빅 데이터 분석-R 소개

이 섹션은 사용자에게 R 프로그래밍 언어를 소개하는 데 전념합니다. R은 cran 웹 사이트 에서 다운로드 할 수 있습니다 . Windows 사용자의 경우 rtools 및 rstudio IDE 를 설치 하는 것이 유용합니다 .

뒤에있는 일반적인 개념 R C, C ++ 및 Fortran과 같은 컴파일 된 언어로 개발 된 다른 소프트웨어에 대한 인터페이스 역할을하고 사용자에게 데이터 분석을위한 대화 형 도구를 제공하는 것입니다.

책 zip 파일의 폴더로 이동 bda/part2/R_introduction 열다 R_introduction.Rproj파일. 그러면 RStudio 세션이 열립니다. 그런 다음 01_vectors.R 파일을 엽니 다. 스크립트를 한 줄씩 실행하고 코드의 주석을 따릅니다. 배우기위한 또 다른 유용한 옵션은 코드를 입력하는 것입니다. 그러면 R 구문에 익숙해지는 데 도움이됩니다. R에서 주석은 # 기호로 작성됩니다.

책에 R 코드를 실행 한 결과를 표시하기 위해 코드를 평가 한 후 R 반환 결과에 주석을 달았습니다. 이런 식으로 책에 코드를 복사하여 붙여넣고 R에서 직접 섹션을 시도 할 수 있습니다.

# Create a vector of numbers 
numbers = c(1, 2, 3, 4, 5) 
print(numbers) 

# [1] 1 2 3 4 5  
# Create a vector of letters 
ltrs = c('a', 'b', 'c', 'd', 'e') 
# [1] "a" "b" "c" "d" "e"  

# Concatenate both  
mixed_vec = c(numbers, ltrs) 
print(mixed_vec) 
# [1] "1" "2" "3" "4" "5" "a" "b" "c" "d" "e"

이전 코드에서 무슨 일이 있었는지 분석해 보겠습니다. 숫자와 문자로 벡터를 만드는 것이 가능하다는 것을 알 수 있습니다. 우리가 원하는 데이터 유형을 미리 R에게 말할 필요가 없었습니다. 마지막으로 숫자와 문자로 구성된 벡터를 만들 수있었습니다. 벡터 mixed_vec는 숫자를 문자로 강제 변환했습니다. 우리는 값이 따옴표 안에 어떻게 인쇄되는지 시각화함으로써 이것을 볼 수 있습니다.

다음 코드는 함수 클래스에서 반환 된 다른 벡터의 데이터 유형을 보여줍니다. 클래스 함수를 사용하여 개체를 "질문"하여 클래스가 무엇인지 묻는 것이 일반적입니다.

### Evaluate the data types using class

### One dimensional objects 
# Integer vector 
num = 1:10 
class(num) 
# [1] "integer"  

# Numeric vector, it has a float, 10.5 
num = c(1:10, 10.5) 
class(num) 
# [1] "numeric"  

# Character vector 
ltrs = letters[1:10] 
class(ltrs) 
# [1] "character"  

# Factor vector 
fac = as.factor(ltrs) 
class(fac) 
# [1] "factor"

R은 2 차원 객체도 지원합니다. 다음 코드에는 R에서 가장 많이 사용되는 두 가지 데이터 구조 인 matrix와 data.frame의 예가 있습니다.

# Matrix
M = matrix(1:12, ncol = 4) 
#      [,1] [,2] [,3] [,4] 
# [1,]    1    4    7   10 
# [2,]    2    5    8   11 
# [3,]    3    6    9   12 
lM = matrix(letters[1:12], ncol = 4) 
#     [,1] [,2] [,3] [,4] 
# [1,] "a"  "d"  "g"  "j"  
# [2,] "b"  "e"  "h"  "k"  
# [3,] "c"  "f"  "i"  "l"   

# Coerces the numbers to character 
# cbind concatenates two matrices (or vectors) in one matrix 
cbind(M, lM) 
#     [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] 
# [1,] "1"  "4"  "7"  "10" "a"  "d"  "g"  "j"  
# [2,] "2"  "5"  "8"  "11" "b"  "e"  "h"  "k"  
# [3,] "3"  "6"  "9"  "12" "c"  "f"  "i"  "l"   

class(M) 
# [1] "matrix" 
class(lM) 
# [1] "matrix"  

# data.frame 
# One of the main objects of R, handles different data types in the same object.  
# It is possible to have numeric, character and factor vectors in the same data.frame  

df = data.frame(n = 1:5, l = letters[1:5]) 
df 
#   n l 
# 1 1 a 
# 2 2 b 
# 3 3 c 
# 4 4 d 
# 5 5 e

이전 예제에서 설명한 것처럼 동일한 개체에서 다른 데이터 유형을 사용할 수 있습니다. 일반적으로 이것은 데이터가 데이터베이스에 표시되는 방식이며 데이터의 API 부분은 텍스트 또는 문자 벡터 및 기타 숫자입니다. In은 할당 할 통계 데이터 유형을 결정한 다음 올바른 R 데이터 유형을 사용하는 분석가 작업입니다. 통계에서 우리는 일반적으로 변수가 다음 유형이라고 생각합니다.

