시작하기에 앞서
코로나가 나라를 뒤덮고 있는 바람에 멀티캠퍼스 수업이 2주간 휴강을 하게 되었다. 그래서 그전에 배우던 Hadoop의 수업이 뒤로 밀리게 되어버렸고.. 갑작스럽게 R을 시작하게 되었다. 선생님도 새로운 분이 오셨는데 개인적으로 전의 선생님도 좋았지만 지금이 최고가 될 것 같은 느낌..? 소마도 지원해보고.. CGV 인턴도 지원하고 살짝 마음이 붕뜨고 있는데 잘 잡아보며 나아갈수 있도록 해야겠다.
R
-
R은 통계계산을 위해서 만들어지 프로그래밍 언어이면서 소프트웨어
어떻게 하면 통계적 지식이 별로 없이 데이터 분석을 잘 할 수 있을까? *통계가 아예 필요없는건 아니다.
R로 무엇을 할 수 있을까?
- 통계분석 : 기초 통계, 가설검정
- 머신러닝
- 텍스트 마이닝
- 그외 등등..
여기서 적혀있는 것들을 한번 더 찾아서 공부해보자!
그렇다면 데이터 분석을 하기 위해서 R이 최선일까??
-> NO! SAS ,SPSS라는 것들도 있음 하지만 유로툴이고 통계 전문가들이 사용할 때 편의 일반인들이 사용하기 난이도가 너무 높다.Excel 도 있다. 기본적인 통계기능을 포함한다.
그래서 일반적으로 R을 많이 사용한다. 무료고 유료툴에 버금가는 기능! + 코드 베이스(재연성을 보장한다.)
재연성이란? => 코드를 써놓으면 고대로~ 나오는 것. printf("Hello Wolrd!") => Hello World! 출력
이제 R을 시작해보자!
설치
설정
R Studio 의 들어가서 Tools- Global Setting 을 해보자.
Code 의 Soft-wrap 체크 , Saving에서 문자를 UTF-8 로 변경
R의 기본
-
주석과 변수 선언
# R의 주석은 #을 이용한다.
# Ctrl + Shift + C 여러줄 주석
# 한 라인에 하나의 statement만 존재한다면 ; 생략가능!
# 작성된 코드를 실행하려면 ctrl + enter
# case-sensitive(대소문자를 구별합니다.)
# camel-case notaion 을 사용하자.
# 변수 선언과 사칙연산
# weak type 언어라 => 변수 선언시 type을 명시하지 않는다.
a = 100 #이것도 가능하지만
a <- 300 #R에서는 이게 기본이다.
200 -> a #이것도 가능..# data type(자료형) , data structure(자료구조)
# vector : 1차원, 같은 데이터 타입만 사용할 수 있음.
# vecotr 중에 원소가 1개만 있는 vector => scalar
myvar <- 300 #vector 이면서 scalar 지만 scalar 라고 부르자.
result = myvar - 200;
result
#[1] 100 이라는 값이 나온다.
# R은 index 가 0이 아니라 1부터 시작한다.
#print라는 함수로는 하나의 값만이 출력가능하다.
print(result)
#두개 이상의 값 출력에는 cat을 사용하자! (linux?)
cat(result,myvar)
#경로안의 파일에 가서 값을 입력하고 싶을때. 기존의 내용에다가 덮어씀..
cat("결과값은 : ", result, myvar, file="C:/R_workspace/R_lecture/test.txt")
#그렇다면 추가하고싶다면? append =TRUE 를 붙여보자. append =T 도 가능.
cat("결과값은 : ", result, myvar, file="C:/R_workspace/R_lecture/test.txt",append=TRUE)
# 기본적인 연산자는 다른 언어와 상당히 유사
var1 <- 100
var2 <- 3
result <- var1 / var2
result # 33.33333 (총 7개의 digits로 표현 - default 가 7개 로 정해져있는 것이다.)
options(digits = 5) # 옵션 변경또한 가능.
result # 33.333
# c와 java 처리 format 을 이용한 출력도 가능
sprintf("%.8f", result)
result = var1 %/% var2 # 몫을 구할때 사용
result # 33
result = var1 %% var2 # 나머지를 구할때 사용
result # 1#비교 연산 => 다른 언어와 같습니다
var1 = 100
var2 = 200
var1 == var2
var1 != var2
# 논리 연산 => 약간의 주의 필요
# &, && => 의미는 같다.
# |, || => 의미는 같다.
#하나짜리와 두개짜라는 vector 인지 scalar 인지에 따라서 동작이 달라집니다.
