R 기본 데이터형

참조문서 : R을 이용한 데이터 처리 & 분석 실무

 

 

1. 변수

변수의 타입은 명시적으로 지정을 안해줘도 사용이 가능하다.

1-1. 명명규칙

명명규칙으로 변수명은 알파벳, 숫자, _(언더스코어), .(마침표)로 구성되며, -(하이픈)은 사용할 수 없다. 첫 글자는 알파벳 또는 .(마침표)으로 시작해야 한다. 만약 .(마침표)으로 시작한다면 .(마침표)뒤에는 숫자가 올 수 없다.

R 1.9.0 이전에는 변수명에 _를 사용할 수 없었다. 이런 이슈로 다른 언어에서 흔히 _를 사용할 만한 상황에서 R은 .(마침표)을 사용한다. 예를 들어, training_data, validation_data 같은 변수명 대신 data.training, data.validation과 같이 마치 객체의 속성을 접근하는 것처럼 보이는 명명 방식이 종종 사용된다.

1-2. 할당

할당연산자로 <- , <<- , = 를 사용할 수 있다. <- 와 <<- 는 스코프차이가 있으며, <- 와 = 는 = 는 명령의 최상위 수준에서만 사용할 수 있는 반면, <- 는 어느 곳에서나 사용할 수 있다. 따라서 함수 호출과 동시에 변수에 값을 할당하는 목적으로는 <- 만 사용할 수 있다.

> mean(x = c(1, 2, 3))
[1] 2
> x
Error: object 'x' not found

만약 위에서 = 대신 <- 를 사용하면 정상 작동한다.

2. 데이터타입

R에서는 기본형이 벡터이다. R의 자료형은 아래처럼 6가지로 나눌 수 있다.

• 요인
• 벡터
• 리스트
• 행렬
• 배열
• 데이터 프레임

이중에서 백터의 길이가 1인 것을 스칼라라고 부른다. class(객체) 를 호출하여 문자열로 데이터타입을 반환받을 수 있다.

2-1. 스칼라(Scalar)

스칼라란 단일 차원의 값을 뜻하며, 길이가 1인 벡터와 같은 동일하다. 즉, 구성인자가 하나인 벡터를 말한다. 스칼라는 정수, 부동소수, 문자열(홀따옴표나 쌍따옴표로 묶어야한다), 논리값(TRUE, T, FALSE, F), NA, NULL 의 데이터타입을 갖는다. 이를 스칼라 데이터타입이라고 부른다.

2-1-1. NA(Not Available)

NA는 데이터 값이 없음을 뜻한다. NA는 결측치, 즉 값이 빠져 있는 경우를 뜻한다. is.na(변수명) 을 통해 참거짓을 확인할 수 있다.

2-1-2. NULL

NULL은 NULL 객체를 뜻하며, 변수가 초기화되지 않았을 때 사용한다. NULL은 프로그래밍의 편의를 위해 미정(undefined) 값을 표현하는 데 사용하는 개념이다. is.null(변수명) 을 통해 참거짓을 확인할 수 있다.

2-2. 요인(Factor)

요인은 범주형 데이터를 표현한다. 범주형 데이터란 데이터가 사전에 정해진 특정 유형으로만 분류되는 경우를 뜻한다.

> sex <- factor("m", c("m", "f"))
> sex
[1] m
Levels: m f
> levels(sex) <- c("male", "female")
> sex
[1] male
Levels: male female

sex 변수를 출력해보면 값은 m이고 이 변수가 가질수 있는 수준은 m, f 중에 하나이다. 요인들이 가질 수 있는 값들을 수준(Level)이라고 한다. 만약 이 범주안에 없는 값(첫번째 인자)을 넣어주면 NA라고 뜬다. 요인은 명목형과 순서형으로 구분되는데, 명목형은 값들 간에 순서비교가 불가능하고, 순서형은 가능(ordered=TRUE)하다. 기본적으로 명목형이다.

