- R 코드 작성 중 자주 검색해보는 것들 또는 까먹지 말아야 할 것들을 메모.
- 전처리, 사용자 함수, 자주 사용하는 코드, 이론 등
-
rm(list=ls()) : 모든 변수 삭제
-
열이름으로 열(컬럼) 제거
- ex1)
val[,colnames(val)!='bbox'] - ex2)
subset(val, select = -bbox)
- ex1)
-
모든 열(컬럼) 타입 변경하기
kkk = c(3,4,5,6) for(i in kkk){ val[,i]<-as.character(val[,i]) } -
NA(결측치)가 N/A로 character로 들어가있는 경우
- "N/A" 문자 포함된 행 모두 제거
for(i in 1:ncol(a)){ a<-a[a[,i]!="N/A",] } -
오름차순, 내림차순 sort
- 기본
sort(v1) # 오름차순 정렬 sort(v1, decreasing = TRUE) # 내림차순 정렬- 응용1 : No using package
data[order(data$v1),] # v1 기준으로 data 오름차순 data[rev(order(data$v1)),] # v1 기준으로 data 내림차순- 응용2 : Using package
library(dplyr) arrange(data,v1) # v1 기준으로 data 오름차순 arrange(data,desc(v1)) # v1 기준으로 data 내림차순 -
나누기, 몫 계산하기
- 몫 :
%/% - 나머지 :
%%
- 몫 :
-
Not in <-> %in% 의 반대
- 1 :
`%not_in%` <- purrr::negate(`%in%`) - 2 :
setdiff(D1, D0)
- 1 :
-
여러개의 변수 한번에 생성하기(for 문) *
for(i in 1:12){ assign(paste0('NRU',i),c()) } -
for문을 사용할 때 사용하는 여러 변수 불러오기
- get(paste0('kk',3))
-
문자열(String) 처리
- 예시 1
kkk <- sapply(name, function(x){ return(gsub(" +","_",trimws(gsub("[^[:alpha:]]", " ", x)))) })-
예시 1 코드 뜻 => “ +”, “_” 공백이 한 개 이상인 것을 _로 바꾼다.
-
정규식 표현 :
[:alpha:] == "[^a-zA-Z]" : 왼쪽코드는 소문자 대문자 -
trimws(): 양쪽 공백제거 함수 -
grep(): 문자 조건에 맞춰 추출- ex)
grep(kkk[1],list1,value=T) # list1[grepl(kkk[1],list1)] - 조건에 해당하는 문자만 반환
- ex)
-
특수 문자 제거
(문자 제거 :gsub('[(]', '', train$bbox[1])
-
결측값(NA, NAN) 처리
- 예시 Code 1
for(i in 1:nrow(comb)){ abs <- set[set$MODEL == comb[i, 1] & set$Account == comb[i,2] & set$WH ==comb[i,3], ] if(length(abs$MAP) < 2){ k <- rbind(k, comb[i,]) }else if(is.na(abs$MAP[1]) == T){ #첫행 na인값 저장 m<- rbind(m, comb[i,]) }else{ for(j in 2:nrow(abs)){ if(is.na(abs$MAP[j]) == T){ abs$MAP[j] <- abs$MAP[j-1] } } } tot<-rbind(tot,abs) print(paste0(i,"/",nrow(comb))) }- 예시 Code 2
- 열 기준으로 첫 행 데이터가 결측치 인 경우 제거
- 열 기준 NA값으로 시작하지 않기
첫수요 발생시점까지 QTY 0 삭제 item_li<-unique(data$ITEM) tot<-data.table() for(i in 1:length(item_li)){ tmp<-data[ITEM==item_li[i]] for(m in 1:nrow(tmp)){ if(tmp[1,]$QTY==0){ tmp=tmp[-1,] }else{ break } } tot<-rbind(tot,tmp) }
-
GGplot 혹은 R Plot 결과 pdf로 저장하기
-
- pdf() 함수로 저장 경로에 저장할 파일로 연결해줍니다.
