x<-c(1, 10, 20)
y<-c("사과","배","복숭아")
xy<-c(x,y)
xy # 모두 문자열로 바뀜
## [1] "1" "10" "20" "사과" "배" "복숭아"
#':'단위가 1인 등차수열을 나타내고자 할 때 ':'를 이용하여 간단하게 나타낸다.
1:7
## [1] 1 2 3 4 5 6 7
5:9
## [1] 5 6 7 8 9
#seq()
#단위에 관계없이 모든 등차수열을 나타낼 수 있다.
#seq(끝),seq(시작,끝),seq(시작, 끝, 간격)과 같은 형태로 사용한다.
seq(10)
## [1] 1 2 3 4 5 6 7 8 9 10
seq(1,5)
## [1] 1 2 3 4 5
seq(1,2,0.1)
## [1] 1.0 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0
seq(10,1)
## [1] 10 9 8 7 6 5 4 3 2 1
#'rep()
#'주어진 벡터 객체를 반복하여 자료를 생성하는 함수이다.
#'rep(값,횟수): 값을 횟수만큼 반복한다.
#'rep
rep(1,5)
## [1] 1 1 1 1 1
rep(1:3, times=2)
## [1] 1 2 3 1 2 3
rep(c(1,2,3), times=2,each=2)
## [1] 1 1 2 2 3 3 1 1 2 2 3 3
sequence(1)
## [1] 1
sequence(1:5)
## [1] 1 1 2 1 2 3 1 2 3 4 1 2 3 4 5
m<-matrix(c(1,2,3,4,5,6),ncol=2)
m
## [,1] [,2]
## [1,] 1 4
## [2,] 2 5
## [3,] 3 6
m[1.1]
## [1] 1
m[ ,1]
## [1] 1 2 3
m[1,1]
## [1] 1
m[1,2]
## [1] 4
m<-matrix(c(1,2,3,4,5,6),ncol=2)
r1<-c(10,10)
r2<-c(10,10,10)
rbind(m,r1)
## [,1] [,2]
## 1 4
## 2 5
## 3 6
## r1 10 10
data(iris)
str(iris)
## 'data.frame': 150 obs. of 5 variables:
## $ Sepal.Length: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
## $ Sepal.Width : num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
## $ Petal.Length: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
## $ Petal.Width : num 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
## $ Species : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...
m<-matrix(1:6,nrow=3)
m[m[,1]>1 & m[,2]>5,]
## [1] 3 6
a1<-c(100,200,300)
b1<-c("a","b","c")
c1<-c(FALSE,FALSE,FALSE)
D<-data.frame(income=a1,car=b1,marriage=c1)
D
## income car marriage
## 1 100 a FALSE
## 2 200 b FALSE
## 3 300 c FALSE
# mean,var,sd 함수는 각각 입력한 벡터의 평균, 분산, 표준편차를 계산해준다.
c<-1:10
mean(c)
## [1] 5.5
var(c)
## [1] 9.166667
sd(c)
## [1] 3.02765
# sum, median, log 함수를 이용해서 벡터들의 합, 중앙값, 자연로그값을 계산할 수 있다.
sum(c)
## [1] 55
median(c)
## [1] 5.5
log(c)
## [1] 0.0000000 0.6931472 1.0986123 1.3862944 1.6094379 1.7917595 1.9459101
## [8] 2.0794415 2.1972246 2.3025851
#서로 다른 두 벡터에 대해서는 cov, cor 함수를 이용해 공분산과 상관계수를 구할 수 잇다.
a<- 1:10
b<- log(c)
cov(a,b)
## [1] 2.112062
cor(a,b)
## [1] 0.9516624
#summary 함수를 이용하여 주어진 벡터에 대해 각 사분위수 최솟값, 최댓값, 중앙값, 평균을 계산할 수 있다.
