code 2.1
csv 파일을 읽고 쓰는 연습
read.csv("F:\\cloud\\2014년 여름방학\\project - 0book\\주석\\2-1.csv") #csv 파일을 읽어온다## Name Sex Age Height Weight
## 1 알프레드 남 14 69.0 112.5
## 2 앨리스 여 13 56.5 84.0
## 3 바바라 여 13 65.3 98.0
## 4 캐롤 여 14 62.8 102.5
## 5 헨리 남 14 63.5 102.5
## 6 제임스 남 12 57.3 83.0
## 7 제인 여 12 59.8 84.5
## 8 자넷 여 15 62.5 112.5
## 9 제프리 남 13 62.5 84.0
## 10 존 남 12 59.0 99.5
## 11 조이스 여 11 51.3 50.5
## 12 주디 여 14 64.3 90.0
## 13 루이스 여 12 56.3 77.0
## 14 메리 여 15 66.5 112.0
## 15 필립 남 16 72.0 150.0
## 16 로버트 남 12 64.8 128.0
## 17 로날드 남 15 67.0 133.0
## 18 토마스 남 11 57.5 85.0
## 19 윌리엄 남 15 66.5 112.0class<-read.csv("F:\\cloud\\2014년 여름방학\\project - 0book\\주석\\2-1.csv") #csv 파일을 읽어서 class라는 데이터프레임에 저장code 2.2
요약표를 만들어 보자.
class #자료명을 실행시키면 내용을 보여준다## Name Sex Age Height Weight
## 1 알프레드 남 14 69.0 112.5
## 2 앨리스 여 13 56.5 84.0
## 3 바바라 여 13 65.3 98.0
## 4 캐롤 여 14 62.8 102.5
## 5 헨리 남 14 63.5 102.5
## 6 제임스 남 12 57.3 83.0
## 7 제인 여 12 59.8 84.5
## 8 자넷 여 15 62.5 112.5
## 9 제프리 남 13 62.5 84.0
## 10 존 남 12 59.0 99.5
## 11 조이스 여 11 51.3 50.5
## 12 주디 여 14 64.3 90.0
## 13 루이스 여 12 56.3 77.0
## 14 메리 여 15 66.5 112.0
## 15 필립 남 16 72.0 150.0
## 16 로버트 남 12 64.8 128.0
## 17 로날드 남 15 67.0 133.0
## 18 토마스 남 11 57.5 85.0
## 19 윌리엄 남 15 66.5 112.0table(class$Sex) #가장 간단한 요약표##
## 남 여
## 10 9table(class$Sex, class$Age) #2x2 교차표 만들기##
## 11 12 13 14 15 16
## 남 1 3 1 2 2 1
## 여 1 2 2 2 2 0ftable(table(class$Sex, class$Age, class$Name)) #연속되는 교차표는 ftable 사용## 로날드 로버트 루이스 메리 바바라 알프레드 앨리스 윌리엄 자넷 제인 제임스 제프리 조이스 존 주디 캐롤 토마스 필립 헨리
##
## 남 11 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0
## 12 0 1 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0
## 13 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0
## 14 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1
## 15 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0
## 16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0
## 여 11 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0
## 12 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0
## 13 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0
## 14 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0
## 15 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0
## 16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0##만일 특정 셀에 각 빈도(가중치)가 저장되어있는 경우 xtabs를 사용
xtabs(Age ~ Name + Sex, data=class)## Sex
## Name 남 여
## 로날드 15 0
## 로버트 12 0
## 루이스 0 12
## 메리 0 15
## 바바라 0 13
## 알프레드 14 0
## 앨리스 0 13
## 윌리엄 15 0
## 자넷 0 15
## 제인 0 12
## 제임스 12 0
## 제프리 13 0
## 조이스 0 11
## 존 12 0
## 주디 0 14
## 캐롤 0 14
## 토마스 11 0
## 필립 16 0
## 헨리 14 0##편리한 자료운용 패키지 plyr
library(plyr) #plyr 패키지를 불러온다. 없을경우, install.packages("")명령으로 설치
m0<-ddply(class, c("Sex"), summarise, freq=length(Sex))
#성별"Sex"에 따라 갯수를 세서 freq에 저장하고 요약(summarise)하는 데이터프레임을 생성하고
#이를 m0에 저장한다
m0$per<-round(m0$freq/sum(m0$freq),4)*100 #성별 비율을 구한다
m0## Sex freq per
## 1 남 10 52.63
## 2 여 9 47.37temp<-0
result<-c()
for (i in 1:nrow(m0)) #누적빈도를 구한다
{
temp<-temp+m0$freq[i]
result<-append(result, temp)
}
m0$cum<-result
m0$cum.per<-round(m0$cum/sum(m0$freq),4)*100
m0## Sex freq per cum cum.per
## 1 남 10 52.63 10 52.63
## 2 여 9 47.37 19 100.00code 2.3
백분율이 들어가있는 테이블을 만들어 보자.
