R프로그래밍 Data Type 알아보기

학부생때는 주로 R을 사용했었는데...지금은 Base가 파이썬이다보니 R을 까먹었다ㅠㅠ

다시 새로운 마음가짐으로 정리할겸, 기본적인 R의 Data Type에 대해 알아보자!

---

##### 변수 #####

goods = "냉장고"

 

# 변수 사용시 객체 형태로 사용하는 것을 권장

goods.name = "냉장고"

goods.code = "ref001"

goods.price = 600000

 

goods.name

 

# 값을 대입할 때에는 = 보다는 <- 사용

goods.name <- "냉장고"

goods.code <- "ref001"

goods.price <- 600000

 

# 데이터 타입 확인

class(goods.name)

class(goods.price)

mode(goods.name)

mode(goods.price)

 

# 도움말 활용

help(sum)

?sum

args(sum)

example(sum)

 

##### 데이터 타입 #####

 

#* 배열

#* ---

#* 1) 같은 형식끼리 묶어준다

#* 2) 크기가 정해져 있다.

#* 3) 삽입, 삭제가 불편

 

# 스칼라(0차원) : 숫자, 문자열, 불린(boolean), 팩터, NA, null

# *.기본 자료형 : numeric, character, logical, factor

# *.특수 자료형 : NA, NULL, NaN, Inf

# 벡터(1차원) : 기본 데이터 타입(Vector)

# 행렬(2차원) : Matrix

# 데이터프레임(2차원) : DataFrame

# 배열(3차원 이상) : Array

# 리스트(3차원 이상) : List

 

##### Vector #####

#1) 기본 자료 구조

#2) 1차원 배열

#3) 인덱스 접근

#4) 동일한 자료형만 저장

#5) c():combine, seq(), rep(), ...

 

v <- c(1, 2, 3, 4, 5)

v

class(v)

mode(v)

 

(v <- c(1, 2, 3, 4, 5))

 

mode(c(1:5))

class(c(1, 2, 3, 4, "5"))

 

# seq()

?seq

(seq(from=1, to=10, by=2))

(seq(1, 10, 2))

 

# rep()

(rep(1:3, 3))

 

# 벡터의 접근

a <- c(1:50)

a[10:45]

length(a)

a[10:(length(a)-5)]

a[10:length(a)-5]

 

b<- c(13, -5, 20:23, 12, -2:3)

b

b[1]

b[c(2, 4)]

b[c(4, 5:8, 7)]

b[-1]

b[-2]

b[-c(2, 4)]

 

# 집합 연산

x <- c(1, 3, 5, 7)

y <- c(3, 5)

 

union(x, y); setdiff(x, y); intersect(x, y)

 

# 컬럼명 지정

age <- c(30, 35, 40)

names(age) <- c("홍길동", "임꺽정", "신돌석")

age

 

# 특정 변수의 데이터 제거

age <- NULL

age

 

# 벡터 생성의 또다른 표현

x <- c(2, 3)

x <- (2:3)

x

 

########################### factor

# 범주형 데이터 타입

 

gender <- c("man", "women", "women", "man", "man")

gender

class(gender)

mode(gender)

is.factor(gender)

plot(gender)

 

ngender <- as.factor(gender)

ngender

class(ngender)

mode(ngender)

is.factor(ngender)

plot(ngender)

table(ngender)

 

?factor

ofactor <- factor(gender, levels=c("women", "man"), ordered=TRUE)

ofactor

 

########################### Matrix

# 1) 행과 열의 2차원 배열

# 2) 동일한 데이터 타입만 저장 가능

# 3) matrix(), rbind(), cbind()

 

m <- matrix(c(1:5))

m

 

m <- matrix(c(1:11), nrow=2)

m

 

m <- matrix(c(1:11), nrow=2, byrow=T)

m

 

class(m)

mode(m)

 

# rbind(), cbind()

x1 <- c(3, 4, 50:52)

x2 <- c(30, 5, 6:8, 7, 8)

x1

x2

 

mr <- rbind(x1, x2)

mr

 

mc <- cbind(x1, x2)

mc

 

