-
Notifications
You must be signed in to change notification settings - Fork 51
/
rbasic.Rmd
1643 lines (1085 loc) · 60.3 KB
/
rbasic.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
# R 기초 배우기 {-}
이번 장에서는 본 책의 핵심이 되는 언어인 R과 R 스튜디오의 설치, R 스튜디오의 화면 구성과 간단한 사용법에 대해서 배우도록 하겠습니다. 본 장은 R의 기초 중에서도 핵심만을 추린 것으로써, 기초에 대해 세세하게 다루지는 않습니다. 좀 더 탄탄한 기본기를 배우고 싶으신 분은 시중에 나와있는 훌륭한 R 기본 서적을 추가로 보실 것을 추천드립니다.
## R과 R 스튜디오 설치하기
### R 설치하기
먼저 R 프로젝트 공식 사이트인 https://cran.r-project.org/ 에 접속하여 본인의 OS에 맞는 설치 파일을 다운로드 합니다.
```{r fig.cap='CRAN 사이트', echo = FALSE}
knitr::include_graphics('images/rbasic_cran.png')
```
가장 상단의 [base]를 선택합니다.
```{r fig.cap='R 다운로드 화면', echo = FALSE}
knitr::include_graphics('images/rbasic_cran2.png')
```
[Download R x.x.x for Windows] 항목을 클릭하면 설치 파일이 다운로드 됩니다. 다운로드 받은 파일을 실행해 설치를 하며, 옵션은 수정하지 않아도 됩니다.
```{r fig.cap='R 설치파일 다운로드', echo = FALSE}
knitr::include_graphics('images/rbasic_cran3.png')
```
### R 스튜디오 설치하기
위에서 설치한 R GUI를 그대로 쓰는 사용자는 거의 없습니다. 대부분의 경우 R을 사용하기 편리하게 만들어주는 IDE 소프트웨어인 R 스튜디오를 사용하므로, 해당 프로그램을 설치하도록 합니다. R 스튜디오를 사용하려면 R이 먼저 설치되어 있어야 하며, R과 마찬가지로 무료로 사용할 수 있습니다. 먼저 아래 사이트에 접속합니다.
```
https://www.rstudio.com/products/rstudio/download/
```
하단의 [All Installers] 항목에서 본인의 OS에 해당하는 파일을 다운로드 받아 설치합니다.
```{r fig.cap='R 스튜디오 설치파일 다운로드', echo = FALSE}
knitr::include_graphics('images/rbasic_rstudio.png')
```
::: {.infobox .note data-latex="{note}"}
윈도우 사용자의 경우 간혹 R 스튜디오를 실행하는데 있어 오류가 발생할 수 있습니다.
1. R 스튜디오가 관리자 권한으로 실행되지 않으면 오류가 발생할 수 있으며, 이 경우 아래와 같은 방법으로 해결이 가능합니다.
- R 스튜디오 바로가기 아이콘을 마우스 우클릭으로 연 후, [속성] → [호환성]을 클릭합니다.
- [관리자 권한으로 이 프로그램 실행]에 체크한 후 [확인]을 누릅니다.
<br>
2. 윈도우 사용자 계정이 한글인 경우 기존 사용자 계정을 영문으로 변경하거나, 영문으로 된 사용자 계정을 새로 추가합니다.
:::
## R 스튜디오 화면 구성
처음으로 R 스튜디오를 실행하면 다음과 같은 화면으로 구성되어 있습니다. 이 중 소스 창을 열기 위해 네모 2개가 겹쳐 있는 모양(![](images/rbasic_rstudio_small.png))의 버튼을 클릭합니다.
```{r fig.cap='R 스튜디오 화면구성', echo = FALSE}
knitr::include_graphics('images/rbasic_rstudio_base1.png')
```
소스 창이 활성화되면 총 4개의 창으로 화면이 구성되며, 각 창의 크기는 경계선 부분을 드래그하여 조절할 수 있습니다.
```{r fig.cap='R 스튜디오 화면구성 (2)', echo = FALSE}
knitr::include_graphics('images/rbasic_rstudio_base2.png')
```
**1. 콘솔 창**
좌측 하단에 있는 콘솔 창은 코드를 입력하고 결과물을 출력하는 곳입니다.
```{r fig.cap='R 스튜디오 콘솔 창', echo = FALSE}
knitr::include_graphics('images/rbasic_rstudio_console.png')
```
콘솔 창의 > 기호 뒤에 **1+1**을 입력하면 그 결과값인 **2**가 출력됩니다.
이 외에도 [Terminal] 탭에서는 시스템 쉘을 이용해 운영 체제를 조작할 수 있습니다.
**2. 소스 창**
좌측 상단에 있는 소스 창은 코드를 기록할 수 있는 공간이며, 이를 저장한 파일을 스크립트라고 합니다. 콘솔 창과는 다르게 코드를 입력하여도 바로 실행이 되지 않으며, 엔터를 누르면 행이 바뀝니다. 실행하고자 하는 코드가 있는 행을 선택한 후, [Ctrl + Enter]키를 누르면 해당 코드가 실행됩니다.
```{r fig.cap='R 스튜디오 소스 창의 실행', echo = FALSE}
knitr::include_graphics('images/rbasic_rstudio_console2.png')
```
3*7이란 코드가 있는 곳에 커서를 둔 후 [Ctrl + Enter]키를 누르면 해당 코드가 콘솔 창에서 실행됩니다. 만일 여러줄의 명령어를 한번에 실행하고 할 경우, 원하는 부분의 코드를 마우스로 드래그하여 선택한 후 [Ctrl + Enter]키를 누르면 코드가 순차적으로 콘솔 창에 입력되면서 실행됩니다.