table(class$Sex, class$Age)##
## 11 12 13 14 15 16
## 남 1 3 1 2 2 1
## 여 1 2 2 2 2 0prop.table(table(class$Sex, class$Age)) #전체 백분율##
## 11 12 13 14 15 16
## 남 0.05263158 0.15789474 0.05263158 0.10526316 0.10526316 0.05263158
## 여 0.05263158 0.10526316 0.10526316 0.10526316 0.10526316 0.00000000prop.table(table(class$Sex, class$Age),1) #열방향 백분율##
## 11 12 13 14 15 16
## 남 0.1000000 0.3000000 0.1000000 0.2000000 0.2000000 0.1000000
## 여 0.1111111 0.2222222 0.2222222 0.2222222 0.2222222 0.0000000prop.table(table(class$Sex, class$Age),2) #행방향 백분율##
## 11 12 13 14 15 16
## 남 0.5000000 0.6000000 0.3333333 0.5000000 0.5000000 1.0000000
## 여 0.5000000 0.4000000 0.6666667 0.5000000 0.5000000 0.0000000#각 빈도/셀-열-행 백분율을 구한다
t1<-round(table(class$Sex, class$Age),0)
t2<-round(prop.table(table(class$Sex, class$Age))*100,2)
t3<-round(prop.table(table(class$Sex, class$Age), 1)*100,2)
t4<-round(prop.table(table(class$Sex, class$Age), 2)*100,2)
tt<-rbind(t1, t2, t3, t4)
tt## 11 12 13 14 15 16
## 남 1.00 3.00 1.00 2.00 2.00 1.00
## 여 1.00 2.00 2.00 2.00 2.00 0.00
## 남 5.26 15.79 5.26 10.53 10.53 5.26
## 여 5.26 10.53 10.53 10.53 10.53 0.00
## 남 10.00 30.00 10.00 20.00 20.00 10.00
## 여 11.11 22.22 22.22 22.22 22.22 0.00
## 남 50.00 60.00 33.33 50.00 50.00 100.00
## 여 50.00 40.00 66.67 50.00 50.00 0.00apply(tt, 2, sum) #열합## 11 12 13 14 15 16
## 133.63 183.54 151.01 167.28 167.28 116.26apply(tt, 1, sum) #행합## 남 여 남 여 남 여 남 여
## 10.00 9.00 52.63 47.38 100.00 99.99 343.33 256.67data.frame(t1) ##table 저장하면 아주 재밌는 형식의 데이터프레임이 만들어짐## Var1 Var2 Freq
## 1 남 11 1
## 2 여 11 1
## 3 남 12 3
## 4 여 12 2
## 5 남 13 1
## 6 여 13 2
## 7 남 14 2
## 8 여 14 2
## 9 남 15 2
## 10 여 15 2
## 11 남 16 1
## 12 여 16 0code 2.4
히스토그램을 그려 보자.
hist(class$Height) #그냥 디폴트로 히스토그램
hist(class$Height, freq=F) #확률밀도함수
hist(class$Height, 3)
xx<-hist(class$Height, breaks=c(50, 55, 60, 65, 70, 75)) #원하는 구간을 벡터로 끊어 준다
xx #xx에 내가 그리고자 하는 히스토그램의 정보가 저장된다. ## $breaks
## [1] 50 55 60 65 70 75
##
## $counts
## [1] 1 6 6 5 1
##
## $density
## [1] 0.01052632 0.06315789 0.06315789 0.05263158 0.01052632
##
## $mids
## [1] 52.5 57.5 62.5 67.5 72.5
##
## $xname
## [1] "class$Height"
##
## $equidist
## [1] TRUE
##
## attr(,"class")
## [1] "histogram"xx<-hist(class$Height, breaks=c(50, 55, 60, 65, 70, 75),
main="히스토그램", xlab="키", ylab="빈도", )
type<-c("매우 작음", "작음", "보통", "큼", "매우 큼")
hist.result<-data.frame(type, xx$mids, xx$counts)
hist.result## type xx.mids xx.counts
## 1 매우 작음 52.5 1
## 2 작음 57.5 6
## 3 보통 62.5 6
## 4 큼 67.5 5
## 5 매우 큼 72.5 1?hist## starting httpd help server ... doneplot(hist.result$xx.counts)
##레이블을 박고 싶을때는 이쪽으로 가져와서 이름을 박는다
kk<-barplot(hist.result$xx.counts, names=hist.result$type)
code 2.6 기하평균 생략
code 2.7
절사평균을 구해보자.
