[R]쉽게배우는 R 데이터사이언스 :: 데이터 전처리

주어진 데이터를 그대로 사용하기보다는 원하는 형태로 변형해 분석하는 경우가 많다.

분석에 적합하게 데이터를 가공하는 작업을 '데이터 전처리'리고 한다.

 

일부를 추출하거나, 종류별로 나누거나, 여러 데이터를 합치는 등 데이터를 자유롭게 가공해 목적에 맞게 분석하곤 한다.

 

1. 조건에 맞는 데이터만 추출하기

 

dplyr패키지를 로드한 후 dplyr패키지의 filter()를 이용하면 원하는 데이터를 추출할 수 있따.

#exam에서 class가 1인 경우만 추출해 출력하기

exam %>% filter(class == 1)

 

#여러조건을 충족하는 행 출력하기

#1반이면서 수학 점수가 50점 이상인 경우

exam %>% filter(class == 1 & math >= 50)

 

#수학점수가 90점 이상이거나 영어 점수가 90점 이상인 경우

exam %>% filter(math >= 90 | english >= 90)

 

---

R에서 사용하는 기호들

논리연산자	기능	산술연산자	기능
<	작다	+	더하기
<=	작거나 같다	-	빼기
>	크다	*	곱하기
==	같다	/	나누기
!=	같지 않다	*, **	제곱
|	또는	%/%	나눗셈의 몫
&	그리고	%%	나눗셈의 나머지
%in%	매칭확인

 

---

2. 필요한 변수만 추출하기

 

select()는 데이터에 들어있는 수많은 변수 중 일부 변수만 추출해 활용하고자 할때 사용한다.

select()를 이용해 변수를 추출해보자.

 

#math 추출하기

exam %>% select(math)

 

#여러변수 추출하기

#class, math, english 변수 추출하기

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

 

#변수 제외하기

exam %>% select(-math)

 

3. 순서대로 정렬하기

 

arrange()를 이용하면 데이터를 원하는 순서로 정렬할 수 있다.

 

#오름차순으로 정렬하기

exam %>% arrange(math)

 

#내림차순으로 정렬하기

exam %>% arrange(desc(math))

 

#여러변수 기준 오름차순 정렬

exam %>% arrange(class, math)

 

4. 파생변수 추가하기

 

exam %>% mutate(total = math +english +science)

 

5. 여러 파생변수 한번에 추가하기

 

exam %>%

   mutate(total = math + english + science,

             mean = (math + english + science)/3)