R 로 데이터 분석을 할 때(분석에 대한 가설을 만들어 놔야 한다. – 약 5개 정도)
1. 데이터 수집(가설에 합당한 데이터)
2. 데이터를 수집했으면 데이터를 읽어 들여야 한다. (읽기 전에 전처리가 가능하면 전처리 먼저 수행)
3. 데이터 내부 구조 분석(head, tail, summary 등으로 파악)
4. 칼럼에 대한 설명이 별도 파일로 모두 나와있다. (이 내용을 파악)
5. 4번 정보를 토대로 NA값/이상치가 있는지 없는지 검증해야 한다.
(이 때도 마찬가지로 결측값과 이상값을 처리(전처리 작업)) – 정제작업
6. 어떤 통계 기법을 이용해서 분석했다. 내용이 보고 서 내부에 포함되어야 한다.
7. 시각화 작업
3. 데이터 분석을 위한 연장 챙기기
변수(Variable)
• 다양한 값을 지니고 있는 하나의 속성
• 변수는 데이터 분석의 대상
존재하지 않는 이미지입니다.
사진 삭제
사진 설명을 입력하세요.
여러 값으로 구성된 변수 만들기
1) c() (동일한 데이터타입만 들어갈 수 있다.)
var1 <- c(1, 2, 5, 7, 8) # 숫자 다섯 개로 구성된 var1 생성
var1
## [1] 1 2 5 7 8
var2 <- c(1:5) # 1~5 까지 연속값으로 var2 생성
var2
## [1] 1 2 3 4 5
벡터를 생성시켜 주는 함수 : c(), seq(), rep() – 값을 반복하는 함수
2) seq(시작값, 끝값) - by옵션을 이용해서 사이의 간격 조정 가능
var3 <- seq(1, 5) # 1~5 까지 연속값으로 var3 생성
var3
## [1] 1 2 3 4 5
var4 <- seq(1, 10, by = 2) # 1~10 까지 2 간격 연속값으로 var4 생성
var4
## [1] 1 3 5 7 9
var5 <- seq(1, 10, by = 3) # 1~10 까지 3 간격 연속값으로 var5 생성 ( 간격에 따라 10이 안나올 수 있다. )
var5
## [1] 1 4 7 10
3) 연속값 변수로 연산하기
var1
## [1] 1 2 5 7 8
var1+2 # 변수에 어떤 값을 더하게 되면 각 항목에 모두 연산
## [1] 3 4 7 9 10
var1
## [1] 1 2 5 7 8
var2
## [1] 1 2 3 4 5
var1+var2
## [1] 2 4 8 11 13
4) 문자로 된 변수 만들기
str1 <- "a" str1
## [1] "a"
str2 <- "text" str2
## [1] "text"
str3 <- "Hello World!" str3
## [1] "Hello World!"
5) 연속 문자 변수 만들기
str4 <- c("a", "b", "c") str4
## [1] "a" "b" "c"
str5 <- c("Hello!", "World", "is", "good!") str5
## [1] "Hello!" "World" "is" "good!"
문자로 된 변수로는 연산할 수 없다
str1+2
## Error in str1 + 2: non-numeric argument to binary operator
03-2. 마술 상자 같은 '함수' 이해하기
함수
• 값을 넣으면 특정한 기능을 수행해 처음과 다른 값이 출력됨
1) 숫자를 다루는 함수 이용하기
# 변수 만들기
x <- c(1, 2, 3)
x
## [1] 1 2 3
# 함수 적용하기
mean(x)
## [1] 2
max(x)
## [1] 3
min(x)
## [1] 1
추가적인 함수 : 데이타 셋 요약값 만들어주는 함수 : summary()
중앙값 : median(), 합 : sum()
변수의 타입을 알아내는 함수 : class() – 문자면 character, 숫자형은 numeric
2) 문자를 다루는 함수 이용하기 (문자 합치기)-문자는 연산불가
str5
## [1] "Hello!" "World" "is" "good!"
paste(str5, collapse = ",") # 쉼표를 구분자로 str5 의 단어들 하나로 합치기(collapse 옵션)
## [1] "Hello!,World,is,good!"
3) 함수의 옵션 설정하기 – 파라미터
paste(str5, collapse = " ")
## [1] "Hello! World is good!"
4) 함수의 결과물로 새 변수 만들기
x_mean <- mean(x)
x_mean
## [1] 2
str5_paste <- paste(str5, collapse = " ")
str5_paste
## [1] "Hello! World is good!"
03-3. 함수 꾸러미, '패키지' 이해하기
1) 패키지(packages)
1-1) 기본 패키지 : base
1-2) 추가 패키지 : CRAN(미러사이트에서 다운받아서 사용하는 패키지)
èinstall.packages(“패키지명”) 함수를 이용해서 패키지 설치 --> library(패키지명) 으로 로드해야 한다.
èR 스튜디오에서는 패키지 탭에서 install 을 눌러서 패키지명 입력 후 다운 가능
ècascade : install 메시지가 출력되고, download 메시지가 출력. 다 끝나면 ‘>’ 프롬프트가 나와야 완료.
• 함수가 여러 개 들어 있는 꾸러미
• 하나의 패키지 안에 다양한 함수가 들어있음
• 함수를 사용하려면 패키지 설치 먼저 해야함
2) ggplot2 패키지 설치하기, 로드하기
install.packages("ggplot2") # ggplot2 패키지 설치
library(ggplot2) # ggplot2 패키지 로드
head(mpg), cty : 고속도로 연비, hwy : 고속도로 연비, drv: 기어 단수
전송중...
사진 설명을 입력하세요.
예제)
x <- c("a", "a", "b", "c")
# 빈도 그래프 출력
qplot(x) # 대표 이름을 찾는다.(각 항목이 몇개인지 파악해서 차트로 만들어준다.)
전송중...
사진 설명을 입력하세요.
3) ggplot2의 mpg 데이터로 그래프 만들기
# data 에 mpg, x 축에 hwy 변수 지정하여 그래프 생성 (mpg는 ggplot이 가지고 있는 데이터셋)
qplot(data = mpg, x = hwy)
전송중...
사진 설명을 입력하세요.
4) qplot() 파라미터 바꿔보기
# x 축 cty
qplot(data = mpg, x = cty)
전송중...
사진 설명을 입력하세요.
# x 축 drv, y 축 hwy
qplot(data = mpg, x = drv, y = hwy)
전송중...
사진 설명을 입력하세요.
# x 축 drv, y 축 hwy, 선 그래프 형태
è qplot 은 geom 옵션으로 차트 형태를 바꿀 수 있음
qplot(data = mpg, x = drv, y = hwy, geom = "line") # geom : 모양을 선 모양으로 바꿔달라고 요청
전송중...
사진 설명을 입력하세요.
# x 축 drv, y 축 hwy, 상자 그림 형태
qplot(data = mpg, x = drv, y = hwy, geom = "boxplot") # boxplot 차트로 변경
전송중...
사진 설명을 입력하세요.
# x 축 drv, y 축 hwy, 상자 그림 형태 , drv 별 색 표현
qplot(data = mpg, x = drv, y = hwy, geom = "boxplot", colour = drv) # colour 옵션으로 범례 지정 가능
전송중...
사진 설명을 입력하세요.
