Giters

byhankim / R

practice

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

R 강의 정리

Lec02

  1. R 패키지 및 설치
  • 패키지란: 특정 분석을 수행할 수 있는 함수, 객체, 도움말, 데이터 등의 집합
    • R 설치시 기본 설치되는 패키지는 library() 함수로 조회
    • R 시작과 함께 동시에 시작되는 기본 패키지는 search() 함수로 조회
  • R에서 기본 설치가 되지 않는 패키지는 사용자가 CRAN을 통해 직접 설치할 필요가 있다
    • install.packages("pkg_name") 과 같이 R 콘솔에서 직접 실행 가능 || 풀다운 메뉴의 패키지들 -> 패키지 설치하기를 클릭, 미러사이트에서 원하는 패키지를 찾아 설치하기도 OK
  • 인스톨 후 libary("pkg_name") 으로 호출!
  1. R 패키지의 활성화
  • 사용자가 직접 설치한 패키지의 경우, install.packages("rpart") 후에 꼭 library("rpart") 명령어를 실행하여 패키지를 활성화 해주어야 한다! 
    install.packages("rpart")
library("rpart")
help(package="rpart")   # 웹 기반 패키지 설명서
library(help="rpart")   # 텍스트 기반 패키지 설명서

설치 에러날시 관리자 권한으로 실행

  • R 콘솔에서 data(package="패키지명") 명령문 사용시 저장되어있는 데이터의 목록 출력. data(데이터명, package="패키지명") 명령문을 통해 패키지 내부에 저장된 데이터를 불러오는 것도 가능
  1. R Studio
  • IDE(Integrated Development Environment)
    • IDE란 기본적으로 편집기, 컴파일러, 프로그램 디버깅, GUI 등 여러 애플리케이션 패키지를 묶어 한 프로그램 안에 구현한 프로그래밍 환경을 의미
    • 데이터 관리, 문서 및 프리젠테이션 자료 편집, HTML 작업 등 다양한 추가 기능들을 활용할 수 있음
  • 편집기 / 작업공간(Workspace) / 작업이력(history) / R 콘솔 / 그래프(plots) / 패키지 / 도움말 등으로 구성
  1. R Studio 사용하기
  • new script(메뉴창에서 열거나 Ctrl + Shift + N) 에서 작업한 후 실행 코드 블락 드래그한 후 Run 버튼 클릭 혹은 Ctrl+Enter
  • setwd(): More에서 현재 워킹 디렉토리 변경 가능
  • Tools -> Global Options : 전체 글꼴, 색 등 테마 변경 가능
  • 직접 데이터 가져오기 : 풀다운 메뉴에서 File - Import Dataset 혹은 Environment 탭 안의 Import Dataset 버튼을 눌러 여러 형태의 데이터를 읽을 수 있다
  1. R의 기타 기능
  • 구글, 스택 오버플로우, DataCamp.com의 Quick-R 사이트(www.statmethods.net) 에서 R, 통계, 그래프 그리기에 대한 튜토리얼 및 도움말 풍부
  • R의 최신 패키지들은 The R Journal, Journal of Statistical Software 등과 같은 무료 저널을 통해 받을 수 있다.

Lec03_데이터 입력과 저장

  1. 데이터 입력
  • R 활용 작업시 작업 디렉토리 변경 필요
    • 기본 작업경로가 길거나 복잡할 경우 경로를 일일히 설정/찾아내는 것이 번거로우므로 작업디렉토리를 변경 
      setwd('D:\\datav')    // backslash: used with escape character
// 현 작업 디렉토리 확인은 getwd() 함수를 사용하면 된다.
    • c()함수를 이용한 입력
      • c() 함수는 가장 기본적인 데이터 입력 방법
        • 좌측에 벡터 이름(객체명), <- 나 = 연산자는 데이터가 할당됨 의미
        • 우측은 입력대상인 데이터의 관측값이 c 함수 내에 나타나게 됨
        ex) 1,2,3,4,5 다섯 개의 관측값을 갖는 벡터 x 생성
> x <- c(1,2,3,4,5)
> x
[1] 1 2 3 4 5