mean(class$Height, trim=0.05) #trim은 각 극단에서 날리는 %. 0.05면 양쪽에서 0.05날린다. ## [1] 62.33684code 2.8
히스토그램을 원하는대로 그려 보자.
xxx<-hist(class$Height, breaks=seq(45,79,2), freq=FALSE)
lines(density(class$Height))
code 2.9
그림을 그려보자. 편리한 그림 패키지ggplot2
library(ggplot2)
ggplot(class, aes(x=Height)) + geom_histogram(binwidth=5)
ggplot(class, aes(x=Height)) + geom_histogram(binwidth=5, fill="white", color="black")
ggplot(class, aes(x=Height, fill=Sex)) + geom_histogram(binwidth=2, alpha=0.4)
ggplot(class, aes(x=Height, fill=Sex)) + geom_density(alpha=0.4)
class## Name Sex Age Height Weight
## 1 알프레드 남 14 69.0 112.5
## 2 앨리스 여 13 56.5 84.0
## 3 바바라 여 13 65.3 98.0
## 4 캐롤 여 14 62.8 102.5
## 5 헨리 남 14 63.5 102.5
## 6 제임스 남 12 57.3 83.0
## 7 제인 여 12 59.8 84.5
## 8 자넷 여 15 62.5 112.5
## 9 제프리 남 13 62.5 84.0
## 10 존 남 12 59.0 99.5
## 11 조이스 여 11 51.3 50.5
## 12 주디 여 14 64.3 90.0
## 13 루이스 여 12 56.3 77.0
## 14 메리 여 15 66.5 112.0
## 15 필립 남 16 72.0 150.0
## 16 로버트 남 12 64.8 128.0
## 17 로날드 남 15 67.0 133.0
## 18 토마스 남 11 57.5 85.0
## 19 윌리엄 남 15 66.5 112.0#막대그래프와 error bar를 같이 그림(양자의 조합은 권장하지 않음)
ebg1<-ddply(class, c("Sex"), summarise, avr.height=mean(Height))
ebg2<-ddply(class, c("Sex"), summarise, sd.height=sd(Height))
ebg3<-ddply(class, c("Sex"), summarise, n=length(Sex))
ebg1## Sex avr.height
## 1 남 63.91000
## 2 여 60.58889ebg2## Sex sd.height
## 1 남 4.937937
## 2 여 5.018328ebg3## Sex n
## 1 남 10
## 2 여 9ebg1$sd.height<-ebg2$sd.height
ebg1$n<-ebg3$n
ebg1$se<-ebg1$sd.height/(ebg1$n)^.5
ggplot(ebg1, aes(x=Sex, y=avr.height)) +
geom_bar(fill="white", color="black", stat="identity") +
geom_errorbar(aes(ymin=avr.height-se*1.65, ymax=avr.height+se*1.65), width=0.2) +
geom_text(aes(label=round(avr.height,2)), hjust=-1, size=4) +
geom_hline(yintercept=mean(class$Height)) +
annotate("text", x=1.5, y=mean(class$Height),label=round(mean(class$Height),2))
#error bar와의 조합은 dot graph가 합리적
ggplot(ebg1, aes(x=Sex, y=avr.height)) +
geom_point(size=4) +
geom_errorbar(aes(ymin=avr.height-se*1.65, ymax=avr.height+se*1.65), width=0.2) +
geom_text(aes(label=round(avr.height,2)), hjust=-1, size=4) +
geom_hline(yintercept=mean(class$Height)) +
annotate("text", x=1.5, y=mean(class$Height),label=round(mean(class$Height),2))
code 2. 10 성별 산점도와 회귀직선
ggplot(class, aes(x=Height, y=Weight, color=Sex)) +
geom_point() +
stat_smooth(method=lm)
ggplot(class, aes(x=Height, y=Weight, color=Sex)) +
geom_point() +
stat_smooth(method=lm, se=FALSE) +
geom_text(aes(label=Name), vjust=0.2, hjust=-0.2, size=3)