[R]_28일차_06.01

본 내용은 '2021년 혁신성장 청년인재 집중양성 사업'의 ‘인공지능 개발자 양성 과정’ 강좌를 수강하면서 강의 및 강의노트를 참고하여 작성한 내용입니다.

---

공공데이터 포털

Kaggle: Your Machine Learning and Data Science Community

R Tutorial

R이란?

• 데이터를 분석하는 데 사용되는 소프트웨어 (범용 분석 툴)
• R의 데이터 타입 : 벡터(변수)

R의 약점

• 파이썬을 점점 더 많이 사용하고 있는 상황
• 웹 프로그래밍이 불가능 ↔ 파이썬 (Flask, Django)
• 딥러닝 (파이썬과 비교되는 상황)
• 발전속도가 정체되고 있는 상황
• 컴파일 과정이 없다 (장점이자 단점)
• 버전의 영향을 많이 받는다 (버전에 따라 프로그램이 동작이 안될 수 있다)
  • 패키지의 의존성 때문에 문제가 발생할 수 있기 때문(ex. 패키지 실행 불가능)

R의 장점

• 무료 (오픈소스)
• 여러 회사에서 사용
• 하둡 안에 R이 내장되어 있다
• 강력한 시각화 기능
• 정말 많은 패키지

R의 활용

• 통계 분석
• 머신러닝 모델링
  • 되긴 되지만 사용하지 않는다 (더 좋은게 있기 때문 ex) 파이썬의 Tensorflow 등등)
• 텍스트 마이닝
• 소셜 네트워크 분석
• 지도 시각화
• 주식 분석
• 이미지 분석
• 사운드 분석
• 웹 애플리케이션 개발
  • 거의 사용하지 않는다 (파이썬의 Flask, Django가 있기 때문)
  • Flask, Django에서는 MVC 패턴 구현 가능

파이썬 - R

• 파이썬 : 인터프리터 언어
• R : 인터프리터 언어

인터프리터 방식 vs 컴파일러 방식 비교

02-1 R과 R 스튜디오 설치하기

※ 설치 순서

• R GUI를 먼저 깔고 → R Studio를 설치해야 한다

R설치 방법

• R 3.6.2 버전 설치 (mybox-실습SW)
• R Studio에서 소스가 실행되지 않을 때 사용

R Stduio 설치

• (mybox-실습SW)

R Stduio Cloud 연동 (본인은 구글 계정으로 연동)

• 업로드 속도가 느리다
• 지원 메모리 용량 : 1GB

CH02_R 데이터 분석 환경 만들기

4개의 화면

• 콘솔 창 : 명령어 실행
• 소스 창 : 명령어 기록
• 환경 창 : 생성한 데이터를 보여준다
• 파일 창 : 폴더에 있는 파일을 보여준다

R Stduio 주요 단축키

Soft-wrap 자동 줄바꿈 옵션 설정하기

• Tools → Global Options → Soft-wrap R source files 항목 체크

c() 함수 : 변수에 여러 개의 값을 넣는 기능

seq() 함수 : 변수에 여러 개의 값을 넣는 기능 (괄호 안에 시작 숫자와 마지막 숫자를 쉼표로 구분)

by 파라미터 : 일정한 간격을 두고 연속된 숫자로 된 변수 생성 가능

숫자를 다루는 함수

• mean()
• max()
• min()

문자를 다루는 함수

• paste() : 여러 문자를 합쳐 하나로 만드는 함수
  • collapse(옵션) = "," : 문자들을 쉼표로 구분

함수란? : 특정한 기능을 가지고 있는 상자

패키지란 ? : 함수 꾸러미

패키지 설치하기 (ggplot2)

• install.packages() (패키지 이름의 앞뒤에 반드시 따옴표 입력!)

