학습 목표
- R에서 가능한 다양한 자료형을 학습자에게 노출시킨다.
- 다양한 자료형을 갖는 벡터 생성법을 학습한다.
- 벡터 자료형을 검사할 수 있어야 한다.
- 결측치를 갖는 데이터와 다른 특수값에 대해 학습한다.
- 다양한 자료구조(리스트, 행렬, 데이터프레임)에 대해 친숙해진다.
R 언어를 가장 잘 활용하려면, 기본 자료형과 자료구조, 그리고 연산작업하는 방법에 관한 정확한 이해가 요구된다.
이해가 매우 중요한 이유는, R로 매일 조작하는 객체가 자료형과 자료구조이기 때문이다. 객체 전환(object conversion) 작업이 초보자에게 있어 가장 일반적인 좌절요인 중 하나다.
R에서 모든 것은 객체다.
R에는 쪼갤 수 없는 원자수준 벡터 자료형이 6개 있다. (워크샵에서 raw 클래스에 대한 논의는 하지 않을 것이다.)
쪼갤 수 없는 원자수준(atomic)이란, 벡터가 한가지 자료형 데이터만 담게 된다는 의미다.
"a", "swc"2, 15.52L (L부호는 정수형으로 데이터를 저장하도록 R에게 일러준다)TRUE, FALSE1+4i (실수부와 허수부를 갖는 복소수)벡터와 다른 객체에 대한 특징을 조사하는데 많은 함수가 R에 제공된다. 예를 들어,
class() - (고수준에서) 어떤 유형의 객체인가?typeof() - (저수준에서) 객체의 자료형은 무엇인가?length() - 길이는 얼마나 되는가? 2차원 객체는 어떨까?attributes() - 어떤 메타데이터를 갖고 있는가?## [1] "character"## NULL## [1] 1 2 3 4 5 6 7 8 9 10## [1] "integer"## [1] 10## [1] 1 2 3 4 5 6 7 8 9 10## [1] "double"R에는 __자료구조(data structure)__가 많다. 자료구조에는 다음이 포함된다:
벡터가 R에서 가장 일반적이고 기본이 되는 자료구조다. 그리고, R을 위해 열심히 일하는 중요한 존재다. 기술적으로, 벡터는 두가지 자료형 중 하나가 될 수 있다:
하지만, “벡터”라는 용어는 리스트가 아닌 원자벡터를 일반적으로 지칭한다.
벡터는 가장 일반적인 방식 character, logical, integer, numeric을 요소로 갖는 집합(collection)이다.
vector() 함수로 빈 벡터를 생성할 수 있다. (기본디폴트 설정으로, 방식이 logical이 된다. 아래 예제에 나온 것처럼 더 명식적으로 할 수도 있다.) character(), numeric() 등 처럼, 직접적인 생성자를 사용하는 것이 더 일반적이다.
## logical(0)## [1] "" "" "" "" ""## [1] "" "" "" "" ""## [1] 0 0 0 0 0## [1] FALSE FALSE FALSE FALSE FALSE내용물을 직접적으로 명세함으로써 벡터를 생성할 수도 있다. 그러면, R이 해당 벡터에 대해서 적절한 저장 방식을 추측한다. 예를 들어:
상기 명령어는 numeric 방식을 갖는 벡터 x를 생성한다. 상기 방식이 가장 일반적인 유형으로 배정밀도를 갖는 실수형으로 처리된다. 만약 명시적으로 정수를 생성하려면, 각 요소마다 L을 추가한다. (혹은 as.integer() 함수를 사용해서, 정수형으로 강제한다).
TRUE 와 FALSE를 사용하면 logical 방식 벡터를 생성하게 된다:
반면에, 인용부호를 갖는 텍스트를 사용하면, character 방식 벡터가 생성된다:
typeof(), length(), class() str() 함수는 전반적으로 R 객체와 벡터에 대한 유용한 정보를 제공하는 역할을 한다.
## [1] "character"## [1] 3## [1] "character"## chr [1:3] "Sarah" "Tracy" "Jon"도전 과제 - 공통성 알아내기
상기 모든 벡터에 대해 공통된 특성을 볼 수 있는가?
c() (combine) 함수를 사용해서 벡터에 요소를 추가한다.
