면에 들어가는 열 모두를 보여주는 정교한 화면 출력 방법이 있다.
- 이를 이용하면 대용량 데이터 작업을 훨씬 쉽게 할 수 있다.
- 또한 str()에서 가져온 기능으로 각 열의 유형을 열 이름과 더불어 표시한다.
tibble(
a = lubridate::now() + runif(1e3) * 86400,
b = lubridate::today() + runif(1e3) *30,
c = 1:1e3,
d = runif(1e3),
e = sample(letters, 1e3, replace = TRUE)
)## # A tibble: 1,000 x 5
## a b c d e
## <dttm> <date> <int> <dbl> <chr>
## 1 2020-10-06 21:37:34 2020-10-15 1 0.284 a
## 2 2020-10-07 00:13:57 2020-10-29 2 0.861 n
## 3 2020-10-06 21:38:10 2020-10-21 3 0.707 e
## 4 2020-10-07 08:47:59 2020-10-17 4 0.496 u
## 5 2020-10-07 04:08:11 2020-10-23 5 0.354 w
## 6 2020-10-07 05:46:52 2020-10-20 6 0.557 x
## 7 2020-10-07 01:51:18 2020-11-03 7 0.770 d
## 8 2020-10-07 10:45:52 2020-10-28 8 0.0126 r
## 9 2020-10-07 09:00:29 2020-10-29 9 0.734 a
## 10 2020-10-06 23:21:40 2020-10-27 10 0.260 p
## # ... with 990 more rows- 티블은 큰 데이터프레임을 화면 출력할 때 실수로 콘솔을 넘어가지 않도록 설계 되었다.
- 그러나 때로는 기본 디스플레이보다 더 많은 출력이 필요하곤 하다. 도움이 될 수 있는 몇 가지 옵션이 있다.
- 먼저 데이터프레임을 명시적으로 print()로 화면 출력하고 디스플레이의 행수(n)와 너비(w)를 제어할 수 있다, width = Inf를 하면 모든 열을 표시한다.
nycflights13::flights %>%
print(n = 10, width = Inf)## # A tibble: 336,776 x 19
## year month day dep_time sched_dep_time dep_delay arr_time sched_arr_time
## <int> <int> <int> <int> <int> <dbl> <int> <int>
## 1 2013 1 1 517 515 2 830 819
## 2 2013 1 1 533 529 4 850 830
## 3 2013 1 1 542 540 2 923 850
## 4 2013 1 1 544 545 -1 1004 1022
## 5 2013 1 1 554 600 -6 812 837
## 6 2013 1 1 554 558 -4 740 728
## 7 2013 1 1 555 600 -5 913 854
## 8 2013 1 1 557 600 -3 709 723
## 9 2013 1 1 557 600 -3 838 846
## 10 2013 1 1 558 600 -2 753 745
## arr_delay carrier flight tailnum origin dest air_time distance hour minute
## <dbl> <chr> <int> <chr> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
## 1 11 UA 1545 N14228 EWR IAH 227 1400 5 15
## 2 20 UA 1714 N24211 LGA IAH 227 1416 5 29
## 3 33 AA 1141 N619AA JFK MIA 160 1089 5 40
## 4 -18 B6 725 N804JB JFK BQN 183 1576 5 45
## 5 -25 DL 461 N668DN LGA ATL 116 762 6 0
## 6 12 UA 1696 N39463 EWR ORD 150 719 5 58
## 7 19 B6 507 N516JB EWR FLL 158 1065 6 0
## 8 -14 EV 5708 N829AS LGA IAD 53 229 6 0
## 9 -8 B6 79 N593JB JFK MCO 140 944 6 0
## 10 8 AA 301 N3ALAA LGA ORD 138 733 6 0
## time_hour
## <dttm>
## 1 2013-01-01 05:00:00
## 2 2013-01-01 05:00:00
## 3 2013-01-01 05:00:00
## 4 2013-01-01 05:00:00
## 5 2013-01-01 06:00:00
## 6 2013-01-01 05:00:00
## 7 2013-01-01 06:00:00
## 8 2013-01-01 06:00:00
## 9 2013-01-01 06:00:00
## 10 2013-01-01 06:00:00
## # ... with 336,766 more rowsoptions(tibble.print_max = n, tibble.print_min = m): m행 이상인 경우, n행만 출력한다. 모든 행을 항상 표시하려면 option(dplyr.print_min = Inf)을 사용
Option(tibble.width = Inf): 화면 너비와 상관없이 항상 모든 열을 출력한다.
package?tibble패키지 도움말을 찾아보면 옵션의 전체 목록을 볼 수 있다.
