R에서의 데이터 조작: dplyr 패키지를 사용한 변수란 무엇입니까?

소개

직원과 인프라를 제외하고 데이터는 모든 회사의 새로운 빌딩 블록입니다. 대기업에서 소규모 산업에 이르기까지 데이터는 비즈니스를 이끄는 연료입니다. 이 데이터는 일일 비즈니스 거래, 고객 구매 데이터, 판매 데이터, 재무 차트, 비즈니스 통계, 마케팅 캠페인 등과 연결됩니다. 이것이 바로 O'Reilly Media의 설립자인 Tim O'Reilly가 우리가 소프트웨어보다 데이터가 더 중요해지는 상황에 진입했다고 말한 이유입니다.

하지만 그 많은 데이터를 어떻게 해야 할까요? 기업은 이 데이터를 사용하여 비즈니스 성과에 대한 귀중한 통찰력을 얻습니다. 그들은 이 데이터를 이해하기 위해 R에서 데이터 조작 을 수행하는 데이터 과학자를 고용합니다 . 예를 들어, 지난 해의 판매 및 마케팅 데이터를 이해하면 현재 위치에 대한 아이디어를 얻을 수 있습니다. 최근 연구에 따르면 데이터 분석 시장은 2023년까지 776억 달러의 가치가 있을 것으로 예상됩니다.

데이터 과학자는 데이터 조작이라는 프로세스를 통해 이 데이터를 이해하기 위해 고용됩니다.

데이터 조작이란 무엇입니까?

데이터 조작 은 데이터를 더 잘 읽고 이해할 수 있도록 데이터를 구성하는 프로세스입니다. 예를 들어, 회사 직원은 시스템 및 로그북에서 고객 데이터를 얻을 수 있습니다. 대부분 이 데이터는 CRM(고객 관계 관리) 소프트웨어와 엑셀 시트에 저장됩니다. 그러나 제대로 정리되지 않을 수 있습니다. 데이터 조작에는 알파벳 순서와 같이 이 모든 데이터를 구성하는 방법이 포함됩니다.

데이터는 날짜, 시간, 일련 번호 또는 기타 필드에 따라 정렬할 수 있습니다. 회사의 회계 부서 직원은 데이터를 사용하여 판매 동향, 사용자 선호도, 시장 통계 및 제품 가격을 결정합니다. 재무 분석가는 데이터를 사용하여 주식 시장의 실적, 추세 및 투자해야 할 최고의 주식을 이해합니다.

또한 웹 서버 데이터는 웹 사이트의 트래픽 양을 이해하는 데 사용할 수 있습니다. 이 기술 시대에 IoT는 기계에 부착된 센서에서 데이터를 얻는 기술의 한 예입니다. 이 데이터는 기계의 성능과 결함이 있는지 판단하는 데 사용됩니다. 2025년까지 시장 규모가 816억 7000만 달러가 될 것이기 때문에 데이터 조작은 IoT에서 매우 중요합니다.

데이터 조작은 일반적으로 R이라는 프로그래밍 언어를 사용하여 수행됩니다. 언어를 조금 더 잘 알려주십시오.

R은 무엇입니까?

R의 데이터 조작 을 이해하려면 R 의 기본 사항을 알아야 합니다. 데이터 분석, 통계 컴퓨팅 및 인공 지능에 사용되는 최신 프로그래밍 언어입니다. 언어는 Ross Ihaka와 Robert Gentleman 에 의해 1993년에 만들어졌습니다 . 오늘날 연구원, 데이터 분석가, 과학자 및 통계학자는 R을 사용하여 데이터를 분석, 정리 및 시각화합니다.

R에는 기계 학습, 선형 회귀, 통계적 추론 및 시계열을 지원할 수 있는 그래픽 및 통계 방법으로 구성된 방대한 카탈로그가 있습니다. GNU 일반 공중 사용 허가서에 따라 이 언어는 Windows, Mac 및 Linux와 같은 운영 체제에서 자유롭게 사용할 수 있습니다. 이는 플랫폼 친화적이므로 한 플랫폼에서 작성된 R 코드를 다른 플랫폼에서 쉽게 실행할 수 있습니다.