Q1. 시험 점수 변수 만들고 출력하기
score <- c(80, 60, 70, 50, 90) score
## [1] 80 60 70 50 90
Q2. 전체 평균 구하기
mean(score)
## [1] 70
Q3. 전체 평균 변수 만들고 출력하기
mean_score <- mean(score) mean_score
## [1] 70
4. 데이터 프레임의 세계로
04-1. 데이터는 어떻게 생겼나? - 데이터 프레임 이해하기
데이터 프레임
벡터 : 1차원, 다차원 c()함수로 생성
배열 : array()함수로 생성, 행렬 만들어주는 전용함수 : metrix() 함수(행 번호와 열 번호, 인덱스 값(0번)이 없다.)
ex) (A,B,D열만 꺼내오려면 array[ , -3 ] or array[ , c(1,4) ]와 같이 combine 으로 묶으면 된다.
l배열과 벡터는 반드시 데이터가 동일해야 한다.
리스트 : 데이터 유형이 다양하게 들어갈 수 있다.
데이터프레임 : 리스트를 여러개 쌓은 형태 ( 학생$성별 과 같이 학생 DF에 성별 컬럼을 추출)
전송중...
사진 설명을 입력하세요.
• '열'은 속성
• '행'은 한 사람의 정보
데이터가 크다 = 행이 많다 또는 열이 많다
전송중...
사진 설명을 입력하세요.
04-2. 데이터 프레임 만들기 - 시험 성적 데이터를 만들어 보자!
1) 데이터 입력해 데이터 프레임 만들기
english <- c(90, 80, 60, 70) # 영어 점수 변수 생성
english
## [1] 90 80 60 70
math <- c(50, 60, 100, 20) # 수학 점수 변수 생성
math
## [1] 50 60 100 20
# english, math 로 데이터 프레임 생성해서 df_midterm 에 할당
df_midterm <- data.frame(english, math)
df_midterm
## english math
## 1 90 50
## 2 80 60
## 3 60 100
## 4 70 20
class <- c(1, 1, 2, 2) class
## [1] 1 1 2 2
df_midterm <- data.frame(english, math, class)
df_midterm
## english math class
## 1 90 50 1
## 2 80 60 1
## 3 60 100 2
## 4 70 20 2
mean(df_midterm$english) # df_midterm 의 english 로 평균 산출
## [1] 75
mean(df_midterm$math) # df_midterm 의 math 로 평균 산술
## [1] 57.5
2) 데이터 프레임 한 번에 만들기
df_midterm <- data.frame(english = c(90, 80, 60, 70),
math = c(50, 60, 100, 20),
class = c(1, 1, 2, 2))
df_midterm
## english math class
## 1 90 50 1
## 2 80 60 1
## 3 60 100 2
## 4 70 20 2
Q1. data.frame()과 c()를 조합해서 표의 내용을 데이터 프레임으로 만들어 출력해보세요.
# 데이터 프레임 만들기
sales <- data.frame(fruit = c("사과", "딸기", "수박"),
price = c(1800, 1500, 3000),
volume = c(24, 38, 13))
# 데이터 프레임 출력하기
sales
## fruit price volume
## 1 사과 1800 24
## 2 딸기 1500 38
## 3 수박 3000 13
Q2. 앞에서 만든 데이터 프레임을 이용해서 과일 가격 평균, 판매량 평균을 구해보세요.
mean(sales$price) # 가격 평균
## [1] 2100
mean(sales$volume) # 판매량 평균
## [1] 25
04-3. 외부 데이터 이용하기 - 축적된 시험 성적 데이터를 불러오자
엑셀 파일 불러오기
# readxl 패키지 설치
install.packages("readxl")
# readxl 패키지 로드
library(readxl)
존재하지 않는 이미지입니다.x <- c("a", "a", "b", "c") --> str(x) --> chr [1:4] "a" "a" "b" "c"
5. 데이터 분석 기초!
데이터 파악하기, 다루기 쉽게 수정하기
1) exam 데이터 파악하기
데이터 준비
exam <- read.csv("csv_exam.csv")
head(exam) # 앞에서부터 6행까지 출력
head(exam, 10) # 앞에서부터 10행까지 출력
tail(exam) # 뒤에서부터 6행까지 출력
tail(exam, 10) # 뒤에서부터 10행까지 출력
View(exam) # 데이터 뷰어 창에서 exam 데이터 확인
dim(exam) # 행, 열 출력
str(exam) # 데이터 속성 확인
summary(exam) # 요약 통계량 출력
View() - 뷰어 창에서 데이터 확인하기
View(exam) [유의] View()에서 맨 앞의 V는 대문자
dim() - 몇 행 몇 열로 구성되는지 알아보기
dim(exam) # 행 , 열 출력
## [1] 20 5
str() - 속성 파악하기
str(exam) # 데이터 속성 확인
## 'data.frame': 20 obs. of 5 variables: # 내부 구조가 데이터프레임 형태다, 몇개의 행과 몇개의 열로 구성되어있다.
# 열의 컬럼명들은 이와같이 붙어있다. 해당 컬럼값을 꺼내고 싶다면 exam$id 로 꺼내올 수 있다.
## $ id : int 1 2 3 4 5 6 7 8 9 10 ...
## $ class : int 1 1 1 1 2 2 2 2 3 3 ...
## $ math : int 50 60 45 30 25 50 80 90 20 50 ...
## $ english: int 98 97 86 98 80 89 90 78 98 98 ...
## $ science: int 50 60 78 58 65 98 45 25 15 45 ...
summary() - 요약통계량 산출하기
전송중...
사진 설명을 입력하세요.
mpg 데이터 파악하기
# ggplo2 의 mpg 데이터를 데이터 프레임 형태로 불러오기
mpg <- as.data.frame(ggplot2::mpg)
mpg 데이터 파악하기
전송중...
사진 설명을 입력하세요.
View(mpg) # Raw 데이터 뷰어 창 확인
dim(mpg) # 행 , 열 출력
## [1] 234 11
str(mpg) # 데이터 속성 확인
전송중...
사진 설명을 입력하세요.
summary(mpg) # 요약통계량 출력
전송중...
사진 설명을 입력하세요.
2. 데이터 수정하기 - 변수명 바꾸기
1) dplyr 패키지 설치 & 로드
install.packages("dplyr") # dplyr 설치
library(dplyr) # dplyr 로드
데이터 프레임 생성
df_raw <- data.frame(var1 = c(1, 2, 1),
var2 = c(2, 3, 2))
df_raw
## var1 var2
## 1 1 2
## 2 2 3
## 3 1 2
df_new <- df_raw # 복사본 생성
df_new # 출력
## var1 var2
## 1 1 2
## 2 2 3
## 3 1 2
2) 변수명 바꾸기
df_new <- rename(df_new, v2 = var2) # var2 를 v2 로 수정
df_new
## var1 v2
## 1 1 2
## 2 2 3
## 3 1 2
[유의] rename()에 '새 변수명 = 기존 변수명' 순서로 입력
전송중...
사진 설명을 입력하세요.
