데이터 가공

데이터 전처리

분석에 적합하게 데이터를 가공하는 작업 - dplyr 활용

조건에 맞는 데이터만 출력 - filter()

1. class가 1인 데이터만 출력

    exam %>% filter(class == 1)
      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
   

   • dplyr 패키지는 %>% 기호를 이용하 함수들을 나열하는 방식으로 코드 작성
   • class == 1 : class 변수의 값이 1인 행
   • 함수의 파라미터 지정할 때는 등호를 한 번 쓰고, 같다를 의미할 때는 두 번쓴다
2. class가 1이 아닌 데이터 출력

    exam %>% filter(class != 1)
   

3. 부등호를 이용해 초과, 미만, 이상, 이하 조건을 걸 수 있다.
4. and : &

5. or :

6. %in% : 변수의 값이 지정한 조건 목록에 해당하는지 확인
   • 1, 3, 5반에 해당하면 추출

      exam %>% filter(class %in% c(1,3,5))
      exam %>% filter(class == 1 | class == 3 | class == 5)
     

   • 두 결과는 같다
7. 추출한 데이터도 <- 기호를 이용해 변수에 저장할 수 있다

필요한 변수만 추출

• math추출

    exam %>% select(math)
  

• 여러변수 추출

    exam %>% select(class,math,english)
  

• 변수 제외

    exam %>% select(-math,-english)
  

• filter()와 select() 조합하기

    # class가 1인 행만 추출하여 english호출
    exam %>%
     filter(class==1) %>%
     select(english)    
  

• 일부만 출력 : head() 조합

    exam %>%
     select(id, math) %>%
     head
  

  정렬

• 오름차순 정렬

    exam %>% arrange(math) #math 오름차순 정렬
  

• 내림차순 정렬

    exam %>% arrange(desc(math)) #math 내림차순 정렬
  

• 여러 변수기준 정렬

    exam %>% arrange(class, math)
  

  • class 오름차순 정렬 후, class 안에서 math 오름차순 정렬

파생변수 추가

• 총합 변수 만들어서 추가

    exam %>%
     mutate(total = math + english + science ) %>%
     head
  
      id class math english science total
    1  1     1   50      98      50   198
    2  2     1   60      97      60   217
    3  3     1   45      86      78   209
    4  4     1   30      98      58   186
    5  5     2   25      80      65   170
    6  6     2   50      89      98   237
  

• 여러 파생변수 한 번에 추가

    exam %>%
     mutate(total = math + english + science,
            mean = (math + english + science)/3) %>%
     head
  

집단별로 요약

• summarise()

    exam %>% summarise(mean_math = mean(math))
  
      mean_math
    1     57.45
  

• 집단별로 요약 - group_by()

    exam %>%
     group_by(class) %>%
     summarise(mean_math = mean(math))
  
    # A tibble: 5 x 2
      class mean_math
      <int>     <dbl>
    1     1      46.2
    2     2      61.2
    3     3      45  
    4     4      56.8
    5     5      78
  

데이터 합치기

• left join : 가로로 합치기

    test1
    id midterm
    1  1      60
    2  2      80
    3  3      70
    4  4      90
    5  5      85
  
    id final
    1  1    70
    2  2    83
    3  3    65
    4  4    95
    5  5    80
  

  • id를 기준으로 합쳐 total에 할당

      total <- left_join(test1, test2, by = "id")
      total
    
    id midterm final
      1  1      60    70
      2  2      80    83
      3  3      70    65
      4  4      90    95
      5  5      85    80
    

• bind_rows() : 세로로 합치기

    group_a
      id test
    1  1   60
    2  2   80
    3  3   70
    4  4   90
    5  5   85
  
    group_b
      id test
    1  6   70
    2  7   83
    3  8   65
    4  9   95
    5 10   80
  

  • 데이터 합쳐서 group_all에 할당

      group_all <- bind_rows(group_a, group_b)
      group_all
    
     id test
      1   1   60
      2   2   80
      3   3   70
      4   4   90
      5   5   85
      6   6   70
      7   7   83
      8   8   65
      9   9   95
      10 10   80