멤버십 확인

R로 데이터 정리하기

Maggie Matsui

Content Developer @ DataCamp

범주형 데이터

범주형 변수는 가능한 값의 집합이 고정되어 있고 알려져 있습니다

데이터	예시 값
혼인 상태	`unmarried`, `married`
가구 소득 구간	`0-20K`, `20-40K`, ...
티셔츠 사이즈	`S`, `M`, `L`, `XL`

팩터

factor에서는 각 범주가 숫자로 저장되고 해당 레이블이 있습니다

데이터	레이블	숫자 표현
혼인 상태	`unmarried`, `married`	`1`, `2`
가구 소득 구간	`0-20K`, `20-40K`, ...	`1`, `2`, ...
티셔츠 사이즈	`S`, `M`, `L`, `XL`	`1`, `2`, `3`, `4`

팩터의 레벨

tshirt_size

L  XL XL L  M  M  M  L  XL L  S  M  M  S  S  M  XL S  L  S ... 
Levels: S M L XL

levels(tshirt_size)

"S"  "M"  "L"  "XL"

해당되지 않는 값

factor에는 미리 정의된 값 밖의 값은 있을 수 없습니다

데이터	레벨	허용 안 됨
혼인 상태	`unmarried`, `married`	`divorced`
가구 소득 구간	`0-20K`, `20-40K`, ...	`10-30K`
티셔츠 사이즈	`S`, `M`, `L`, `XL`	`S/M`

이 값들은 어떻게 생기나요?

왼쪽: 자유 입력 텍스트 상자와 드롭다운으로 표시된 데이터 입력 오류. 오른쪽: 데이터베이스로 표시된 파싱 오류.

필터링 조인: 빠른 복습

첫 번째 테이블에서 관측값을 유지하거나 제거하며 열은 추가하지 않습니다

제목: 세미 조인. 부제: X의 어떤 관측값이 Y에도 있나요? 왼쪽에는 값 a, b, c가 있는 X라는 1열 테이블. 오른쪽에는 값 a, c, d가 있는 Y라는 1열 테이블. 각 테이블의 a와 c가 선으로 연결됨. X에서는 a와 c 셀이 강조 표시됨.

필터링 조인: 빠른 복습

첫 번째 테이블에서 관측값을 유지하거나 제거하며 열은 추가하지 않습니다

제목: 안티 조인. 부제: X의 어떤 관측값이 Y에는 없나요? 왼쪽에는 값 a, b, c가 있는 X라는 1열 테이블. 오른쪽에는 값 a, c, d가 있는 Y라는 1열 테이블. 각 테이블의 a와 c가 선으로 연결됨. X에서는 b 셀이 강조 표시됨.

혈액형 예시

study_data

      name   birthday blood_type
1     Beth 2019-10-20         B-
2 Ignatius 2020-07-08         A-
3     Paul 2019-08-12         O+
4    Helen 2019-03-17         O-
5 Jennifer 2019-12-17         Z+
6  Kennedy 2020-04-27         A+
7    Keith 2019-04-19        AB+

blood_types

  blood_type
1         O-
2         O+
3         A-
4         A+
5         B+
6         B-
7        AB+
8        AB-

혈액형 예시

study_data

      name   birthday blood_type
1     Beth 2019-10-20         B-
2 Ignatius 2020-07-08         A-
3     Paul 2019-08-12         O+
4    Helen 2019-03-17         O-
5 Jennifer 2019-12-17         Z+  <--
6  Kennedy 2020-04-27         A+
7    Keith 2019-04-19        AB+

blood_types

  blood_type
1         O-
2         O+
3         A-
4         A+
5         B+
6         B-
7        AB+
8        AB-

비회원 찾기

벤 다이어그램. 왼쪽 원은 study_data, 오른쪽 원은 blood types. 왼쪽에는 Z+. 가운데에는 A-, O-, AB+, A+, O+, B-. 오른쪽에는 B+, AB-. 왼쪽의 Z+는 빨간색.

안티 조인

study_data %>%
  anti_join(blood_types, by = "blood_type")

      name   birthday blood_type
1 Jennifer 2019-12-17         Z+

비회원 제거

벤 다이어그램. 왼쪽 원은 study_data, 오른쪽 원은 blood types. 왼쪽에는 Z+. 가운데에는 A-, O-, AB+, A+, O+, B-. 오른쪽에는 B+, AB-. 가운데의 혈액형은 파란색.

세미 조인

study_data %>%
  semi_join(blood_types, by = "blood_type")

      name   birthday blood_type
1     Beth 2019-10-20         B-
2 Ignatius 2020-07-08         A-
3     Paul 2019-08-12         O+
4    Helen 2019-03-17         O-
5  Kennedy 2020-04-27         A+
6    Keith 2019-04-19        AB+

연습해 봅시다!

R로 데이터 정리하기