```{r fig.cap='R 스튜디오 소스 저장하기', echo = FALSE}
knitr::include_graphics('images/rbasic_rstudio_console3.png')
```
위에서 작성한 코드를 저장해보도록 하겠습니다. 저장 버튼(![](images/rbasic_rstudio_save.png))을 클릭한 후 원하는 폴더 및 파일 이름을 입력 한 후 [Save] 버튼을 누릅니다.
```{r fig.cap='R 스튜디오 소스 저장하기 (2)', echo = FALSE}
knitr::include_graphics('images/rbasic_rstudio_console4.png')
```
Untitled1로 되어 있던 스크립트의 이름이 저장한 이름으로 바뀌며, 스크립트가 저장되어 있는 것이 확인됩니다. 이처럼 코딩을 한 후 스크립트를 저장할 경우, 나중에 해당 내역을 그대로 불러올 수 있습니다.
**3. 환경 창**
우측 상단에 있는 환경 창은 생성된 데이터를 보여주는 화면입니다.
```{r fig.cap='R 스튜디오 환경 창', echo = FALSE}
knitr::include_graphics('images/rbasic_rstudio_env.png')
```
스크립트 창에서 **a = 1**을 입력하면, 환경 창의 Values 목록에 a가 생기며 그 값은 1로 표시됩니다.
이 외에도 환경 창의 [History] 탭은 이제까지 실행했던 코드의 내역을 볼 수 있으며, [Connections] 탭은 SQL이나 Spark 등 데이터베이스와의 연결을 도와줍니다.
**4. 파일 창**
우측 하단에 있는 파일 창은 윈도우의 파일 탐색기와 비슷한 역할을 하며, 워킹 디렉터리 내의 파일을 보여줍니다. 이 외에도 [Plots] 탭은 그래프를 보여주며 [Packages] 탭은 설치된 패키지의 목록을 보여줍니다. [Help] 탭은 도움말을 보여주며, [Viewer] 탭은 분석 결과를 HTML 등 웹 문서로 출력한 모습을 보여줍니다.
## R 스튜디오 설정하기
R 스튜디오는 기본적으로 흰색 바탕에 검은색 글씨로 설정되어 있습니다. 그러나 흰 화면에서 작업을 하게 되면 눈이 쉽게 피로해지며, 시력에도 좋지 않습니다. 이를 방지하기 위해 어두운 화면으로 설정을 변경해주는 것이 좋습니다.
```{r fig.cap='R 스튜디오의 테마 선택', echo = FALSE}
knitr::include_graphics('images/rbasic_rstudio_dark.png')
```
상단 탭에서 [Tools] → [Global Options]를 선택한 후, Options의 [Appearance] 탭의 [Editor theme]을 통해 각종 테마를 적용할 수 있습니다. 이 중 본인의 마음에 드는 테마를 선택한 후, [OK] 버튼을 누릅니다.
```{r fig.cap='R 스튜디오의 다크모드 적용', echo = FALSE}
knitr::include_graphics('images/rbasic_rstudio_dark2.png')
```
화면의 배경이 어두워져 눈이 한결 편해졌습니다.
또한 스크립트 내용 중 한글이 깨지는 것을 방지하기 위해 인코딩 방식을 설정할 필요도 있습니다.
```{r fig.cap='R 스튜디오의 인코딩 변경', echo = FALSE}
knitr::include_graphics('images/rbasic_rstudio_encoding.png')
```
상단 탭에서 [Tools] → [Global Options]를 선택한 후, Options의 [Code] 탭의 [Default text encoding] 부분의 [Change]를 눌러 **UTF-8**로 변경해줍니다.
:::: {.infobox .note data-latex="{note}"}
인코딩은 컴퓨터가 문자를 표현하는 방식을 의미하며, 이에 대해서는 나중 장에서 다시 자세하게 다루도록 합니다.
::::
해당 방법으로도 스크립트의 인코딩이 깨질 경우 [File → Reopen with Encoding] 메뉴에서 [UTF-8] 항목을 선택하고 [Set as default encoding for source files] 항목을 선택한 후 [OK]를 클릭합니다. UTF-8로 인코딩이 설정된 후 파일을 다시 열리게 됩니다.
```{r fig.cap='인코딩 변경 후 재시작', echo = FALSE}
knitr::include_graphics('images/rbasic_reopen.png')
```
## 프로젝트 만들기
R 스튜디오에서 코딩을 하기 전에 프로젝트(Project)를 만들면 하나의 프로젝트에 사용되는 소스 코드, 이미지, 문서 등의 파일을 폴더별로 관리하여 효율적으로 관리할 수 있습니다.
먼저 R 스튜디오 상단의 육각형 모양 버튼(![](images/rbasic_rstudio_project.png))을 클릭하거나 [File → New Project]를 클릭합니다.
```{r fig.cap='프로젝트 생성', echo = FALSE}
knitr::include_graphics('images/rbasic_project.png')
```
[Create Project] 화면에서 가장 상단의 [New Directory]를 클릭합니다. 참고로 Existing Directory는 기존 폴더에 새로운 프로젝트를 만들때, Version Control은 깃허브 등의 버전 관리 시스템을 이용할 때 사용됩니다.
```{r fig.cap='새 프로젝트 생성', echo = FALSE}
knitr::include_graphics('images/rbasic_newproject.png')
```
[Project Type]에서 가장 상단의 [New Project]를 클릭합니다.
