/23-Project1-R

602377121 전정환

2023-06-01

공공데이터 포털

https://data.go.kr

여러 기관에서 나오는 데이터들을 제공하는 포털, API 인증키 등을 사용 신청 후 데이터들을 받아볼 수 있음

  • 해당 하는 API 페이지에서 Docs를 받아볼 수 있음, 입력값 및 출력값 포함

  • DOM 구조: html, xml 과 같이 root 밑에 트리 구조로 이루어진 구조

네이버 오픈 API

  • 지도 데이터를 받아볼 수 있음
  • 카카오맵 등도 비슷한 API를 제공

웹 스크래핑(크롤링)

HTML 문서에서 정보를 추출하고 가공하여 원하는 정보를 뽑아오는 일

  • robots.txt 를 통해 제한될 수 있음
  • 저작권 확인 필요

2023-05-25

방사형 차트

다중 변수 데이터를 2차원 평면상에 시각화 할 수 있는 도구

fmsb 패키지 설치 필요

install.packages('fmsb')
library(fmsb)

score = c(80,60,70,80,50)
min.score = rep(100, 5)
max.score = rep(0, 5)

ds = rbind(max.score, min.score, score)
ds = data.frame(ds)
colname(cs) = c("국어", "영어", "수학", "물리", "음악")

radarchart(ds)
radarchart(ds,
  pcol='dark green',
  pfcol=rgb(0.2,0.5,0.5.0.5),
  plwd=3,
  cglcol='grey',
  cglty=1,
  cglwd=0.1,
  axisype=1,
  seg=4,
  axislabcol='grey',
  caxislabels=seq(0,100,25))

ggplot

라이브러리명: ggplot2

텍스트 마이닝

관계가 없어보이는 데이터에서 관계를 찾아 시각화

install.packages('wordcloud')
library(wordcloud)

word = c("홍길동", "강감찬", "이순신", "유관순", "을지문덕")
frequency = c(851, 222, 431, 234, 542)

wordcloud(word, frequency, colors = rainbow(length(word)))

2023-05-18

정렬

v1 = c(1,7,6,8,4,5,3,2)
v1
v1 = sort(v1) # 값 정렬 함수
v1

v2 = sort(v1, decreasing=T)
v2
order(v1) # 인덱스 정렬 함수
iris[order(iris$Sepal.Length),] # 오름차순 정렬
iris[]

샘플링

임의 추출을 하되 재현 가능한 결과가 필요한 경우 샘플링을 시행

sample(1:20, size = 5)
x = 1:100
y = sample(x , size=10, replace=FALSE)
y
idx = sample(1:nrow(iris), size=50, replace=F)
iris.50 = iris[idx,]
dim(iris.50)

조합

주어진 데이터 값에서 몇 개씩 짝을 지어 추출하는 작업, combn() 함수 사용

combn(1:5, 3) # 1~5 에서 3개를 뽑는 조합

집계

aggregate(iris[,-5], by=list(iris$Species), FUN=mean)

나무지도

install.packages("treemap")
library("treemap")

data(GNI2014)
head(GNI2014)

treemap(GNI2014, 
  index = c("continent", "iso3"),
  vSize="population",
  vColor="GNI",
  type="value",
  title="World's GNI")

2023-05-11

열 쓰기

data$column

두 변수의 상관관계

  • 상관계수: 상관 관계를 수치로 나타낸 -1에서 1의 값

    • 0 인 경우, X, Y 사이는 상관성을 찾기 어려움
    • + 인 경우 X, Y가 반비례, 음의 상관 관계
    • - 인 경우 X, Y가 비례, 양의 상관 관계

  • 함수: cor()

  • 상관관계 != 인과관계

plot(pressure$temperature,
    pressure$pressure,
    main = '온도와 기압',
    xlab = '온도(화씨)',
    ylab = '기압')

여러 변수의 상관관계

st = data.frame(state.x77)

head(st)
plot(st)
cor(st)

데이터 전처리

  • 확보한 데이터를 가공하여 분석에 적합한 형태로 만드는 과정
  • 현실에서는 정리된 데이터 셋을 바로 얻는 경우가 많지 않음

결측값의 처리

  • 결측값: 수집되지 않았거나 잘못 측정된 값 (NA로 표현)
  • 처리 방법:
  1. 제거/제외
z = c(1,2,3,NA,5,NA,8)

sum(z)             # 오류
is.na(z)           # NA 여부 확인
sum(is.na(z))      # NA 개수 확인
sum(z, na.rm=TRUE) # NA 삭제 후 sum
  1. 추정/치환
z1 = c(1,2,3,NA,5,NA,8)
z2 = c(5,8,3,NA,3,NA,7)

z1[is.na(z1)] = 0           # NA를 0으로 치환
z3 = as.vector(na.omit(z2)) # NA를 제거하고 새로운 벡터를 생성
for (i in 1:ncol(x)) {
    this.na = is.na(x, [i])
    cat(colnames(x)[i], '\t', sum(this.na), '\n')
}
rowSums(is.na(x))
sum(rowSums(is.na(x)) > 0)
sum(is.na(x))