R은 이제 데이터 과학의 주요 프로그래밍 언어로 간주됩니다. 그러나 통계 모델링과 같은 복잡한 작업은 물론 소프트웨어 개발에도 사용할 수 있는 포괄적인 언어입니다. Rshiny 패키지를 사용하여 웹 애플리케이션을 개발할 수 있습니다.

구글, 페이스북 등 세계 유수의 기업들이 사용하고 있을 정도로 강력한 언어입니다.

R의 가장 중요한 몇 가지 기능을 살펴보겠습니다.

• 데이터 작업에 필요한 모든 기능을 갖춘 10,000개 이상의 R 패키지가 있는 저장소인 CRAN ( Comprehensive R Archive Network) 이 있습니다.
• 오픈 소스 프로그래밍 언어 입니다 . 즉, 무료로 다운로드할 수 있으며 개발에 기여하고 기능을 업데이트하고 기존 기능을 사용자 지정할 수 있습니다.
• ggplot2 및 plotly 와 같은 R의 유용한 그래픽 라이브러리에서 제공하는 데이터에서 고품질 시각화를 생성할 수 있습니다 .
• R은 매우 빠른 언어입니다. 해석된 프로그래밍 언어 이므로 R 프로그램을 실행 코드로 변환하기 위한 컴파일러가 필요하지 않으므로 R 스크립트가 더 빠르게 실행됩니다.
• R은 배열, 데이터 프레임 및 벡터 로 구성된 다양한 복잡한 계산을 순식간에 수행할 수 있습니다 . 이러한 계산을 수행하기 위한 많은 연산자가 있습니다.
• 정형 및 비정형 데이터를 처리합니다. 모든 유형의 데이터를 처리하기 위해 Big Data 및 SQL용 확장을 사용할 수 있습니다.
• R은 가장 밝은 마음을 가진 지속적으로 성장하는 커뮤니티를 보유하고 있습니다. 이 사람들은 r 라이브러리 및 업데이트를 개발하여 프로그래밍 언어에 지속적으로 기여하고 있습니다.
• Python, Java 및 C++와 같은 다른 프로그래밍 언어와 R을 쉽게 통합할 수 있습니다. 분산 컴퓨팅을 위해 Hadoop 과 결합할 수도 있습니다.

이제 R 프로그래밍 언어의 기본 사항을 모았으므로 흥미로운 내용을 살펴보겠습니다!

R의 변수

R로 프로그래밍하거나 R 에서 데이터 조작을 수행하는 동안 변수를 처리해야 합니다. 변수는 문자열, 정수, 부동 소수점 정수 또는 부울 값의 형태일 수 있는 데이터를 저장하는 데 사용됩니다. 이러한 변수는 내용을 위한 메모리 공간을 예약합니다. 기존 프로그래밍 언어와 달리 R의 변수는 R 객체 와 함께 할당됩니다 .

변수에는 데이터 유형이 없지만 할당된 R 개체의 유형을 가져옵니다. 가장 많이 사용되는 R 개체는 다음과 같습니다.

• 벡터
• 기울기
• 배열
• 행렬
• 요인
• 데이터 프레임

이러한 데이터 구조는 R 및 데이터 분석 의 데이터 조작에 매우 중요합니다 . 기본적인 데이터 조작을 이해하기 위해 조금 더 자세히 살펴보겠습니다.

벡터

가장 기본적인 데이터 구조로 1차원 데이터에 사용됩니다. 원자 벡터의 유형은 다음과 같습니다.

• 정수
• 논리적
• 숫자
• 복잡한
• 성격

R에서 값을 생성하면 길이가 1인 단일 요소 벡터가 됩니다. 예를 들어,

인쇄("ABC"); # 문자 유형의 단일 요소 벡터

print(10.5) # 이중 유형의 단일 요소 벡터

벡터의 요소는 인덱스 번호를 사용하여 액세스합니다. 벡터의 인덱스 위치는 1부터 시작합니다. 예를 들어,

t <- c("월","화","수","토")

유 <- t[c(1,2,3)]

인쇄(u)

결과는 "월" "화" "수"입니다.

