R 프로그래밍

조건 선택

앞선 학습에서 어떻게 데이터를 다루고, 함수를 정의하고, 반복하는지 배웠다. 하지만, 지금까지 작성한 프로그램은 어떤 데이터가 주어지든지 관계없이, 항상 동일한 작업을 수행한다. 프로그램이 조작하는 값에 근거해서 자동으로 조건을 평가하고 선택하도록 만들고자 한다.

그래프를 파일로 저장하기

지금까지 analyze 함수를 작성해서, 염증 데이터의 요약 통계값을 도식화했다:

analyze <- function(filename) {
  # Plots the average, min, and max inflammation over time.
  # Input is character string of a csv file.
  dat <- read.csv(file = filename, header = FALSE)
  avg_day_inflammation <- apply(dat, 2, mean)
  plot(avg_day_inflammation)
  max_day_inflammation <- apply(dat, 2, max)
  plot(max_day_inflammation)
  min_day_inflammation <- apply(dat, 2, min)
  plot(min_day_inflammation)
}

또한, analyze_all 함수를 작성해서, 각 데이터 파일에 대한 처리를 자동화했다:

analyze_all <- function(pattern) {
  # Runs the function analyze for each file in the current working directory
  # that contains the given pattern.
  filenames <- list.files(path = "data", pattern = pattern, full.names = TRUE)
  for (f in filenames) {
    analyze(f)
  }
}

앞선 접근방법이 인터랙티브 R 세션에서는 유용하지만, 만약 작업결과를 공동 연구자에게 보낸다면 어떨까? 현재 데이터셋이 12개 있기 때문에, analyze_all을 실행하게 되면, 그래프가 36개 생성된다. 개별적으로 그래프 각각을 저장하는 것은 지루하고 수작업이 포함되어 실수하기도 쉽다. 그리고, 데이터 처리절차를 변경하거나 그래프 모양과 느낌을 변경이 빈번하게 발생하는 상황에서, 동료 연구자와 갱신된 결과를 다시 공유한다면, 다시 한번 그래프를 36개 모두 저장해야만 된다.

첫 염증 데이터 통계값을 그래프 3개에 도식화한 결과를 pdf 파일에 저장하는 방법이 다음에 나와있다:

pdf("inflammation-01.pdf")
analyze("data/inflammation-01.csv")
dev.off()

pdf 함수는 R에서 생성된 모든 그래프를 pdf 파일로 다시 보낸다(redirect). 상기 경우에 그래프를 일단 “inflammation-01.pdf”로 명명된 파일에 저장한다. pdf 파일에 저장될 그래프를 생성을 완료한 후에, dev.off 함수로 R이 더 이상 그래프를 다시 보내기(redirect) 못하게 정지한다.

analyze 함수를 갱신해서, pdf 파일에 그래프를 항상 저장할 수 있다. 하지만, 새로운 변경을 인터랙티브하게 시험하는 것은 약간 더 어렵다. 입력값에 따라 analyze 함수가 그래프를 저장하거나 혹은 저장하지 않게 만드는 것이 이상적이다.

조건문(Conditionals)

함수를 갱신해서 그래프를 저장할지 저장하지 않을지 결정하려면, 다중 선택옵션사항 중에서 자동으로 결정을 내리게 하는 코드를 작성할 필요가 있다. 이런 작업을 위해서 R이 제공하는 도구를 조건문(conditional statement)이라고 부르고, 다음과 같다:

num <- 37
if (num > 100) {
  print("greater")
} else {
  print("not greater")
}
print("done")

[1] "not greater"
[1] "done"

코드의 두번째 줄은 if문을 사용하여 R에게 사용자가 선택을 원한다고 일러준다. 만약 다음 시험(test)이 참(true)이면, if문 몸통부분(아래 중괄호로 둘러싸인 행들)이 실행된다. 만약 시험이 거짓(false)이면, else의 몸통부분이 대신 실행된다. 오직 이것 아니면 저것 둘중 하나만 실행된다:

상기 예제에서 num > 100 시험은 FALSE 값을 반환하는데, 이것이 왜 if 문 내부 코드덩어리를 건너뛰고, else 문 내부 코드덩어리가 대신 실행된 이유다.

num > 100

[1] FALSE

그리고 유추할 수 있듯이, FALSE의 반대는 TRUE다.

num < 100

[1] TRUE

조건문이 반드시 else를 포함할 필요는 없다. 만약 else가 없다면, R은 단순히 시험조건이 거짓이면 아무것도 실행하지 않는다:

num <- 53
if (num > 100) {
  print("num is greater than 100")
}

또한, 두가지 이상의 선택사항이 있다면, 시험 몇개를 연쇄적으로 수행할 수 있다. 이렇게 하면 숫자부호를 반환하는 함수 작성이 단순해진다:

sign <- function(num) {
  if (num > 0) {
    return(1)
  } else if (num == 0) {
    return(0)
  } else {
    return(-1)
  }
}

sign(-3)

[1] -1

sign(0)

[1] 0

sign(2/3)

[1] 1

동치 시험은 등호 기호(==)를 두개 사용한다.

