1일차 복습

데이터 분석의 순서
1. 데이터 준비, 패키지 준비
2. 데이터 파악

• head(), tail(), View(), dim(), str(), summary등을 이용

3. 변수명 수정

• rename(데이터정보, 신규 컬럼명 = 이전 컬럼명) 이름바꾸기

4. 파생변수 생성

• ex) mpg$total <- (mpg$cty + mpg$hwy)/2
• ex) mpg$test <- ifelse(mpg$total >= 20, "pass", "fail")
  • mpg의 total이 20보다 크거나 같으면 pass호출 그게아니면 fail호출
    ifelse 조건문 활용!

5. 빈도 확인

• table(mpg$test) 빈도표
• qplot(mpg$test) 막대그래프

6. 조건에 맞는 데이터만 추출하기

• filter() : dplyr패키지 안의 filter를 사용
• ex) exam <- read.csv("파일명")
  exam %>% filter(class == 1) 1반인 친구들만 뽑아달라!

2일차 시작

select()

1. 필요한 변수만 추출하기

library(dplyr)
exam <- read.csv("csv_exam.csv")
exam %>% select(math)

위의 방식처럼 library안의 명령어를 쓰기 때문에
항상 새로운 창에서 시작을 하게되면 library중에
dplyr을 넣어서 인스톨 해준다.

그 후에 exam이라는 변수에 csv파일을 읽어 넣어준다는 의미이다.

exam %>% select(math) 이 구문은 math만 선택해서 들고온다는 의미

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

exam %>% select(-math)

exam %>% filter(class == 1) %>%select(math, english)

exam %>%
	filter(class == 1) %>%
    select(math, english)

위의 코드들은 순서대로 여러개의 변수를 추출하는법
특정 변수를 제외하는법
filter와 select를 조합해서 사용하는 법
가독성 있게 줄 바꿔서 표현하는 법

순서대로 정렬하기(arrange)

exam %>% arrange(math) ## 수학 점수상 오름차순
exam %>% arrange(desc(math)) ## 수학점수 기준 내림 차순

파생변수 추가하기(mutate)

파생변수 추가하기 - mutate()
' 새로만들 변수명과 변수를 만들 때 사용할 공식 입력 '
exam %>% 
  mutate(total = math + english + science) %>% 
  head

## 여러 파생변수 한번에 추가하기
exam %>% 
  mutate(total = math + english + science,
         mean = (math + english + science)/3) %>% 
  head

## mutate() 에 ifelse() 적용
exam %>% 
  mutate(test = ifelse(science >= 60, "pass", "fail")) %>% 
  head()


## 추가한 변수를 dplyr 코드에 활용하기
exam %>% 
  mutate(total = math + english + science) %>% 
  arrange(desc(total)) %>% 
  head()

집단별로 요약하기(groub_by, summarise)

 집단별로 요약하기 groub_by, summarise
## 요약하기

exam %>% summarise(mean_math = mean(math))

exam %>% 
  group_by(class) %>% 
  summarise(mean_math = mean(math))

# 여러 요약 통계량 한번에 산출하기
exam %>% 
  group_by(class) %>% 
  summarise(mean_math = mean(math),
            sum_math = sum(math),
            median_math = median(math),
            n = n())

' 
summarise 안에 자주 들어가는 함수들
mean(): 평균
sum() : 합계
sd(): 표준편차
median(): 중앙값
min(): 최솟값
max(): 최댓값
n(): 빈도
'

앞의 내용들 활용

#mpg 데이터 불러오기
library(ggplot2)
mpg <- as.data.frame(ggplot2::mpg)
head(mpg)
?mpg

# 각 집단별로 다시 집단 나누기

mpg %>% 
  group_by(manufacturer, drv) %>% # 회사, 구방방식 별 분리 전륜,4륜,후륜
  summarise(mean_cty = mean(cty)) %>% # 도심연비 평균
  head

# dplyr 조합하기
'dplyr  -> 함수를 조합할 때 진가를 발휘한다.'

'회사별로 suv자동차의 도시 및 고속도로 통합 연비 평균을 구해서 내림차순으로 정렬하고, 1~5위까지 출력하기'
mpg %>% 
  group_by(manufacturer) %>% 
  filter(class == 'suv') %>% 
  mutate(total = (cty + hwy)/2) %>% 
  summarise(mean_total = mean(total)) %>% 
  arrange(desc(mean_total)) %>% 
  head(5)


# 데이터 합치기

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

test2 <- data.frame(id = c(1,2,3,4,5),
                    final=c(66,76,87,89,80))

test1
test2

# id 기준으로 합치기
total <- left_join(test1, test2, by="id") # by 부분이 기준점
' by에 변수 지정 할 때 겹 따옴표 입력'
total

# 세로로 합치기
group_a <- data.frame(id=c(1,2,3,4,5),
                      test=c(60,80,76,80,81))

group_b <- data.frame(id=c(6,7,8,9,10),
                      test=c(70,85,70,81,98))

group_a
group_b

group_all <- bind_rows(group_a, group_b)
group_all

데이터 정제

빠진 데이터, 이상한 데이터 제거

결측치란?

• 누락된 값, 비어있는 값
• 함수 적용 불가, 분석 결과 왜곡
• 제거 후 분석 실시

결측치 제거하기

결측치가 있는 행만 제거하는 방법

new_df <- df %>% filter(!is.na(score))
is.na는 NA데이터 즉 결측치 데이터를 들고 오는방법
그 데이터를 부정한다는 ! 를 붙여서 없애는 방법
</br>
여러 변수를 동시에 없애는 방법
new_df <- df %>% filter(!is.na(score) & !is.na(s))
& and연산자를 이용해서 몇개든 함께 없앨수 있다.
</br>
※ 결측치가 하나라도 있으면 모두 없애는 방법 
이 방법 같은경우 분석에 필요한 데이터가 제거 될수 있기에
신중하게 선택해야한다.
new_df <- na.omit(df) 모든 결측치를 없앤다.