Help 함수

• ?함수명 : 함수의 메뉴얼이 나타난다

class() 함수

typeof() 함수

• 식별자의 자료형을 알려준다

ls() 함수

• 현재 지정된 변수 목록 반환

mode, class, typeof 함수의 차이

실습 예제

# ggplot2
install.packages("ggplot2")

# ggplot2 패키지 로드
library(ggplot2)

x <- c("a", "a", "b", "c")
x
# 빈도 막대 그래프 출력
qplot(x)

test <- c(80, 60, 70, 50, 90)
test

mean(test)

test2 <- mean(test)
test2

CH04_데이터 프레임의 세계로!

---

데이터 프레임이란?

• 행과 열로 구성된 사각형 모양의 표 형태

열 == 속성, 컬럼, 변수(벡터)!

행 == 정보, Case !!

한 명에 대한 데이터는 가로 한 줄에 나열된다

데이터가 크다 = 행이 많다 or 열이 많다

데이터가 크다

• 행이 많다 → 컴퓨터가 느려진다 → 고사양 장비의 구축 필요 (데이터의 양)
• 열이 많다 → 분석 방법의 한계 → 고급 분석 방법이 필요 (데이터의 다양성)

빅데이터는 중요한가?

• 데이터가 아무리 많더라도 다양한 변수를 담고 있지 않으면 변수들 간의 관련성을 분석할 수 없기 때문에 의미 있는 정보를 찾아낼 수 없다
• → '빅' 데이터가 아니라 '다양한; 데이터가 중요
• → 즉, 행 보다는 열이 중요!

데이터 프레임 만들기

엑셀 파일 불러오기

• readxl 패키지 설치하기
• read_excel("aaa.xlsx") 함수 사용

install.package("readxl")
library(readxl)

# 현재 폴더에 있는 엑셀 파일
x <- read_excel("aaa.xlsx")

# 다른 폴더에 있는 엑셀 파일
x <- read_excel("d:/aa/bb/cc.xlsx")

mean(x$english)

엑셀 파일 첫 번째 행이 변수명이 아니라면?

• col_names = F 옵션 사용! (열 이름을 가져올 것인가? → False)
• → 첫 번째 행을 변수명이 아닌 데이터로 인식해 불러오고, 변수명은 '...숫자'로 자동 지정된다

엑셀 파일에 시트가 여러 개 있다면?

• sheet = xx 옵션 사용!

CSV 파일 불러오기

• CSV 파일이란?
  • Comma-Seperated Values : 쉼표로 구분되어 있는 형태
• read.csv() 내장 함수 사용

CSV 파일 첫 번째 행이 변수명이 아니라면?

• header = F 옵션 사용!
• → 첫 번째 행을 변수명이 아닌 데이터로 인식해 불러오고, 변수명은 '...숫자'로 자동 지정된다

문자가 들어 있는 파일을 불러올 때

• stringAsFactors = F 옵션 사용!

데이터 프레임을 CSV 파일로 저장하기

데이터 프레임 만들기

CSV 파일로 저장하기

RDS 파일 활용하기

• RDS 파일이란?
  • R 전용 데이터 파일
  • 다른 파일들에 비해 R에서 읽고 쓰는 속도가 빠르고 용량이 작다는 장점

정리

var1 <- c(1, 2, 3, 4, 5)
var2 <- c(3, 4, 5, 6, 7)
print(var1 + var2)  # 4, 6, 8, 10, 12

# 변수 만들기, 데이터 프레임 만들기
english <- c(90, 80, 60, 70) # 영어 점수 변수 생성
math <- c(50, 60, 100, 20) # 수학 점수 변수 생성

data.frame(english, math) # 데이터 프레임 생성

# 외부 데이터 이용하기

# 엑셀 파일
library(readxl) # 패키지 로드
df_exam <- read_excel("excel_exam.xlsx") # 파일 불러오기

# CSV 파일
df_csv_exam <- read.csv("csv_exam.csv") # 파일 불러오기
write.csv(df_midterm, file="df_midtern.csv") # 파일 저장하기

# RDA 파일
load("df_midterm.rda") #  파일 불러오기
save(df_midterm, file="df_midterm.rda")  # 파일 저장하기

CH05_데이터 분석 기초! (데이터 파악, 다루기 쉽게 수정)

