디지털미디어와 빅데이터: 4주차 강의
이신행
3/28/2022
문자열 데이터를 다루기 위한 기본적인 R 사용 방법
- R은 통계 프로그래밍 언어이다.
# Simple addition and subtraction
10+5## [1] 1510-5## [1] 5# Creating vectors: A sequence of numbers/integers, characters, Booleans
c(1, 3, 5) # Join elements into a vector ## [1] 1 3 51:5 # An integer sequence## [1] 1 2 3 4 5seq(1, 5, by=2) # A sequence of integers from 1 to 5, increasing by 2## [1] 1 3 5rep(1:5, times=3) # Repeat an integer sequence 1:5 three times## [1] 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5rep(1:5, each=3) # Repeat each element of an integer sequence 1:5 three times## [1] 1 1 1 2 2 2 3 3 3 4 4 4 5 5 5- R은 객체 지향 언어이다.
# R uses the less than symbol followed by the hyphen(<-) as an assignment operator
a <- 10 # assign 10 to the object 'x'
a*2## [1] 20a <- 20
a - 5 # subtract 5 from x## [1] 15a <- "R uses the less than symbol followed by the hyphen(<-) as an assignment operator"
a## [1] "R uses the less than symbol followed by the hyphen(<-) as an assignment operator"table(unlist(strsplit(a, ' ')))##
## an as assignment by followed hyphen(<-) less
## 1 1 1 1 1 1 1
## operator R symbol than the uses
## 1 1 1 1 2 1- R 객체는 문자열(string)로도 지정될 수 있다.
class <- "text mining"
print(class)## [1] "text mining"class = "text mining"
# R is an object-oriented programming language; everything can be assigned to an object
fruits <- c("Apple","Grape","Pear","Apple","Mango","Orange","Mango","Strawberry","Grape","Apple")
sort(fruits) # Return the object, fruits, sorted in alphabetical order for characters## [1] "Apple" "Apple" "Apple" "Grape" "Grape"
## [6] "Mango" "Mango" "Orange" "Pear" "Strawberry"table(fruits) # See counts of values (elements)## fruits
## Apple Grape Mango Orange Pear Strawberry
## 3 2 2 1 1 1unique(fruits) # See unique values (elements)## [1] "Apple" "Grape" "Pear" "Mango" "Orange"
## [6] "Strawberry"# String data can be a character vector
hello <- c("Hello!", "World", "is", "good!")
print(hello)## [1] "Hello!" "World" "is" "good!"- 벡터(vector)란?
같은 성격(숫자, 문자 등)을 가진 일련의 요소들로 이뤄진 집합(묶음)
예) 숫자 벡터; 문자 벡터; 논리 벡터
# assign a sequence of numbers to a numeric vector object, vector_numeric
vector_numeric <- c(1:6) # a sequence of numbers from 1 to 6
vector_numeric## [1] 1 2 3 4 5 6# assign a sequence of characters to a character vector object, vector_character
vector_character <- c("numeric","character","logical") # characters should be distinguished with quotation marks.
vector_character## [1] "numeric" "character" "logical"# assign a sequence of Boolean values, TRUE or FALSE, to a logical vector object, vector_logical
vector_logical <- c(TRUE, FALSE, FALSE, TRUE, T, F) # TRUE/FALSE should be uppercase letters
vector_logical## [1] TRUE FALSE FALSE TRUE TRUE FALSE4-1. 벡터 요소 선택하기 ### 위치 순서로 지정
fruits[4] # The fourth element of the vector object, fruits## [1] "Apple"fruits[-4] # All but the fourth one## [1] "Apple" "Grape" "Pear" "Mango" "Orange"
## [6] "Mango" "Strawberry" "Grape" "Apple"fruits[2:4] # Elements from the second to the fourth ones## [1] "Grape" "Pear" "Apple"fruits[-(2:4)] # All elements except the second to the fourth ones## [1] "Apple" "Mango" "Orange" "Mango" "Strawberry"
## [6] "Grape" "Apple"fruits[c(1,5)] # Elements the first one and the fifth one## [1] "Apple" "Mango"Note that parentheses ( ) follow a certain function and square brakets [ ] select vector elements
- 리스트(list)란 하나의 문자열로 지정된 객체 안에서 다른 문자열 벡터들로 구분할 때 사용하는 객체. 예) 문단을 문장으로 구분후 각 문장을 어휘 벡터로 구분
Vectors
5-1. 리스트 인덱싱: 객체 요소 선택 리스트의 요소 선택 방법? 두개의 대괄호 쌍으로 리스트의 1차 요소인 벡터 선택 하나의 대괄호 쌍으로 리스트의 2차 요소인 벡터의 요소 선택
fruits## [1] "Apple" "Grape" "Pear" "Apple" "Mango"
## [6] "Orange" "Mango" "Strawberry" "Grape" "Apple"hello## [1] "Hello!" "World" "is" "good!"list_obj <- list(fruits, hello)
list_obj## [[1]]
## [1] "Apple" "Grape" "Pear" "Apple" "Mango"
## [6] "Orange" "Mango" "Strawberry" "Grape" "Apple"
##
## [[2]]
## [1] "Hello!" "World" "is" "good!"- 데이터 프레임 (Data frame)
복수의 벡터들의 결합으로 이뤄짐. 이때 벡터의 성격(숫자, 문자, 논리 등)은 상관없음. 단, 벡터의 길이는 모두 같아야 함.
Data frames
- 함수(function)란?
