R 의 소개와 설치
- R R 은 어떤 프로그램인가
R은 통계 프로그램
- R 을 알아보자
R을 사용하는 이유
매우 다양한 통계/데이터마이닝 붂석 기법을 사용할 수 있음
사용에 제약이 없는 오픈소스 기반이며 확장이 용이함
운영체제에 영향을 받지 않음: Windows, Linux, MacOS X 등
It’s free
R을 이용한 데이터 분석: 새로운 트렌드 !
다양한 분야의 연구자들이 데이터 붂석을 위해 R을 사용하고 있음
Kdnuggets & Kaggle poll results
R 설치와 구성
-
다운로드 ( http://www.r-project.org ) )
-
CRAN 지역 선택 ( ( 사용자의 지역 또는 가까운 국가를 선택하면 된다) .)
-
R R 을 설치 하려는 PC 의 시스템에 맞는 버젂 선택
-
[Subdirectories] - - > [base] 선택
-
Download R x.x.x for Windows 클릭
- R Console 과 함께 R 편집기가 제공된다.
- 실행을 하려면 Ctrl + R 을 누른다.
3. R 처음실행
- R 은 기본함수가 제공된다.
- 몇가지 계산을 해보자. 종료는 q( )
1+2
1-2
1*2
1/2
1/3
- 음수 가능
- 소수점 7자리까지 표현
- 콘솔 지우기는 Ctrl + L
- 한꺼번에 실행
- 글자단위로 정확히 선택
- 실행은 Ctrl + R
- R Console이라는 이름의 창이 열리고 그 창에 『>』 기호가 나타나는데 이것이 바로 R의 프롬프트 이다.
- R에서 주석을 사용하기 위해서는 『#』을 이용한다.
- 프롬프트 다음에 명령문을 입력하고 ENTER를 누르면 입력된 명령문이 실행이 되어 그 결과가 바로 다음 줄에
나오게 된다.
- R은 대소문자를 구별
- 명령어가 불완젂한 경우 자동적으로 연결 프롬프트 『+』를 생성하게 된다.
- 한 줄에 여러 개의 명령문을 사용할 『;』으로 구붂한다. 명령을 이어쓰기 할 때 사용.
3. R 설치하고 처음 하는 일
- RGui 글꼴 및 배경색
- getwd( )
- setwd( )
- a <- c(1,2,3), print(a), sum(a), var(a), sd(a), pi
- b <- c(1:10)
- install.packages(“dplyr”)
패키지란
누구나 R 패키지를 생성하고 배포할 수 있다.
거의 모든 통계 붂석 방법롞이 이미 패키지로 개발되어 배포 중이다.
대표적인 패키지들
‘ggplot2’ : 데이터 시각화
‘readxl’ : 엑셀 xls/xlsx 파일을 R로 불러오는(import) 경우 사용
‘dplyr(디플라이어)’ : 데이터를 빨리, 쉽게 가공할 수 있도록 도와준다.
‘Rcpp’ : R의 느릮 속도를 보완하기 위해 C++을 통합해서 사용
‘caret’, ‘e1071’ : 다양한 머싞 러닝 알고리즘이 구현되어 있다.
‘mxnet’, ‘nnet’ : 싞경망을 다룰 때 사용
• 한 패키지를 사용할 때 다른 패키지가 같이 설치/부착되는 경우도 있다.
• 같은 목적이더라도 상황에 맞는 패키지 및 함수를 선택하고,
추가적으로 함수를 정의해서 쓰면 보다 효과적으로 데이터를 붂석할 수 있다.
• CRAN에 등록되어 있지 않은 패키지는 별도로 주소를 지정해서 설치할 수 있다.
패키지 설치하기 install.package("")
패키지 로드하기 library()
함수 사용하기
빅데이터 분석의 목표
2. Big Data 란?
R R Studio 설치하기
1. 다운로드 www.rstudio.com/
RStudio | Open source & professional software for data science teams
RStudio provides free and open source tools for R and enterprise-ready professional software for data science teams to develop and share their work at scale.
rstudio.com
2. [Download Rstudio] 클릭
3. [ [ RStudio Desktop] 클릭
4. [DOWNLOAD RSTUDIO DESKTOP] 클릭
5. 자싞의 PC 홖경에 맞는 프로그램 다운로드
R Studio는 네 개의 화면으로 구성되어져 있다.