• factor(값, levels, ordered=T 또는 F) 로 호출하면 요인을 반환한다. levels 인자를 생략하면 값으로부터 자동으로 레벨의 목록을 파악한다.
• nlevels(요인변수) : 범주의 수를 반환한다.
• levels(요인변수) : 범주목록을 반환한다.
• is.factor(객체) : 참거짓 확인
• ordered(값, levels) 로 호출하면 순서형 요인을 반환한다. 즉 actor(값, levels, ordered=T)와 같다.
• is.ordered(객체) : 참거짓 확인

2-3. 벡터(Vector)

2-3-1. 벡터의 정의

하나의 원소여도 벡터로 취급한다. 벡터는 다른 언어의 배열과 비슷하며, 한 가지의 스칼라 데이터타입의 데이터들을 저장할 수 있다. 만약 서로 다른 스칼라 데이터타입이 섞여있다면 자동 형변환을 한다. 이때 변환규칙은 NULL < raw < logical < integer < double < complex < character < list < expression 순서이다.

벡터는 중첩할 수 없다. 따라서 벡터 안에 벡터를 생성하면 단일 차원의 벡터로 변경된다.

> c(1, 2, 3, c(1, 2, 3))
[1] 1 2 3 1 2 3

벡터의 각 요소에는 이름을 부여할 수 있다. 따라서 벡터에 저장된 요소들을 인덱스를 사용하여 접근하는 것뿐 아니라 이름을 사용해서도 접근할 수 있다. 참고로 R언어의 모든 인덱스는 0이 아닌 1부터 시작한다.

• c(값1, 값2, ...) 로 호출하면 벡터를 반환한다. c는 concatenate로서 여러 벡터들을 붙여주는 함수이다. 즉, 각각의 스칼라들을 붙여 하나의 벡터를 만드는 것이다.
• names(벡터) : 벡터 요소들의 이름을 반환한다.
• length(벡터) : 벡터 길이를 반환
• NROW(벡터) : 벡터를 n행 1열의 행렬로 취급해 길이를 반환한다. 행의 수를 반환하는데 length()와 같다.
• is.numeric(객체) : 숫자를 저장하는 벡터인지 참거짓 확인
• is.character(객체) : 문자열을 저장한 벡터인지 참거짓 확인

2-3-2. 벡터 데이터의 접근

• x[n] : 벡터 x의 n번째 요소. n은 숫자 또는 요소명.

• x[-n] : 벡터 x에서 n번째 요소를 제외한 나머지. n은 숫자 또는 요소명.

• x[색인벡터] : 벡터 x로부터 색인벡터에 지정된 요소를 얻어옴. 이때 색인벡터는 숫자 벡터 또는 요소명을 표현하는 문자열 벡터.

    > x <- c("a", "b", "c")
    > x[c(1, 3)]
    [1] "a" "c"
  

• x[start:end] : 벡터 x의 start부터 end까지의 값을 반환함. 반환 값은 start 위치의 값과 end 위치의 값을 모두 포함함.

    > x[2:3]
    [1] "b" "c"
  

2-3-3. 벡터 집합연산

• identical(x, y) : 벡터 x와 y가 같은 벡터이면 TRUE, 다르면 FALSE

    > identical(c(1, 2, 3), c(1, 2, 3))
    [1] TRUE
    > identical(c(1, 2, 3), c(1, 2, 100))
    [1] FALSE
  

• union(x, y) : 벡터 x와 y의 합집합

• intersect(x, y) : 벡터 x와 y의 교집합

• setdiff(x, y) : 벡터 x와 y의 차집합

• setequal(x, y) : 벡터 x와 y가 같은 집합이면 TRUE, 다르면 FALSE

    > setequal (c("a", "b", "c"), c("a", "d"))
    [1] FALSE
    > setequal (c("a", "b", "c"), c("a", "b", "c", "c"))
    [1] TRUE
  