-
- for문을 이용해 저장할 plot을 모두 출력했다면 dev.off() 함수로 파일 연결 끊기
-
pdf(paste0("C:/Users/NURI-0022/Documents/JM/NL_product_predict/",model_flag[i],".pdf"),width = 12,height = 10) for(j in 1:length(item_li)){ print( melt(dat_2018 , id.vars = c("ITEM","Fcst_month") , measure.vars = c("Fcst","ACT")) %>% filter(ITEM == item_li[j]) %>% ggplot(aes(x=Fcst_month,y=value,group=variable,colour=variable))+ geom_line()+ theme(axis.text.x = element_text(angle=45 , hjust = 1 , size = 10))+ ggtitle(item_li[j]) ) } dev.off()
-
-
캐릭터 타입의 컬럼에서 Split하여 새로운 변수로 추가하기
-
Long version
aka<-strsplit(data$SKU,split = ".",fixed=T) aka2<-data.frame(unlist(aka)) aka2$unlist.aka.<-as.character(aka2$unlist.aka.) aka3<-aka2[seq(1,nrow(aka2), by = 2),] nl$ITEM<-aka3 -
Short version.1
a<-unlist(strsplit(data$SKU,".",fixed = T)) data$ITEM<-a[seq(1,length(a),by=2)] -
Short version.2
library(reshape2)colsplit(data_with_info$SKU, "\\.", names = c("ITEM", "suffix"))[,1]
-
-
문자열 대소문자, 일괄 바꾸기 *
x <- "MiXeD cAsE 123" chartr("iXs", "why", x) chartr("a-cX", "D-Fw", x) tolower(x) toupper(x) -
한줄이면 끝나는 여러 패키지 불러오기(library many packages)
- step1 -
to_install <- c("arules","catboost","caTools","data.table","doParallel","xgboost" - step2 -
lapply(to_install, library, character.only = TRUE)
- step1 -
-
컴퓨터/서버에 설치되어 있는 R Packages Version 간편하게 확인하기 *
session <- sessionInfo() # Other Packages version otherpkg_version<-data.table() otherpkg_list<-names(session$otherPkgs) for(i in 1:length(otherpkg_list)){ set<-cbind(otherpkg_list[i],session$otherPkgs[otherpkg_list[i]][[1]]$Version) otherpkg_version<-rbind(otherpkg_version,set) } colnames(otherpkg_version) = c("Packages","Version") # LoadedOnly Packages version loadpkg_version<-data.table() load_list<-names(session$loadedOnly) for(i in 1:length(load_list)){ set<-cbind(load_list[i],session$loadedOnly[load_list[i]][[1]]$Version) loadpkg_version<-rbind(loadpkg_version,set) } colnames(loadpkg_version) = c("Packages","Version") totalpkg_version<-rbind(otherpkg_version,loadpkg_version) -
리스트 병합 : merge
all_model_merged = Reduce(function(...) merge(..., all.x = TRUE, by = c("MODEL","date")), SFA_list)
-
문자열 중 원하는 문자로 시작하는 데이터만 추출
filename[str_detect(filename,'^train')]=> filename 벡터에서 train으로 시작하는 문자만 뽑겠다.
-
write.csv/fwrite 하기 전 폴더 없으면 생성하라는 코드 : 폴더 생성 code *
if(!dir.exists(file.path(paste0(out_path,STORE,"_",DC,"_",product)))) { dir.create(file.path(paste0(out_path,STORE,"_",DC,"_",product)),recursive = T, mode = "0777") } -
현재 열고 있는 Scripts path 가져오기
dirname(rstudioapi::getActiveDocumentContext()$path)library(rstudioapi) ; dirname(getActiveDocumentContext()$path)
-
패키지 확인(check)하고 없으면 설치하기 *
requiredPackages = c('lubridate','data.table','dplyr','zoo','ranger','reshape2', 'jsonlite','cumstats','stringi') for(p in requiredPackages){ if(!require(p,character.only = TRUE)) install.packages(p) library(p,character.only = TRUE) }
-
sprintf() : 문자열을 매개변수 width 길이로 만들고, 빈 자리는 '0'으로 채우기
- ex1)
sprintf("%05d", var) - ex2)
sprintf(".5f", var)
- ex1)