입력된 객체를 이용해 일련의 연산작업을 거쳐 출력하는 기능으로 사전에 정의된 기호
Function
도움 청하기: 함수나 패키지에 대한 설명이 필요할 때
?c # Get help of a particular function c( )## starting httpd help server ... done?strsplit
help.search("split") # Search and return the help files for functions that include a word or phrase
help(package = "stringr") # Find help for a package Note1: R 운 대문자와 소문자를 다르게 인식
word1 <- "TEXT"
word1## [1] "TEXT"word2 <- "Text"
word2## [1] "Text"word1 == word2## [1] FALSENote2: 함수는 함수가 적용될 객체를 표시하는 괄호와 함께 사용
tolower(word1)## [1] "text"toupper(word2) ## [1] "TEXT"텍스트 자료 불러오기
데이터 프레임 이용하기
빅카인즈에서 CSV 형태의 뉴스 데이터를 불러온다.
# 20대 대선 후보 관련 뉴스: 키워드 검색 - "이재명" & "윤석열"
# 중앙지, 방송사
# 후보 선출 이후부터 선거일 전 기간
# 제목/본문에 키워드 포함
# 중복 기사 제거 (분석제외)
# 엑셀파일 다운로드 폴더 확인
getwd()## [1] "D:/Dropbox/2022_Class/DMBD/DM_BD_R"# 엑셀파일 불러오기
# install.packages("readxl")
library(readxl)
lee <- read_excel("candidate_lee.xlsx", sheet = 1)
lee## # A tibble: 12,788 x 19
## `뉴스 식별자` 일자 언론사 기고자 제목 `통합 분류1` `통합 분류2`
## <chr> <chr> <chr> <chr> <chr> <chr> <chr>
## 1 01100101.202203~ 20220~ 경향~ 윤호우 ~ "[논설위원~ 사회>여성 사회>사건_~
## 2 01100701.202203~ 20220~ 세계~ 김주영 "책임 통감~ 정치>선거 정치>국회_~
## 3 01100701.202203~ 20220~ 세계~ <NA> "이재명 “~ 정치>선거 정치>청와대
## 4 08100401.202203~ 20220~ YTN 김태민 "이재명, ~ 정치>선거 <NA>
## 5 08100101.202203~ 20220~ KBS <NA> "[풀영상] ~ 정치>선거 정치>국회_~
## 6 01101101.202203~ 20220~ 한국~ 강유빈 "'잠행 모~ 정치>선거 정치>국회_~
## 7 08100101.202203~ 20220~ KBS 김익태 "대선 D-1,~ 정치>선거 정치>청와대
## 8 01100101.202203~ 20220~ 경향~ 박홍두·~ "이 “통합~ 정치>선거 정치>국회_~
## 9 01100201.202203~ 20220~ 국민~ 안명진 "[포착] 이~ 정치>선거 정치>청와대
## 10 01100701.202203~ 20220~ 세계~ <NA> "이재명, ~ 정치>선거 정치>청와대
## # ... with 12,778 more rows, and 12 more variables: 통합 분류3 <chr>,
## # 사건/사고 분류1 <chr>, 사건/사고 분류2 <chr>, 사건/사고 분류3 <chr>,
## # 인물 <chr>, 위치 <chr>, 기관 <chr>, 키워드 <chr>,
## # 특성추출(가중치순 상위 50개) <chr>, 본문 <chr>, URL <chr>,
## # 분석제외 여부 <lgl>yoon <- read_excel("candidate_yoon.xlsx", sheet = 1)
yoon## # A tibble: 16,974 x 19
## `뉴스 식별자` 일자 언론사 기고자 제목 `통합 분류1` `통합 분류2`
## <chr> <chr> <chr> <chr> <chr> <chr> <chr>
## 1 08100401.202203~ 20220~ YTN 계훈희 "윤석열, ~ 정치>선거 정치>국회_~
## 2 08100401.202203~ 20220~ YTN 이경국 "윤석열, ~ 정치>선거 정치>국회_~
## 3 01100901.202203~ 20220~ 중앙~ 이해준.~ "尹, 강남~ 정치>선거 정치>국회_~
## 4 08100401.202203~ 20220~ YTN 이경국 "윤석열, ~ 정치>선거 <NA>
## 5 01100701.202203~ 20220~ 세계~ <NA> "홍준표 \"~ 정치>선거 정치>국회_~
## 6 01100701.202203~ 20220~ 세계~ <NA> "심상정 \"~ 정치>선거 정치>국회_~
## 7 08100101.202203~ 20220~ KBS 임연희 "‘대선 D-~ 정치>선거 지역>제주
## 8 01100101.202203~ 20220~ 경향~ 김상범 ~ "심상정 “~ 정치>선거 정치>국회_~
## 9 01100701.202203~ 20220~ 세계~ <NA> "與 \"尹 '~ 사회>사건_~ 정치>행정_~
## 10 08100101.202203~ 20220~ KBS <NA> "[풀영상] ~ 정치>선거 정치>국회_~
## # ... with 16,964 more rows, and 12 more variables: 통합 분류3 <chr>,
## # 사건/사고 분류1 <chr>, 사건/사고 분류2 <chr>, 사건/사고 분류3 <chr>,
## # 인물 <chr>, 위치 <chr>, 기관 <chr>, 키워드 <chr>,
## # 특성추출(가중치순 상위 50개) <chr>, 본문 <chr>, URL <chr>,
## # 분석제외 여부 <chr>library(tidyverse)## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --## v ggplot2 3.3.5 v purrr 0.3.4
## v tibble 3.1.4 v dplyr 1.0.7
## v tidyr 1.1.3 v stringr 1.4.0
## v readr 2.0.1 v forcats 0.5.1## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()candidate <- bind_rows(lee %>%
mutate(candidate="Lee"),
yoon %>%
mutate(candidate="yoon"))
bind_rows(lee %>% mutate(candidate="Lee"),
yoon %>% mutate(candidate="yoon")) -> candidate