# matrix 차수 확인

x <- matrix(c(1:9), ncol=3)

x

 

length(x); nrow(x); ncol(x); dim(x)

 

# 컬럼명 지정

colnames(x) <- c("one", "two", "three")

x

colnames(x)

 

# apply

?apply

apply(x, 1, max)

apply(x, 2, max)

apply(x, 1, sum)

apply(x, 2, sum)

 

# 행렬 데이터 접근

aws = read.delim("../data/AWS_sample.txt", sep="#")

head(aws)

 

(aws[1,1])

 

x1 <- aws[1:3, 2:4]

x1

 

# x2 <- aws[9:11, ]

x2 <- aws[9:11, 2:4]

x2

 

cbind(x1, x2)

rbind(x1, x2)

 

 

########################### data.frame

# 1) DB의 table과 유사

# 2) R에서 가장 많이 사용되는 구조

# 3) 컬럼 단위로 서로 다른 데이터 타입 사용 가능

# 4) data.frame(), read.csv(), read.delim(), read.table(), ...

 

no <- c(1, 2, 3)

name <- c("hong", "lee", "kim")

pay <- c(150, 250, 300)

 

emp <- data.frame(NO=no, Name=name, Payment=pay)

emp

 

# read.csv(), read.table()

getwd()

setwd("../data")

getwd()

 

txtemp <- read.table("emp.txt", header=T, sep=" ")

txtemp

class(txtemp)

 

csvemp <- read.csv("emp.csv")

csvemp

 

csvemp1 <- read.csv("emp.csv", header=T, col.names=c("사번", "이름", "급여"))

csvemp1

 

csvemp2 <- read.csv("emp2.csv", header=F, col.names=c("사번", "이름", "급여"))

csvemp2

 

View(csvemp2)

 

#접근

csvemp2[,1]

csvemp2$사번

class(csvemp2$사번)

 

#구조 확인

str(csvemp2)

 

#기본 통계량 확인

summary(csvemp2)

 

# apply

df<-data.frame(x=c(1:5),y=seq(2,10,2), z=c("a","b","c","d","e"))

df

 

apply(df[,c(1,2)],2,sum)

apply(df[,c(1,2)],1,sum)

 

# 데이터의 일부 추출

x1<- subset(df,x>=3)

x1

 

x2<- subset(df,x>2 & x<=6 )

x2

 

height<-data.frame(id=c(1,2),h=c(180,175))

weight<-data.frame(id=c(1,2),h=c(80,75))

user<-merge(height,weight, by.x='id',by.y='id')

user

 

#######################################array

# 1)행, 열, 면의 3차원 배열 형태의 객체 생성

# 2)array()

 

v<-c(1:12)

arr<-array(v,c(3,2,3))

arr

arr[,,2]

#8 추출

arr[2,1,2]

 

 

#############list

# 1)key와 value를 한쌍

# 2)python에서 dict와 유사

# 3)list()

 

x1<-1

x2<-data.frame(var=c(1,2,3), var2=c("a","b","c"))

x3<-matrix(c(1:12),ncol=2)

x4<-array(1:20, dim=c(2,5,2))

 

x5<- list(c1=x1,c2=x2,c3=x3,c4=x4)

x5

 

x5$c1

x5$c2

 

list1<-list("lee","이순신",95)

list1

 

list1[1]

list1[[1]]

list1[2]

list1[[2]]

 

# apply : lapply(), sapply()

# lapply : apply는 2차원 이상의 데이터만 입력을 받는다.

# vector를 입력받기 위한 방법으로 사용, 반환형은 list형이다.

# sapply : 반환형이 행렬 또는 vector로 반환(lapply의 wrapper)

 

a<-list(c(1:5))

b<-list(c(6:10))

a

b

 

c<-c(a,b)

c

class(c)

 

 

x<-lapply(c,max)

x

x1<-unlist(x)

x1

 

y<-sapply(c,max)

y

 

 

###날짜

Sys.Date()

---

이상 R을 이용한 Data Type에 대해서 알아보았다!

뭔가 또 느낌이 이상한데... 왜이렇게 프로그램이 많은거야