#combine 함수를 이용해서 vector 를 생성 = > c()
c(TRUE,FALSE) & c(TRUE,FALSE) # &이면 앞에 것 한번 뒤에것 한번 즉 벡터화 연산을 수행한다.
#&&를 이용하면 맨 처음에 있는 요소를 가지고 연산
c(TRUE,FALSE) && c(TRUE,FALSE)R의 데이터 타입
# R의 데이터 타입
# 1. numberic(수치형) : 정수와 실수를 구분하지 않음.
# 100, 100.3 (둘다 실수) 10L(정수)
# 2. character(문자형) : 하나의 문자, 문자열 둘 다 문자열로 간주되고 '', "" 둘다 혼용해서 사용이 가능하다!
# 3. logical(논리형) : TRUE(T) FALSE(F)
# 4. complex(복소수형) : 4 - 3i
# 특수데이터 타입
# 1. NULL : 가르키는 객체가 없다. (java와 유사)
# 2. NA(Not Available) : 유효하지 않다. 일반적으로 결측치(ex: 센서에서 값을 가져오다가 날아가는경우)를 표현할때 사용(missing value)
# 3. NAN(Not A Number) : 수치 값이지만 숫자로 표현이 안되는 값
sqrt(-9) # NaN
# 4 . Inf(Infinite) : 양의 무한대
3 / 0 # Inf# R에서 제공하는 기본적인 함수 2개
# mode() 해당 데이터의 타입을 알려줌
var1 <- 200
mode(var1) # "numeric"
# is 계열의 함수
is.numeric(var1) #TRUE#데이터 타입 입력 우선순위
#character > complex > numberic > logical
#기본적으로 사용되는 자료구조가 vector
myvar = c(10,20,30,40)
myvar
myvar = c(10,20,30,FALSE)
myvar
myvar = c(10,"뿡",30,FALSE)
myvar
#as 계열의 함수를 이용한 casting(형변환)
myvar = "100"
as.numeric(myvar)R Package
# R package
# R의 package는 처리할 Data + 기능(함수, 알고리즘)
# R의 package 시스템은
# 1. base System (기본적으로 R설치시 따라오는것)
# - base package (리얼 기본)
# - recommended package (자주 사용하는 애들)
# 2. other package(그 외의 모든것.) 로 구성된다.
# 간단하게 package를 하나 설치해 보아요!
install.packages("ggplot2")
# package 삭제하려면
# remove.packages("ggplot2")
# 어디에 설치 되었는지 확인해 보자
.libPaths()
# 경로를 바꾸려면?
.libPaths("C:/myLib")
#이렇게 package를 설치한 후 사용을 하기이해서는
# 메모리에 loading 을 해야해요!
library(ggplot2)
require(ggplot2)
myvar = c("남자","여자","여자","여자","여자","남자")
qplot(myvar)
# 평균
help(mean)