summary(a)
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 1.00 3.25 5.50 5.50 7.75 10.00
# IQR(interquartile Range)(사분위수범위) 3사분위수 - 1사분위수
IQR(a)
## [1] 4.5
range(a)
## [1] 1 10
# install.packages("psych")
library(psych)
describe(a)
## vars n mean sd median trimmed mad min max range skew kurtosis se
## X1 1 10 5.5 3.03 5.5 5.5 3.71 1 10 9 0 -1.56 0.96
#skew 왜도 왜도 = 비대칭 파악하는데 사용합니다. 왜도=평균-중앙값, 평균 >중앙값 오른쪽 꼬리분포
# 평균 <중앙값 왼쪽 꼬리분포
# 좌우대칭이면 왜도 = 0입니다.
# 벡터형 변수
b<-c("a","b","c")
b
## [1] "a" "b" "c"
b[2] # 대괄호[]를 붙여 숫자를 지정해주면 b벡터 내에서 n번재 원소에 해당되는 값을 불러옴
## [1] "b"
b[-3] # 대괄호 안에-를 붙이고 숫자를 지정해주면 n번재 원소에 해당하는 값만을 제외하고 b벡터를 불러온다.
## [1] "a" "b"
b[c(1,2)] # b벡터의 1,2번째 위치 값을 선택한다.
## [1] "a" "b"
View(iris)
df <-iris
df[1:4]
## Sepal.Length Sepal.Width Petal.Length Petal.Width
## 1 5.1 3.5 1.4 0.2
## 2 4.9 3.0 1.4 0.2
## 3 4.7 3.2 1.3 0.2
## 4 4.6 3.1 1.5 0.2
## 5 5.0 3.6 1.4 0.2
## 6 5.4 3.9 1.7 0.4
## 7 4.6 3.4 1.4 0.3
## 8 5.0 3.4 1.5 0.2
## 9 4.4 2.9 1.4 0.2
## 10 4.9 3.1 1.5 0.1
## 11 5.4 3.7 1.5 0.2
## 12 4.8 3.4 1.6 0.2
## 13 4.8 3.0 1.4 0.1
## 14 4.3 3.0 1.1 0.1
## 15 5.8 4.0 1.2 0.2
## 16 5.7 4.4 1.5 0.4
## 17 5.4 3.9 1.3 0.4
## 18 5.1 3.5 1.4 0.3
## 19 5.7 3.8 1.7 0.3
## 20 5.1 3.8 1.5 0.3
## 21 5.4 3.4 1.7 0.2
## 22 5.1 3.7 1.5 0.4
## 23 4.6 3.6 1.0 0.2
## 24 5.1 3.3 1.7 0.5
## 25 4.8 3.4 1.9 0.2
## 26 5.0 3.0 1.6 0.2
## 27 5.0 3.4 1.6 0.4
## 28 5.2 3.5 1.5 0.2
## 29 5.2 3.4 1.4 0.2
## 30 4.7 3.2 1.6 0.2
## 31 4.8 3.1 1.6 0.2
## 32 5.4 3.4 1.5 0.4
## 33 5.2 4.1 1.5 0.1
## 34 5.5 4.2 1.4 0.2
## 35 4.9 3.1 1.5 0.2
## 36 5.0 3.2 1.2 0.2
## 37 5.5 3.5 1.3 0.2
## 38 4.9 3.6 1.4 0.1
## 39 4.4 3.0 1.3 0.2
## 40 5.1 3.4 1.5 0.2
## 41 5.0 3.5 1.3 0.3
## 42 4.5 2.3 1.3 0.3
## 43 4.4 3.2 1.3 0.2
## 44 5.0 3.5 1.6 0.6
## 45 5.1 3.8 1.9 0.4
## 46 4.8 3.0 1.4 0.3
## 47 5.1 3.8 1.6 0.2
## 48 4.6 3.2 1.4 0.2
## 49 5.3 3.7 1.5 0.2
## 50 5.0 3.3 1.4 0.2
## 51 7.0 3.2 4.7 1.4
## 52 6.4 3.2 4.5 1.5
## 53 6.9 3.1 4.9 1.5
## 54 5.5 2.3 4.0 1.3
## 55 6.5 2.8 4.6 1.5
## 56 5.7 2.8 4.5 1.3
## 57 6.3 