기울기

이것들은 내부에 다양한 유형의 요소를 보유하는 데 사용되는 R의 객체입니다. 정수, 문자열, 심지어 목록이 될 수도 있습니다. 데이터를 데이터 프레임이나 배열에 저장할 수 없는 경우 이것이 최선의 선택입니다. 목록에는 행렬도 포함될 수 있습니다. list() 메서드를 사용하여 목록을 만들 수 있습니다.

다음 코드를 사용하여 목록을 만듭니다.

list_data <- list("검정색", "녹색", c(11,4,14), TRUE, 31.22, 120.5)

인쇄(목록_데이터)

목록 요소는 목록 인덱스를 사용하여 액세스할 수 있습니다.

print(list_data[1]) #코드는 목록의 첫 번째 요소를 출력합니다.

목록을 사용한 데이터 조작의 예:

list_data[4] <- NULL # 이 코드는 4개의 요소가 있는 경우 목록의 마지막 요소를 제거합니다.

읽기: 데이터 과학을 위한 R과 Python

배열

배열은 단일 데이터 유형만 저장하는 데 사용할 수 있는 개체입니다. 2차원 이상의 데이터는 배열에 저장할 수 있습니다. 이를 위해서는 벡터를 입력으로 받는 array() 함수를 사용해야 합니다. 배열을 생성하기 위해 dim 매개변수의 값을 사용합니다.

예를 들어 다음 코드를 보십시오.

vector_result <- array(c(vectorA,vectorB),dim = c(3,3,2))

인쇄(벡터 결과)

행렬

이러한 R 개체에서 요소는 2차원 레이아웃으로 구성됩니다. 행렬은 유사한 원자 유형의 요소를 보유합니다. 이는 요소가 단일 클래스에 속할 때 유용합니다. 수학적 계산을 위해 숫자 요소가 있는 행렬이 생성됩니다. matrix() 함수를 사용하여 행렬을 만들 수 있습니다.

행렬을 만드는 기본 구문은 다음과 같습니다.

행렬(data, nrow, ncol, byrow, dimnames)

• 데이터 – 행렬의 데이터 요소가 되는 입력 벡터입니다.
• Nrow – 생성하려는 행의 수입니다.
• Ncol – 생성하려는 열의 수입니다.
• Byrow – 이것은 논리적인 단서입니다. 값이 TRUE이면 벡터 요소는 행별로 정렬됩니다.
• Dimname – 열과 행에 부여된 이름

요인

이러한 R 개체는 데이터를 분류하고 수준으로 저장하는 데 사용됩니다. 통계 모델링 및 데이터 분석에 좋습니다. 정수와 문자열 모두 인수에 저장할 수 있습니다. 벡터를 메서드에 대한 입력으로 제공하여 factor() 함수를 사용하여 요인을 생성할 수 있습니다.

데이터 프레임

행과 열이 있는 배열과 같은 2차원 구조를 가지고 있습니다. 여기에서 각 행에는 각 열에 속하는 값 집합이 있습니다. 열에는 하나의 변수 값이 포함됩니다. 스프레드시트의 데이터를 나타내는 데 사용됩니다. 이들은 요소, 숫자 또는 문자 유형의 데이터를 저장하는 데 사용할 수 있습니다.

데이터 프레임에는 다음과 같은 기능이 있습니다.

• 행 이름은 고유해야 합니다.
• 열 이름은 비어 있지 않아야 합니다.
• 각 열의 데이터 항목 수는 동일해야 합니다.

R의 데이터 조작

R에서 데이터를 조작 하는 동안 첫 번째 단계는 거대한 데이터 세트에서 작은 데이터 샘플을 만드는 것입니다. 이는 전체 데이터 세트를 한 번에 분석할 수 없기 때문에 수행됩니다. 일반적으로 데이터 분석가는 데이터 세트의 대표적인 하위 집합을 만듭니다. 이는 더 큰 데이터 세트에서 추세와 패턴을 식별하는 데 도움이 됩니다. 이 샘플링 과정을 부분세팅 이라고도 합니다.

