R 프로그래밍

데이터 다루기

데이터를 능숙하게 다루는 강력한 언어가 R이다. R 객체 내부에 있는 데이터를 다루는데 있어 주요방식이 3가지다.

• 인덱스 (슬라이싱): Index
• 논리 벡터: Logical Vector
• 명칭 (칼럼만 해당): Name

표본 데이터를 적재해서 시작해 본다:

dat<-read.csv(file='data/sample.csv',header=TRUE, stringsAsFactors=FALSE)

적재한 데이터를 살펴보자.

class(dat)

[1] "data.frame"

R은 .csv 파일 콘텐츠를 data.frame인 dat라는 변수로 적재했다.

dim(dat)

[1] 100   9

데이터는 행이 100개, 열이 9개로 구성되었다.

head(dat)

      ID Gender      Group BloodPressure  Age Aneurisms_q1 Aneurisms_q2
1 Sub001      m    Control           132 16.0          114          140
2 Sub002      m Treatment2           139 17.2          148          209
3 Sub003      m Treatment2           130 19.5          196          251
4 Sub004      f Treatment1           105 15.7          199          140
5 Sub005      m Treatment1           125 19.9          188          120
6 Sub006      M Treatment2           112 14.3          260          266
  Aneurisms_q3 Aneurisms_q4
1          202          237
2          248          248
3          122          177
4          233          220
5          222          228
6          320          294

데이터는 (실제가 아닌) 실험 결과로 3가지 다른 처방을 받은 환자의 눈에 생성된 동맥(Aneurisms) 갯수를 볼 수 있다.

인덱스로 다루기: Index

데이터를 인덱스(index)로 접근할 수 있다. 이미 꺾쇠 기호 [ 를 사용해서 데이터 부분집합(슬라이스)을 뽑아내는 방법을 살펴봤다. 일반적인 형식은 dat[행번호, 열번호]이다.

dat[1,1]

[1] "Sub001"

만약 차원정보를 생략하면, R은 해당 차원에 대한 모든 값을 요청하는 것으로 해석한다.

콜론 :을 사용해서 정수 순열을 생성할 수 있다.

6:9

[1] 6 7 8 9

6에서 9까지 숫자 벡터를 생성한다.

데이터를 다루는데 이런 기능이 매우 유용하다.

마지막으로 c() (combine) 함수를 사용해서 비순차적인 행과 열을 다룬다.

dat[c(1,5,7,9),1:5]

      ID Gender      Group BloodPressure  Age
1 Sub001      m    Control           132 16.0
5 Sub005      m Treatment1           125 19.9
7 Sub007      f    Control           173 17.7
9 Sub009      m Treatment2           131 19.4

1,5,7,9 행에 있는 환자에 대해서 첫 5 칼럼을 반환한다.

명칭으로 다루기: Name

R 데이터프레임 칼럼은 명칭이 주어졌다.

names(dat)

[1] "ID"            "Gender"        "Group"         "BloodPressure"
[5] "Age"           "Aneurisms_q1"  "Aneurisms_q2"  "Aneurisms_q3" 
[9] "Aneurisms_q4" 

통상 $ 연산자를 사용해서 명칭으로 칼럼을 다룬다.

dat$Gender

  [1] "m" "m" "m" "f" "m" "M" "f" "m" "m" "f" "m" "f" "f" "m" "m" "m" "f"
 [18] "m" "m" "F" "f" "m" "f" "f" "m" "M" "M" "f" "m" "f" "f" "m" "m" "m"
 [35] "m" "f" "f" "m" "M" "m" "f" "m" "m" "m" "f" "f" "M" "M" "m" "m" "m"
 [52] "f" "f" "f" "m" "f" "m" "m" "m" "f" "f" "f" "f" "M" "f" "m" "f" "f"
 [69] "M" "m" "m" "m" "F" "m" "m" "f" "M" "M" "M" "f" "m" "M" "M" "m" "m"
 [86] "f" "f" "f" "m" "m" "f" "m" "F" "f" "m" "m" "F" "m" "M" "M"

꺾쇠에 명칭으로 데이터를 다루는 것을 사용할 수도 있다.

head(dat[,c('Age','Gender')])

   Age Gender
1 16.0      m
2 17.2      m
3 19.5      m
4 15.7      f
5 19.9      m
6 14.3      M

논리적 색인 : Logical Indexing

논리적 벡터는 TRUE 와 FALSE 특수값만 포함한다.

c(TRUE,TRUE,FALSE,FALSE,TRUE)

[1]  TRUE  TRUE FALSE FALSE  TRUE

논리적 벡터는 관계 연산자(relational operators)를 사용해서 생성할 수 있다. 예를 들어, <, >, ==, !=, %in%.

x<-c(1,2,3,11,12,13)
x < 10

[1]  TRUE  TRUE  TRUE FALSE FALSE FALSE

x %in% 1:10

[1]  TRUE  TRUE  TRUE FALSE FALSE FALSE

논리 벡터를 사용해서 데이터프레임에서 데이터를 선택해서 뽑아낼 수 있다.

index <- dat$Group == 'Control'
dat[index,]$BloodPressure

 [1] 132 173 129  77 158  81 137 111 135 108 133 139 126 125  99 122 155
[18] 133  94  98  74 116  97 104 117  90 150 116 108 102

흔히, 상기 연산을 코드 한줄로 작성한다:

plot(dat[dat$Group=='Control',]$BloodPressure)

인덱스와 할당 조합하기

할당 연산자, <-, 를 인덱스와 조합할 수 있다.

x<-c(1,2,3,11,12,13)
x[x < 10] <- 0
x

[1]  0  0  0 11 12 13

setwd("~/r-novice-inflammation/data")
df <- read.csv("sample.csv", header=TRUE)

table(df$Gender)

df[df$Gender %in% c("F"),]$Gender <- 'f'
df[df$Gender %in% c("M"),]$Gender <- 'm'