Q1. ggplot2 패키지의 mpg 데이터를 사용할 수 있도록 불러온 뒤 복사본을 만드세요.
mpg <- as.data.frame(ggplot2::mpg) # mpg 데이터 불러오기
mpg_new <- mpg # 복사본 만들기
Q2. 복사본 데이터를 이용해서 cty는 city로, hwy는 highway로 변수명을 수정하세요.
mpg_new <- rename(mpg_new, city = cty) # cty 를 city 로 수정
mpg_new <- rename(mpg_new, highway = hwy) # hwy 를 highway 로 수정
Q3. 데이터 일부를 출력해서 변수명이 바뀌었는지 확인해 보세요. 아래와 같은 결과물이 출력되어야 합니다.
head(mpg_new) # 데이터 일부 출력
존재하지 않는 이미지입니다.
3) 변수 조합해 파생변수 만들기
데이터 프레임 생성
df <- data.frame(var1 = c(4, 3, 8),
var2 = c(2, 6, 1))
df
## var1 var2
## 1 4 2
## 2 3 6
## 3 8 1
파생변수 생성 (데이터 컬럼명을 새로 추가하는 방법)
df$var_sum <- df$var1 + df$var2 # var_sum 파생변수 생성
df
## var1 var2 var_sum
## 1 4 2 6
## 2 3 6 9
## 3 8 1 9
파생변수 생성
df$var_mean <- (df$var1 + df$var2)/2 # var_mean 파생변수 생성( mean 함수는 컬럼에 대한 평균, 행에 대한평균은 안됨)
df
## var1 var2 var_sum var_mean
## 1 4 2 6 3.0
## 2 3 6 9 4.5
## 3 8 1 9 4.5
mpg 통합 연비 변수 만들기
mpg$total <- (mpg$cty + mpg$hwy)/2 # 통합 연비 변수 생성
head(mpg)
전송중...
사진 설명을 입력하세요.
mean(mpg$total) # total 컬럼의 평균 구하기
## [1] 20.14957
조건문을 활용해 파생변수 만들기
1.기준값 정하기
summary(mpg$total) # 요약 통계량 산출
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 10.50 15.50 20.50 20.15 23.50 39.50
hist(mpg$total) # 히스토그램 생성
전송중...
사진 설명을 입력하세요.
2. 조건문으로 합격 판정 변수 만들기
전송중...
사진 설명을 입력하세요.
# 20 이상이면 pass, 그렇지 않으면 fail 부여
mpg$test <- ifelse(mpg$total >= 20, "pass", "fail")
head(mpg, 20) # 데이터 확인
전송중...
사진 설명을 입력하세요.
전송중...
사진 설명을 입력하세요.
3. 빈도표로 합격 판정 자동차 수 살펴보기
table(mpg$test) # 연비 합격 빈도표 생성
# fail 이 몇 개 인지, pass가 몇 개 인지 확인
## fail pass
## 106 128
4. 막대 그래프빈 빈도 표현하기
library(ggplot2) # ggplot2 로드
qplot(mpg$test) # 연비 합격 빈도 막대 그래프 생성
전송중...
사진 설명을 입력하세요.
중첩 조건문 활용하기 - 연비 등급 변수 만들기
전송중...
사진 설명을 입력하세요.
# total 을 기준으로 A, B, C 등급 부여
mpg$grade <- ifelse(mpg$total >= 30, "A",
ifelse(mpg$total >= 20, "B", "C"))
head(mpg, 20) # 데이터 확인
존재하지 않는 이미지입니다.존재하지 않는 이미지입니다.[유의] ifelse()가 두 번 반복되므로 열리는 괄호와 닫히는 괄호가 각각 두 개, 쉼표도 각각 두 개
빈도표, 막대 그래프로 연비 등급 살펴보기
table(mpg$grade) # 등급 빈도표 생성
## A B C
## 10 118 106
qplot(mpg$grade) # 등급 빈도 막대 그래프 생성
전송중...
사진 설명을 입력하세요.
원하는 만큼 범주 만들기
# A, B, C, D 등급 부여
mpg$grade2 <- ifelse(mpg$total >= 30, "A",
ifelse(mpg$total >= 25, "B",
ifelse(mpg$total >= 20, "C", "D")))
정리하기
# 1. 데이터 준비 , 패키지 준비
mpg <- as.data.frame(ggplot2::mpg) # 데이터 불러오기
library(dplyr) # dplyr 로드
library(ggplot2) # ggplot2 로드
# 2. 데이터 파악
head(mpg) # Raw 데이터 앞부분
tail(mpg) # Raw 데이터 뒷부분
View(mpg) # Raw 데이터 뷰어 창에서 확인
dim(mpg) # 차원
str(mpg) # 속성
summary(mpg) # 요약 통계량
분석 도전!
ggplot2 패키지에는 미국 동북중부 437개 지역의 인구통계 정보를 담은 midwest라는 데이터가 포함되어 있습니다. midwest 데이터를 사용해 데이터 분석 문제를 해결해보세요.
• 문제 1. ggplot2 의 midwest 데이터를 데이터 프레임 형태로 불러와서 데이터의 특성을 파악하세요.
• 문제 2. poptotal(전체 인구)을 total 로, popasian(아시아 인구)을 asian 으로 변수명을 수정하세요.
• 문제 3. total, asian 변수를 이용해 '전체 인구 대비 아시아 인구 백분율' 파생변수를 만들고, 히스토그램을 만들어 도시들이 어떻게 분포하는지 살펴보세요.
• 문제 4. 아시아 인구 백분율 전체 평균을 구하고, 평균을 초과하면 "large", 그 외에는 "small"을 부여하는 파생변수를 만들어 보세요.
• 문제 5. "large"와 "small"에 해당하는 지역이 얼마나 되는지, 빈도표와 빈도 막대 그래프를 만들어 확인해 보세요.
midwest <- as.data.frame(ggplot2::midwest)
midwestNew <- midwest
head(midwestNew)
str(midwestNew)
dim(midwestNew) # 437 28
summary(midwestNew)
names(midwestNew)
midwestNew <- rename(midwestNew, c(total = poptotal,asian = popasian))
names(midwestNew) # total, asian 변경완료 확인
midwestNew$asian_rate <- midwestNew$asian / midwestNew$total # ? *100왜안먹힘
midwestNew$asian_rate <- midwestNew$asian_rate*100
head(midwestNew$asian_rate) # 아시아인 인구 비율 확인
hist(midwestNew$asian_rate) # 히스토그램 생성
전송중...
사진 설명을 입력하세요.
asian_mean <- mean(midwestNew$asian_rate) # 아시아 인구 백분율 평균 : 48.72%
midwestNew$test <- ifelse(midwestNew$asian_rate > asian_mean, "large", "small") # 조건문에 맞는 파생변수 삽입
library(ggplot2) #라이브러리 로드
table(midwestNew$test) # large 119, small 318
qplot(midwestNew$test)
전송중...
사진 설명을 입력하세요.
6. 자유자재로 데이터 가공하기
06-1. 데이터 전처리 - 원하는 형태로 데이터 가공하기
데이터 전처리(Preprocessing) - dplyr 패키지
존재하지 않는 이미지입니다.
함수 기능
filter() 행 추출
select() 열(변수) 추출
arrange() 정렬
mutate() 변수 추가
summarise() 통계치 산출
group_by() 집단별로 나누기
left_join() 데이터 합치기(열)
bind_rows() 데이터 합치기(행)
06-2. 조건에 맞는 데이터만 추출하기
전송중...
