[패스트캠퍼스 수강 후기] R 인강 100% 환급 챌린지 10차 미션

[패스트캠퍼스 수강 후기] R 인강 100% 환급 챌린지 10차 미션

 

패스트캠퍼스의 강의 중, 프로젝트와 함께 배우는 R 데이터 분석 올인원 패키지 Online를 수강하고 있습니다.

https://bit.ly/2DKMGNx 

내용을 복습도 할 겸, 미션에도 참가할 겸, 블로그에 매일 매일 정리해 보게 되었습니다.

 

오늘은 10회차 미션!

Part 2) [R로 하는 데이터 분석] 데이터 분석 기본기 익히기

Part 3) [R로 하는 데이터 분석] 데이터 다듬어 보기

1. 12. Ch 05. 데이터 가공하기 - 06. 데이터 합치기

2. 01. Ch 06. 그래프 그리기 - 01. 변수 간 관계를 표현하는 산점도

 

1. 12. Ch 05. 데이터 가공하기 - 06. 데이터 합치기

1. 여러 데이터셋을 하나로 합쳐서 처리해야 함.

2. 

3. 데이터 합치기의 종류

1. 가로로 합치기 (열 추가)

1. left_join(A, B, by - "id")

2. by의 인자는 큰따옴표 필요!

2. 세로로 합치기

1. 서로 다른 반의 점수를 합치기 (행 추가)

4. 데이터 생성

1. 가로로 합치기

1. left_join(A, B, by - "id")

2. id라는 걸 기준으로 합친다. (큰 따옴표를 사용한다는 걸 주의)

3. 같은 id일 때, 같은 행으로 인식하게끔 하는 것

4. 즉, 행의 개수가 동일할 필요는 없음

5. 실제 예시

1. 주의

1. left_join, bind_rows는 모두 dplyr 패키지에 포함

2. 연습 id로 합치기 (중간/기말고사)

1. test1 <- data.frame(id = c(1, 2, 3, 4, 5), midterm = c(60, 80, 70 ,90, 85))

2. test2 <- data.frame(id = c(1, 2, 3, 4, 5), finalterm = c(70, 83, 65, 95, 80))

3. total <- left_join(test1, test2, by = "id")  

3. 연습2 (exam에 class바다 선생님 추가)

1. name <-  data.frame(class = c(1, 2, 3, 4, 5), teacher = c("kim", "lee", "park", "choi", "jung"))

2. total <- exam_new <- left_join(exam, name, by ="class")

3. 

2. 세로로 합치기

1. 1~5반까지의 데이터와 6~10반까지의 데이터를 합치기

2. bind_rows(A, B)

1. 여기는 by를 사용하지 않아 (단순히 붙이는 것이므로)

3. 실제로 예시

1. group_a <- test1

2. group_b <- data.frame(id = c(6, 7, 8, 9, 10), midterm = c(70, 83, 65, 95, 80))

3. group_all <- bind_rows(group_a, group_b)

4. group_all

5.  

6. install.packages("reshape")

7. library(reshape)

8. group_a <- rename(group_a, c(midterm = "test"))

9. group_a

10. group_b <- rename(group_b, c(midterm ="test"))

11. group_b

12. group_all <- bind_rows(group_a, group_b)

13. group_all

3. 연습문제

1. 

2. 연료별 가격 정보 추가 

3. 주의! stringAsFactors

1. String을 factor로 바꾸지 말고, 그냥 스트링으로 유지하라는 의미

2. F로 하지 않으면 범주형변수(factor)로 지정됨  

1. 

5. 연습문제

1. fuel <- data.frame(fl = c("c", "d", "e", "p", "r"), price_fl = c(2.35, 2.38, 2.11, 2.76, 2.22), stringsAsFactors = F)

2. fuel

3. mpg_new <- left_join(mpg, fuel, by = "fl")

4. head(mpg_new)

5.  