시험(test)을 조합할 수도 있다. 앰퍼샌드(&)는 “and”, 수직 막대(|)는 “or”를 상징한다. &은 양쪽이 모두 참일 때만 참이다:

if (1 > 0 & -1 > 0) {
    print("both parts are true")
} else {
  print("at least one part is not true")
}

[1] "at least one part is not true"

반면에, |은 둘 중에 하나만 참이 되도 참이다.

if (1 > 0 | -1 > 0) {
    print("at least one part is true")
} else {
  print("neither part is true")
}

[1] "at least one part is true"

이런 경우, “둘 중에 하나”는 둘중 하나 혹은 둘 모두를 의미한다. 하지만, 이쪽이나 저쪽 혹은 둘다 아니다를 의미하지는 않는다.

dat <- read.csv("data/inflammation-01.csv", header = FALSE)
plot_dist(dat[, 10], threshold = 10)     # day (column) 10

plot_dist(dat[1:5, 10], threshold = 10)  # samples (rows) 1-5 on day (column) 10

dat <- read.csv("data/inflammation-01.csv", header = FALSE)
plot_dist(dat[, 10], threshold = 10, use_boxplot = TRUE)   # day (column) 10 - create boxplot

plot_dist(dat[, 10], threshold = 10, use_boxplot = FALSE)  # day (column) 10 - create histogram

plot_dist(dat[1:5, 10], threshold = 10)                    # samples (rows) 1-5 on day (column) 10

자동 생성된 그림 저장하기

입력값에 따라 R이 어떻게 결정을 내리는지 알게 되었다. 함수 analyze를 갱신하자.

analyze <- function(filename, output = NULL) {
  # Plots the average, min, and max inflammation over time.
  # Input:
  #    filename: character string of a csv file
  #    output: character string of pdf file for saving
  if (!is.null(output)) {
    pdf(output)
  }
  dat <- read.csv(file = filename, header = FALSE)
  avg_day_inflammation <- apply(dat, 2, mean)
  plot(avg_day_inflammation)
  max_day_inflammation <- apply(dat, 2, max)
  plot(max_day_inflammation)
  min_day_inflammation <- apply(dat, 2, min)
  plot(min_day_inflammation)
  if (!is.null(output)) {
    dev.off()
  }
}

output 인자를 추가했고, 초기디폴트값을 NULL로 설정했다. 처음에 if문이 output 인자를 확인하고, 그래프를 pdf에 저장할지 저장하지 않을지 결정한다. 좀더 자세히 하나씩 살펴보자. 변수가 NULL이면, is.null 함수는 TRUE를 반환하고, 그렇지 않은 경우는 FALSE를 반환한다. 느낌표 !은 “반대(not)”을 나타낸다. 그러므로, if 블록에 나온 행들은 output이 “not null”인 경우만 실행된다.

output <- NULL
is.null(output)

[1] TRUE

!is.null(output)

[1] FALSE

이제 인터랙티브하게 analyze 함수를 양쪽 모두 사용할 수 있다:

analyze("data/inflammation-01.csv")

그리고, 그래프를 저장하려면 다음과 같이 수행한다:

analyze("data/inflammation-01.csv", output = "inflammation-01.pdf")

한번에 하나의 데이터 파일을 처리할 때, 이제는 잘 동작한다. 하지만, analyze_all함수에 출력 파일을 어떻게 지정할 수 있을까? 파일이름 “csv” 확장자를 “pdf”로 대체할 필요가 있다. 이를 위해서 sub 함수를 사용한다:

f <- "data/inflammation-01.csv"
sub("csv", "pdf", f)

[1] "data/inflammation-01.pdf"

이제 analyze_all 함수를 갱신하자:

analyze_all <- function(pattern) {
  # Runs the function analyze for each file in the current working directory
  # that contains the given pattern.
  filenames <- list.files(path = "data", pattern = pattern, full.names = TRUE)
  for (f in filenames) {
    pdf_name <- sub("csv", "pdf", f)
    analyze(f, output = pdf_name)
  }
}

이제는 모든 출력 결과를 코드 단 한줄로 저장할 수 있다:

analyze_all("inflammation")

이제 만약 분석에 어떤 변경을 가할 필요가 생긴다면, analyze 함수를 편집해서, 모든 그림을 analzye_all 함수로 재빨리 다시 생성할 수 있게 되었다.