사진 설명을 입력하세요.
dplyr 패키지 로드 & 데이터 준비
library(dplyr)
exam <- read.csv(file.choose(), header = T)
exam
전송중...
사진 설명을 입력하세요.
# exam 에서 class 가 1 인 경우만 추출하여 출력
exam %>% filter(class == 1)
[참고] 단축키 [Ctrl+Shit+M]으로 %>% 기호 입력
## id class math english science
## 1 1 1 50 98 50
## 2 2 1 60 97 60
## 3 3 1 45 86 78
## 4 4 1 30 98 58
# 2 반인 경우만 추출
exam %>% filter(class == 2)
## id class math english science
## 1 5 2 25 80 65
## 2 6 2 50 89 98
## 3 7 2 80 90 45
## 4 8 2 90 78 25
# 1 반이 아닌 경우
exam %>% filter(class != 1)
초과, 미만, 이상, 이하 조건 걸기
# 수학 점수가 50 점을 초과한 경우
exam %>% filter(math > 50)
여러 조건을 충족하는 행 추출하기
# 1 반 이면서 수학 점수가 50 점 이상인 경우
exam %>% filter(class == 1 & math >= 50)
## id class math english science
## 1 1 1 50 98 50
## 2 2 1 60 97 60
목록에 해당되는 행 추출하기
exam %>% filter(class == 1 | class == 3 | class == 5) # 1, 3, 5 반에 해당되면 추출
전송중...
사진 설명을 입력하세요.
%in% 기호 이용하기
exam %>% filter(class %in% c(1,3,5)) # 1, 3, 5 반에 해당하면 추출
ex ) seq(1,100, by=2) 와 같이 적어서 긴 형태의 데이터 처리 가능
전송중...
사진 설명을 입력하세요.
추출한 행으로 데이터 만들기
class1 <- exam %>% filter(class == 1) # class 가 1 인 행 추출 , class1 에 할당
class2 <- exam %>% filter(class == 2) # class 가 2 인 행 추출 , class2 에 할당
mean(class1$math) # 1 반 수학 점수 평균 구하기
## [1] 46.25
mean(class2$math) # 2 반 수학 점수 평균 구하기
## [1] 61.25
R에서 사용하는 기호들
전송중...
사진 설명을 입력하세요.
논리 연산자 기능
< 작다
<= 작거나 같다
> 크다
>= 크거나 같다
== 같다
!= 같지 않다
│ 또는
& 그리고
%in% 매칭 확인
R에서 사용하는 기호들
산술 연산자 기능
전송중...
사진 설명을 입력하세요.
+ 더하기
- 빼기
* 곱하기
/ 나누기
^ , ** 제곱
%/% 나눗셈의 몫
%% 나눗셈의 나머지
06-3. 필요한 변수만 추출하기
전송중...
사진 설명을 입력하세요.
exam %>% select(math) # math 추출 ( select 함수는 열을 추출, filter 함수는 행 추출 )
전송중...
사진 설명을 입력하세요.
여러 변수 추출하기
exam %>% select(class, math, english)
변수 제외하기
exam %>% select(-math) # math 제외
전송중...
사진 설명을 입력하세요.
exam %>% select(-math, -english) # math, english 제외
전송중...
사진 설명을 입력하세요.
dplyr 함수 조합하기
# class 가 1 인 행만 추출한 다음 english 추출
exam %>% filter(class == 1) %>% select(english) # exam 데이터를 filter로 넘기고 처리된 연산을 select로 넘긴다.
전송중...
사진 설명을 입력하세요.
가독성 있게 줄 바꾸기
exam %>%
filter(class == 1) %>% # class 가 1 인 행 추출
select(english) # english 추출
일부만 출력하기
exam %>%
select(id, math) %>% # id, math 추출
head(10) # 앞부분 10 행까지 추출
전송중...
사진 설명을 입력하세요.
06-4. 순서대로 정렬하기
전송중...
사진 설명을 입력하세요.
오름차순으로 정렬하기
exam %>% arrange(math) # math 오름차순 정렬
전송중...
사진 설명을 입력하세요.
내림차순으로 정렬하기
exam %>% arrange(desc(math)) # math 내림차순 정렬
전송중...
사진 설명을 입력하세요.
&p;
정렬 기준 변수 여러개 지정
exam %>% arrange(class, math) # class 및 math 오름차순 정렬
전송중...
사진 설명을 입력하세요.
06-5. 파생변수 추가하기
exam %>%
mutate(total = math + english + science) %>% # 총합 변수 추가(컬럼 추가하는 함수)
head # 일부 추출
전송중...
사진 설명을 입력하세요.
여러 파생변수 한 번에 추가하기
exam %>%
mutate(total = math + english + science, # 총합 변수 추가
mean = (math + english + science)/3) %>% # 총평균 변수 추가
head # 일부 추출
전송중...
사진 설명을 입력하세요.
mutate()에 ifelse() 적용하기
exam %>%
mutate(test = ifelse(science >= 60, "pass", "fail")) %>%
head
전송중...
사진 설명을 입력하세요.
추가한 변수를 dplyr 코드에 바로 활용하기
exam %>%
mutate(total = math + english + science) %>% # 총합 변수 추가
arrange(total) %>% # 총합 변수 기준 정렬
head # 일부 추출
전송중...
사진 설명을 입력하세요.
06-6. 집단별로 요약하기
전송중...
사진 설명을 입력하세요.
집단별로 요약하기
요약하기
exam %>% summarise(mean_math = mean(math)) # math 평균 산출
## mean_math
## 1 57.45
집단별로 요약하기
exam %>%
group_by(class) %>% # class 별로 분리 (1, 2, 3, 4 별로 묶어준 값을 summarise에 전달한다.) summarise(mean_math = mean(math)) # math 평균 산출 (그걸로 각 매스 값들의 평균값을 넣어준다.)
존재하지 않는 이미지입니다.dbl 은 더블의 약자(소수점 표현)
여러 요약통계량 한 번에 산출하기
exam %>%
group_by(class) %>% # class 별로 분리
summarise(mean_math = mean(math), # math 평균
sum_math = sum(math), # math 합계
median_math = median(math), # math 중앙값
n = n()) # 학생 수
존재하지 않는 이미지입니다.5x5 의미는 종류와 컬럼이 5개 라는 의미
자주 사용하는 요약통계량 함수
함수 의미
mean() 평균
sd() 표준편차
sum() 합계
median() 중앙값
min() 최솟값
max() 최댓값
n() 빈도
전송중...
사진 설명을 입력하세요.
각 집단별로 다시 집단 나누기
mpg %>%
group_by(manufacturer, drv) %>% # 회사별 , 구동방식별 분리
summarise(mean_cty = mean(cty)) %>% # cty 평균 산출
head(10) # 일부 출력
è 전체 데이터를 group_by 함수로 넘겨서 제조사 별로 그룹을 만들어주고, 동일 제조사들이 있을텐데 그 제조사에 따라 구동방식 별로 다시 재 그룹화를 시킨다.( 4는 4륜구동, f는 전륜)
è #Groups : manufacturer(전체그룹은 제조사별로), 그 제조사 내에서 구동방식 별로 재 그룹화
è 그 데이터를 다시 summarise 함수로 전달해서 cty(도시연비)에 대한 평균값을 저장
è 데이터 일부 출력
전송중...