6. mpg_new %>%

7.   select(model, fl, price_fl) %>%

8.   head(5)

6. 

7. 정리하기

1. 

2. 

3. 

8. 마무리 문제

1. 

2. 내가 작성한 코드

1. as.data.frame(midwest) %>%

2.   mutate(popchild  = (poptotal-popadults), popchildratio = (poptotal-popadults)/poptotal*100 ) %>%

3.   arrange(desc(popchildratio)) %>%

4.   mutate(category = ifelse(popchildratio >= 50, "large", ifelse(popchildratio >= 30, "middle", "small"))) %>%

5. select(county, popchildratio, category) %>%

6.   head(5)

3. 문제4는 

1.  아시아인 인구 백분률을 추가하고 arrange한 후...state, county, 등으로 select해서 처리하면 됨.

4. as.data.frame을 안해서 한동안 에러를 겪음

5. mutate내에서 정의한 변수를 곧바로 그 괄호 안에서 사용하는 것은 안됨 (다시 해보니 잘 됨)

9. 추가 학습

1. data.frame 내의 변수 이름 변경하기

1. https://rfriend.tistory.com/41

2. install.packages("reshape")

3. library(reshape)

4. group_a <- rename(group_a, c(midterm = "test"))

5. 위와 같이 사용

2. 01. Ch 06. 그래프 그리기 - 01. 변수 간 관계를 표현하는 산점도

1. 이제는 데이터를 이해하기 위해서 '그래프'를 활용해야 함

2. R 을 이용해서 그래프를 그려보자

1. 대부분의 그래프는 표현 가능

1. 산점도 - 버블차트

2. 네트워크 표시

3. 지도 시각화

4. 3차원 데이터 표현

5. 모션 차트 (시시각각 변화하는 데이터)

6. 클릭 등에 따라 변화하는 차트도 가능

2. 제일많이 쓰는 것

1. 산점도, 막대 그래프, 시간 그래프, 상자그림

3. 

1. 위의 4가지가 가장 많이 사용되는 그래프

1. 강사는 BoxPlot을 강조!

1. 일단은 이것부터 그려봐라!

4. 산점도 - 변수 간 관계 표현하기

1. ggplot2의 레이어 구조.

2. 

3. 산점도

1. x, y가 연속된 그래프에 사용

1. 나이와 소득의 관계 등

2. 써보자

1. library(ggplot2)

2. 1단계: 배경 설정.

1. ggplot(data = mpg, aes(x = displ, y = hwy))

1. aes라는 함수는 축을 결정

3. 2단계: 그래프 추가

1. ggplot(data = mpg, aes(x = displ, y = hwy))+geom_point()

2. **dplyr는 %>%를 즐겨 썼는데, ggplot은 + 를 사용한다.

1. 마찬가지로 +에서 엔터쳐서 줄바꿈하는 것도 가능

4. 3단계: 축 범위 제한

1. ggplot(data = mpg, aes(x = displ, y = hwy))+geom_point()+xlim(3,6)

2. xlim은 축의 범위 설정 (x limit이라는 의미)

5. 3단계 더 추가.. ylim (줄 바꿔가며 표현 가능>>  + 다음에 엔터)

1. ggplot(data = mpg, aes(x = displ, y = hwy))+

2.   geom_point()+

3.   xlim(3,6)+

4.   ylim(10, 30)

6. 

3. qplot vs. ggplot 

1. qplot: quick plot

1. 간단하게 빨리 그려볼 때 사용

2. 상세하게 그려볼 때는 ggplot사용

2. 

4. 연습

1. 

2. 코드

1. ggplot(data=mpg, aes(x=cty, y=hwy)) +

2.   geom_point()

3.  

4. ggplot(data=midwest, aes(x=poptotal, y=popasian)) +

5.   geom_point() +

6.   xlim(0, 500000) +

7.   ylim(0, 10000)

 

이제 그래프를 그리기 시작하니 본격적으로 데이터 분석을 시작한 느낌!