3.3 4.7 1.6
## 58 4.9 2.4 3.3 1.0
## 59 6.6 2.9 4.6 1.3
## 60 5.2 2.7 3.9 1.4
## 61 5.0 2.0 3.5 1.0
## 62 5.9 3.0 4.2 1.5
## 63 6.0 2.2 4.0 1.0
## 64 6.1 2.9 4.7 1.4
## 65 5.6 2.9 3.6 1.3
## 66 6.7 3.1 4.4 1.4
## 67 5.6 3.0 4.5 1.5
## 68 5.8 2.7 4.1 1.0
## 69 6.2 2.2 4.5 1.5
## 70 5.6 2.5 3.9 1.1
## 71 5.9 3.2 4.8 1.8
## 72 6.1 2.8 4.0 1.3
## 73 6.3 2.5 4.9 1.5
## 74 6.1 2.8 4.7 1.2
## 75 6.4 2.9 4.3 1.3
## 76 6.6 3.0 4.4 1.4
## 77 6.8 2.8 4.8 1.4
## 78 6.7 3.0 5.0 1.7
## 79 6.0 2.9 4.5 1.5
## 80 5.7 2.6 3.5 1.0
## 81 5.5 2.4 3.8 1.1
## 82 5.5 2.4 3.7 1.0
## 83 5.8 2.7 3.9 1.2
## 84 6.0 2.7 5.1 1.6
## 85 5.4 3.0 4.5 1.5
## 86 6.0 3.4 4.5 1.6
## 87 6.7 3.1 4.7 1.5
## 88 6.3 2.3 4.4 1.3
## 89 5.6 3.0 4.1 1.3
## 90 5.5 2.5 4.0 1.3
## 91 5.5 2.6 4.4 1.2
## 92 6.1 3.0 4.6 1.4
## 93 5.8 2.6 4.0 1.2
## 94 5.0 2.3 3.3 1.0
## 95 5.6 2.7 4.2 1.3
## 96 5.7 3.0 4.2 1.2
## 97 5.7 2.9 4.2 1.3
## 98 6.2 2.9 4.3 1.3
## 99 5.1 2.5 3.0 1.1
## 100 5.7 2.8 4.1 1.3
## 101 6.3 3.3 6.0 2.5
## 102 5.8 2.7 5.1 1.9
## 103 7.1 3.0 5.9 2.1
## 104 6.3 2.9 5.6 1.8
## 105 6.5 3.0 5.8 2.2
## 106 7.6 3.0 6.6 2.1
## 107 4.9 2.5 4.5 1.7
## 108 7.3 2.9 6.3 1.8
## 109 6.7 2.5 5.8 1.8
## 110 7.2 3.6 6.1 2.5
## 111 6.5 3.2 5.1 2.0
## 112 6.4 2.7 5.3 1.9
## 113 6.8 3.0 5.5 2.1
## 114 5.7 2.5 5.0 2.0
## 115 5.8 2.8 5.1 2.4
## 116 6.4 3.2 5.3 2.3
## 117 6.5 3.0 5.5 1.8
## 118 7.7 3.8 6.7 2.2
## 119 7.7 2.6 6.9 2.3
## 120 6.0 2.2 5.0 1.5
## 121 6.9 3.2 5.7 2.3
## 122 5.6 2.8 4.9 2.0
## 123 7.7 2.8 6.7 2.0
## 124 6.3 2.7 4.9 1.8
## 125 6.7 3.3 5.7 2.1
## 126 7.2 3.2 6.0 1.8
## 127 6.2 2.8 4.8 1.8
## 128 6.1 3.0 4.9 1.8
## 129 6.4 2.8 5.6 2.1
## 130 7.2 3.0 5.8 1.6
## 131 7.4 2.8 6.1 1.9
## 132 7.9 3.8 6.4 2.0
## 133 6.4 2.8 5.6 2.2
## 134 6.3 2.8 5.1 1.5
## 135 6.1 2.6 5.6 1.4
## 136 7.7 3.0 6.1 2.3
## 137 6.3 3.4 5.6 2.4
## 138 6.4 3.1 5.5 1.8
## 139 6.0 3.0 4.8 1.8
## 140 6.9 3.1 5.4 2.1
## 141 6.7 3.1 5.6 2.4
## 142 6.9 3.1 5.1 2.3
## 143 5.8 2.7 5.1 1.9
## 144 6.8 3.2 5.9 2.3
## 145 6.7 3.3 5.7 2.5
## 146 6.7 3.0 5.2 2.3
## 147 6.3 2.5 5.0 1.9
## 148 6.5 3.0 5.2 2.0
## 149 6.2 3.4 5.4 2.3
## 150 5.9 3.0 5.1 1.8
df1<-df[2:4]