---

데이터를 파악할 때 사용하는 함수

• head()
• tail()
• View() : 뷰어 창에서 데이터 확인 (첫 글자가 대문자)
• dim() : 데이터 차원 출력
  • 데이터가 몇 행, 몇 열로 구성되어 있는지 확인
• str() : 데이터 속성 출력
• summary() : 요약 통계량 출력

summary() 요약 통계량 의미

변수명 바꾸기

• dplyr 패키지 : 데이터를 원하는 형태로 가공할 때 사용하는 패키지
• rename() 함수

파생변수 만들기

• 파생 변수란?
  • 기존의 변수를 변형해 만든 변수

변수 조합해 파생변수 만들기

mpg 통합 연비 변수 만들기

조건문을 활용해 파생변수 만들기

중첩 조건문 활용하기

정리

# 데이터 준비, 패키지 준비
mpg <- as.data.frame(ggplot2::mpg) # 데이터 불러오기
library(dplyr) # dplyr 패키지 로드
library(ggplot2) # ggplot2 패키지 로드

# 데이터 파악
head(mpg)
tail(mpg)
View(mpg) #  Raw 데이터 뷰어 창에서 확인
dim(mpg) #  차원
str(mpg) #  속성
summary(mpg) # 요약 통계량

# 변수명 수정
mpg <- rename(mpg, company=manufacturer)

# 파생변수 생성
mpg$total <- (mpg$cty + mpg$hwy) / 2    #  변수 조합
mpg$test <- ifelse(mpg$total >= 20, "pass", "fail")   #  조건문 활용

# 빈도 확인
table(mpg$test) # 빈도표 출력
qplot(mpg$test) # 막대 그래프 생성

CH06_자유자재로 데이터 가공하기

---

1. 데이터 전처리 - 원하는 형태로 데이터 가공하기
2. 조건에 맞는 데이터만 추출하기
3. 필요한 변수만 추출하기
4. 순서대로 정렬하기
5. 파생변수 추가하기
6. 집단별로 요약하기
7. 데이터 합치기

dplyr 패키지의 함수

06-2_조건에 맞는 데이터만 추출하기

%>% 기호

• 연결하는 기호

# exam을 출력하되 

exam %>% filter(class = 2) # 2반인 경우만 추출

exam %>% select(math) # math 추출

exam %>% filter(class == 1) %>% select(english) # class가 1인 행만 추출한 다음 english 추출

조건에 맞는 데이터만 추출하기

초과, 미만, 이상, 이하 조건 걸기

여러 조건을 충족하는 행 추출하기

여러 조건 중 하나 이상 충족하는 행 추출하기

목록에 해당하는 행 추출하기

연산자 종류

06-3_필요한 변수만 추출하기

• 변수 추출하기
• dplyr 함수 조합하기

06-4_순서대로 정렬하기

• 오름차순으로 정렬하기
  • arrange()
• 내림차순으로 정렬하기
  • arrange(desc(xxxx))

06-5_파생변수 추가하기

• 파생변수 추가하기
  • mutate()

etc

---

코딩테스트 준비 (강의 교안-이것이 취업을 위한 코딩 테스트다 with 파이썬 강의교안 참고)

"돈에 물드는 순간 순수성은 사라진다" (ex. 마크 주커버그)

설치 후 사용하는 시대가 점점 저물고 있다 (점점 클라우드 형태로 사용하는 형태)

Reference

---

[파이썬 코딩] 컴파일러와 인터프리터의 차이점

모두의 R 데이터 분석: 10 주요 단축키

[R코딩] mode,class,typeof 함수의 차이

R 연산자