```{r fig.cap='새 프로젝트 생성 (2)', echo = FALSE}
knitr::include_graphics('images/rbasic_newproject2.png')
```
[Create New Project] 창에서 [Directory name] 항목에 새로 만들 프로젝트 이름을 입력합니다. [Create project as subdirectory of] 항목에는 프로젝트 폴더를 만들 위치를 선택하며, [Browse]를 클릭해 원하는 위치를 선택합니다. 그 후 하단의 [Creage Project]를 클릭합니다.
```{r fig.cap='새 프로젝트 생성 (3)', echo = FALSE}
knitr::include_graphics('images/rbasic_newproject3.png')
```
R 스튜디오가 재시작되면 우측 상단 부분이 프로젝트 이름으로 바뀌며, 파일 창의 윗부분도 프로젝트 폴더의 위치로 바뀝니다. 또한 폴더 내에 fin_ds.Rpoj 라는 파일이 생성됩니다. 스크립트 및 각종 파일들을 해당 프로젝트 폴더에 저장하여, 효율적으로 각종 작업을 관리할 수 있습니다.
```{r fig.cap='새 프로젝트 생성 (4)', echo = FALSE}
knitr::include_graphics('images/rbasic_newproject4.png')
```
::: {.infobox .note data-latex="{note}"}
프로젝트 이름과 폴더 경로에 한글이 들어가면 오류가 발생할 수 있으니, 영문으로 입력하는 것이 좋습니다.
:::
## 데이터 타입별 다루기
R과 R 스튜디오 설치가 끝났으면 본격적으로 R의 기본적인 사용법에 대해 배워보겠으며, 먼저 데이터의 타입별로 다루는 법부터 시작하겠습니다.
R 뿐만 아니라 각종 프로그래밍에는 여러가지 데이터 타입이 있으며, 이를 다루는 방법은 각각 다릅니다. 예를 들어 같은 '3'도 숫자 3인지 문자 3인지에 따라 다루는 방법이 다릅니다. 따라서 데이터 타입의 종류와 이들을 어떻게 다루어야 하는지를 아는 것이 프로그래밍의 기초라고 할 수 있습니다.
### 숫자 형태
R에서 숫자(Numbers) 형태는 크게 integer와 double로 나눌 수 있습니다. 이 중 integer는 정수를 의미하며, double은 부동소수점 실수를 의미합니다.
```{r}
dbl_var = c(1, 2.5, 4.5)
print(dbl_var)
```
위와 같이 입력하면 double, 즉 소수점 형태의 숫자가 만들어 집니다.
```{r}
int_var = c(1L, 6L, 5L)
print(int_var)
```
만일 숫자 뒤에 **L**을 붙이면, integer(정수) 형태의 숫자가 만들어 집니다.
double 형태를 integer 형태로 바꾸려면 할 경우, `as.integer()` 함수를 사용해 쉽게 변경할 수 있습니다. 이처럼 R에서는 `as.*()` 함수의 형태로 각 데이터의 형태를 바꿀 수 있습니다.
```{r}
as.integer(dbl_var)
```
[1.0 2.5 4.5] 이던 dbl_var 값이 `as.integer()` 함수를 통해 소수점이 사라지고 정수 형태인 [1 2 4]로 변경되었습니다.
#### 숫자 생성하기
R에서는 콜론(:)과 `c()` 함수를 통해 순서가 있는 숫자 벡터를 생성할 수 있습니다.
```{r}
1:10
```
**시작숫자:끝숫자**의 형태로 입력하여 1에서 10까지 숫자가 생성됩니다.
```{r}
c(1, 5, 10)
```
`c()` 함수 내부에 각각의 숫자를 입력할 경우, 이로 구성된 숫자 벡터가 생성됩니다.
`seq()` 함수를 이용할 경우 더욱 다양하게 숫자 벡터를 생성할 수 있습니다. seq는 Sequence 즉 '순서'의 약어입니다. 이처럼 R이나 여타 프로그래밍에서는 함수의 이름을 통해 대략적인 기능을 추론할 수 있습니다.
```{r}
seq(from = 1, to = 21, by = 2)
```
`seq()` 함수 내부에 from에는 시작 숫자, to에는 종료 숫자, by에는 간격을 입력합니다. 즉 1에서 21까지 2 단위로 숫자가 생성됩니다.
```{r}
seq(0, 21, length.out = 15)
```
만일 입력값에 **by** 대신 **length.out**을 쓸 경우 from에서 to 까지 동일한 증가폭으로 length.out 만큼의 숫자를 생성하며, 해당 예제에서는 총 15개의 숫자가 만들어집니다.
`rep()` 함수 역시 숫자를 생성해주는 함수입니다.
```{r}
rep(1:4, times = 2)
```
rep는 Replicate 즉 '복제하다'의 약어 입니다. 해당 함수 내에 **times**라는 입력값을 추가해줄 경우, 해당 숫자만큼 반복되어 벡터가 생성됩니다.
```{r}
rep(1:4, each = 2)
```
만일 **each**라는 입력값을 추가할 경우, 각각의 숫자를 n번 반복하여 벡터가 생성됩니다.
#### 올림, 내림, 반올림
함수를 통해 간단하게 숫자의 올림, 내림, 반올림을 할 수도 있습니다. 먼저 다음과 같이 숫자를 입력합니다.
```{r}
x = c(1, 1.35, 1.7, 2.053, 2.4, 2.758, 3.1, 3.45,
3.8, 4.15, 4.5, 4.855, 5.2, 5.55, 5.9)
```
```{r}
round(x)
```
`round()` 함수는 가장 가까운 정수로 반올림을 합니다.