사진 설명을 입력하세요.
dplyr 조합하기
문제) 회사별로 "suv" 자동차의 도시 및 고속도로 통합 연비 평균을 구해 내림차순으로 정렬하고, 1~5위까지 출력하기
분석 절차 생각해보기
전송중...
사진 설명을 입력하세요.
절차 기능 dplyr 함수
1 회사별로 분리 group_by()
2 suv 추출 filter() # 행 추출을 위해 select 가 아닌 filter 사용
3 통합 연비 변수 생성 mutate() # 통합 연비 컬럼을 생성
4 통합 연비 평균 산출 summarise() # 계산은 서머라이즈로 추출
5 내림차순 정렬 arrange() # 내림차순 정렬 후 출력
6 1~5위까지 출력 head()
dplyr 조합하기
mpg %>%
group_by(manufacturer) %>% # 회사별로 분리
filter(class == "suv") %>% # suv 추출
mutate(tot = (cty+hwy)/2) %>% # 통합 연비 변수 생성
summarise(mean_tot = mean(tot)) %>% # 통합 연비 평균 산출
arrange(desc(mean_tot)) %>% # 내림차순 정렬
head(5) # 1~5 위까지 출력
존재하지 않는 이미지입니다.상위 5개 연비만 출력
06-7. 데이터 합치기
가로로 합치기
전송중...
사진 설명을 입력하세요.
세로로 합치기
전송중...
사진 설명을 입력하세요.
가로로 합치기
데이터 생성
# 중간고사 데이터 생성
test1 <- data.frame(id = c(1, 2, 3, 4, 5),
midterm = c(60, 80, 70, 90, 85))
# 기말고사 데이터 생성
test2 <- data.frame(id = c(1, 2, 3, 4, 5),
final = c(70, 83, 65, 95, 80))
전송중...
사진 설명을 입력하세요.
id 기준으로 합치기
total <- left_join(test1, test2, by = "id") # id 기준으로 합쳐 total 에 할당 (옵션값으로 지정하려면 따옴표로 묶어야 함)
total # total 출력
전송중...
사진 설명을 입력하세요.
[주의] by에 변수명을 지정할 때 변수명 앞 뒤에 쌍따옴표 입력
다른 데이터 활용해 변수 추가하기
반별 담임교사 명단 생성
name <- data.frame(class = c(1, 2, 3, 4, 5),
teacher = c("kim", "lee", "park", "choi", "jung"))
전송중...
사진 설명을 입력하세요.
class 기준 합치기
exam_new <- left_join(exam, name, by = "class") exam_new
전송중...
사진 설명을 입력하세요.
세로로 합치기
데이터 생성
# 학생 1~5 번 시험 데이터 생성
group_a <- data.frame(id = c(1, 2, 3, 4, 5),
test = c(60, 80, 70, 90, 85))
# 학생 6~10 번 시험 데이터 생성
group_b <- data.frame(id = c(6, 7, 8, 9, 10),
test = c(70, 83, 65, 95, 80))
전송중...
사진 설명을 입력하세요.
세로로 합치기
group_all <- bind_rows(group_a, group_b) # 데이터 합쳐서 group_all 에 할당
group_all # group_all 출력
전송중...
사진 설명을 입력하세요.
7. 데이터 정제
빠진 데이터, 이상한 데이터 제거하기
07-1. 빠진 데이터를 찾아라! - 결측치 정제하기
결측치(Missing Value)
• 누락된 값, 비어있는 값
• 함수 적용 불가, 분석 결과 왜곡
• 제거 후 분석 실시
결측치 만들기
• 결측치 표기 - 대문자 NA
df <- data.frame(sex = c("M", "F", NA, "M", "F"),
score = c(5, 4, 3, 4, NA))
df
존재하지 않는 이미지입니다.[유의] NA 앞 뒤에 겹따옴표 없음
결측치 확인하기
is.na(df) # 결측치 확인
전송중...
사진 설명을 입력하세요.
table(is.na(df)) # 결측치 빈도 출력
전송중...
사진 설명을 입력하세요.
table(is.na(df$sex)) # sex 결측치 빈도 출력
전송중...
사진 설명을 입력하세요.
table(is.na(df$score)) # score 결측치 빈도 출력
전송중...
사진 설명을 입력하세요.
변수별로 결측치 확인하기
table(is.na(df$sex)) # sex 결측치 빈도 출력
## FALSE TRUE
## 4 1
table(is.na(df$score)) # score 결측치 빈도 출력
## FALSE TRUE
## 4 1
결측치 포함된 상태로 분석
mean(df$score) # 평균 산출
## [1] NA
sum(df$score) # 합계 산출
## [1] NA
결측치 있는 행 제거하기
library(dplyr) # dplyr 패키지 로드
df %>% filter(is.na(score)) # score 가 NA 인 데이터만 출력
존재하지 않는 이미지입니다.
df %>% filter(!is.na(score)) # score 결측치 제거
존재하지 않는 이미지입니다.
결측치 제외한 데이터로 분석하기
df_nomiss <- df %>% filter(!is.na(score)) # score 결측치 제거
mean(df_nomiss$score) # score 평균 산출
## [1] 4
sum(df_nomiss$score) # score 합계 산출
## [1] 16
여러 변수 동시에 결측치 없는 데이터 추출하기
# score, sex 결측치 제외
df_nomiss <- df %>% filter(!is.na(score) & !is.na(sex)) df_nomiss
전송중...
사진 설명을 입력하세요.
결측치가 하나라도 있으면 제거하기
df_nomiss2 <- na.omit(df) # 모든 변수에 결측치 없는 데이터 추출
df_nomiss2 # 출력
전송중...
사진 설명을 입력하세요.
• 분석에 필요한 데이터까지 손실 될 가능성 유의
• ex) 성별-소득 관계 분석하는데 지역 결측치까지 제거
함수의 결측치 제외 기능 이용하기 - na.rm = T
mean(df$score, na.rm = T) # 결측치 제외하고 평균 산출
## [1] 4
sum(df$score, na.rm = T) # 결측치 제외하고 합계 산출
## [1] 16
summarise()에서 na.rm = T사용하기 • 결측치 생성
exam <- read.csv("csv_exam.csv") # 데이터 불러오기
exam[c(3, 8, 15), "math"] <- NA # 3, 8, 15 행의 math 에 NA 할당
• 평균 구하기
exam %>% summarise(mean_math = mean(math)) # 평균 산출
## mean_math
## 1 NA
exam %>% summarise(mean_math = mean(math, na.rm = T)) # 결측치 제외하고 평균 산출
## mean_math
## 1 55.23529
다른 함수들에 적용
exam %>% summarise(mean_math = mean(math, na.rm = T), # 평균 산출
sum_math = sum(math, na.rm = T), # 합계 산출
median_math = median(math, na.rm = T)) # 중앙값 산출
전송중...
사진 설명을 입력하세요.
