[R]_31일차_06.04

토요일 일정

• 졸업작품 최종 발표

결측치 제거 방법

• filter() 함수
  • 결측치가 있는 행 제거 가능
• na.omit() 함수
  • 결측치가 있는 행 한번에 제거

결측치 제외하기

• na.rm 옵션
  • na.rm = T (결측치 제외하고 함수 적용)

결측치 확인

• table() 함수
  • 빈도표 생성

boxplot 통계치 출력하기 (176p)

boxplot(mpg$hwy)$stats # boxplot 통계치 출력

결측 처리하기

# 12~37 벗어나면 NA 할당
mpg$hwy <- ifelse(mpg$hwy < 12 | mpg$hwy > 37, NA, mpg$hwy)
table(is.na(mpg$hwy))

간단한 분석

mpg %>%
    group_by(drv) %>%
    summarise(mean_hwy = mean(hwy, na.rm = T)

요약

# 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) 

# 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)

# boxplot으로 극단치 기준 찾기
boxplot(mpg$hwy)$stats

# 극단치 결측 처리
mpg$hwy <- ifelse(mpg$hwy < 12 | mpg$hwy > 37, NA, mpg$hwy)

DB와 연결하기

---

JDBC 사용

• 문법은 R 문법 사용

※ SELECT만 가능 (INSERT, DELETE, UPDATE 불가능)

mySQL

###   DB 연결하기 (mySQL)(RJDBC)
install.packages("rJava")
install.packages("RJDBC")

library(rJava)
library(RJDBC)

# 데이터베이스 연결 설정
jdbcDriver <- JDBC(driverClass="com.mysql.jdbc.Driver"
                   , classPath="C://Database/mySQL/mysql-connector-java-5.1.46.jar")

conn <- dbConnect(jdbcDriver, 
                  "jdbc:mysql://localhost:3306/jspbookdb", "root", "1234")

# sql을 사용해서 r로 데이터 가져오기
r <- dbGetQuery(conn, "SELECT * FROM member")
class(r)
str(r)
r

해당 오류 발생시 해결 방법

library(RJDBC)
필요한 패키지를 로딩중입니다: rJava
Error: package or namespace load failed for ‘rJava’:
 .onLoad가 loadNamespace()에서 'rJava'때문에 실패했습니다:
  호출: inDL(x, as.logical(local), as.logical(now), ...)
  에러: 공유된 객체 'C:/Program Files/R/R-3.6.2/library/rJava/libs/x64/rJava.dll'를 로드 할 수 없습니다:
  LoadLibrary failure:  지정된 모듈을 찾을 수 없습니다.

에러: 패키지 ‘rJava’는 로드되어질 수 없습니다
추가정보: 경고메시지(들): 
1: 패키지 ‘RJDBC’는 R 버전 3.6.3에서 작성되었습니다 
2: 패키지 ‘rJava’는 R 버전 3.6.3에서 작성되었습니다

# 해결 방법
# R 콘솔 창에 해당 명령어 입력 
# 경로는 본인이 java를 다운받은 경로(폴더)로 설정할 것!!!!
Sys.setenv(JAVA_HOME="C:/jdk1.8")

Oracle

#r 실행 버젼유의
#64비트에서 실행해야 에러가 적게남
# 첨부된 ojdbc6.jar 파일을 다운로드 받아서 C:\ 아래에 두세요.
install.packages("rJava") # 패키지 설치
install.packages("RJDBC")  

library(rJava) # 패키지 불러오기
library(RJDBC)  

#데이터베이스 연결 설정
jdbcDriver <- JDBC(driverClass="oracle.jdbc.OracleDriver"
                   , classPath="C://Database/oracle_db/ojdbc6.jar") # jar 파일의 경로

conn <- dbConnect(jdbcDriver, # 본인 oracleDB 계정 id, pw 입력
                  "jdbc:oracle:thin:@localhost:1521/xe", "scott", "tiger")

#sql을 사용해서 r로 데이터 가져오기
r <- dbGetQuery(conn, "SELECT * FROM scott.emp") 
class(r)
str(r)
r
########################################################
#거의 모든 sql문이 가능
sql <- "select deptno, count(*) as cnt   
       from scott.emp   group by deptno
        order by deptno   "
r <- dbGetQuery(conn, sql)
r
########################################################
#job_id별 salary의 합계는?