```{r}
round(x, digits = 2)
```
함수 내부에 **digits** 입력값을 추가해 줄 경우, 해당 자리수 만큼 반올림을 합니다. 위 예제에서는 소수 둘째자리 만큼 반올림을 하였습니다.
```{r}
ceiling(x)
floor(x)
```
`ceiling()` 함수는 올림을, `floor()` 함수는 내림을 실행합니다.
### 문자열 형태
일반적인 글자 혹은 텍스트를 문자열(Character Strings)이라고 합니다.
```{r}
a = 'learning to create'
b = 'character strings'
paste(a, b)
```
먼저 a와 b 변수에 각각의 문자를 입력한 후, R의 기본함수인 `paste()` 함수를 이용해 두 문자를 붙일 수 있습니다.
```{r}
print(pi)
paste('pi is', pi)
```
원주율을 의미하는 pi는 원래 3.14159 라는 숫자가 입력되어 있습니다. 그러나 `paste()` 함수를 통해 문자열과 숫자를 합칠 경우, 그 결과값은 문자열이 됩니다.
```{r}
paste('I', 'love', 'R', sep = ',')
```
`paste()` 함수 내부에 sep 인자를 추가할 경우, 각 단어를 구분하는 문자를 입력할 수 있습니다. 기존에는 각 문자가 공백을 기준으로 합쳐졌다면, 이번에는 콤마(,)를 기준으로 합쳐졌습니다.
```{r}
paste0('I', 'love', 'R')
```
`paste0()` 함수는 구분 문자가 없이 결합됩니다.
#### `stringr` 패키지를 이용한 문자열 다루기
R의 기본함수를 이용하여도 문자열을 다룰 수 있지만, `stringr` 패키지를 이용할 경우 더욱 다양한 작업을 수행할 수 있습니다.
```{r}
library(stringr)
str_c('Learning', 'to', 'use', 'the', 'stringr', 'package', sep = ' ')
```
`str_c()` 함수는 `paste()` 함수와 기능이 동일하며, sep 인자를 통해 구분자를 추가할 수 있습니다.
```{r}
text = c('Learning', 'to', NA, 'use', 'the', NA, 'stringr', 'package')
str_length(text)
```
`str_length()` 함수는 문자열 각각의 텍스트 갯수를 세줍니다.
```{r}
x = 'Learning to use the stringr package'
str_sub(x, start = 1, end = 15)
str_sub(x, start = -7, end = -1)
```
`str_sub()` 함수는 start부터 end까지의 문자를 출력합니다. 만일 start 혹은 end에 음수를 입력하면, 문장의 뒤에서부터 start/end 지점이 계산됩니다. 즉, start와 end에 각각 -7와 -1을 입력하면 끝에서부터 일곱번째와 첫번째 지점이 시작점과 끝점이 됩니다.
텍스트 데이터를 다룰때는 빈 공백이 따라오는 경우가 많으며, 이는 대부분 제거해주어야 할 대상입니다.
```{r}
text = c('Text ', ' with', ' whitespace ', ' on', 'both ', 'sides ')
print(text)
```
각 단어를 자세히 살펴보면 좌/우 혹은 양쪽에 공백이 있습니다. 이를 제거하도록 하겠습니다.
```{r}
str_trim(text, side = 'left')
str_trim(text, side = 'right')
str_trim(text, side = 'both')
```
`str_trim()` 함수는 공백을 제거해주는 기능을 합니다. side 인자에 **left**를 입력할 경우 각 텍스트 왼쪽의 공백을, **right**를 입력할 경우 오른쪽의 공백을, **both**를 입력할 경우 양쪽의 공백을 제거해줍니다.
마지막으로 원하는 자리수를 채우기 위해 문자열에 공백 혹은 특정 문자를 입력할 수도 있으며, `str_pad()` 함수를 통해 손쉽게 작업을 할 수 있습니다.
```{r}
str_pad('beer', width = 10, side = 'left')
```
width에 해당하는 10자리를 맞추기 위해 side의 입력값인 좌측에 공백이 추가되었습니다.
```{r}
str_pad('beer', width = 10, side = 'left', pad = '!')
```
pad 인자를 추가할 경우, 공백이 아닌 입력한 문자가 추가됩니다
아래 페이지에는 `stringr` 패키지의 자세한 사용법이 나와 있습니다.
```
https://stringr.tidyverse.org/
```
### 날짜 형태
시계열 작업을 위해서는 날짜(Date), 혹은 시간(Datetime) 형태를 다루어야 합니다.
```{r}
Sys.timezone()
Sys.Date()
Sys.time()
```
`Sys.timezone()` 함수는 현재 타임존을 출력합니다. `Sys.Date()` 함수는 현재 날짜를, `Sys.time()` 함수는 날짜와 시간을 출력합니다.
'2018-12-31'과 같이 사용자가 보기에는 날짜 형태이지만 문자열 형태로 데이터가 들어오는 경우, 이를 날짜 형태로 변경해야 할 경우가 있습니다.
```{r}
x = c('2021-07-01', '2021-08-01', '2021-09-01')
x_date = as.Date(x)
str(x_date)
```
`as.Date()` 함수를 이용하면 문자열을 손쉽게 날짜 형태로 변경할 수 있습니다. `str()` 함수는 데이터의 형태를 확인하는 함수로써, Date 형태임이 확인됩니다.
```{r}
y = c('07/01/2015', '08/01/2015', '09/01/2015')
as.Date(y, format = '%m/%d/%Y')
```
YYYY-MM-DD 형태가 아닌 다른 형태(MM/DD/YYYY)로 입력된 경우, format을 직접 입력하여 Date 형태로 변경할 수 있습니다.