마지막 방법은 전체 데이터셋을 스크롤하여 볼 수 있도록 RStudio의 내장 데이터 뷰어를 사용하는 것이다. 긴 데이터 연쇄 작업의 마지막에도 이 방법은 유용하다.
nycflights13::flights %>%
view()
7.3.2 서브셋하기
- 변수 하나를 추출하려면 새로운 도구인 $ 및 [[이 필요하다. [[는 이름이나 위치로 추출할 수 있다.
df <- tibble(
x = runif(5),
y = rnorm(5)
) #이름으로추출
df$x## [1] 0.07920996 0.80428598 0.91176352 0.86152755 0.89637309df[["x"]]## [1] 0.07920996 0.80428598 0.91176352 0.86152755 0.89637309 #위치로추출
df[[1]]## [1] 0.07920996 0.80428598 0.91176352 0.86152755 0.89637309- 파이프에서 이것들을 사용하려면 특별한 플레이스홀더인 .을 사용해야 한다.
df %>% .$x## [1] 0.07920996 0.80428598 0.91176352 0.86152755 0.89637309df %>% .[["x"]]## [1] 0.07920996 0.80428598 0.91176352 0.86152755 0.89637309- 티블은 데이터프레임보다 좀 더 까다롭다. 절대로 부분 매칭을 사용하지 않으며, 접근하려는 열이 존재하지 않는 경우에는 경고를 생성한다.
7.4 이전 코드와 상호작용
- 일부 오래된 함수는 티블에서 동작하지 않는다. 이러한 함수를 사용하려면 as.data.frame()을 사용하여 티블을 data.frame으로 되돌려야 한다.
class(as.data.frame(tb))## [1] "data.frame"- 오래된 함수 중 일부가 티블에서 작동하지 않는 주된 이유는 [함수 때문이다.
- Dplyr::filter()와 dplyr::select()가 같은 문제를 더 명확한 코드로 해결할 수 있기 때문이다
- 베이스 R의 데이터프레임을 사용하면 [는 어떨 때는 데이터프레임을 반환하고, 또 어떨 때는 벡터를 반환한다. 티블에서 [는 항상 다른 티블을 반환한다.
7.4.1 연습문제
1.어떤 객체가 tibble 인지 알 수 있는 방법은 무엇인가? (힌트: 일반 데이터프레임인 mtcars 를 화면출력해보라.) 출력해기, class, is_tibble()
2.data.frame 과 이에 해당하는 tibble 에서 다음 연산들을 비교하고 차이를 밝혀보라. 차이점은 무엇인가? 데이터프레임의 기본 동작이 혼란스러운 점은 무엇인가?
df <- data.frame(abc = 1, xyz = "a")
df$x## [1] "a"df[, "xyz"]## [1] "a"df[, c("abc", "xyz")]## abc xyz
## 1 1 a 3.객체에 변수 이름을 저장하고 있는 경우 (예: var <- “mpg” ), tibble 에서 이 참조 변수를 어떻게 추출할 수 있는가? $, [[]], enframe()
4.다음의 데이터프레임에서 비구문론적 이름을 참조하는 방법을 연습해보라.
- 1이라는 이름의 변수를 추출하기.
enframe(1:3)## # A tibble: 3 x 2
## name value
## <int> <int>
## 1 1 1
## 2 2 2
## 3 3 31 vs 2 의 산점도를 플롯팅 하기.
열 2 를 열 1 로 나누어, 3 이라는 새로운 열을 생성하기.
열의 이름을 one, two, three 로 변경하기
enframe(list(one = 1, two = 2:3, three = 4:6))## # A tibble: 3 x 2
## name value
## <chr> <list>
## 1 one <dbl [1]>
## 2 two <int [2]>
## 3 three <int [3]>annoying <- tibble(
`1` = 1:10,
`2` = `1` * 2 + rnorm(length('1'))
) 5.tibble::enframe() 은 어떤 동작을 하는가? 언제 사용하겠는가? 변수추출
6.tibble 의 바닥글(footer)에 화면출력되는 열 이름의 개수를 제어하는 옵션은 무엇인가? print