결측치 대체하기
• 결측치 많을 경우 모두 제외하면 데이터 손실 큼
• 대안: 다른 값 채워넣기
결측치 대체법(Imputation)
• 대표값(평균, 최빈값 등)으로 일괄 대체
• 통계분석 기법 적용, 예측값 추정해서 대체
평균값으로 결측치 대체하기
평균 구하기
mean(exam$math, na.rm = T) # 결측치 제외하고 math 평균 산출
## [1] 55.23529
평균으로 대체하기
exam$math <- ifelse(is.na(exam$math), 55, exam$math) # math 가 NA 면 55 로 대체
è 만약 exam 데이터 프레임 안에 math 컬럼 값 중에, 결측값이 발견 되면(TRUE), 그 부분은 55 셋팅, 그렇지 않으면 exam$math (원래 값 셋팅)
table(is.na(exam$math)) # 결측치 빈도표 생성
##
## FALSE
## 20
07-2. 이상한 데이터를 찾아라! - 이상치 정제하기
이상치(Outlier) - 정상범주에서 크게 벗어난 값
• 이상치 포함시 분석 결과 왜곡 (왜곡점이 만들어 진다.)
• 결측 처리 후 제외하고 분석
전송중...
사진 설명을 입력하세요.
이상치 제거하기 - 1. 존재할 수 없는 값
• 논리적으로 존재할 수 없으므로 바로 결측 처리 후 분석시 제외
이상치 포함된 데이터 생성 - sex 3, score 6
outlier <- data.frame(sex = c(1, 2, 1, 3, 2, 1),
score = c(5, 4, 3, 4, 2, 6))
outlier
전송중...
사진 설명을 입력하세요.
이상치 확인하기
table(outlier$sex) #빈도수 확인
##
## 1 2 3
## 3 2 1
table(outlier$score)
##
## 2 3 4 5 6
## 1 1 2 1 1
결측 처리하기 - sex
# sex 가 3 이면 NA 할당
outlier$sex <- ifelse(outlier$sex == 3, NA, outlier$sex)
outlier
전송중...
사진 설명을 입력하세요.
결측 처리하기 - score
# sex 가 1~5 아니면 NA 할당
outlier$score <- ifelse(outlier$score > 5, NA, outlier$score)
outlier
전송중...
사진 설명을 입력하세요.
결측치 제외하고 분석
outlier %>%
filter(!is.na(sex) & !is.na(score)) %>%
group_by(sex) %>%
summarise(mean_score = mean(score))
존재하지 않는 이미지입니다.결측값을 제외하여 연산처리
è 과정별로 실행하는 방법 : 원하는 부분까지만 선택해서 실행시키면 단계별 결과값을 추출할 수 있다.
è 아니면 중간중간 변수처리 하여 결과값 확인 가능
이상치 제거하기 - 2. 극단적인 값
• 정상범위 기준 정해서 벗어나면 결측 처리
전송중...
사진 설명을 입력하세요.
상자그림으로 극단치 기준 정해서 제거하기 (base 패키지)
상자그림 생성
mpg <- as.data.frame(ggplot2::mpg) # ggplot2 는 qplot 함수
boxplot(mpg$hwy) # 이건 기본적으로 설치되어있는 차트
전송중...
사진 설명을 입력하세요.
전송중...
사진 설명을 입력하세요.
전송중...
사진 설명을 입력하세요.
상자그림 통계치 출력
boxplot(mpg$hwy)$stats # 상자그림 통계치 출력
전송중...
사진 설명을 입력하세요.
전송중...
사진 설명을 입력하세요.
전송중...
사진 설명을 입력하세요.
결측 처리하기
# 12~37 벗어나면 NA 할당
mpg$hwy <- ifelse(mpg$hwy < 12 | mpg$hwy > 37, NA, mpg$hwy)
table(is.na(mpg$hwy))
전송중...
사진 설명을 입력하세요.
결측치 제외하고 분석하기
mpg %>%
group_by(drv) %>%
summarise(mean_hwy = mean(hwy, na.rm = T))
전송중...
사진 설명을 입력하세요.
정리하기
# 1. 결측치 정제하기
# 결측치 확인
table(is.na(df$score))
# 결측치 제거
df_nomiss <- df %>% filter(!is.na(score))
# 여러 변수 동시에 결측치 제거
df_nomiss <- df %>% filter(!is.na(score) & !is.na(sex))
# 함수의 결측치 제외 기능 이용하기
mean(df$score, na.rm = T) exam %>% summarise(mean_math = mean(math, na.rm = T))
# 2. 이상치 정제하기
# 이상치 확인
table(outlier$sex)
# 결측 처리
outlier$sex <- ifelse(outlier$sex == 3, NA, outlier$sex)
# boxplot 으로 극단치 기준 찾기
boxplot(mpg$hwy)$stats
# 극단치 결측 처리
mpg$hwy <- ifelse(mpg$hwy < 12 | mpg$hwy > 37, NA, mpg$hwy)
08. 그래프 만들기
08-1. R로 만들 수 있는 그래프 살펴보기
• 2차원 그래프, 3차원 그래프
• 지도 그래프 • 네트워크 그래프
• 모션 차트
• 인터랙티브 그래프
쉽게 그래프를 만들 수 있는 ggplot2 패키지
08-2. 산점도 - 변수 간 관계 표현하기
ggplot2 레이어 구조 이해하기
전송중...
사진 설명을 입력하세요.
산점도 만들기
• 산점도(Scater Plot) : 데이터를 x축과 y축에 점으로 표현한 그래프
• 나이와 소득처럼, 연속 값으로 된 두 변수의 관계를 표현할 때 사용
ggplot2 로드
library(ggplot2)
1. 배경 설정하기
# x 축 displ, y 축 hwy 로 지정해 배경 생성
ggplot(data = mpg, aes(x = displ, y = hwy))
# aes : 축 만들어주는 함수(x축 값, y축 값 지정, data = mpg 데이터프레임 사용하겠다고 지정
전송중...
사진 설명을 입력하세요.
2. 그래프 추가하기
# 배경에 산점도 추가
ggplot(data = mpg, aes(x = displ, y = hwy)) + geom_point()
# 지오메트릭 포인트 함수 추가
전송중...
사진 설명을 입력하세요.
3. 축 범위를 조정하는 설정 추가하기
# x 축 범위 3~6, y 축 범위 10~30 으로 지정
ggplot(data = mpg, aes(x = displ, y = hwy)) +
geom_point() +
xlim(3, 6) +
ylim(10, 30)
# x, y축에 대한 시작 값과 끝 값을 지정하여 산점도 정렬
전송중...
사진 설명을 입력하세요.
ggplot 함수 구조
전송중...
사진 설명을 입력하세요.
ggplot2 코드 가독성 높이기
• 한 줄로 작성
ggplot(data = mpg, aes(x = displ, y = hwy)) + geom_point() + xlim(3, 6) + ylim(10, 30)
• + 뒤에서 줄 바꾸기
ggplot(data = mpg, aes(x = displ, y = hwy)) +
geom_point() +
xlim(3, 6) +
ylim(10, 30)
ggplot() vs qplot()
• qplot() : 전처리 단계 데이터 확인용 문법 간단, 기능 단순
• ggplot() : 최종 보고용. 색, 크기, 폰트 등 세부 조작 가능
08-3. 막대 그래프 - 집단 간 차이 표현하기
• 막대 그래프(Bar Chart) : 데이터의 크기를 막대의 길이로 표현한 그래프
• 성별 소득 차이처럼 집단 간 차이를 표현할 때 주로 사용
막대 그래프 1 - 평균 막대 그래프 만들기
• 각 집단의 평균값을 막대 길이로 표현한 그래프
1. 집단별 평균표 만들기
library(dplyr)
df_mpg <- mpg %>% # 데이터 프레임 mpg 로부터
group_by(drv) %>% # 구동 방식을 그룹핑 시켰다
summarise(mean_hwy = mean(hwy)) # 그 중 고속도로 연비의 평균을 mean_hwy 에 새로 만들어 넣고 통계치 추출
df_mpg
전송중...
