데이터 과학

R 프로그래밍 모범사례 - R 함수와 자료구조

1. R 프로그래밍 모범 사례

Martin Maechler useR 2014 컨퍼런스에서 “Good Practice in R Programming” 주제로 발표를 했습니다.

• Rule 1. Work with source files !
  • 원본 소스 파일(R Script) 작업하고 이를 통해 객체나 바이너리 산출물 생성로 일원화
    
  • Emacs + ESS(Emacs Speacks Statistics) 혹은 Rstudio 같은 IDE(Integrated Development Environment) 사용
• Rule 2. Keep R source well-readable and maintainable
  • 가독성이 뛰어난 소스 코드는 나중에 유지 보수하기 좋다.
  • 들여쓰기(identation), 공백, 70~80 칼럼, 주석처리(하나(#)는 코드 끝에, 두개(##)는 일반 주석, 세개(###)는 코드 블록에 사용)
  • Sweave 혹은 knitr을 사용한다.
  • naming convention을 따른다.
• Rule 3. Do read the documentation
  • R 프로그래밍 책을 읽는다.화 V&R “S Programming”
  • R 매뉴얼 참조 : An introduction to R, Writing R extentions
  • R 패키지 Vignettes
  • help.search()
• Rule 4. Do learn from the masters
  • John Chambers, Bill Venables, Bill Dunlap, Luke Tierney, Brian Riply, R-core team, Dirk Eddelbuettel, Hadley Wickham
  • 다른 사람이 작성한 코드를 읽고 배운다. 일종의 Learning by examples.
  • 부활절 달걀(Easter egg)를 찾아라.
  • Uwe Ligges, “R Help Desk”, The Newsletter of the R Project Volume 6/4, October 2006

> anybody ? there ???
+ ?
+ ''

Contacting Delphi...the oracle is unavailable.
We apologize for any inconvenience.

• Rule 5. Do not Copy and Paste!
  • 이유는 유지보수성이 좋지 않고 복사하면 확장성, 이식성이 떨어진다.
  • 함수(function)을 작성하고, 큰 함수는 잘게 쪼개 작은 함수로 나누어 작성하고, 함수를 사용한다.

• Rule 6. Strive for clarity and simplicity
  • 자기설명가능한 변수명 사용하고, 간결하게 주석을 섞어 작성
  • 모듈방식 작성

• Rule 7. Test your code !
  • 단위 테스트, 모듈
  • package.skeleteon()을 통한 패키지 작성: auto-testing, specific testing, documentation.
  • R 패키지 tools의 R CMD check 사용, Luke Tierney codetools 사용
  • 단위 테스트 패키지 RUnit, testthat 사용
  • 테스트 후에 최적화
  • 최적화에 두가지 원칙:
    • Don’t do it unless you need it.
    • Measure, don’t guess, about the speed
  • Rprof(), unix.time(), gc(), R 패키지 rbenchmark, microbenchmark, pdbPROF.

새로 추가된 안내지침

• Rule 8. Maintain R code in Packages (extension of “Test!”)
• Rule 9. Source code management, Git/GitHub, HG
• Rule 10. Rscript or R CMD BATCH *.R should “always” work ! -> Reproducible Data Analysis and Research

2. 함수 작성

함수를 정의할 때 함수명(my_fun)을 먼저 적고 대입 연산자(<-)를 작성하고 예약어 function 을 적어 나서 인자(arg1, arg2)를 정의한다. 그리고 함수 몸통을 적성한다.

my_fun <- function(arg1, arg2) {
    함수 몸통부분
}

Error: <text>:2:12: 예상하지 못한 기호(symbol)입니다.
1: my_fun <- function(arg1, arg2) {
2:     함수 몸통부분
              ^

예를 들어, 두 수를 더하여 합을 구하는 add 함수를 정의해 보자. 함수명 add를 적고 나서 예약어 function을 적고 나서 인자 x, y를 선언한다. 그리고 나서 함수몸통부분에 두 수를 더하는 로직 x + y 를 정의한다.

add <- function(x, y = 1) {
    x + y
}

2.1. 함수 해부

add 상기 함수를 formals, body, environment 명령어를 통해 해부할 수 있다.

formals(add)

$x


$y
[1] 1

body(add)

{
    x + y
}

environment(add)

<environment: R_GlobalEnv>

2.2. 함수 반환값

R에서 명시적으로 return 예약어를 사용해서 반환하기도 하지만, return 예약어로 명시하지 않는 경우 함수몸통부문 마지막 표현식이 평가되어 반환된다.

f <- function(x) {
    if (x < 0) {
        -x
    } else {
        x
    }
}

상기 함수 f는 숫자를 받아 양수면 양수로, 음수면 양수로 절대값으로 변환하는 함수다.

f(-5)

[1] 5

f(15)

[1] 15

2.3. 함수는 객체다.