R에서 하위 집합을 만드는 다양한 방법은 다음과 같습니다.

• $ – 이것은 데이터의 단일 요소를 선택하고 그 결과는 항상 벡터입니다.

• [[ – 이 부분 집합 연산자는 단일 요소도 반환하지만 위치별로 요소를 참조할 수 있습니다.

• [ – 이 연산자는 데이터의 여러 요소를 반환하는 데 사용됩니다.

R에서 데이터 조작을 위한 몇 가지 기본 기능 은 다음과 같습니다.

샘플() 함수

이름에서 알 수 있듯이 sample() 메서드는 더 큰 데이터 세트에서 데이터 샘플을 만드는 데 사용됩니다. 이 명령과 함께 데이터 세트 또는 벡터에서 추출하려는 샘플 수를 언급합니다. 기본 구문은 다음과 같습니다.

샘플(x, 크기, 바꾸기 = FALSE, 확률 = NULL)

x – 샘플을 선택해야 하는 여러 요소의 데이터 세트 또는 벡터일 수 있습니다.

size – 선택할 항목의 수를 나타내는 양의 정수입니다.

교체 – 교체 여부에 관계없이 샘플링을 원하는지 여부에 따라 True 또는 False가 될 수 있습니다.

prob – 샘플링되는 벡터의 요소를 가져오기 위한 가중치 벡터를 제공하는 데 사용되는 인수입니다.

테이블() 함수

이 함수는 특정 변수의 고유 값 수를 계산하는 데 사용되는 빈도 테이블을 만듭니다. 예를 들어, 홍채 데이터 세트로 빈도 테이블을 생성해 보겠습니다.

테이블(홍채$종)

위에 작성된 코드는 홍채 데이터 세트의 종의 유형을 나타내는 테이블을 생성합니다.

중복()

duplicated() 메서드는 데이터 세트에서 중복 값을 식별하고 제거하는 데 사용됩니다. 벡터 또는 데이터 프레임을 인수로 사용하고 중복된 요소에 대해 True를 반환합니다. 예를 들어,

중복(c(1,1,3))

이렇게 하면 이러한 요소 중 어떤 것이 중복되는지 확인하고 True 또는 False를 반환합니다.

읽어 보기: R의 의사결정나무

dplyr 패키지를 사용한 R의 데이터 조작

R은 데이터 조작을 위해 dplyr이라는 간단하고 사용하기 쉬운 패키지를 제공합니다. 패키지에는 조작, 데이터 탐색 및 변환을 위한 몇 가지 내장 메서드가 있습니다. 이 패키지의 가장 중요한 몇 가지 기능을 살펴보겠습니다.

고르다()

select() 메서드는 R에서 데이터 조작을 위한 기본 함수 중 하나입니다 . 이 방법은 R에서 열을 선택하는 데 사용됩니다. 이를 사용하여 열 이름과 같이 데이터를 선택할 수 있습니다. 특정 조건에 따라 열을 선택할 수 있습니다. myData라는 데이터 프레임 의 3 번째 와 4 번째 열 을 선택한다고 가정 하면 코드는 다음과 같습니다.

선택(myData,3:4)

필터()

이 방법은 특정 기준과 일치하는 데이터 세트의 행을 필터링하는 데 사용됩니다. select()처럼 작동할 수 있으며 데이터 프레임을 먼저 전달한 다음 쉼표를 사용하여 구분된 조건을 전달합니다.

예를 들어, 데이터 세트에서 색상이 빨간색인 자동차가 있는 열을 필터링하려면 다음을 작성해야 합니다.

필터(자동차, 색상=="빨간색")

결과적으로 일치하는 행이 표시됩니다.