:::: {.infobox .note data-latex="{note}"}
YYYY는 연, MM은 월, DD는 일을 나타냅니다.
::::
#### `lubridate` 패키지를 이용한 날짜 다루기
`lubridate` 패키지를 이용할 경우 날짜 형태와 관련된 다양한 작업을 수행할 수 있습니다.
```{r}
library(lubridate)
x = c('2021-07-01', '2021-08-01', '2021-09-01')
y = c('07/01/2015', '08/01/2015', '09/01/2015')
ymd(x)
mdy(y)
```
`lubridate` 패키지를 이용할 경우 YYYY-MM-DD 형태는 `ymd()`, MM-DD-YYYY 형태는 `mdy()` 함수를 사용해 손쉽게 Date 형태로 변경할 수 있습니다. 이 외에도 `lubridate`에는 Date 형태로 변경하기 위한 다양한 함수가 존재합니다.
```{r, echo = FALSE}
library(kableExtra)
data.frame(
'순서' = c('연, 월, 일',
'연, 일, 월',
'월, 일, 연',
'일, 월, 연',
'시, 분',
'시, 분, 초',
'연, 월, 일, 시, 분, 초'),
'함수' = c('ymd()', 'ydm()', 'mdy()', 'dmy()', 'hm()', 'hms()', 'ymd_hms()')
) %>% kable(booktabs = TRUE,
align = "c",
caption = 'lubridate 패키지의 Date 형태 변경 함수') %>%
kableExtra::kable_styling(bootstrap_options = c("striped", "hover"))
```
`lubridate` 패키지에는 날짜 관련 정보를 추출할 수 있는 다양한 함수가 존재합니다.
```{r, echo = FALSE}
library(kableExtra)
data.frame(
'정보' = c('연', '월', '주', '연도 내 일수', '월 내 일수',
'주 내 일수', '시', '분', '초', '타임존'),
'함수' = c('year()', 'month()', 'week()', 'yday()', 'mday()',
'wday()', 'hour()', 'minute()', 'second()', 'tz()')
) %>% kable(booktabs = TRUE,
align = "c",
caption = 'lubridate 패키지의 날짜 관련 정보 추출 함수') %>%
kableExtra::kable_styling(bootstrap_options = c("striped", "hover"))
```
```{r}
x = c('2021-07-01', '2021-08-01', '2021-09-01')
year(x)
month(x)
week(x)
```
`year()`, `month()`, `week()` 함수를 통해 년도, 월, 주 정보를 확인할 수 있습니다.
```{r}
z = '2021-09-15'
yday(z)
mday(z)
wday(z)
```
`yday()`, `mday()`, `wday()` 함수는 각각 해당 년도에서 몇번째 일인지, 해당 월에서 몇번째 일인지, 해당 주에서 몇번째 일인지를 계산합니다.
```{r}
x = ymd('2021-07-01', '2021-08-01', '2021-09-01')
x + years(1) - days(c(2, 9, 21))
```
날짜에서 연과 월, 일자를 더하거나 빼는 계산 역시 가능합니다. 먼저 `year()` 함수를 통해 1년씩을 더 하였으며, `days()` 함수를 통해 각각의 일자 만큼을 뺍니다.
#### 날짜 순서 생성하기
숫자와 마찬가지로 `seq()` 함수를 이용할 경우 날짜 벡터를 생성할 수 있습니다.
```{r}
seq(ymd('2015-01-01'), ymd('2021-01-01'), by ='years')
```
2015년 1월 1일부터 2021년 1월 1일까지 1년을 기준으로 벡터가 생성됩니다.
```{r}
seq(ymd('2021-09-01'), ymd('2021-09-30'), by ='2 days')
```
지정한 일수인 2일 단위로 날짜 벡터를 생성할 수도 있습니다. 이 외에도 by 인자를 통해 원하는 기간 단위의 벡터를 생성할 수 있습니다.
아래 페이지에는 lubridate 패키지의 자세한 사용법이 나와 있습니다.
```
https://lubridate.tidyverse.org/
```
## 데이터 구조 다루기
R에서 자주 사용되는 데이터구조는 벡터(Vector), 리스트(List), 데이터프레임(Dataframe) 입니다.
### 벡터 다루기
벡터는 R의 가장 기본적인 데이터 구조로써 integer, double, logical, character로 이루어져 있습니다. 벡터를 만드는 방법에 대해서는 앞서 다루었습니다.
```{r}
vec_integer = 8:17
vec_integer
```
```{r}
vec_double = c(0.5, 0.6, 0.2)
vec_double
```
```{r}
vec_char = c('a', 'b', 'c')
vec_char
```
integer의 경우 start:end 형태를 통해서, 그 외에는 `c()` 함수를 통해 벡터를 만들 수 있습니다.
```{r}
c('a', 'b', 'c', 1, 2, 3)
```
숫자와 문자가 같이 벡터로 묶일 경우, 숫자는 모두 문자 형태로 변경됩니다.
```{r}
c(1, 2, 3, TRUE, FALSE)
```
TRUE와 FALSE는 참 혹은 거짓을 나타내는 논리값(logical) 입니다. 숫자와 논리값이 같이 묶일 경우 TRUE는 1, FALSE는 0으로 치환된 후 숫자 형태로 변경됩니다.
```{r}
c('a', 'b', 'c', TRUE, FALSE)
```
문자와 논리값이 같이 묶일 경우 모두 문자 형태로 변경됩니다. 이처럼 문자와 다른 형태가 묶일 경우엔 모든 데이터가 문자로 변경됩니다.