함수는 일반 R 객체처럼 다룰 수 있다.

mean2 <- mean

mean2(1:10)

[1] 5.5

function(x) { x + 1 }

function(x) { x + 1 }

(function(x) { x + 1 })(2)

[1] 3

mean 함수로 mean2 객체를 생성시킬 수 있고, 인자를 받아 평균을 계산하고, 이름없는 함수에 인자를 넣어 계산도 가능하다.

3. 함수 유효 범위(Scope)

함수 유효범위(Scoping)는 명칭으로 값을 R이 찾는 방법으로 함수 내부에 명칭이 정의하지 않는 경우 한단계 상위 수준에서 R이 자동으로 검색한다.

x <- 2

g <- function() {
    y <- 1
    c(x, y)
}

g()

[1] 2 1

변수명이 함수내부에서 지역적으로 정의되지 않고, 상위 수준에서도 정의되지 않는 경우 오류가 발생된다.

rm(x) # 변수 x를 제거

g <- function() {
    y <- 1
    c(x, y)
}

g()

Error in g(): 객체 'x'를 찾을 수 없습니다

유효범위는 값을 찾는 장소를 정의하지만, 시간을 정의하지는 않는다.

f <- function() x

x <- 15
f()

[1] 15

x <- 20
f()

[1] 20

변수와 마찬가지로, 검색(lookup)도 함수에 대해 동일하게 적용된다.

l <- function(x) x + 1

m <- function() {
    l <- function(x) x * 2
    l(10)
}

m()

[1] 20

함수를 호출할 때마다 새로 시작되는 자체 환경이 새롭게 준비되고, 새로운 환경이 인자값과 함께 제공된다. 객체는 그 자체 환경을 먼저 검색하고 만약, 찾는 것이 없으면 함수가 생성된 환경에서 검색을 재개한다.

j <- function() {
    if (!exists("a")) {
        a <- 1
    } else {
        a <- a + 1
    }
        print(a)
}

j()

[1] 1

j()

[1] 1

a

Error in eval(expr, envir, enclos): 객체 'a'를 찾을 수 없습니다

4. 자료구조

6가지 원자 벡터 와 리스트가 자료구조로 R에 존재한다. 원자벡터는 logical, integer, double, character, complex, raw 가 있고, 자료가 모두 동일해야 한다. 반면에 리스트는 이질적인 원자벡터를 포함할 수 있다.

4.1. 결측값

• NULL: 벡터가 존재하지 않는 경우를 표현하는데 사용된다.
• NA: 벡터에 빠진 값을 표현하는데 사용된다.

typeof(NULL)

[1] "NULL"

length(NULL)

[1] 0

typeof(NA)

[1] "logical"

length(NA)

[1] 1

벡터 내부에 NA 가 존재하는 경우 is.na 함수를 통해 검출가능하다.

x <- c(1, 2, 3, NA, 5)

x

[1]  1  2  3 NA  5

is.na(x)

[1] FALSE FALSE FALSE  TRUE FALSE

4.2. NA는 전염된다.

NA + 10

[1] NA

NA / 2

[1] NA

NA > 5

[1] NA

10 == NA

[1] NA

NA == NA

[1] NA

4.3. 리스트

리스트는 다른 형태 객체를 담을 수 있다는 점에서 유용한데, 복잡하게 반환되는 객체는 거의 리스트다. 예를 들어 회귀분석, lm() 에서 반환되는 객체를 살펴보면 쉽게 이해된다.

list() 함수로 리스트를 생성하고, [, [[, $ 을 통해 부분집합을 뽑아낸다.

• [: 리스트가 포함한 하위 리스트를 뽑아낸다.
• [[, $: 원소를 추출하고, 계층구조 수준을 한단계 제거한다.

a <- list(
    a = 1:3,
    b = "a string",
    c = pi,
    d = list(-1, -5)
)

str(a[4])

List of 1
 $ d:List of 2
  ..$ : num -1
  ..$ : num -5

str(a[[4]])

List of 2
 $ : num -1
 $ : num -5