사진 설명을 입력하세요.
4륜의 고속도로 평균값, 전륜, 후륜의 고속도로 평균값 추출
2. 그래프 생성하기
ggplot(data = df_mpg, aes(x = drv, y = mean_hwy)) + geom_col()
# 점이 아닌 막대기로 찍어야 하니, geom_col() 으로 설정한다.
전송중...
사진 설명을 입력하세요.
3. 크기 순으로 정렬하기 (가장 큰 데이터부터 작은 데이터 순으로 정렬) – reorder 함수
ggplot(data = df_mpg, aes(x = reorder(drv, -mean_hwy), y = mean_hwy)) + geom_col()
? –mean_hwy 에서 –를 제외하고 실행하면 작은순으로 정렬된다.
전송중...
사진 설명을 입력하세요.
막대 그래프 2 - 빈도 막대 그래프
• 값의 개수(빈도)로 막대의 길이를 표현한 그래프
# x 축 범주 변수 , y 축 빈도 ( 각 구동방식 별로 몇개가 있는지 확인 )
ggplot(data = mpg, aes(x = drv)) + geom_bar()
# geom_col() 이 아닌 geom_bar() 를 사용해 막대그래프 작성
# geom_col() 은 데이터 갯수만큼 막대기를 그려준다.
# geom_bar() 는 동일한 데이터가 몇개 있는지 막대그래프를 그려준다.
전송중...
사진 설명을 입력하세요.
# x 축 연속 변수 , y 축 빈도
ggplot(data = mpg, aes(x = hwy)) + geom_bar()
전송중...
사진 설명을 입력하세요.
08-4. 선 그래프 - 시간에 따라 달라지는 데이터 표현하기
• 선 그래프(Line Chart) : 데이터를 선으로 표현한 그래프
• 시계열 그래프(Time Series Chart) : 일정 시간 간격을 두고 나열된 시계열 데이터(Time Series Data)를 선으로 표현한 그래프. 환율, 주가지수 등 경제 지표가 시간에 따라 어떻게 변하는지 표현할 때 활용
시계열 그래프 만들기
ggplot(data = economics, aes(x = date, y = unemploy)) + geom_line()
# x축은 날짜 컬럼, y축은 실업자, 데이터와 데이터 사이는 선으로 연결시키겠다 : geom_line()
전송중...
사진 설명을 입력하세요.
08-5. 상자 그림 - 집단 간 분포 차이 표현하기
• 상자 그림(Box Plot) : 데이터의 분포(퍼져 있는 형태)를 직사각형 상자 모양으로 표현한 그래프
• 분포를 알 수 있기 때문에 평균만 볼 때보다 데이터의 특성을 좀 더 자세히 이해할 수 있음
상자 그림 만들기
ggplot(data = mpg, aes(x = drv, y = hwy)) + geom_boxplot()
전송중...
사진 설명을 입력하세요.
전송중...
사진 설명을 입력하세요.
참고 1.5 IQR: 사분위 범위(Q1~Q3간 거리)의 1.5배
앞에서 다룬 ggplot2 함수들
값 내용
geom_point() 산점도
geom_col() 막대 그래프 - 요약표
geom_bar() 막대 그래프 - 원자료
geom_line() 선 그래프
geom_boxplot() 상자 그림
전송중...
사진 설명을 입력하세요.
정리하기
# 1. 산점도
ggplot(data = mpg, aes(x = displ, y = hwy)) + geom_point()
# 축 설정 추가
ggplot(data = mpg, aes(x = displ, y = hwy)) + geom_point() + xlim(3, 6) + ylim(10, 30)
# 2. 평균 막대 그래프
# 1 단계 . 평균표 만들기
df_mpg <- mpg %>% group_by(drv) %>% summarise(mean_hwy = mean(hwy))
# 2 단계 . 그래프 생성하기 , 크기순 정렬하기
ggplot(data = df_mpg, aes(x = reorder(drv, -mean_hwy), y = mean_hwy)) + geom_col()
# 3. 빈도 막대 그래프
ggplot(data = mpg, aes(x = drv)) + geom_bar()
# 4. 선 그래프
ggplot(data = economics, aes(x = date, y = unemploy)) + geom_line()
# 5. 상자 그림
ggplot(data = mpg, aes(x = drv, y = hwy)) + geom_boxplot()
09-1. ‘한국복지패널데이터’ 분석 준비하기
데이터 분석 준비하기
패키지 준비하기
install.packages(“foreign”) # foreign 패키지 설치
install.packages("readxl") # readxl 패키지 설치
library(foreign) # SPSS 파일 로드
library(dplyr) # 전처리
library(ggplot2) # 시각화
library(readxl) # 엑셀파일 불러오기
데이터 준비하기
# 데이터 불러오기
raw_welfare <- read.spss(file = “Koweps_hpc10_2015_beta1.sav”,
to.data.frame =T)
# 복사본 만들기
welfare <- raw_welfare
# 데이터 검토하기
head(welfare)
tail(welfare)
View(welfare)
str(welfare)
summary(welfare)
dim(welfare) # 16664 행, 957 열
sum(is.na(welfare)) # 9733535
#변수명 바꾸기
welfare <- rename(welfare,
sex = h10_g3, #성별
birth = h10_g4, #태어난 연도
marrige = h10_g10, # 혼인 상태
religion = h10_g11, # 종교
income = p1002_8aq1, # 월급
code_job = h10_eco9, # 직종 코드
code_region = h10_reg7) # 지역 코드
names(welfare)# 변경된 컬럼명 확인
데이터 분석 절차
- 1단계. 변수 검토 및 전처리
è 코드북에 보면 성별은 1과 2로 정렬해야 한다(3이 들어간 경우 이상치 값으로 정제 필요)
- 2단계. 변수 간 관계 분석
09-2. 성별에 따른 월급 차이
- “성별에 따라 월급이 다를까?”
분석 절차
1. 변수 검토 및 전처리
- 성별
- 월급
2. 변수 간 관계 분석
- 성별 월급 평균표 만들기
- 그래프 만들기
성별 변수 검토 및 전처리
1. 변수 검토하기
class(welfare$sex) # numeric 타입 확인
table(welfare$sex) # 1: 7578, 2: 9086 확인(남녀 빈도수)
# 이상치 결측 처리
welfare$sex <- ifelse(welfare$sex == 0, NA, welfare$sex)
# 결측치 확인
table(is.na(welfare$sex)) # False : 16664
#성별 항목 이름 부여
welfare$sex <- ifelse(welfare$sex ==1, "male", "female")
table(welfare$sex)
qplot(welfare$sex) # 간단한 전처리 확인( ggplot2 패키지 내부에 존재 )
전송중...
사진 설명을 입력하세요.