이번에는 기존의 벡터에 새로운 값을 추가해보겠습니다.
```{r}
v1 = 8:17
c(v1, 18:22)
```
기존 8부터 17까지의 숫자로 이루어진 v1 벡터에, `c()` 함수를 이용하여 새로운 값을 추가할 수 있습니다.
만약 벡터에서 원하는 부분의 데이터를 추출하려면 대괄호([])를 이용하면 됩니다.
```{r}
v1[2]
v1[2:4]
v1[c(2, 4, 6)]
```
대괄호 안에 숫자를 입력하면, 벡터에서 해당 순서의 데이터가 추출됩니다. **c(2,4,6)**과 같이 특정 위치를 지정하여 데이터를 추출할 수도 있습니다.
```{r}
v1[-1]
v1[-c(2, 4, 6, 8)]
```
마이너스 기호를 입력하면, 해당 순서를 제외한 데이터가 추출됩니다.
```{r}
v1 < 12
v1[v1 < 12]
v1[v1 < 12 | v1 > 15]
```
먼저 **v1 < 12**를 입력하면 해당 조건에 해당하는 부분은 TRUE, 그렇지 않은 부분은 FALSE를 반환합니다. 그 후 대괄호 안에 다시 결과를 입력하면 TRUE에 해당하는 순서의 데이터만 반환합니다. 이처럼 대괄호 내부에 조건을 설정하여 원하는 데이터를 추출할 수도 있습니다.
### 리스트 다루기
먼저 리스트를 생성합니다.
```{r}
l = list(1:3, 'a', c(TRUE, FALSE, TRUE), c(2.5, 4.2))
str(l)
```
첫번째 원소는 정수(int), 두번째 원소는 문자(chr), 세번째 원소는 논리값(logi), 네번째 원소는 숫자(num)로 이루어져 있습니다. 이처럼 리스트는 각 원소간 타입이나 길이가 달라도 데이터가 결합할 수 특징이 있습니다.
```{r}
l2 = list(1:3, list(letters[1:5], c(TRUE, FALSE, TRUE)))
str(l2)
```
위 예제에서 두번째 원소는 리스트로 구성되어 있습니다. 이처럼 리스트 내에 또 다른 리스트를 생성하는 것 역시 가능합니다.
이번에는 기존 리스트에 새로운 원소를 추가하도록 하겠습니다.
```{r}
l3 = list(1:3, 'a', c(TRUE, FALSE, TRUE))
l4 = append(l3, list(c(2.5, 4.2)))
print(l4)
```
`append()` 함수를 이용하면 기존 리스트에 추가로 원소를 붙일 수 있습니다.
```{r}
l4$item5 = 'new list item'
print(l4)
```
또한 기존 리스트에 달러 사인($)을 입력할 경우, 원소에 이름이 생성되며 데이터가 추가됩니다.
리스트에서 원하는 데이터를 추출할 때는, 벡터와 동일하게 대괄호를 이용하면 됩니다.
```{r}
l4[1]
l4[c(1,3)]
```
원소에 이름이 있을 경우, 이를 이용해 추출도 가능합니다.
```{r}
l4['item5']
```
원소의 이름인 **item5**를 입력하면 해당 원소만 반환합니다.
```{r}
l4[[1]]
l4$item5
```
대괄호를 두번, 혹은 달러 사인($)을 이용해 데이터를 추출할 경우 원소 내의 형태가 반환되며, 위의 예제들과는 다르게 벡터 형태가 반환되었습니다.
```{r}
l4[[1]]
l4[[1]][3]
```
특정 원소의 항목을 추출하기 위해서는 [[와 [를 함께 사용합니다. 위 예제는 l4 리스트의 첫번째 원소에서 3번째 항목을 추출하게 됩니다.
### 데이터프레임 다루기
데이터프레임은 R에서 가장 널리 사용되는 형식으로써, 각 컬럼이 다른 형태를 가질 수 있습니다.
```{r}
df = data.frame (col1 = 1:3,
col2 = c ("this", "is", "text"),
col3 = c (TRUE, FALSE, TRUE),
col4 = c (2.5, 4.2, pi))
str(df)
```
col1은 숫자(int), col2는 문자(chr), col3는 논리연산자(logi), col4는 숫자(num)로 구성되어 있습니다. 또한 벡터 혹은 리스트를 이용해 데이터프레임을 생성할 수도 있습니다.
```{r}
v1 = 1:3
v2 = c ("this", "is", "text")
v3 = c (TRUE, FALSE, TRUE)
data.frame(col1 = v1, col2 = v2, col3 = v3)
```
v1, v2, v3는 각각 숫자, 문자, 논리연산로 구성된 벡터입니다. 이를 `data.frame()` 함수 내에 입력할 경우 col1, col2, col3 열 이름에 해당 데이터들이 입력됩니다. 주의해야 할 점은 각 벡터의 길이가 동일해야 데이터프레임 형태를 만들 수 있습니다.
```{r}
l = list (item1 = 1:3,
item2 = c ("this", "is", "text"),
item3 = c (2.5, 4.2, 5.1))
l
data.frame(l)
```
리스트 역시 `data.frame()` 함수를 이용할 경우, 각 원소명을 열이름으로 한 데이터프레임이 생성됩니다. 이 경우 역시 각 원소의 데이터 길이가 동일해야 합니다.
기존 데이터프레임에 행방향 혹은 열방향으로 데이터를 추가할 수 있습니다.
```{r}
df
v4 = c ("A", "B", "C")
cbind(df, v4)
```
`cbind()` 함수는 'column bind'의 약어로써, 기존 데이터프레임에 새로운 열을 추가합니다.