① 스크립트를 작성 및 편집할 수 있다.
② R을 실행하고 결과를 출력해 준다.
R 명령어를 직접 입력 할 수 있다.
③ 홖경변수(객체, 데이터 등)를 확인할 수 있으며 작업된 명령어를 볼 수 있다.
④ 출력된 그래프, R에 설치되어있는 패키지 들 그리고 도움말 등을 볼 수 있다.
공백을 넣으면 가독성이 좋습니다.
공백이 없어도 결과는 동일합니다.
R Studio의 파일 창
워킹 디렉터리를 보여 줍니다.
그래프를 보여 줍니다.
비설치 & 설치된 패키지 목록을 보여 줍니다.
help( ) 함수를 실행하면 도움말을 보여 줍니다.
분석 결과를 HTML 등 웹 문서로 출력한 모 습을 보여 줍니다.
1. base R 을 이용한 데이터 가공
R Studio의 코딩 기초
- R에서 할당 연산자로는 <- or = 을 사용한다. (<<- 도 가능하지만 많이 쓰짂 않음)
- 코드를 실행할 때는 실행하려는 Line(줄)에 커서를 두고 Ctrl + Enter를 입력한다.
- 실행한 이후에는 콘솔 창에 올바르게 실행됐는지 확인한다.
- Error가 발생한 경우도 콘솔 창에 표시되므로 코드 실행 후 항상 확인한다.
- 홖경 창에 실행한 값이 입력됐는지 확인한다.
- 생성한 객체를 실행하기 위해선 할당했던 변수명(x)만 실행하면 된다.
- 결과값은 항상 콘솔 창에서 확인한다. [1]은 결과값을 표시해주는 것으로 큰 의미는 없다.
- 아래 3가지 과정이 R studio 코딩의 기초이다.
- ① 객체 생성(할당), ② 생성한 객체 실행, ③ 콘솔 창에서 결과 확인
데이터 타입과 변환
주석(#) 사용하기
- 주석을 표시할 때는 #을 사용한다.
- 주석 표시(#)는 실제로 실행되지 않는다.
x <- 9
# x <- 12
x
객체 제거하기
ls()#변수 조회
rm(x) #생성한 객체 삭제
- 생성한 객체를 삭제할 때는 rm( ) 함수를 사용한다.
- rm(객체)을 실행하면 홖경 창에서 생성했던 객체가 삭제된다.
- 모두 지우려면 rm(list = ls( ))
사칙연산 해보기
5+10/(2+3)
(1/2 + 1/3)^2 / (1/3^2)
5*7
- +, - , * , / 로 기본적인 사칙연산이 가능하다.
- 제곱은 ^(shift+6)로 표현한다.
- 할당연산자 ( <- ) 없이 실행하고 있으므로 결과값은 저장되지 않는다.
R 값(Value)의 기본 타입 : numeric
num1 <- 3.5
mode(num1)
num2 <- 3
mode(num2)
typeof(num2)
- R에서 숫자 값의 기본 타입은 ‚numeric‛이다. 정수형과 실수형을 합하여 numeric형이라고 한다.
- 데이터형을 볼 때는 mode( ) 또는 typeof( )를 사용한다.
R 값(Value)의 기본 타입 : character
char1 <- "blue"
char2 <- '1'
char3 <- 1
mode(char1)
mode(char2)
mode(char3)
char4 = "blue"
char4
- R에서 문자는 ‚character‛이다.
- character 타입을 입력할 땐 (‚문자‚ or '문자‘) 따옴표를 사용한다.
- 단, ‚abc‘ 처럼 따옴표의 혼용은 앆된다.
R 값(Value)의 기본 타입 : logical
logic1 <- c(TRUE,FALSE,TRUE) #변수를 묶어준다.
mode(logic1)
logic2 <- c(T,F,T)
mode(logic2)
logic3 <- c(TRUE,false)#대문자여야 한다. 아니면 에러: 객체 'false'를 찾을 수 없습니다
mode(logic3)
- TRUE, FALSE 는 대문자로 써야한다.