sql <- "select job, sum(sal) as sum_sal   
       from emp   group by job   
       order by job desc   "
r <- dbGetQuery(conn, sql)   
r 
#########################################################

CH08_그래프 만들기

---

ggplot2 레이어 구조

• 1단계 : 배경 설정(축)
• 2단계 : 그래프 추가(점, 막대, 선)
• 3단계 : 설정 추가(축 범위, 색 표식)

geom_point()

• 산점도를 그리는 함수

산점도 그래프

1. 배경 설정 + 데이터 설정

# x축은 displ, y축은 hwy로 지정해 배경 생성
ggplot(data = mpg, aes(x = displ, y = hwy))

2. 배경에 산점도 추가

# 2. 배경 설정 + 데이터 설정 + 그래프 그리기
ggplot(data = mpg, aes(x = displ, y = hwy)) + geom_point()

3. 축 범위를 조정하는 설정 추가하기

# x축 범위 3-6으로 지정
ggplot(data = mpg, aes(x = displ, y = hwy)) + geom_point() + xlim(3, 6)

# x축 범위 3-6, y축 범위 10-30으로 지정
ggplot(data =mpg, aes(x = displ, y = hwy)) + 
  geom_point() + 
  xlim(3, 6) +
  ylim(10, 30)

막대 그래프

• 집단 간 차이를 표현할 때 주로 사용 (ex. 성별 소득 차이)

mpg 데이터를 이용한 막대 그래프

library(dplyr)

df_mpg <-  mpg %>% 
  group_by(drv) %>% # 구동 방식
  summarise(mean_hwy = mean(hwy)) # 고속도로 연비

df_mpg

ggplot(data = df_mpg, aes(x = drv, y = mean_hwy)) + geom_col()

# 크기 순으로 정렬하기
# 배경 및 데이터 설정, x y축 설정 및 정렬, 산점도 그래프 설정
ggplot(data = df_mpg, 
       aes(x = reorder(drv, -mean_hwy),  # 정렬
           y = mean_hwy)) + 
  geom_col()

빈도 막대 그래프

• 하나의 변수(x축) 만 지정 (y축은 count로 자동 생성)
• 개수로 막대의 길이를 표현한 그래프
• geom_bar() 사용

ggplot(data =  mpg, aes(x = drv)) + geom_bar()

원래의 데이터로 초기화 (ex. mpg 데이터)

mpg <- as.data.frame(ggplot2::mpg)

선 그래프

• 시간에 따라 달라지는 데이터를 표현할 때 주로 사용
• 시계열 데이터 란? (Time Series Data)
  • 일정 시간 간격을 두고 나열된 데이터
• 시계열 그래프 란? (Time Series Chart)
  • 시계열 데이터를 선으로 표현한 그래프

economics 데이터

• 미국의 경제 지표들을 월별로 나타낸 데이터

pce : 수십억 달러의 개인 소비 지출 (personal consumption expenditures)
pop : 총 인구 (total population)
psavert : 개인 저축률 (personal saving rates)
uempmed : 실업 기간 중앙값, 주 단위, (median duration of unemployment, in weeks)
unemploy : 수천 명의 실업자 수 (number of unemployed in thousands)

# 선 그래프
economics
?economics
ggplot(data = economics, 
       aes(x = date, y = unemploy)) + 
  geom_line()

Box plot

• 데이터의 분포 (퍼져있는 형태)를 직사각형 상자 모양으로 표현한 그래프
• 분포를 알 수 있어 데이터의 특성을 더 자세히 이해 가능

drv : 구동 방식
hwy : 고속도로 연비.
ggplot(data = mpg, aes(x = drv, y = hwy)) + geom_boxplot()

8장 정리

# 1.

CSV 파일 DB에 삽입하기

Oracle

• GUI 프로그램 (developer) 에서 테이블 선택 - 우클릭 - Import

mySQL

• cmd 사용 (mybox에서 관련 파일 알아보기!)
• workbench로는 잘 안됨