-
assign & get
- ex1)
for(i in 1:length(dc_list)){ assign(dc_list[i],value = dcsell[DC==dc_list[i]]) }- ex2)
assign('ins',readline('Insert:')) - ex3)
get(dc_list[1])
-
data.table - apply(), sum(), aggregate()
-
- apply
- ex)
lapply(.SD , sum)
-
- 집계함수 aggregate()
- ex)
aggregate(. ~ VMI_ORG_CODE+Snapshot_Week, data = a1, FUN=sum)
-
- JOIN
- ex1) different key
merge(raw_data, GP, by.x ="GP_key",by.y = "Week", all.x=TRUE) - ex2) double key :
merge(set_A1, set_A2, by = c("MODEL","TIMESTAMP"), all=TRUE)
-
- 정렬
- ex)
DT[order(cola)] - 2개 이상
total_set[order(-score,featureset)]
-
- group_by
- ex)
DT[, , by=cola]
-
- mutate
- ex)
DT[, colc := cola * colb ]
-
- transmute
- ex)
DT[, .(colc = cola * colb)]
-
- filter
- ex)
ET[cola == 3]
-
- Accessing columns in data.table using a character vector of column names(열 이름으로 선택)
av<-grep("Fcst1",colnames(kk),value = T)=>kk[,av,with=FALSE]
-
-
SFA 계산 *
result_target = result_target[,c(paste0("Fcst",1:8),paste0("GapW",1:8)),with=F] apply_Sum_target = apply(result_target[, c(grep("Fcst", colnames(result_target), value = T), grep("Gap", colnames(result_target), value = T)), with = FALSE], 2, function(x) sum(x, na.rm = T)) SFA_target = c() len=8 for(k in 1:len) { # len 예측 주차 SFA_target[k] = c(1 - apply_Sum_target[k + 8] / apply_Sum_target[k]) }
- t 분포, z 분포 R code
# 5(alpha)% 유의수준 = 95(1-alpha)% 신뢰수준 # z-score Z<-function(mu,x,sd){ z.score<-(x-mu)/sd return(z.score) } Z(172,166,6) # z-score tail probability 1-pnorm(0.5,0,1) 1-pnorm(2,0,1) pnorm(1,0,1)-0.5 pnorm(1.8,0,1)-0.5 qnorm(0.4681,0,1) # alpha=0.05, z alpha/2 = 1.96 ::: two-tailed test(양측검정) qnorm(0.05/2,0,1,lower.tail = F) # alpha=0.01, z alpha/2 = 2.57 ::: two-tailed test(양측검정) qnorm(0.01/2,0,1,lower.tail = F) # alpha=0.05, z alpha/2 = 1.96 ::: one-tailed test(단측검정) qnorm(0.05,0,1,lower.tail = F) # alpha=0.01, z alpha/2 = 2.57 ::: one-tailed test(단측검정) qnorm(0.01,0,1,lower.tail = F) # t 분포 : t distribution pt(q=1, df=1, lower.tail = TRUE) qt(p=0.75, df=1, lower.tail = TRUE) qt(p=0.05, df=10, lower.tail = F) qt(p=0.01, df=10, lower.tail = F) # 90% 신뢰구간 : alpha 0.1 ::: two-tailed test(양측검정) qt(p=0.1/2, df=82, lower.tail = F) # 95% 신뢰구간 : alpha 0.05 ::: two-tailed test(양측검정) qt(p=0.05/2, df=82, lower.tail = F) # 99% 신뢰구간 : alpha 0.01 ::: two-tailed test(양측검정) qt(p=0.01/2, df=82, lower.tail = F) # 90% 신뢰구간 : alpha 0.1 ::: one-tailed test(단측검정) qt(p=0.1, df=82, lower.tail = F) # 95% 신뢰구간 : alpha 0.05 ::: one-tailed test(단측검정) qt(p=0.05, df=82, lower.tail = F) # 99% 신뢰구간 : alpha 0.01 ::: one-tailed test(단측검정) qt(p=0.01, df=82, lower.tail = F) # F 분포 : F-test # 95% 신뢰구간 : alpha 0.05 ::: one-tailed test(단측검정) qf(p=0.95, df1=15, df2=30, lower.tail = TRUE) # F-critical Value pf(q=0.5, df1=30, df2=40, lower.tail = TRUE) # 카이제곱 분포 : Chi-square test : x^2 distribution table # 95% 신뢰구간 : alpha 0.05 ::: two-tailed test(양측검정) qchisq(p=0.05, df=1, lower.tail = F) # 99% 신뢰구간 : alpha 0.01 ::: two-tailed test(양측검정) qchisq(p=0.01, df=1, lower.tail = F)