```{r}
v5 = c (4, "R", F, 1.1)
rbind(df, v5)
```
`rbind()` 함수는 'row bind'의 약어로써, 기존 데이터프레임에 새로운 행을 추가합니다. 주의할 점은 각 행의 데이터 형태가 기존 데이터의 형태와 일치해야 합니다.
데이터프레임 역시 대괄호를 이용해 데이터를 추출할 수 있으며, 공백으로 두면 모든 행(열)을 선택하게 됩니다.
```{r}
df
df[2:3, ]
```
데이터프레임중 2:3, 즉 두번째부터 세번째까지의 행과 모든 열을 선택하게 됩니다.
```{r}
df[ , c('col2', 'col4')]
```
행이름 혹은 열이름 직접 입력하여 해당값을 추출할 수도 있습니다. 위 예제에서는 열이름이 col2와 col4인 열을 추출합니다.
```{r}
df[, 2]
df[, 2, drop = FALSE]
```
만일 하나의 열만 선택시 결과가 벡터 형태로 추출되며, drop = FALSE 인자를 추가해주면 데이터프레임의 형태가 유지되어 추출됩니다.
### 결측치 처리하기
결측치란 누락된 데이터를 의미하며, 데이터 분석에서 결측치를 처리하는 것은 매우 중요합니다. R에서 결측치는 `NA`로 표시되며, `is.na()` 함수를 통해 결측치 여부를 확인할 수 있습니다.
```{r}
x = c(1:4, NA, 6:7, NA)
x
is.na(x)
```
데이터가 NA인 경우에는 TRUE, 그렇지 않을 경우 FALSE를 반환합니다. 데이터프레임에도 해당 함수를 적용할 수 있습니다.
```{r}
df = data.frame (col1 = c (1:3, NA),
col2 = c ("this", NA,"is", "text"),
col3 = c (TRUE, FALSE, TRUE, TRUE),
col4 = c (2.5, 4.2, 3.2, NA),
stringsAsFactors = FALSE)
df
is.na(df)
```
데이터에 결측치가 있는 경우 계산이 불가능하다는 문제가 발생합니다.
```{r}
y = c(1, 3, NA, 4)
mean(y)
```
데이터의 중간에 결측치인 NA가 존재하여 평균을 계산할 수 없으며, 이 외에도 모든 연산이 불가능하게 됩니다.
```{r}
mean(y, na.rm = TRUE)
```
na.rm에서 rm은 'remove'의 약어입니다. 즉 해당 인자를 TRUE로 설정할 경우 NA를 제외하고 연산을 수행합니다. 따라서 1,3,4의 평균인 $\frac{1+3+4}{3} = 2.6667$이 계산됩니다.
일반적으로 결측치가 있는 경우 해당 데이터는 문제가 있다고 판단하여 제거하거나, 다른 데이터로 대체하여 채워넣기도 합니다. 먼저 결측치가 있는 데이터를 제거하는 법을 알아보겠습니다.
```{r}
df = data.frame (col1 = c (1:4),
col2 = c ("this", NA,"is", "text"),
col3 = c (TRUE, FALSE, TRUE, TRUE),
col4 = c (2.5, 4.2, 3.2, 5.0)
)
df
```
두번째 행 col2 열에 결측치가 있으므로, 해당 부분을 제거해주도록 합니다.
```{r}
na.omit(df)
```
`na.omit()` 함수를 이용하면 NA가 위치한 부분의 데이터가 제거됩니다.
```{r}
x = c(1:4, NA, 6:7, NA)
x
```
이번에는 위와 같이 결측치가 있는 경우, 다른 데이터로 대체하도록 하겠습니다.
```{r}
x[is.na(x)] = mean(x, na.rm = TRUE)
x
```
`mean()` 함수 내부를 통해 값들의 평균을 구한 후, `is.na()` 함수를 통해 결측치가 위치한 부분의 데이터를 평균값인 3.833 으로 대체하였습니다. 이 외에도 결측치를 대체하는데는 다양한 방법이 존재합니다.
## 데이터 불러오기 및 내보내기
일반적으로 사람들은 csv 혹은 엑셀 파일로 저장된 데이터를 주고 받으며 데이터 분석을 하는 경우가 많습니다. 해당 형식의 파일을 R로 불러오는 법 그리고 저장하는 법에 대해 알아보겠습니다.
csv와 엑셀 샘플 파일의 주소는 다음과 같습니다.
```
https://github.com/hyunyulhenry/fin_ds/blob/master/data/kospi.csv
https://github.com/hyunyulhenry/fin_ds/blob/master/data/kospi.xlsx
```
아래의 코드를 실행하면 해당 파일을 PC에 다운로드 받을 수 있습니다.
```{r eval = FALSE}
download.file('https://raw.githubusercontent.com/hyunyulhenry/fin_ds/master/data/kospi.csv', 'kospi.csv')
download.file('https://github.com/hyunyulhenry/fin_ds/raw/master/data/kospi.xlsx', 'kospi.xlsx', mode = 'wb')
```
### 워킹 디렉터리
데이터를 불러오거나 내보낼 때 초보자들이 가장 많이 하는 실수가 워킹 디렉터리를 제대로 설정하지 않는 것입니다. 워킹 디렉터리(Working Directory)란 현재 사용중인 폴더를 의미하며, 현재 워킹 디렉터리는 콘솔창 상단 `getwd()` 함수를 통해 확인할 수 있습니다.