돌연변이()

mutate() 메서드 를 사용 하여 이전 열을 유지하면서 데이터세트에 새 열을 만들 수 있습니다. 이러한 열은 조건을 지정하여 생성할 수 있습니다. 예를 들어,

mutate(mtcars, mtcars_new_col = mpg / cyl)

이 명령에서 mtcars 데이터셋 에 mpg 열 값을 cyl 열로 나눈 값을 포함하는 mtcars_new_col 새 열이 생성됩니다.

마련하다()

하나 이상의 변수를 사용하여 오름차순 또는 내림차순으로 행을 정렬하는 데 사용됩니다. desc() 메서드를 적용하는 대신 정렬 변수 앞에 빼기(-) 기호를 추가할 수 있습니다. 이것은 내림차순 정렬을 나타냅니다. 예를 들어,

배열(my_dataset, -Sepal.Length)

group_by()

group_by() 메서드는 하나 이상의 변수로 데이터 세트의 관찰을 그룹화하는 데 사용됩니다.

요약하다()

summarise() 함수는 평균, 중앙값 및 모드와 같은 데이터 통찰력을 결정하는 데 유용합니다. 다른 메소드 group_by에 의해 생성된 그룹화된 데이터와 함께 사용됩니다. summarise()는 여러 값을 단일 값으로 줄이는 데 도움이 됩니다.

병합()

merge() 메서드는 데이터 세트를 함께 결합하거나 병합합니다. 이는 여러 입력 데이터 소스를 함께 묶는 데 유용합니다.

이 방법은 데이터세트를 병합하는 4 가지 방법을 제공합니다 . 그들은 아래에 언급되어 있습니다:

• 자연 조인 - 데이터 프레임 내에서 지정된 조건과 일치하는 행을 유지하는 데 사용됩니다.
• 완전 외부 조인 – 두 데이터 프레임의 모든 행을 병합하고 저장합니다.
• 왼쪽 외부 조인 – 데이터 프레임 A의 모든 행과 일치하는 B의 행을 저장합니다.
• 오른쪽 외부 조인 - 데이터 프레임 B의 모든 행과 일치하는 A의 행을 저장합니다.

이름 바꾸기_if()

지정된 조건이 만족될 때 데이터 프레임의 컬럼 이름을 변경할 때 사용할 수 있는 기능입니다.

이름 바꾸기_모두()

이것은 조건을 지정하지 않고 데이터 프레임의 모든 열 이름을 바꾸는 데 사용됩니다.

세계 최고의 대학에서 데이터 과학 과정 을 이수하 십시오. 귀하의 경력을 빠르게 추적하려면 Executive PG 프로그램, 고급 인증 프로그램 또는 석사 프로그램에 가입하십시오.

파이프 오퍼레이터

파이프 연산자는 전체 코드를 단순화하기 위해 magrittr 및 dplyr과 같은 패키지에서 사용할 수 있습니다 . 연산자를 사용하면 여러 기능을 함께 결합할 수 있습니다. %>% 기호로 표시되며 R에서 데이터를 조작하는 동안 summarise(), filter(), select() 및 group_by()와 같은 널리 사용되는 메서드와 함께 사용할 수 있습니다.

dplyr 외에도 R의 데이터 조작을 위한 CRAN의 다른 많은 패키지가 있습니다. 실제로 코딩과 오류를 줄이기 위한 7000개 이상의 패키지를 찾을 수 있습니다. 이러한 패키지의 대부분은 전문 개발자가 작성하므로 안전하게 사용할 수 있습니다. 여기에는 다음이 포함됩니다.

• 데이터.테이블
• 윤활하다
• ggplot2
• 리더
• 재형성2
• 정리정돈

결론

R에서 데이터 조작 의 초보자라면 R 에서 사용할 수 있는 내장 기본 기능을 사용할 수 있습니다. 여기에는 with(), inside(), duplicated(), cut(), table(), 샘플() 및 정렬(). 그러나 시간이 많이 걸리고 반복적입니다. 그다지 효율적인 옵션은 아닙니다.

따라서 가장 좋은 방법은 dplyr과 같은 CRAN에서 엄청난 수의 패키지를 사용하는 것입니다. 이것들은 매우 유용하며 프로그램을 보다 효율적으로 만듭니다.