[R] R을 이용한 텍스트마이닝_DataFrame

오늘은 R에서 가장 자주 쓰이는 dataframe을 다뤄보려고 합니다. 

R의 가장 큰 장점은 행렬 기반의 데이터를 손쉽게 다룰 수 있다는 점인데요.

이때 가장 자주 또 유용이 쓰이는 데이터 타입이 DataFrame입니다. 

 

1. DataFrame

  1) 특징

  - 데이터를 행렬로 저장 
  - 여러가지 데이터 타입을 저장할 수 있음

 

2) 생성

    frame = data.frame(col1 = c(1,2,3), col2 = c("A","B","C"))

      ▶ 2행 3열의 데이터가 행부터 채워지며 생성됩니다.

dataframe을 콘솔창에서 생성

 

3) 데이터 다루기

 (1) 간단한 데이터 조작

 ① 행/열 이름 확인

     rownames(frame)

    ▶  'frame' 데이터의 행 이름(번호)을 확인할 수 있습니다.

     colnames(frame)

    ▶  'frame' 데이터의 열 이름(컬럼명)을 확인할 수 있습니다.

행/열 이름 확인

 

② 행/열 개수 확인

   nrow(frame)

    ▶  'frame' 행 개수를 확인할 수 있습니다.

   ncol(frame)

    ▶  'frame' 열 개수를 확인할 수 있습니다.

행/열 개수 확인

 

③ 행/열 이름 변경

  rownames(frame) <- c("a","b","c")

    ▶  'frame' 데이터의 행 이름(번호)을 변경할 수 있습니다.

   colnames(frame) <- c("no.","fruits")

    ▶  'frame' 데이터의 열 이름(컬럼명)을 변경할 수 있습니다.

기존 행/열 이름을 원하는대로 변경

  

 

 ④ N개 행까지 데이터 확인

   head(frame, 2)

    ▶  'frame' 데이터를 위쪽부터 2개까지 확인할 수 있습니다.

데이터 일부 확인

 

  ⑤ dataframe를 matrix로 변경 

    dfToMat= as.matrix(frame)

    ▶  dataframe 'frame'이 matrix 형태로 변환됩니다.

dataframe을 matrix로 변경

 

 (2) Group by 및 Join

 

  ① Group by 하기

'Group by'는  R에 기본적으로 포함되어 있는 'iris'데이터를 이용해보려고 합니다.

 콘솔창에 'data(iris)'를 입력하여 iris 데이터를 불러옵니다.

* 아이리스는 통계학자인 피셔Fisher1 가 소개한 데이터로, 붓꽃의 3가지 종(setosa, versicolor, virginica)에 대해 꽃받침sepal과 꽃잎petal의 길이를 정리한 데이터'라고  합니다. (참고: https://thebook.io/006723/ch04/01/)

콘솔창에 'data(iris)'를 입력

 

 

  tapply(iris$sepal.Length, iris$Width, mean)

  tapply(iris$sepal.Length, iris$Width, max)

  tapply(iris$sepal.Length, iris$Width, min)

     ▶  Species별로 sepal.Length의 평균(mean),최대값(max),최소값(min)을 구합니다.

 group by 예시

 

  ② 데이터 Join 하기

    step 1. join 대상 dataframe 준비

      fruit_list = data.frame(id=c(1,2,3,4,5,6), name = c("apple","pineapple","kiwi","strawberry","banana","grape")) 

      origin = data.frame(id=c(2,4,6,8), name = c("seoul","daegu","ulsan","busan"))

          ▶  'fruit_list' 에는 id별 과일명이 들어있고, 'origin'에는 id별 원산지가 들어 있습니다.

join할 dataframe 2개를 셋팅합니다.

 

  step 2. Inner Join

  가장 이해하기 쉬운 inner join부터 살펴보겠습니다. inner join은 동일한 id가 양쪽(fruit_list,origin)에 있을 때만 join 합니다.

      merge (fruit_list,origin, by = "id")

        ▶  'fruit_list' 와 'origin'을 'id'를 기준으로 join합니다. 동일한 id가 양쪽(fruit_list,origin)에 있을 때만 join 합니다.

Inner Join

 

step 3. Left Outer Join

  Left Outer Join은 왼쪽 dataframe을 기준으로 join하며 그 값이 없을 시, <NA>로 처리합니다.

     merge(fruit_list, origin, by="id", all.x = TRUE)

        ▶  'fruit_list' 를 기준으로 join하며, 그 'id'가 'origin'에 없을 시, <NA>로 처리힙니다.

Left Outer Join

 

step 4. Right Outer Join

  Right Outer Join은 오른쪽 dataframe을 기준으로 join하며 그 값이 없을 시, <NA>로 처리합니다.

      merge(fruit_list, origin, by="id", all.y = TRUE)

        ▶  'origin' 를 기준으로 join하며, 그 'id'가 'fruit_list'에 없을 시, <NA>로 처리힙니다.

Right Outer Join

이상입니다. 여기까지 데이터 프레임을 다루는 방법을 살펴보았습니다.

읽어주셔서 감사합니다 : )