## [1] "Sarah" "Tracy" "Jon" "Annette"## [1] "Greg" "Sarah" "Tracy" "Jon" "Annette"숫자 순열로 벡터를 생성할 수 있다.
## [1] 1 2 3 4 5 6 7 8 9 10## [1] 1.0 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0 2.1 2.2 2.3
## [15] 2.4 2.5 2.6 2.7 2.8 2.9 3.0 3.1 3.2 3.3 3.4 3.5 3.6 3.7
## [29] 3.8 3.9 4.0 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 5.0 5.1
## [43] 5.2 5.3 5.4 5.5 5.6 5.7 5.8 5.9 6.0 6.1 6.2 6.3 6.4 6.5
## [57] 6.6 6.7 6.8 6.9 7.0 7.1 7.2 7.3 7.4 7.5 7.6 7.7 7.8 7.9
## [71] 8.0 8.1 8.2 8.3 8.4 8.5 8.6 8.7 8.8 8.9 9.0 9.1 9.2 9.3
## [85] 9.4 9.5 9.6 9.7 9.8 9.9 10.0R은 벡터에 결측 데이터 처리 기능을 지원한다. 결측 데이터는 NA (Not Available, 자료없음)으로 표현되고, 이번 학습에 다뤄지는 모든 벡터에 사용될 수 있다:
is.na() 함수는 결측 데이터를 표현하는 벡터 요소를 표기한다. anyNA() 함수는 벡터에 어떤 결측값이 포함되면 TRUE를 반환한다:
## [1] FALSE TRUE FALSE FALSE TRUE## [1] FALSE FALSE FALSE FALSE FALSE## [1] TRUE## [1] FALSEInf는 무한이다. 양의 무한 혹은 음의 무한일 수 있다.
## [1] InfNaN 은 숫자가 아님(Not a Number)을 의미한다. NaN은 정의되지 않는 값이다.
## [1] NaNR은 기본적으로 모든 요소를 가장 쉽게 수용할 수 있는 방식(mode)을 갖는 벡터를 생성한다. 저장 방식 사이에 이러한 전환을 “강제변환(coercion)”이라고 부른다. R이 내용물에 기반해서 저장 방식을 전환할 때, 이를 “암묵적 강제전환(implicit coercion)”이라고 한다. 예를 들어, 다음 결과가 (실행하지 않고) 어떨 것이라고 추측되나요?
as.<class_name>() 함수를 사용해서, 벡터를 강제변환하는 방식을 명시적으로 제어할 수 있다:
## [1] 1## [1] "1" "2"객체는 __속성(attributes)__을 갖는다. 속성은 객체의 일부분이다. 속성에는 다음이 포함된다:
또한 (벡터와 리스트에 동작하는) 길이 혹은 (문자열에 대한 ) 문자 갯수같은 속성같은 기타 정보를 얻을 수도 있다.
## [1] 10## [1] 18R에서 행렬은 숫자와 문자 벡터의 연장이다. 행렬은 별도 객체 자료형이 아니라, 차원을 갖는 원자벡터다; 차원은 행과 열의 숫자다.
## [,1] [,2]
## [1,] NA NA
## [2,] NA NA## [1] 2 2R에서 행렬은 칼럼 방향으로 채워진다.
행렬을 구축하는 다른 방식은 다음과 같다.
상기 명령어는 벡터를 받아, 이를 행 2개와 열 5개를 갖는 행렬로 변환한다.
또다른 방식은 cbind() 와 rbind()를 사용해서 행과 열을 묶는 것이다.