2023-05-04

선 그래프

month = 1:12
late = c(5,8,7,9,4,6,12,13,8,6,6,4)
late2 = c(5,7,4,3,5,2,6,6,3,5,2,3)
plot(month, # x data
    late, # y data
    main='지각생 통계',
    type='l', # 그래프 종류
    lty=1, # 선 종류
    lwd=1, # 선 굵기
    xlab'Month',
    ylab='Late cnt')
lines(month, late2, type='b',col='blue')

상자 그림

dist = cars[,2]
boxplot(dist, main='자동차 제동거리')

산점도

wt = mtcars$wt
mpg = mtcars$mpg
plot(wt, mpg, 
    main='중량-연비 그래프',
    xlab='중량',
    ylab='연비',
    col='red',
    pch=19)
  • 다중 산점도
vars = c('mpg','disp','draw','wt')
target = mtcars[,cars]
head(target)
plot(target, main='Multi plots')
iris.2 = iris[,3:4]
levels(iris$Species)
group = as.numeric(iris$Species)
color = c('red','green','blue')
plot(iris.2,
    main = 'iris plot',
    pch=c(group),
    col=color[group])

데이터 분석의 절차

  1. 문제 정의 및 계획
  2. 데이터 수집
  3. 데이터 정제 및 전처리
  4. 데이터 탐색
  5. 데이터 분석
  6. 결과 보고

분석 도구

  • 단일 변수: 1개의 변수

    • 도수분포표
    • 막대그래프
    • 원그래프
    • 히스토그램
    • 선그래프
    • 상자 그림

  • 다중 변수: 2개 이상의 변수

    • 매트릭스
    • 데이터 프레임
    • 산점도
    • 상관계수
    • 나무지도
    • 방사형차트

2023-04-27

막대 그래프

favorite = c('winter', 'summer', 'spring', 'fall')
ds <- table(favorite)
barplot(ds, main = 'Favorite Season', col = 'blue', names=c('가을','봄','겨울','여름'), las=3)
age.A = c(13709,10974,7879,5000,4250)
age.B = c(13709,10974,7879,5000,4250)
age.C = c(13709,10974,7879,5000,4250)
ds = rbind(age.A, age.B, age.C)
colnames(ds) = c('1970','1990','2010','2030','2050')
ds

barplot(ds, main='인구 추정')

히스토그램

head(cars)
dist = cars[,2]
hist(dist, name = 'cars')

hist(iris.Sepal.Lengh,main='Sepal.length',col='orange')

pie(table(mtcars$cy1), main'mtcars', col=topo.colors(3), radius=2)
par(mfrow=c(1,1), mar=c(5,4,4,3)+1) # 화면 분할

그래프

install.packages('plotrix')

pie3D(ds, main="선호 계절", col = c('brown','green','red','yellow'), radius=1)

2023-04-13

파일 입출력

sink('result.txt', append = T) # 파일로 입력 시작
sink()                         # 파일로 입력 중지
read.table('data.txt', header = T, sep = ' ')

조건문

job.type = 'A'
if (job.type == 'B') {
    bonus = 200
} else {
    bonus = 100
}
print(bonus)
ifelse(a>b, a, b)
which(score==69)
which(score>=85)
which.min(score)

반복문

sum = 0
for (i in 1:100) {
    sum = sum + i
}
print(sum)
while(T) {
    print('infinity')
}

apply

apply(iris[,1:4], 1, mean) # 행 방향으로 함수 적용
apply(iris[,1:4], 2, mean) # 열 방향으로 함수 적용

함수

source('ss.R')

myfunc = function(x, y) {
    val.sum = x + y
    val.mul = x * y
    return (list(val.sum, val.mul))
}

2023-04-06

매트릭스

생성

score = matrix(c(90,85,60,78,60,55,23,13,55,78,99,40), nrow=4)
matrix(1:20,4,5)
rownames(score) = c("John", "Doe", "Mark", "Jame")
colnames(score) = c("English", "Math", "Science")
colnames(score)[2]

기본 정보 보기

dim(score) : 행과 열의 개수 보이기
head(score) : 앞부분 일부 보기
tail(score) : 뒷부분 일부 보기

합계 및 평균

colSums(iris[,-5])
colMeans(iris[,-5])
rowSums(iris[,-5])
rowMeans(iris[,-5])

값 추출

IR.1 = subset(iris, Species="setosa")

구조 확인

class(iris)
is.matrix(iris)
is.data.frame(iris)

구조 변환

data.frame(iris)
as.martix(iris[,1:4])

출력

print(iris)
cat(x, '\n')