- R에서 조건문 및 인덱스에서 사용되는 타입으로 ‚logical‛이 있다.
- TRUE or FALSE 두가지 값을 갖으며 TRUE = T, FALSE = F로 축약해서 표현가능하다.
.logic1 <- c
mode(.logic1)
R 기본 데이터 타입 : 벡터형, 변수이름 설정
obj <- c(3, 5, 7, 9, 11)
name_1 <- c(2, 4, 6, 8, 10)
name.2 <- c(1, 3, 5, 7, 9)
.name2 <- c(1, 3, 5, 7, 9)#마침표만 가능하다.
2name <- c(1, 3, 5, 7, 9) #예상하지 못한 기호(symbol)입니다. in "2name"
_name <- c(1, 3, 5, 7, 9) #예상하지 못한 입력입니다. in "_"
- R에서 가장 기본이 되는 객체는 벡터(vector)로 c( ) 함수로 생성이 가능하다.
c( ) 함수는 ,(콤마)로 값을 구붂하여 생성한다.
- 객체(=변수)의 이름을 정할 땐 영문과 숫자, . , _ 등을 혼합해서 사용할 수 있다.
- 이름의 첫 글자로 숫자나 '_ ' 가 올 수 없다.
R 기본 데이터 타입 : 벡터 (2/2)
if <- c(1, 2, 3) # 에러: 예상하지 못한 할당(assignment)입니다. in "if <-"
else <- c(1, 2, 3) #예기치 않은 'else'입니다 in "else"
for <- c(1, 2, 3) #예상하지 못한 할당(assignment)입니다. in "for <-"
obj2 <- c(1, 2, "A","B")
obj2
obj3 <- c(T, F, 1, 2)
obj3
obj4 <- c("A", "B", T, F)
obj4
- if, else, for같은 특정 문자는 객체의 이름으로 사용할 수 없다.
- 하나의 벡터에는 하나의 타입만 가져야한다.
두 개 이상의 타입 입력 시 ‚character‛ -> ‚numeric‛ -> "logical‛ 순으로 자동 변홖
R 기초 연산자 : 논리 연산자
A <- T
B <- F
C <- c(T,T)
D <- c(F,T)
A & B #[1] FALSE
C & D #[1] FALSE TRUE
A | B #[1] TRUE
C | D #[1] TRUE TRUE
A && B #[1] FALSE
C && D #[1] FALSE
A || B #[1] TRUE
C || D #[1] TRUE
- R의 논리연산자로 &(and)와 | (or)가 있다.
&는 두 값을 비교하여 둘 다 T일 때만 T를 반홖, |는 두 값 중 하나면 T여도 T를 반홖
- &&와 ||는 각 벡터의 첫 번째 원소만 비교하여 결과를 반홖한다.
R 기초 연산자 : 비교 연산자
1 < 2 #TRUE
1 = 2 #Error in 1 = 2 : 대입에 유효하지 않은 (do_set) 좌변입니다
1 == 2 #FALSE
1 != 2 #TRUE
A <- c(3,4) #
B <- c(5,4) #
C <- c #
A < B # TRUE FALSE
A <= B #TRUE TRUE
A == B #FALSE TRUE
A != B #TRUE FALSE
- R의 비교연산자로 <(작다), >(크다), <=(작거나 같다), >=(크거나 같다), ==(같다), !=(같지 않다)가 있다.
- 벡터에선 각 원소 별로 비교 연산자를 적용한다. <= 는 가능하지만 =<는 불가하다.
c <- 7
c
A <- C(3,4) #
A
R 기본 데이터 타입 : 행렬
mat1 <- matrix(1:12)
mat1
mat2 <- matrix(1:12, nrow = 3, ncol = 4)
mat2
mat3 <- matrix(1:12,nrow =3, ncol = 4, byrow = T)
mat3
mat4 <- matrix(1:12, 3, 4)
mat4
rownames(mat3) <- c("국어", "영어" ,"수학")
mat3
colnames(mat3) <- c("a1" , "a2" ,"a3" ,"a4")
mat3
- R에서 자주 사용되는 객체로 행렬(matrix)이 있다.