월급 변수 검토 및 전처리
1. 변수 검토하기
class(welfare$income) # 데이터 타입 numeric 값 확인
summary(welfare$income)
전송중...
사진 설명을 입력하세요.
è NA 값 전처리 필요
qplot(welfare$income)
존재하지 않는 이미지입니다.결측값이 있기 때문에 표현이 안 된다.(2400이 없음)
qplot(welfare$incom) + xlim(0, 1000)
전송중...
사진 설명을 입력하세요.
# 이상치 결측 처리
welfare$income <- ifelse(welfare$income %in% c(0, 9999), NA, welfare$income)
--> welfare$income 에 0이 있거나 9999라는 값이 있으면 NA 처리해라 아니면 welfare$income 값을 그대로 넣어라
# 결측치 확인
table(is.na(welfare$income)) # False : 4620, True : 12044
1. 성별 월급 평균표 만들기
sex_income <- welfare %>%
filter(!is.na(income)) %>% # 월급 컬럼값이 na가 아닌애들만 걸러낸다.
group_by(sex) %>% # 그 데이터만 다시 그룹바이 함수에 넘긴다.(남자, 여자로 묶어준다)
summarise(mean_income = mean(income)) # 그룹화된 값들의 평균을 구해서(남녀) 그 결과를 sex_income 에 할당시킨다.
sex_income # female : 163, male : 312 (sex_mean)
전송중...
사진 설명을 입력하세요.
2. 그래프 만들기(ggplot2 패키지)
ggplot(data = sex_income, aes(x=sex, y=mean_income)) + geom_col()
è data는 sex_income 데이터, aes 함수로 x값, y 값 지정, geom_col 로 막대그래프 그리기
전송중...
사진 설명을 입력하세요.
09-2. 성별에 따른 월급 차이
- “몇살 때 월급을 가장 많이 받을까?”
분석 절차
1. 변수 검토 및 전처리
- 나이
- 월급
2. 변수 간 관계 분석
1. 변수 검토하기
class(welfare$birth) # numeric
summary(welfare$birth)
전송중...
사진 설명을 입력하세요.
qplot(welfare$birth)
전송중...
사진 설명을 입력하세요.
# 결측치 확인
table(is.na(welfare$birth)) # False 16664
#이상치 결측 처리
welfare$birth <- ifelse(welfare$birth == 9999, NA, welfare$birth)
table(is.na(welfare$birth)) # False : 16664
2. 파생변수 만들기 – 나이
welfare$age <- 2015 - welfare$birth +1
summary(welfare$age)
전송중...
사진 설명을 입력하세요.
qplot(welfare$age)
전송중...
사진 설명을 입력하세요.
나이와 월급의 관계 분석하기
1. 나이에 따른 월급 평균표 만들기
age_income <- welfare %>%
filter(!is.na(income)) %>% # na 값이 아닌애들만 걸러낸다.
group_by(age) %>% # 걸러낸 내용을 토대로 age 별로 그룹화한다.
summarise(mean_income = mean(income)) # summarise 함수로 income의 평균값을 age_income 변수에 할당
전송중...
사진 설명을 입력하세요.
2. 그래프 만들기
ggplot(data = age_income, aes(x=age, y=mean_income)) + geom_line()
전송중...
사진 설명을 입력하세요.
09-4. 연령대에 따른 월급 차이
-“어떤 연령대의 월급이 가장 많을까?”
분석 절차
1. 변수 검토 및 전처리
- 연령대
- 월급
2. 변수 간 관계 분석
- 연령대별 월급 평균표 만들기
- 그래프 만들기
파생변수 만들기 – 연령대
welfare <- welfare %>%
mutate(ageg = ifelse(age < 30, "young",
ifelse(age <= 59, "middle", "old")))
table(welfare$ageg)
전송중...
사진 설명을 입력하세요.
qplot(welfare$ageg)
전송중...
사진 설명을 입력하세요.
1. 연령대별 월급 평균표 만들기
ageg_income <- welfare %>%
filter(!is.na(income)) %>%
group_by(ageg) %>%
summarise(mean_income = mean(income))
ageg_income
전송중...
사진 설명을 입력하세요.
1. 그래프 만들기
ggplot(data = ageg_income, aes(x=ageg, y=mean_income)) + geom_col()존재하지 않는 이미지입니다.
막대 정렬 : 초년, 중년, 노년 나이 순
ggplot(data = ageg_income, aes(x = ageg, y= mean_income)) + geom_col() +
scale_x_discrete(limits = c("young", "middle", "old"))
전송중...
사진 설명을 입력하세요.
09-5. 연령대 및 성별 월급 차이
-“성별 월급 차이는 연령대별로 다를까?”
분석 절차
1. 변수 검토 및 전처리
- 연령대 (ageg)
- 성별 (sex)
- 월급 (income)
2. 변수 간 관계 분석
- 연령대 및 성별 월급 평균표 만들기
- 그래프 만들기
1. 연령대 및 성별 월급 평균표 만들기
sex_income <- welfare %>%
filter(!is.na(income)) %>% # 필터함수에서 월급을 기준으로 na 값이 아닌 것을 걸러낸다.
group_by(ageg, sex) %>% # 그 결과를 그룹바이로 넘겨서 연령대별로 먼저 그룹을 지어주고(초년 중년 장년), 이후
summarise(mean_income = mean(income)) # 그룹별로, 성별 별로 그룹을 지어준다.
전송중...
사진 설명을 입력하세요.
2. 그래프 만들기(스택 차트 생성)
ggplot(data = sex_income, aes(x = ageg, y=mean_income, fill=sex)) +
geom_col() +
scale_x_discrete(limits = c("young", "middle", "old"))
전송중...
사진 설명을 입력하세요.
ggplot(data = sex_income, aes(x = ageg, y=mean_income, fill=sex)) +
geom_col(position="dodge") + # 동일코드지만 옵션만 추가(스택차트가 아닌 그룹차트 생성)
scale_x_discrete(limits = c("young", "middle", "old"))
전송중...
사진 설명을 입력하세요.
나이 및 성별 월급 차이 분석하기
# 성별 연령별 월급 평균표 만들기
sex_age <- welfare %>%
filter(!is.na(income)) %>%
group_by(age, sex) %>%
summarise(mean_income = mean(income))
전송중...
사진 설명을 입력하세요.
3. 그래프 만들기
ggplot(data = sex_age, aes(x=age, y=mean_income, col=sex)) + geom_line()
전송중...
사진 설명을 입력하세요.
저장할 때 이미지 값 저장해야한다.
'PYTHON' 카테고리의 다른 글
| 20200403 - R, 텍스트 마이닝(형태소 분석, 품사 추출, 빈도표 만들기, 시각화) (0) | 2020.04.03 |
|---|---|
| 20200402 - R (데이터 전처리, 변수 간 관계 분석 - 직업별 월급 차이 ) (0) | 2020.04.02 |
| 20200331 - R - 워드 클라우드(word cloud), 연설문 읽기, 인구이동 (1) | 2020.03.31 |
| 20200330 - R 기초 문법 (연산자, 차트, 패키지, 데이터 기초) (0) | 2020.03.30 |
| 20200327 - 파이썬 머신러닝(얼굴 자동 모자이크, 당뇨병 예측, 분류 평가) (0) | 2020.03.27 |
댓글