ex) 괄호로 생성문 전체를 감싸 10, 20, 30, 40, 50 다섯 개의 관측값을 갖는 벡터 y를 생성하되 입력결과를 바로 화면에 출력
> (y <- c(10,20,30,40,50))
[1] 10 20 30 40 50
      • cbind() 함수를 사용한 동일 길이의 두 벡터 결합 
        > x<-c(1,2,3,4,5)
> y<-c(10,20,30,40,50)
> dat<-cbind(x,y)
> dat
x y       // 행렬구조
[1,] 1 10
[2,] 2 20
[3,] 3 30
[4,] 4 40
[5,] 5 50
      • scan함수를 활용하여 바로 데이터 입력
        • 함수 실행시 실행 prompt가 "1:"로 바뀌는데, 이때 자료를 하나씩 입력하고 Enter 키를 치면 다음 값을 입력할 수 있다.
        > w1 <- scan()
1: 23
2: 4
3: 5
4: 6
5: 7
6:
Read 5 items
> w1
[1] 23 4 5 6 7
      • edit 함수를 이용하여 데이터 엑셀과 비슷한 입력창(데이터프레임 자료구조)이 생성됨
        • 하지만 성능이 구려서 잘은 안쓰고 보통 외부 엑셀 등 파일들을 불러온다
        > dat<-data.frame()   // dataframe이 입력될 빈 공간 생성
> dat3 = edit(dat3)
// 자료 입력
> dat3
// 행렬 출력
  1. 데이터 저장(R 기준에서 외부 출력과 같은 의미)
  • sink 함수를 활용하여 화면에 출력된 모든 결과를 파일로 저장할 수 있다
    • 시작시 저장할 파일명을 지정하고 원하는 함수를 실행한 뒤 종료시 sink()로 마감
    // sink()로 여닫기
> sink('printa.txt')  // 작업디렉토리에 해당 파일이 생성된다
> summary(iris)       // summary: 중간값, 25%, 75%, 평균 등 기술통계량 계산 함수 | iris: R 내부데이터로 꽃 품종별 데이터이다.
> sink()
  • write.csv() 함수를 이용한 데이터 저장
    • R에서 생성된 객체(obj)는 외부파일로 저장할 수 있다.
    • 다르경로가 지정되어있지 않다면 이 파일은 기존 워킹 디렉토리에 저장된다.
    # csv 파일: Comma Separated Value로 ','로 각 데이터가 구분된다. txt형태로 되어있다.
> write.csv(dat, 'dat_exam1.csv')  // 데이터 이름, (경로 + )파일명 설정 가능. 경로명 없을시 현 wd에 저장됨
  • write.table() 함수를 이용한 데이터 저장
    • write.table()함수는 comma로 구분하지 않고 기본 구분자를 공백으로 설정한다.
    • 공백 대신 sep="문자" 옵션을 세번째 인자로 줄 수 있다.
  1. 데이터 불러오기
  • read.csv() 함수를 이용하여 간단하게 불러올 수 있다. 
    ** 외부데이터를 불러올땐 새로운 객체에 넣어줘야 호출할 수 있다.
** 만약 불러오는 데이터가 comma separated가 아니면 모두 하나의 변수로 취급하니 주의!
> dat2 <- read.csv("dat_exam1.csv")
** 변수명 (i.e. x y)이 들어가는 데이터면서 comma separated 라면 header=T 옵션을 주어야 한다
> us_dat<-read.csv("USArrestd.csv", header=T)
> head(us_dat)
  • 불러온 자료의 자료구조를 확인하려면 str() 함수 사용 
    > str(us_dat)
'data.frame': 50 obs. of 5 variables:
$ State: Factor w/ 50 levels "Alabama", "Alaska"...: 1 2 3 4 5 6 7 8 9 10 ...
// State 변수가 자동으로 Factor 변수로 변환되는데, 이를 방지하려면 stringAsFactors=F" 옵션 추가하여 문자로 인식
  • 문자변수가 Factor 변수로 인식되지 않도록 지정 
    > us_dat2 < read.csv("USArrestd.csv", header=T, stringAsFactor=F)
> str(us_dat2)
'data.frame': 50 obs. of 5 variables:
$ State: chr "Alabama" "Alaska" "Arizona" "Arkansas" ...
  • read.table() 함수를 이용한 데이터 로드
    • 텍스트 파일은 read.csv() 외에도 read.table()을 사용하여 불러올 수 있음
    • 현 wd에 저장된 data_exam2.txt 파일을 read.table() 을 사용하여 불러오기 
      ** header 옵션 지정여부에 따라 맨 첫줄 관측치를 변수명으로 인식하는지를 결정한다.
> new_dat = read.table('dat_exam2.txt', header=T)
  • R에서는 결측치가 NA 로 표시되나, 데이터를 읽어오면서 na.strings 와 같은 옵션을 지정해주면 특정 문자를 결측치로 인식한다
    • 이전에 작업한 객체 dat3이 현 wd에 dat3_exam1.txt라는 이름으로 저장되어 있다고 할 때, 관측값 'aa'를 결측치로 인식하여 데이터 로드하기 
      ** 마찬가지로 header 옵션 지정여부가 첫째줄 관측치를 변수명으로 인식하는지를 결정.
> nadat <- read.table('dat3_exam1.txt', na.strings='aa', header=T)
  1. 객체(object) 확인 및 삭제
  • ls() 함수: 현재까지의 작업 중 만들어진 object를 전부 확인할 수 있다
    • 동일한 변수를 계속 쓸 경우 지속적으로 덮어쓰기된다.
  • rm(list=ls()) : 지금까지 만든 모든 객체를 한번에 삭제한다.

About

practice