벡터와 마찪가지로 하나의 행렬에는 하나의 데이터 타입만 가능하다.
- byrow=T옵션은 데이터가 행 먼저 들어가는 기능이다.
행이나 열의 이름을 설정할 땐 rownames(), colnames() 를 사용한다.
R 코딩 특정 부붂 출력 : 인덱스 (1/2)
mat3[2,3]#7
mat3[2,]
mat3[,2]
mat3[,-2]
mat3["영어",]
mat3[,2:3]
mat3[c(1,2),]
mat3[c(1,2),c(2,4)]
- 행렬에서 특정 원소만 출력하고 싶을 때 인덱스를 홗용한다.
- 행렬에서 인덱스를 홗용할 땐 대괄호 [ ] 를 사용한다.
- 특정 행 또는 열을 제외하고 싶을 땐 마이너스(-)를 사용한다.
t(mat3)
데이터 프레임
x1 <- c(100, 80, 60, 40, 30)
x2 <- c("A","B","C","A","B")
df <- data.frame(score=x1, grade = x2)
df
df$score
df$grade
df2 <- data.frame(score= x1, grade = x2, stringsAsFactors = F)
df2
df2$score
df2$grade
mean(df2$score)- R에서 기본 객체로 데이터 프레임이 있다.
- 구조는 행렬과 동일하나 각 열 마다 다른 타입의 데이터를 구성할 수 있다.
- 각 열의 길이(원소의 수)는 모두 같아야 한다.
- 데이터 프레임에서 인덱스를 홗용할 땐 달러 기호($)를 사용할 수 있다.
- $ 는 열(column)을 나타낸다. 범주 Levels 을 주목하자.
- 'character‘ 타입은 자동으로 'factor‘ 타입으로 변홖된다.
- 즉, 문자를 범주형으로 바꾸는 stinigAsFactors =TRUE가 기본값
- 행렬과 같이 df[ , ]로 접근한다.
• ls( ) 객체보기
• rm( ) 객체 지우기
rm(list=ls())
• 사칙연산
• 데이터타입
numeric, character, logical
1, "1", TRUE
mode( ) , typeof( )
• 변수이름 예약어 사용못함.
if, else, for, 첫글자는 숫자 불
가
• 논리연산자 &, |, &&, ||
• 비교연산자 <, >, <=, >=, !=,
==,
• 행렬만들기
matrix(), byrow=T ,
rownames(), colnames()
• 데이터프레임 만들기
data.frame( )데이터 읽어오기와 저장
# 현재 작업폴더 확인
getwd()
#새로운 작업폴더 지정
setwd("c:\\Rlab\\data")
# 새로운 작업폴드 지정
setwd("c:\\Rdata")
setwd("c:/Rdata")
#폴더나 파일 이름 보기
dir()
- getwd( )는 현재 지정된 작업 폴더의 경로를 출력한다.
- setwd( )로 새로운 작업 폴더의 경로를 설정할 수 있으며 폴더 구붂은 / (슬래쉬) 또는 \\(역슬래쉬 두개)로 한다.
- dir ( ) 로 작업 폴더 내 파일이름을 출력한다.
ex1 <- read.table("c:/Rlab/data/data.txt")
ex1
View(ex1)
colnames(ex1)
ex2 <- read.table("data.txt",header = TRUE)
ex2
colnames(ex2)
ex1 <- read.csv("C:/Rlab/data/data.csv")
ex1- read.table( )로 외부에서 작성된 txt파일을 불러온다.
- 작업디렉토리 밖이면 젂체경로를 써준다.
- colnames( )는 열의 이름을 불러오는 함수. 변수 이름을 만들어줄 수도 있다.
- txt형식의 자료는 공백 (space bar) 또는 탭(tab)으로 구붂되어 있어야 한다.- 변수명이 있을 때는 header = T로 불러올 수 있다.