# help()를 이용해도 좋으나 RDcoumentation.org 사이트를 이용하는게 더 좋아보인다!R의 자료구조
## 자료구조
## 자료형은 저장된 데이터의 타입을 지칭
## 자료구조는 데이터가 메모리에 어떤 방식으로 저장되어 있는가
## homogeneous (동질의 = 같은 종류의) 데이터 종류가 같은 애들의 집합
# - 1. vector : 1 차원 선형구조, 순서개념이 존재.
# 같은 종류의 데이터 타입을 이용
# - 2. metrix : 2 차원 구조. 인덱스를 사용할 수 있음.
# 같은 종류의 데이터 타입을 이용.
# - 3. array : 3 차원 이상의 구조. 인덱스를 사용할 수 있음.
# 같은 종류의 데이터 타입을 이용.
## heterogeneous(다른 종류의) 데이터 종류가 다른 집합
# - 1. list : 1 차원 선형구조, 순서개념이 존재.
# 실제 저장되는 구조는 map구조
# - 2. data frame : 2차원 테이블 구조 Vector
# vector : 1차원 선형자료구조. 순서의 개념이 있다.
# index를 이용하여 vector 를 사용 할 수 있다.
# index의 시작은 1.
# []를 이용하여 각 요소를 access 할 수 있다.
# 요소가 1개짜리 vector => scalar
myvar = c(100)
# vector 를 만드는 방법
# 1. combine() 함수를 이용하기 => c()
# vector를 만드는 가장 대표적인 방법이다.
# 2개 이상의 vector 를 하나의 vector로 만들때도 사용할 수 있다!
myVar1 = c(10,20,30)
myVar2 = c(3.14,10,100)
myVar1
myVar2 #3.14 10.00 100.00 형태를 같게 만들어준다
result <- c(myVar1,myVar2) #합치기!
# 2. ":" 을 이용해서 만들수 있다!
# 수치형 데이터에만 사용할 수 있고
# 단조증가,단조감소 형태의 vector를 생성
myVar = 1:10
myVar # 1 2 3 4 5 6 7 8 9 10
myVar = 8.7 : 2
myVar # 8.7 7.7 6.7 5.7 4.7 3.7 2.7
# 3. 2번의 일반형
myVar = seq(1,10,2)
myVar # 1 3 5 7 9
myVar = seq(from = 10, to = 3, by = -3); #가능하면 이렇게 사용
myVar # 10 7 4
# 4. 반복적인 값을 이용해서 vector 생성
# rep()
myVar = rep(1:3, times =3)
myVar # 1 2 3 1 2 3 1 2 3
myVar = rep(1:3, each=3)
myVar # 1 1 1 2 2 2 3 3 3
# 많이 사용하는 함수중 하나가 vector안의 요소 개수를
# 알아 내는 함수
length(myVar)
# vector 요소의 사용(indexing 방식)
myVar = c(3.14, 100, "Hello", TRUE, 300)
myVar
# *****
myVar[1] # 첫번째 요소
myVar[length(myVar)] # 마지막 요소를 access
result = myVar[2:4] # 2~4 번째 요소를 가져오자
# slicing
result # "100" "Hello" "TRUE"
result = myVar[c(2,3,5)] # 2,3,5 번째 요소를 가져오자
# fancy indexing
result # "100" "Hello" "300"
myVar[-1] # 1번빼고 나머지!
myVar[-(3:4)] # 3 ~ 4 번째 빼고 나머지
myVar[-c(1,4,5)] # 1,4,5 번째 뺴고 나머지!
### Vector 데이터에 이름을 붙여보자
myVar = c(10,20,30,40,50)
names(myVar) # NULL 이름을 아직 정해주지 않았다.
names(myVar) = c("a","b","c","d","e")
names(myVar) # "a" "b" "c" "d" "e"
myVar
# a b c d e
# 10 20 30 40 50
myVar[1] # a 10
myVar["a"] # a 10
###################################
# vector : 연산
myVar1 = 1:3 # 1 2 3
myVar2 = 4:6 # 4 5 6
result = myVar1 + myVar2
result # 5 7 9
myVar3 = 1:6 # 1 2 3 4 5 6
result = myVar1 + myVar3 #(rectcle rule)
#1 2 3 1 2 3 1 2 3 4 5 6
result#2 4 6 5 7 9
# vector에 대한 집합연산(합집합, 교집합, 차집합)
var1 = 1:5 # 1 2 3 4 5
var2 = 3:7 # 3 4 5 6 7
union(var1,var2) # 합집합: 1 2 3 4 5 6 7
intersect(var1,var2) # 교집합: 3 4 5
setdiff(var1,var2) # 차집합: 1 2