df1
## Sepal.Width Petal.Length Petal.Width
## 1 3.5 1.4 0.2
## 2 3.0 1.4 0.2
## 3 3.2 1.3 0.2
## 4 3.1 1.5 0.2
## 5 3.6 1.4 0.2
## 6 3.9 1.7 0.4
## 7 3.4 1.4 0.3
## 8 3.4 1.5 0.2
## 9 2.9 1.4 0.2
## 10 3.1 1.5 0.1
## 11 3.7 1.5 0.2
## 12 3.4 1.6 0.2
## 13 3.0 1.4 0.1
## 14 3.0 1.1 0.1
## 15 4.0 1.2 0.2
## 16 4.4 1.5 0.4
## 17 3.9 1.3 0.4
## 18 3.5 1.4 0.3
## 19 3.8 1.7 0.3
## 20 3.8 1.5 0.3
## 21 3.4 1.7 0.2
## 22 3.7 1.5 0.4
## 23 3.6 1.0 0.2
## 24 3.3 1.7 0.5
## 25 3.4 1.9 0.2
## 26 3.0 1.6 0.2
## 27 3.4 1.6 0.4
## 28 3.5 1.5 0.2
## 29 3.4 1.4 0.2
## 30 3.2 1.6 0.2
## 31 3.1 1.6 0.2
## 32 3.4 1.5 0.4
## 33 4.1 1.5 0.1
## 34 4.2 1.4 0.2
## 35 3.1 1.5 0.2
## 36 3.2 1.2 0.2
## 37 3.5 1.3 0.2
## 38 3.6 1.4 0.1
## 39 3.0 1.3 0.2
## 40 3.4 1.5 0.2
## 41 3.5 1.3 0.3
## 42 2.3 1.3 0.3
## 43 3.2 1.3 0.2
## 44 3.5 1.6 0.6
## 45 3.8 1.9 0.4
## 46 3.0 1.4 0.3
## 47 3.8 1.6 0.2
## 48 3.2 1.4 0.2
## 49 3.7 1.5 0.2
## 50 3.3 1.4 0.2
## 51 3.2 4.7 1.4
## 52 3.2 4.5 1.5
## 53 3.1 4.9 1.5
## 54 2.3 4.0 1.3
## 55 2.8 4.6 1.5
## 56 2.8 4.5 1.3
## 57 3.3 4.7 1.6
## 58 2.4 3.3 1.0
## 59 2.9 4.6 1.3
## 60 2.7 3.9 1.4
## 61 2.0 3.5 1.0
## 62 3.0 4.2 1.5
## 63 2.2 4.0 1.0
## 64 2.9 4.7 1.4
## 65 2.9 3.6 1.3
## 66 3.1 4.4 1.4
## 67 3.0 4.5 1.5
## 68 2.7 4.1 1.0
## 69 2.2 4.5 1.5
## 70 2.5 3.9 1.1
## 71 3.2 4.8 1.8
## 72 2.8 4.0 1.3
## 73 2.5 4.9 1.5
## 74 2.8 4.7 1.2
## 75 2.9 4.3 1.3
## 76 3.0 4.4 1.4
## 77 2.8 4.8 1.4
## 78 3.0 5.0 1.7
## 79 2.9 4.5 1.5
## 80 2.6 3.5 1.0
## 81 2.4 3.8 1.1
## 82 2.4 3.7 1.0
## 83 2.7 3.9 1.2
## 84 2.7 5.1 1.6
## 85 3.0 4.5 1.5
## 86 3.4 4.5 1.6
## 87 3.1 4.7 1.5
## 88 2.3 4.4 1.3
## 89 3.0 4.1 1.3
## 90 2.5 4.0 1.3
## 91 2.6 4.4 1.2
## 92 3.0 4.6 1.4
## 93 2.6 4.0 1.2
## 94 2.3 3.3 1.0
## 95 2.7 4.2 1.3
## 96 3.0 4.2 1.2
## 97 2.9 4.2 1.3
## 98 2.9 4.3 1.3
## 99 2.5 3.0 1.1
## 100 2.8 4.1 1.3
## 101 3.3 6.0 2.5
## 102 2.7 5.1 1.9
## 103 3.0 5.9 2.1
## 104 2.9 