데이터 분석 기초

데이터 분석 기초

데이터 파악

데이터가 주어졌을 때 가장 먼저 하는 일은 데이터의 전반적인 구조를 파악하는 것

• 데이터 파악 함수

  함수	기능
  head()	데이터 앞부분 출력
  tail()	데이터 뒷부분 출력
  View()	뷰어 창에서 데이터 확인
  dim()	데이터 차원 출력
  str()	데이터 속성 출력
  summary()	요약 통계량 출력

• head()
  • head(프레임명): 앞에서부터 6행까지 출력
  • head(프레임명, 10) : 앞에서부터 10행까지 출력
• tail() : 데이터 뒷부분을 출력 - head와 동일
• View() : 뷰어 창에서 데이터 확인
• dim() : 데이터가 몇 행, 몇 열로 구성되어 있는지 출력
• str() : 속성 확인

    'data.frame':	20 obs. of  5 variables:
    $ id     : int  1 2 3 4 5 6 7 8 9 10 ...
    $ class  : int  1 1 1 1 2 2 2 2 3 3 ...
    $ math   : int  50 60 45 30 25 50 80 90 20 50 ...
    $ english: int  98 97 86 98 80 89 90 78 98 98 ...
    $ science: int  50 60 78 58 65 98 45 25 15 45 ...
  

  • 20개 관측지 (obs, Observation = row)
  • 5개 변수 (variables)
  • 각 행에 변수 이름과 속성이 표시되고, 그 뒤에 변수에 들어있는 값을 몇개 나열
• summary() : 요약 통계량 산출

        id            class        math      
    Min.   : 1.00   Min.   :1   Min.   :20.00  
    1st Qu.: 5.75   1st Qu.:2   1st Qu.:45.75  
    Median :10.50   Median :3   Median :54.00  
    Mean   :10.50   Mean   :3   Mean   :57.45  
    3rd Qu.:15.25   3rd Qu.:4   3rd Qu.:75.75  
    Max.   :20.00   Max.   :5   Max.   :90.00  
        english        science     
    Min.   :56.0   Min.   :12.00  
    1st Qu.:78.0   1st Qu.:45.00  
    Median :86.5   Median :62.50  
    Mean   :84.9   Mean   :59.45  
    3rd Qu.:98.0   3rd Qu.:78.00  
    Max.   :98.0   Max.   :98.00  
  

  출력값	통계량	설명
  Min	최솟값	가장 작은 값
  1st Qu	1사분위수	하위25%지점에 위치하는 값
  Median	중앙값	중앙에 위치하는 값
  Mean	평균	모든 값을 더해 값의 개수로 나눈 값
  3rd Qu	3사분위수	하위75%지점에 위치하는 값
  Max	최댓값	가장 큰값

변수명 바꾸기

데이터의 특징을 파악한 후 분석전에 변수명을 수정하여 데이터를 쉽게 다루게 한다

• dplyr패키지의 rename()
  1. dplyr 패키지 설치/로드

      install.pakages("dplyr")
      lilbrary(dplyr)
     

  2. 데이터 프레임 복사본 만들기
     • 원본을 보유하기 위해 복사본을 만든다
     • 데이터를 변형할 때는 복사본을 만들어 사용하는 것이 좋음

        df_new <- df_raw
       

  3. 변수명 바꾸기

      df_new <- rename(df_new, v2 = var2) # var2를 v2로 수정
     

파생변수 만들기

변수를 조합하거나 함수를 적용해 새 변수를 만들어 분석할 수도 있다

• 파생변수 만들기
  1. 변수 생성

      df <- data.frame(var1 = c(4,3,8),
                      var2 = c(2,6,1))
     

  2. var1과 var2를 더한 파생변수 var_sum 생성

      df$var_sum <- df$var1 + df$var2
      df
     
        var1 var2 var_sum
      1    4    2       6
      2    3    6       9
      3    8    1       9
     

• 조건문으로 파생변수 만들기
  1. 기준값 정하기
     • 평균값, 중앙값 확인 > summary()활용
     • 값의 빈도를 막대그래프로 표현 : 히스토그램 > hist()
     • 요약 통계량과 히스토그램을 통해 조건을 줄 기준값을 정한다
  2. 합격 판정 변수 만들기
     • 조건문 함수 사용
     • ifelse(조건, true일때, false일때)

        mpg$test <- ifelse(mpg$total >= 20, "pass", "fail")
        head(mpg)
       
       manufacturer model displ year cyl      trans drv cty hwy fl   class total test
        1         audi    a4   1.8 1999   4   auto(l5)   f  18  29  p compact  23.5 pass
        2         audi    a4   1.8 1999   4 manual(m5)   f  21  29  p compact  25.0 pass
        3         audi    a4   2.0 2008   4 manual(m6)   f  20  31  p compact  25.5 pass
        4         audi    a4   2.0 2008   4   auto(av)   f  21  30  p compact  25.5 pass
        5         audi    a4   2.8 1999   6   auto(l5)   f  16  26  p compact  21.0 pass
        6         audi    a4   2.8 1999   6 manual(m5)   f  18  26  p compact  22.0 pass
       

  3. 빈도표로 합격 판정 수 파악
     • 빈도표 : 변수의 각 값들이 몇 개씩 존재하는지, 데이터의 개수를 나타낸 표
     • table() ```r table(mpg$test)

     fail pass 106 128 ```

  4. 막대 그래프로 빈도 표현
     • ggplot2 패키지 - qplot() : 값의 개수를 막대의 길이로 표현