• Numeric
• 명목 또는 범주
• Ordinal

R에서 벡터는 다음과 같은 클래스가 될 수 있습니다.

• 숫자-정수
• Factor
• 정렬 된 요소

R은 각 통계 유형의 변수에 대한 데이터 유형을 제공합니다. 그러나 정렬 된 요소는 거의 사용되지 않지만 함수 요소에 의해 생성되거나 정렬 될 수 있습니다.

다음 섹션에서는 인덱싱의 개념을 다룹니다. 이것은 매우 일반적인 작업이며 개체의 섹션을 선택하고 변형하는 문제를 다룹니다.

# Let's create a data.frame
df = data.frame(numbers = 1:26, letters) 
head(df) 
#      numbers  letters 
# 1       1       a 
# 2       2       b 
# 3       3       c 
# 4       4       d 
# 5       5       e 
# 6       6       f 

# str gives the structure of a data.frame, it’s a good summary to inspect an object 
str(df) 
#   'data.frame': 26 obs. of  2 variables: 
#   $ numbers: int  1 2 3 4 5 6 7 8 9 10 ... 
#   $ letters: Factor w/ 26 levels "a","b","c","d",..: 1 2 3 4 5 6 7 8 9 10 ...  

# The latter shows the letters character vector was coerced as a factor. 
# This can be explained by the stringsAsFactors = TRUE argumnet in data.frame 
# read ?data.frame for more information  

class(df) 
# [1] "data.frame"  

### Indexing
# Get the first row 
df[1, ] 
#     numbers  letters 
# 1       1       a  

# Used for programming normally - returns the output as a list 
df[1, , drop = TRUE] 
# $numbers 
# [1] 1 
#  
# $letters 
# [1] a 
# Levels: a b c d e f g h i j k l m n o p q r s t u v w x y z  

# Get several rows of the data.frame 
df[5:7, ] 
#      numbers  letters 
# 5       5       e 
# 6       6       f 
# 7       7       g  

### Add one column that mixes the numeric column with the factor column 
df$mixed = paste(df$numbers, df$letters, sep = ’’)  

str(df) 
# 'data.frame': 26 obs. of  3 variables: 
# $ numbers: int  1 2 3 4 5 6 7 8 9 10 ...
# $ letters: Factor w/ 26 levels "a","b","c","d",..: 1 2 3 4 5 6 7 8 9 10 ... 
# $ mixed  : chr  "1a" "2b" "3c" "4d" ...  

### Get columns 
# Get the first column 
df[, 1]  
# It returns a one dimensional vector with that column  

# Get two columns 
df2 = df[, 1:2] 
head(df2)  

#      numbers  letters 
# 1       1       a 
# 2       2       b 
# 3       3       c 
# 4       4       d 
# 5       5       e 
# 6       6       f  

# Get the first and third columns 
df3 = df[, c(1, 3)] 
df3[1:3, ]  

#      numbers  mixed 
# 1       1     1a
# 2       2     2b 
# 3       3     3c  

### Index columns from their names 
names(df) 
# [1] "numbers" "letters" "mixed"   
# This is the best practice in programming, as many times indeces change, but 
variable names don’t 
# We create a variable with the names we want to subset 
keep_vars = c("numbers", "mixed") 
df4 = df[, keep_vars]  

head(df4) 
#      numbers  mixed 
# 1       1     1a 
# 2       2     2b 
# 3       3     3c 
# 4       4     4d 
# 5       5     5e 
# 6       6     6f  

### subset rows and columns 
# Keep the first five rows 
df5 = df[1:5, keep_vars] 
df5 

#      numbers  mixed 
# 1       1     1a 
# 2       2     2b
# 3       3     3c 
# 4       4     4d 
# 5       5     5e  

# subset rows using a logical condition 
df6 = df[df$numbers < 10, keep_vars] 
df6 

#      numbers  mixed 
# 1       1     1a 
# 2       2     2b 
# 3       3     3c 
# 4       4     4d 
# 5       5     5e 
# 6       6     6f 
# 7       7     7g 
# 8       8     8h 
# 9       9     9i