2-3-4. 벡터 연산

• value %in% x : 벡터 x에 value가 저장되어 있으면 TRUE, 없으면 FALSE

    > "a" %in% c("a", "b", "c")
    [1] TRUE
  

• x + n : 벡터 x의 모든 요소에 n을 더한 벡터를 구함. 마찬가지로 *, /, -, == 등의 연산자를 적용 가능함

    > x <- c(1, 2, 3, 4, 5)
    > x + 1
    [1] 2 3 4 5 6
    > 10 - x
    [1] 9 8 7 6 5
    > c(1, 2, 3) == c(1, 2, 100)
    [1] TRUE TRUE FALSE
    > c(1, 2, 3) != c(1, 2, 100)
    [1] FALSE FALSE TRUE
  

2-3-5. 연속되거나 반복되는 벡터

• seq(시작값, 끝값, 증가치) : 증가치는 생략가능하며 시퀀스를 생성한다. seq()를 쓰지않고 시작값:끝값만 써도 동일하다.

• rep(반복할 값이 저장된 벡터, 전체 반복횟수, each=개별 반복횟수) : 주어진 값을 반복하는 벡터를 생성한다.

    > rep(1:2, times=5)
    [1] 1 2 1 2 1 2 1 2 1 2
    > rep(1:2, each=5)
    [1] 1 1 1 1 1 2 2 2 2 2
    > rep(1:2, each=5, times=2)
    [1] 1 1 1 1 1 2 2 2 2 2 1 1 1 1 1 2 2 2 2 2
  

2-4. 리스트(List)

2-4-1. 리스트의 정의

리스트는 다른 언어의 hash table이나 dictionary에 해당되며 키값 형태의 연관 배열이다. 벡터와 다른 점은 서로 다른 스칼라 데이터타입을 저장할 수 있다. 각 값은 꼭 스칼라일 필요가 없으며 벡터를 저장할 수도 있다. 예를들면 "닉네임" 이라는 키에 "빨간색코딩" 이라는 값을 저장하고, "나이" 이라는 키에 25라는 숫자 값을 저장할 수 있다. 또한 벡터와 달리 중첩도 가능하다.

• list(키=값, 키=값, ...) 을 호출해서 list를 만들 수 있다.

    > x <- list (a=list(val=c(1, 2, 3)), b=list(val=c(1, 2, 3, 4)))
    > x
    $a
    $a$val
    [1] 1 2 3
    
    
    $b
    $b$val
    [1] 1 2 3 4
  

2-4-2. 리스트의 데이터 접근

리스트에 저장된 데이터는 인덱스 또는 키를 사용해 접근할 수 있다.

• x$key : 리스트 x에서 키 값 key에 해당하는 값
• x[[n]] : 리스트 x에서 n번째에 저장된 값
• x[n] : 리스트 x에서 n번째 데이터의 서브리스트

2-5. 행렬(Matrix)

2-5-1. 행렬의 정의

벡터는 동일한 스칼라 데이터타입의 1차원 데이터 구조인 반면, 행렬은 동일한 스칼라 데이터타입의 2차원 데이터 구조를 말한다.

• matrix(벡터 값, nrow=행의 수, ncol=열의 수, byrow=T면 행우선 F면 열우선으로 데이터를 채움, dimnames=행렬의 각 차원의 이름저장)

• dimnames(행렬) : 행렬의 각 차원명

    > dimnames(x) <- list(c("r1", "r2", "r3"), c("c1", "c2", "c3"))
    > x
       c1 c2 c3
    r1  1  4  7
    r2  2  5  8
    r3  3  6  9
  

• rownames(행렬) : 행렬의 행 이름

• colnames(행렬) : 행렬의 열 이름

• nrow(행렬) : 행렬의 행의 수

• ncol(행렬) : 행렬의 열의 수

• is.matrix(객체) : 참거짓 확인

2-5-2. 행렬의 데이터 접근

행렬은 색인 또는 행과 열의 이름을 통해 접근할 수 있다. -색인 형태로 음수를 사용해 특정 행이나 열을 제외하거나, 색인에 벡터를 지정해 여러 값을 한 번에 가져올 수 있다.