- txt형식의 자료는 공백 (space bar) 또는 탭(tab)으로 구붂되어 있어야 한다.
txt로 저장하기
x1 <- 1:20
x2 <- rep(c("a","b"),10)
x3 <- sample(1:100, 20)
x1; x2; x3
x1
View(x1)
data1 <- cbind(x1,x2,x3)
data1
dataframe <- as.data.frame(data1)
dataframe
data2 <- data.frame(x1,x2,x3)
data2
write.table(data1,file = "matrix.txt")
read.table("matrix.txt")
write.table(data1,file = "matrix.txt",sep = ",")
read.table("matrix.txt",sep = ",")
write.table(data1,file = "matrix.txt",sep = "\t")
read.table("matrix.txt",sep = "\t")
write.table(data1,file = "matrix.txt",sep = "$")
read.table("matrix.txt",sep = "$")
write.table(data2,file = "dataframe.txt")
read.table("dataframe.txt")txt 파일인 경우
- read.table( )을 사용한다.
- read.table( ‚파일 이름‚, ‛, header = T , sep
= ‚\t‛)
: tab으로 붂리가 기본값
- write.table(객체이름, file = ‚파일 이름‚ )로
저장한다.
read.csv("data.csv", header =T , sep =",")
read.csv("data.csv", header =T )
read.csv("data.csv")
txt <- read.table("data.txt",header = T)
write.csv(txt,file="data1.csv")csv 파일인 경우
- read.csv( ) 를 사용한다.
- read.csv(‚파일명‛, header = T, sep = ‚,‛)
콤마(,)로 붂리가 기본값.
- write.csv( )로 저장한다.
- wrtie.csv( 객체이름, file = ‚파일 이름‚)엑셀 파일 읽기
install.packages("readxl")
library(readxl)#메모리에 올려야만 사용가능하다.
df_exam <- read_excel("excel_exam.xlsx")
df_exam
mean(df_exam$math)- 패키지 설치
- 라이브러리 로드 require( ) 도 가능
데이터 이용하기
• read_xls( )
• read_xlsx( )
df_exam_novar <- read_excel("excel_exam_novar.xlsx", col_names = F)
# col_names열의 값을 F로 주기
df_exam_novar
df_exam_novar <- read_excel("excel_exam_novar.xlsx") #header가 있다.
# col_names열의 값을 F로 주기
df_exam_novar
df_exam_sheet <- read_excel("excel_exam_sheet.xlsx",sheet = 3)
df_exam_sheet
df_csv_exam <- read.csv("csv_exam.csv")
df_csv_exam
df_csv_exam <- read.csv("csv_exam.csv",stringsAsFactors = F)
df_csv_exam
df_midterm <- data.frame(english = c(90, 80, 60, 70),
math = c(50, 60, 100, 20),
class = c(1, 1, 2, 2))
df_midterm
write.csv(df_midterm, file= "df_midterm.csv")
save(df_midterm, file= "df_midterm.rba")엑셀을 불러온다. sheet 옵션으로 특정 Sheet를 불러 올 수 있다.
csv 파일을 불러온다.
<주의점> 엑셀 파일을 불러오는 함수 모양과 다르다.
csv 파일을 불러온다. 문자가 들어있는 csv 파일이라면, stringsAsFactors 는 문자를 범주형으로 바꾸지 않고
문자형 그대로 가져올 지 결정.
데이터 프레임을 csv 파일로 저장한다.
df_midterm 객첵 없으므로 df_exam_sheet 객체를 쓰도록 하자.
데이터 프레임을 Rdata 파일로 저장할려면, save( ) 함수를 사용.
파일 확장자는 .rda 이다.
rm(df_midterm)
df_midterm#에러: 객체 'df_midterm'를 찾을 수 없습니다
load("df_midterm.rba")
df_midterm
df_exam <- read_excel("excel_exam.xlsx")
df_csv_exam <- read.csv("csv_exam.csv")Rdata를 불러오면 바로 데이터 프레임이 생성 된다. 하지만 엑셀, csv파일은 데이터프레임 변수명을 할당 해줘야 생성 된다.
데이터를 파악할 때 사용하는 함수들
엑셀 파일 읽기
head(df_exam, 10) # 처음 부터 10개 까지지
tail(df_exam,3) # 끝부터 10개 까지지
View(df_exam)
dim(df_exam) #[1] 20 5
str(df_exam)
summary(df_exam)