5.6 1.8
## 105 3.0 5.8 2.2
## 106 3.0 6.6 2.1
## 107 2.5 4.5 1.7
## 108 2.9 6.3 1.8
## 109 2.5 5.8 1.8
## 110 3.6 6.1 2.5
## 111 3.2 5.1 2.0
## 112 2.7 5.3 1.9
## 113 3.0 5.5 2.1
## 114 2.5 5.0 2.0
## 115 2.8 5.1 2.4
## 116 3.2 5.3 2.3
## 117 3.0 5.5 1.8
## 118 3.8 6.7 2.2
## 119 2.6 6.9 2.3
## 120 2.2 5.0 1.5
## 121 3.2 5.7 2.3
## 122 2.8 4.9 2.0
## 123 2.8 6.7 2.0
## 124 2.7 4.9 1.8
## 125 3.3 5.7 2.1
## 126 3.2 6.0 1.8
## 127 2.8 4.8 1.8
## 128 3.0 4.9 1.8
## 129 2.8 5.6 2.1
## 130 3.0 5.8 1.6
## 131 2.8 6.1 1.9
## 132 3.8 6.4 2.0
## 133 2.8 5.6 2.2
## 134 2.8 5.1 1.5
## 135 2.6 5.6 1.4
## 136 3.0 6.1 2.3
## 137 3.4 5.6 2.4
## 138 3.1 5.5 1.8
## 139 3.0 4.8 1.8
## 140 3.1 5.4 2.1
## 141 3.1 5.6 2.4
## 142 3.1 5.1 2.3
## 143 2.7 5.1 1.9
## 144 3.2 5.9 2.3
## 145 3.3 5.7 2.5
## 146 3.0 5.2 2.3
## 147 2.5 5.0 1.9
## 148 3.0 5.2 2.0
## 149 3.4 5.4 2.3
## 150 3.0 5.1 1.8
# install.packages("tidyverse")
library(tidyverse)
## ── Attaching packages ─────────────────────────────────────── tidyverse 1.3.2 ──
## ✔ ggplot2 3.4.0 ✔ purrr 0.3.5
## ✔ tibble 3.1.8 ✔ dplyr 1.0.10
## ✔ tidyr 1.2.1 ✔ stringr 1.4.1
## ✔ readr 2.1.3 ✔ forcats 0.5.2
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ ggplot2::%+%() masks psych::%+%()
## ✖ ggplot2::alpha() masks psych::alpha()
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
setwd('c:/data')
getwd()
## [1] "c:/data"
ls()
## [1] "a" "a1" "b" "b1" "c" "c1" "D" "df" "df1" "iris"
## [11] "m" "r1" "r2" "x" "xy" "y"
rm(list=ls())
ls()
## character(0)
data(iris)
summary(iris)
## Sepal.Length Sepal.Width Petal.Length Petal.Width
## Min. :4.300 Min. :2.000 Min. :1.000 Min. :0.100
## 1st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.600 1st Qu.:0.300
## Median :5.800 Median :3.000 Median :4.350 Median :1.300
## Mean :5.843 Mean :3.057 Mean :3.758 Mean :1.199
## 3rd Qu.:6.400 3rd Qu.:3.300 3rd Qu.:5.100 3rd Qu.:1.800
## Max. :7.900 Max. :4.400 Max. :6.900 Max. :2.500
## Species
## setosa :50
## versicolor:50
## virginica :50
##
##
##
str(iris)