```{r eval = FALSE}
getwd()
# [1] "C:/Users/henry/Documents/R/fin_ds"
```
파일들이 A 폴더에 있는데 워킹 디렉터리가 B 폴더인 상태에서는 파일을 불러올 수 없으므로, 해당 파일들이 현재 워킹 디렉터리에 있어야 합니다.
워킹 디렉터리를 변경할때는 `setwd()` 함수를 통해 위치를 직접 지정해주어도 되지만, R 스튜디오의 파일 창을 이용하면 손쉽게 변경할 수 있습니다. 먼저 파일 창 상단의 [...] 부분을 클릭합니다.
```{r fig.cap='워킹 디렉터리 변경', echo = FALSE}
knitr::include_graphics('images/rbasic_setwd.png')
```
탐색기 화면에서 원하는 폴더를 선택한 후 하단의 [Open]을 클릭합니다.
```{r fig.cap='워킹 디렉터리 변경 (2)', echo = FALSE}
knitr::include_graphics('images/rbasic_setwd2.png')
```
탐색기 화면에 선택한 폴더의 파일들이 보입니다. 이제 [Move → Set As Working Directory]를 클릭하면 콘솔창에 해당 폴더를 워킹 디렉터리로 변경하는 코드가 입력되면서, 워킹 디렉터리 위치가 해당 폴더로 변경됩니다.
```{r fig.cap='워킹 디렉터리 변경 (3)', echo = FALSE}
knitr::include_graphics('images/rbasic_setwd3.png')
```
### csv 파일 불러오기 및 저장하기
먼저 R의 기본함수인 `read.csv()` 함수를 이용하면 매우 손쉽게 csv 파일을 불러올 수 있습니다.
```{r}
kospi = read.csv('kospi.csv')
head(kospi)
```
`readr` 패키지의 `read._csv()` 함수를 이용하면 기본 함수 대비 10배 정도 빠르게 데이터를 불러올 수 있으며, 훨씬 다양한 조건을 입력할 수도 있습니다.
```{r}
library(readr)
kospi2 = read_csv('kospi.csv')
head(kospi2)
```
R의 데이터를 csv로 저장하는 법은 기본함수의 `write.csv()` 혹은 `readr` 패키지의 `write_csv()` 함수를 이용하면 됩니다.
```{r eval = FALSE}
# using write.csv
write.csv(kospi, 'kospi2.csv', row.names = FALSE)
# using write_csv
write_csv(kospi2, 'kospi2.csv')
```
기본함수인 `write.csv()` 의 경우 행이름이 자동으로 새로운 열로 추가되어 저장되므로, 이를 원하지 않을 경우 row.names = FALSE 를 추가로 입력해주어야 합니다.
### 엑셀 파일 불러오기 및 저장하기
R의 기본함수 중에는 엑셀 파일을 불러오는 함수가 없지만, 해당 작업을 수행하는 다양한 패키지가 존재합니다. 그 중에서 `readr` 패키지와 쌍둥이 격인 `readxl` 패키지를 이용해보겠습니다.
먼저 해당 패키지의 `read_excel()` 함수를 이용해 엑셀 파일을 불러올 수 있습니다.
```{r}
library(readxl)
kospi_excel = read_excel('kospi.xlsx', sheet = 'kospi')
head(kospi_excel)
```
엑셀은 여러 시트로 구성된 경우가 많으며, sheet에 특정 시트명을 입력하면 해당 시트의 내용을 불러오게 됩니다. 만일 아무값도 입력하지 않을 경우 가장 첫번째 시트의 데이터를 불러옵니다.
반대로 R의 데이터를 엑셀로 저장하는 방법은 `writexl` 패키지의 `write_xlsx()` 함수를 이용하면 됩니다.
```{r eval = FALSE}
library(writexl)
write_xlsx(kospi_excel, 'kospi_excel.xlsx')
```
## 효율성과 가독성 높이기
이번에는 프로그래밍의 효율성을 높이기 위해 자주 사용되는 함수와 루프 구문, 그리고 가독성을 높이기 위한 파이프 오퍼레이터에 대해 알아보겠습니다.
### 함수
동일하거나 비슷한 작업을 반복해야 하는 경우 매번 실행하거나 복사-붙여넣기 하기 보다는 경우 함수를 작성하여 사용하면 매우 효율적으로 작업이 가능합니다.
함수는 크게 세가지 요소로 구성됩니다.
- `body()`: 함수 내부의 코드
- `formals()`: 인자(argument) 내역
- `environment()`: 함수의 변수에 대한 위치
예를 들어 금융 자산의 현재 가치는 다음과 같이 계산됩니다.
$$PV = FV / (1+r)^n$$
- PV: 현재 가치
- FV: 미래 가치
- r: 할인률
- n: 기간
즉, 1년 뒤에 110만원을 받는 돈의 현재가치는 $110만원/(1+0.1)^1 = 100만원$ 이라 볼 수 있습니다. 이러한 값을 구하기 위해 매번 계산기를 사용하기 보다는 함수를 이용하면, 훨씬 효율적인 작업이 가능합니다. 위의 수식을 함수로 나타내면 다음과 같습니다.
```{r}
PV = function(FV, r, n) {
PV = FV / (1+r)^n
return(round(PV, 2))
}
```
R에서는 `함수명 = function(인자) {함수 내용}`의 형태로 함수를 만들수 있으며, 반환하고자 하는 결과를 `return()` 내부에 작성합니다. 함수의 구성요소 세가지를 한번 확인해보도록 하겠습니다.
```{r}
body(PV)
```
먼저 body는 함수 내부의 코드를 의미합니다.
```{r}
formals(PV)
```
formals에는 함수의 인자인 FV, r, n이 있습니다.