## x y
## [1,] 1 10
## [2,] 2 11
## [3,] 3 12## [,1] [,2] [,3]
## x 1 2 3
## y 10 11 12byrow 인자를 사용해서 행렬이 어떻게 채워질지 명세할 수도 있다.
## [,1] [,2] [,3]
## [1,] 1 2 3
## [2,] 11 12 13R에서 리스트는 컨테이너 용기처럼 동작한다. 원자벡터와 달리, 리스트 내용물은 단일 방식(mode)으로 제한되지 않아서, 어떤 자료형도 뒤섞어서 망라할 수 있다. 때때로 리스트를 포괄 벡터(generic vector)라고 부르는데, 이유는 리스트의 요소가 R 객체의 어떤 자료형도 될 수 있기 때문이다. 심지어 리스트를 담는 리스트도 가능하다. 이러한 속성이 원자벡터와 근본적으로 다른 자료형과 리스트를 차별화한다.
리스트는 특별한 벡터 자료형이다. 각 요소는 서로 다른 자료형이 될 수 있다.
list() 함수를 사용하거나, as.list()를 사용해서 다른 객체를 강제전환해서 리스트를 생성한다. 필요한 길이를 갖는 빈 리스트는 vector() 함수를 사용해서 생성할 수 있다.
## [[1]]
## [1] 1
##
## [[2]]
## [1] "a"
##
## [[3]]
## [1] TRUE
##
## [[4]]
## [1] 1+4i## [1] 5## NULL## [1] 10x[1]에 대한 클래스는 무엇이 될까요?x[[1]]에 대한 클래스는 무엇이 될까요?## $a
## [1] "Karthik Ram"
##
## $b
## [1] 1 2 3 4 5 6 7 8 9 10
##
## $data
## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1 5.1 3.5 1.4 0.2 setosa
## 2 4.9 3.0 1.4 0.2 setosa
## 3 4.7 3.2 1.3 0.2 setosa
## 4 4.6 3.1 1.5 0.2 setosa
## 5 5.0 3.6 1.4 0.2 setosa
## 6 5.4 3.9 1.7 0.4 setosa리스트는 함수 내부에서 극단적으로 유용한다. 리스틀 사용해서 함수가 반환할 수 있는 객체 단 하나에 다양한 유형의 많은 결과를 한데 묶을 수 있다.
리스트는 벡터처럼 콘솔에 출력하지 않는다. 대신에, 리스트 각 요소는 개행(newline)에서 시작된다.
요소는 이중 꺾쇠로 색인된다. 단일 꺾쇠는 리스트 하나 혹은 또다른 리스트를 반환한다.
데이터프레임은 R에서 매우 중요한 자료형이다. 대부분의 테이블 형태 데이터와 통계학에서 사용되는 사실상의 표준(de facto) 자료구조가 데이터프레임이다.
데이터프레임은 리스트에 있는 모든 요소가 동일한 길이를 갖는 특수한 리스트 자료형이다.
데이터프레임에는 rownames() 같은 부가적인 속성이 있을 수 있다. rownames()은 subject_id 혹은 sample_id 같이 데이터에 주석을 달 때 유용하다. 하지만, 대부분의 경우에 사용되지는 않는다.
데이터프레임에 추가적인 정보는 다음과 같다:
read.csv()와 read.table()로 통상 생성된다.data.matrix() (선호됨) 혹은 as.matrix() 함수로 행렬을 전환할 수 있다.data.frame() 함수로 생성할 수도 있다.nrow(dat) 와 ncol(dat) 으로 행과 열의 갯수를 각각 알아낸다.수작업으로 데이터프레임을 생성하려면:
## id x y
## 1 a 1 11
## 2 b 2 12
## 3 c 3 13
## 4 d 4 14
## 5 e 5 15
## 6 f 6 16
## 7 g 7 17
## 8 h 8 18
## 9 i 9 19
## 10 j 10 20유용한 데이터프레임 함수
head()- 첫행 6개를 보여준다.tail()- 마지막 행 6개를 보여준다.dim()- 차원 정보를 반환한다.nrow()- 행갯수ncol()- 열갯수str()- 각 칼럼 구조names()- 데이터프레임에 대한names속성을 보여주는데, 칼럼명이 제시된다.
실제로 특수 리스트라는 것을 알 수 있다:
## [1] TRUE## [1] "data.frame"| 차원 | 동종 자료형 | 이종 자료형 |
|---|---|---|
| 1-D | 원자벡터 | 리스트 |
| 2-D | 행렬 | 데이터프레임 |