R 강의 Summary(I)

data.table 사용법

• data.table을 사용하기 위해서는 먼저 data.table package를 설치하고 불러야 한다.
  • install.packages(“data.table”)
  • library(data.table)
  • library(openxlsx)
• csv 자료는 fread도 읽으면 자동으로 data.table format이 되고, xlsx파일은 data.frame으로 읽어서, data.table로 format을 바꿔줘야 한다.
  • 명령문은 as.data.table() 이다.

data.table의 기본문법:

df[(1), (2), (3)]

• (1)에 해당하는 것은 row(case)에 해당하는 것이다.
  • 아무것도 없으면 전체 case를 의미하고
  • 예컨대 1:3 이라고 쓰면 1부터 3까지의 row를 선택하는 것이고
  • (x2 <= 4 & x1 == 1) 와 연산자를 써서 row를 선택할 수도 있다.
• (2)에 해당하는 것은 column(변수)에 해당하는 것이다.
  • list(v1,v2): v1,v2변수를 선택하는 것이다.
  • (mean=mean(v1)): v1변수의 평균을 구해서 mean이라는 변수를 새로 만든다.
  • (mean=mean(v2), SD=sd(v2), N=.(N)): v2변수의 평균/표준편차/사례수를 의미
    
• (3)에 해당하는 grouping 변수를 넣는다.
  • keyby=.(x1,x2): x1과 x2 변수별로 grouping을 하고 정렬을 한다.

[1] df2: 전체 자료에 대한 mean/sd/N

library(data.table)
library(curl)

## Using libcurl 7.64.1 with Schannel

library(openxlsx)

df1 = fread("anova.csv")
df2 = fread("tempbig.csv")
df3 = as.data.table(read.xlsx("twoway.xlsx"))

out1 = df2[, .(Mean=mean(y), SD=sd(y), N=.(.N))]
out1

##        Mean       SD        N
## 1: 61.21455 27.51436 10000000

[2] df2: 전체 자료에 대한 x1,x2집단별 mean/sd/N

out2 = df2[, .(Mean=mean(y), SD=sd(y), N=.(.N)), by=.(x1,x2)]
out2

##     x1 x2     Mean       SD       N
##  1:  1  5 51.32877 26.42764  489860
##  2:  1  6 47.39352 25.75961  354670
##  3:  1  4 54.75922 26.60266  789890
##  4:  1  2 62.80916 27.61108 1395690
##  5:  1  1 60.22331 29.10055 1021910
##  6:  1  3 60.82691 28.03215 1246580
##  7:  2  6 51.27192 24.85099   87710
##  8:  2  2 66.91873 26.11230 1671400
##  9:  2  1 63.30948 26.89169 1843800
## 10:  2  3 66.28037 25.14893  677430
## 11:  2  4 58.39985 26.92955  275400
## 12:  2  5 53.88967 28.43449  145660

[3] df2: 전체 자료에 대한 x1,x2집단별 mean/sd/N (정렬)

out3 = df2[, .(Mean=mean(y), SD=sd(y), N=.(.N)), keyby=.(x1,x2)]
out3

##     x1 x2     Mean       SD       N
##  1:  1  1 60.22331 29.10055 1021910
##  2:  1  2 62.80916 27.61108 1395690
##  3:  1  3 60.82691 28.03215 1246580
##  4:  1  4 54.75922 26.60266  789890
##  5:  1  5 51.32877 26.42764  489860
##  6:  1  6 47.39352 25.75961  354670
##  7:  2  1 63.30948 26.89169 1843800
##  8:  2  2 66.91873 26.11230 1671400
##  9:  2  3 66.28037 25.14893  677430
## 10:  2  4 58.39985 26.92955  275400
## 11:  2  5 53.88967 28.43449  145660
## 12:  2  6 51.27192 24.85099   87710

[4] df2: (x2 <= 4) 경우우에 대한 x1,x2집단별 mean/sd/N (정렬)

out3 = df2[x2 <= 4, .(Mean=mean(y), SD=sd(y), N=.(.N)), keyby = .(x1,x2)]
out3

##    x1 x2     Mean       SD       N
## 1:  1  1 60.22331 29.10055 1021910
## 2:  1  2 62.80916 27.61108 1395690
## 3:  1  3 60.82691 28.03215 1246580
## 4:  1  4 54.75922 26.60266  789890
## 5:  2  1 63.30948 26.89169 1843800
## 6:  2  2 66.91873 26.11230 1671400
## 7:  2  3 66.28037 25.14893  677430
## 8:  2  4 58.39985 26.92955  275400