데이터셋

  • iris 셋: 붗꽃 샘플 데이터

파일 입출력

csv

getwd() : 작업 폴더 알아내기
setwd('C:\RWorks') 작업 폴더 설정하기
air = read.csv('airquality.csv', header = T)

xlsx

read.xlsx("air.xlsx", header = T, sheetIndex = 1)

2023-03-30

함수

  • ls(): 변수 목록 확인하기
  • rm(foobar): 변수 지우기
  • range(): 벡터 범위 구하기
  • length(): 벡터 길이 구하기
  • sum(): 합
  • factor(벡터): 따옴표 trim

자료 구조

  • 리스트
  • 데이터 프레임
  • 범주형 자료: 문자열 등, 산술 연산 불가
  • 수치형 자료: 산술 연산 가능

벡터끼리 산술 연산이 가능

연산자

JS와 비슷하다.

리스트

1차원 배열. 벡터는 여러개의 자료형을 저장할 수 없으나 리스트는 가능. 리스트 안에 벡터를 넣을 수 있음

list(name='Tom', age='25', student='TRUE')

매트릭스, 데이터 프레임

2차원 배열. 매트릭스는 한가지 자료형만 저장할 수 있으나 데이터 프레임은 서로 다른 종류의 데이터 저장이 가능함.

  • 매트릭스
value <- matrix(1:20, nrow=4, ncol=5)
  • cbind, rbind

값 추출은 파이썬 방식과 비슷

2023-03-23

패키지 설치하기

다른 언어에서의 라이브러리와 동일

  • 설치하기
install.packages("package name")
  • 사용하기
library(package name)
  • 패키지 설치 전 패키지 목록 (Packages) 에서 이미 설치되어 있는지 확인할 것

도움말

함수 이름 앞에 ? 를 붙여서 실행하면 도움말이 나온다.

예: ?max()

유용한 함수 및 패키지

  • sys.time(): 현재 시간을 불러옴
  • log(x = 100, base = 10): 로그 함수 (기본 밑 e)
  • print("value"): 출력
  • cat("a", "b"): 합치기
  • mean(values): 산술 평균

산술 연산

  • 대입: a <- 10
  • 호출: a

변수명 작명 규칙

  • 첫 글자는 영문이나 마침표로 시작, 영문자 일반적
  • 두번째 부터는 영문자, 숫자, 마침표, 밀줄(_) 사용 가능
  • 변수명에서 대문자와 소문자는 별개의 문자 취급
  • 변수명 중간에 빈 칸을 넣을 수 없음

자료형

  • 숫자형: 1,2,3,10,-4 (실수 포함)
  • 문자형: "문자"
  • 논리형: TRUE, FALSE

특수값

  • NULL: 정의 되어 있지 않음
  • NA: 결측값
  • NaN: 수학적 정의 불가
  • Inf, -Inf: 무한대

벡터

타 언어의 배열 같은 역할, 변수에는 하나의 값만이 들어감. 방향과 길이를 가진 그 벡터와 헷갈리지 않도록 주의할 것

  • 문법: c(값들), 시작:끝 (range)
  • 예시: score <- c(68, 29, 15, 95, 93, 83, 50:65)
  • 각 자료형 별의 벡터를 만들 수 있다.

함수

  • sep(시작,끝,간격): Py range와 비슷
  • rep(반복할 것, times=횟수): 반복문
  • rep(반복할 벡터, each=횟수): 벡터용 반복문
  • names(벡터): 변수 이름 출력
  • paste(a, b, sep='delimeter'): a + b 해서 새로운 벡터에 저장

인덱스

  • 인덱스 시작이 1 이다.
  • 문법: 이름[인덱스]
  • 예: v1[2] <- 3

2023-03-16

R 언어의 특징

주요 특징

  • 다양한 패키지 제공
  • 데이터 분석에 사용되는 함수들을 종류별로 묶어 패키지 형태로 제공

통계 그래프

  • 그래프 기능을 제공함

편리한 환경

  • R Studio 제공 (IDE)

플랫폼

  • Windows, Mac, Linux
  • 무료

배우는 이유

  • 데이터 처리

R Studio

  • 전체 영역을 4등분함
  1. 소스 영역: 소스를 입력할 수 있는 영역
  2. 환경 영역: R 명령문이 실행되는 동안 만들어지는 변수나 자료 구조를 보여주는 영역
  3. 콘솔 영역: 자바스크립트 콘솔 처럼 직접 명령문을 입력할 수 있는 구역
  4. 파일 영역: 윈도우의 파일 탐색기와 동일한 역할을 하는 영역

R 문법

연산자

  • + : 더하기
  • - : 빼기
  • * : 곱하기
  • / : 나누기
  • %% : 나머지
  • ^ : 제곱

주석

# 뒤에 기록

함수

  • max()
  • min() 등 다양한 함수 존재

R 패키지

다른 언어에서 라이브러리와 동일