## 'data.frame': 150 obs. of 5 variables:
## $ Sepal.Length: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
## $ Sepal.Width : num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
## $ Petal.Length: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
## $ Petal.Width : num 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
## $ Species : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...
glimpse(iris)
## Rows: 150
## Columns: 5
## $ Sepal.Length <dbl> 5.1, 4.9, 4.7, 4.6, 5.0, 5.4, 4.6, 5.0, 4.4, 4.9, 5.4, 4.…
## $ Sepal.Width <dbl> 3.5, 3.0, 3.2, 3.1, 3.6, 3.9, 3.4, 3.4, 2.9, 3.1, 3.7, 3.…
## $ Petal.Length <dbl> 1.4, 1.4, 1.3, 1.5, 1.4, 1.7, 1.4, 1.5, 1.4, 1.5, 1.5, 1.…
## $ Petal.Width <dbl> 0.2, 0.2, 0.2, 0.2, 0.2, 0.4, 0.3, 0.2, 0.2, 0.1, 0.2, 0.…
## $ Species <fct> setosa, setosa, setosa, setosa, setosa, setosa, setosa, s…
head(iris,3)
## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1 5.1 3.5 1.4 0.2 setosa
## 2 4.9 3.0 1.4 0.2 setosa
## 3 4.7 3.2 1.3 0.2 setosa
tail(iris,3)
## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 148 6.5 3.0 5.2 2.0 virginica
## 149 6.2 3.4 5.4 2.3 virginica
## 150 5.9 3.0 5.1 1.8 virginica
#head와 tail을 같이 보고싶다면?
head(iris);tail(iris)
## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1 5.1 3.5 1.4 0.2 setosa
## 2 4.9 3.0 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 5.0 3.6 1.4 0.2 setosa
## 6 5.4 3.9 1.7 0.4 setosa
## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 145 6.7 3.3 5.7 2.5 virginica
## 146 6.7 3.0 5.2 2.3 virginica
## 147 6.3 2.5 5.0 1.9 virginica
## 148 6.5 3.0 5.2 2.0 virginica
## 149 6.2 3.4 5.4 2.3 virginica
## 150 5.9 3.0 5.1 1.8 virginica
#if ~else 조건문
#ifelse(조건문,조건을 만족할 때 반환하는 값, 조건을 만족하지 않을 때 반환하는 값)
gender<-c("m","f","f","m")
gender<-ifelse(gender=="f",0,1)
gender
## [1] 1 0 0 1
#(1)paste # paste 명령어는 입력 받은 문자열을 하나로 붙여준다.
number<-1:5
alphabet<-c("a","b", "c")
paste(number,alphabet)
## [1] "1 a" "2 b" "3 c" "4 a" "5 b"
paste(number,alphabet,sep=" to the ") #'sep =' 옵션을 통해 붙이고자 하는 문자열들 사이에 삽입할 수 있다.
## [1] "1 to the a" "2 to the b" "3 to the c" "4 to the a" "5 to the b"
#(2)substr
country<- c("korea","Japan")
substr(country,1,2)#country 국가명에 1번 글자부터 2개의 글자만을 추출한 결과이다.
## [1] "ko" "Ja"
#(3)자료형 데이터 구조 변환
# R에서의 변수는 다양한 형태를 가질 수 있다. 문자형, 실수형,논리연산자, Factor, 데이터 프레임, 주어진 변수의 데이터 구조를 다른 구조로 바꾸고자 할 때 다음과 같은 함수를 사용해 변환할 수 있다.
as.integer(3.14)
## [1] 3
as.numeric(FALSE) #논리값인 TRUE와FALSE를 수치형으로 변환할 떄는 각각 0,1로 바뀐다.
## [1] 0
as.logical(0.45)
## [1] TRUE
#문자열을 날짜로 변환
as.Date("2018-01-13")
## [1] "2018-01-13"
# as.Date("20180113")같이 -를 쓰지 않았을 경우 = Error in charToDate(x) : 문자열이 표준서식을 따르지 않습니다
format(Sys.Date()) #현재 날짜를 알 수 있다.
## [1] "2022-12-01"
height<-c(170,168,174,175,188,165,165,190,173,168,159,170,184,155,165)
weight<-c(68,65,74,77,92,63,67,95,72,69,60,69,73,56,55)
plot(height,weight)
plot(weight~height)
cor(height,weight)
## [1] 0.9201419
#pair()함수는 여러 가지 변수들에 대해서 각각의 산점도를 한눈에 살펴볼 수 있도록 확장된 산점도 행렬이다.
#pairs 명령어를 이용해 범주(그룹)를 색깔로 구분하여 산점도 행렬 그리기
pairs(iris[1:4],main = "Anderson's Iirs Data -- 3 species",
pch = 21, bg = c("red", "green3", "blue")[unclass(iris$species)])
#pairs 명령어, ' main=' 최상단에 제목 표기.'pch =' 점의 모양,'bg='species에 따른 다른 색상 부여