[5] df2: (x2 <= 4 & x1==1) 경우에 대한 x1,x2집단별 mean/sd/N (정렬)

out3 = df2[x2 <= 4 & x1 == 1, .(Mean=mean(y), SD=sd(y), N=.(.N)), keyby = .(x1,x2)]
out3

##    x1 x2     Mean       SD       N
## 1:  1  1 60.22331 29.10055 1021910
## 2:  1  2 62.80916 27.61108 1395690
## 3:  1  3 60.82691 28.03215 1246580
## 4:  1  4 54.75922 26.60266  789890

[8] ANOVA

#**************************************************

josa <- function(word) {
  k <- substr(word,nchar(word),nchar(word))
  if (((k >="가") & (k <= "힝")) & (((utf8ToInt(k) - utf8ToInt("가")) %% 28) > 0)) {
    return (paste0(word,"은 "))
  } else {
    return (paste0(word,"는 "))
  }
}

#**************************************************
ANOVA  = function(data) {
  
  vname=colnames(data)
  x = as.matrix(data[,1])
  y = as.matrix(data[,2])

  m = aggregate(y ~ x, 'FUN'= mean)
  s = aggregate(y ~ x, 'FUN'= sd)
  n = aggregate(y ~ x, 'FUN'= length)
  tmean= mean(y)

  ssb = sum((m[,2] - tmean)^2 * n[,2])
  sst = sum((y - tmean)^2)
  ssw = sst - ssb

  df1 = nrow(m) - 1
  df2 = nrow(y) - nrow(m)
  dft = nrow(y) - 1

  f = (ssb/df1) / (ssw/df2)
  p = pf(f,df1,df2,lower.tail = FALSE)

  table = matrix(NaN, 3, 5)
  table[1,1] = ssb
  table[2,1] = ssw
  table[3,1] = sst
  table[1,2] = df1
  table[2,2] = df2
  table[3,2] = dft
  table[1,3] = ssb/df1
  table[2,3] = ssw/df2
  table[1,4] = f
  table[1,5] = p

  colnames(table) = c("제곱합", "자유도", "평균제곱","F","p")
  rownames(table) = c("집단간", "집단내","합계계")

#*******************************<익힘1: 평균테이블작성>***********************

  stat = matrix(NaN, nrow(m)+1, 5)
  temp = cbind(m[,2],s[,2],n[,2])
  stat[1:3,1:3] = temp
  stat[4,1] = tmean
  stat[4,2] = sd(y)
  stat[4,3] = nrow(y)
  stat[1,4] = f
  stat[1,5] = p

  colnames(stat) = c("평균","표준편차","사례수","F","p")
  rownames(stat) = c(m[,1],"합계")

  hypo = paste0("가설: ",josa(vname[2]),vname[1],"에 따라 통계적으로 차이가 있을 것이다.")
if (p >= 0.01 & p < 0.05) level = 'p < 0.05'
if (p >= 0.001 & p < 0.01) level='p < 0.01'
if (p < 0.001) level= 'p < 0.001'

if (p >= 0.05) {res=paste0(josa(vname[2]), vname[1],"에 따라 차이가 없을 것이다.")
}else {
  res=paste0(josa(vname[2]),vname[1],"에 따라 통계적으로 ",level,"수준에서 의미있는 차이가 있다. (p = ",f,", df1 = ",df1,", df2= ",df2,", p =",round(p,4),')')
  result = list(hypo=hypo,table=table,stat=stat,res=res)
}  
  return(result)
}

data = read.csv("anova.csv")

ANOVA(data)

## $hypo
## [1] "가설: 근무만족도는 상사의유형에 따라 통계적으로 차이가 있을 것이다."
## 
## $table
##           제곱합 자유도  평균제곱      F          p
## 집단간  40.44444      2 20.222222 4.0625 0.03891091
## 집단내  74.66667     15  4.977778    NaN        NaN
## 합계계 115.11111     17       NaN    NaN        NaN
## 
## $stat
##                 평균 표준편차 사례수      F          p
## 민주형     11.333333 3.559026      6 4.0625 0.03891091
## 자유방임형  8.333333 1.032796      6    NaN        NaN
## 전제형      8.000000 1.095445      6    NaN        NaN
## 합계        9.222222 2.602161     18    NaN        NaN
## 
## $res
## [1] "근무만족도는 상사의유형에 따라 통계적으로 p < 0.05수준에서 의미있는 차이가 있다. (p = 4.0625, df1 = 2, df2= 15, p =0.0389)"

library(ggplot2)

month = c(1,2,3,4,5,6)
rain  = c(55,50,45,50,60,70)

df = data.frame(x=month, y=rain)

ggplot(df,aes(x=month, y=rain)) +
  geom_bar(stat = "identity",
           width = 0.7,
           fill = 'steelblue')