• 행렬변수[행 인덱스, 열 인덱스]

    > x[1:2, ]
        [,1] [,2] [,3]
    [1,]   1    4    7
    [2,]   2    5    8
  

2-5-3. 행렬연산

• A + x : 행렬 A의 모든 값에 스칼라 x를 더한다. 이외에도 -, *, / 연산자를 사용할 수 있다.
• A + B : 행렬합을 구한다. 행렬차는 - 연산자를 사용한다.
• A %*% B : 행렬곱을 구한다.
• t(행렬이나 데이터프레임) : 전치행렬(모든 열을 대응하는 행으로 바꿈)을 구한다.
• solve(행렬1, 행렬2) : 행렬1 %*% x = 행렬2에서 x를 구한다. 행렬2를 지정하지 않으면 행렬1의 역행렬을 구한다.

2-6. 배열(Array)

2-6-1. 배열의 정의

행렬이 2차원 데이터라면 배열은 N차원 데이터다. 역시 하나의 스칼라 데이터타입만을 가진다. 예를 들어, 2×3 차원의 데이터를 행렬로 표현한다면 2×3×4 차원의 데이터는 배열로 표현한다.

• array(데이터 벡터, dim=배열의 차원, dimnames=차원명) 로 호출하면 배열이 반환된다.

    > x <- array(1:12, dim=c(2, 2, 3))
    > x
    , , 1
         [,1] [,2]
    [1,]    1   3
    [2,]    2   4
    
    , , 2
         [,1] [,2]
    [1,]    5   7
    [2,]    6   8
    
    , , 3
         [,1] [,2]
    [1,]    9   11
    [2,]   10   12
  

• is.array(객체) : 참거짓 확인

2-6-2. 배열의 데이터 접근

• dim(배열) : 배열의 차원의 수

• 배열변수[행 인덳, 열 인덱스, 차원 인덱스] 로 접근한다.

    > x[1,2,1]
    [1] 3
  

2-7. 데이터프레임(Data Frame)

2-7-1. 데이터프레임의 정의

데이터 프레임은 스칼라 데이터타입에 상관없이 2차원 형태의 데이터 구조를 말한다. 또한 다양한 변수, 관측치, 범주 등을 표현하기 위해 특화되었다. R언어에서 가장 많이 쓰인다. 변수$열이름 <- 을 통해 새로운 데이터도 저장할 수 있다. data.frame를 생성할 때 인자에 넣는 문자열벡터는 요인으로 변환되지만, 이후에 변수$열이름 <- 을 통해 저장한 문자열 벡터는 그대로 문자열벡터이다.

• data.frame(키=값, 키=값, ... , stringsAsFactors=문자열을 요인으로 저장하면 T 문자열로 저장하려면 F) 로 호출하면 데이터 프레임이 생성된다.
• is.data.frame(객체) : 참거짓 확인

2-7-2. 데이터프레임의 데이터 접근

데이터프레임에 저장된 데이터는 인덱스 또는 키를 사용해 접근할 수 있다.

• d$colname : 데이터 프레임 d의 컬럼 이름 colname에 저장된 데이터.
• d[m, n, drop=T] : 데이터 프레임 d의 m행 n 컬럼에 저장된 데이터. 특정 칼럼을 가져올 때 형변환을 원치 않으면 drop=F를 하면 데이터프레임을 반환한다.

3. 타입변환

데이터타입을 명시적으로 바꿔줄 수 있다.

• as.factor(객체): 요인으로 변환
• as.numeric(객체) : 숫자를 저장한 벡터로 변환
• as.character(객체) : 문자열을 저장한 벡터로 변환
• as.matrix(객체) : 행렬로 변환
• as.array(객체) : 배열로 변환
• as.data.frame(객체) : 데이터프레임으로 변환

출처: http://sjh836.tistory.com/112 [빨간색코딩]