데이터 타입 제약

R로 데이터 정리하기

Maggie Matsui

Content Developer @ DataCamp

강의 개요

돋보기와 "더러운 데이터 진단"이 있는 서버

강의 개요

"더러운 데이터의 부작용" 버그 그림이 있는 서버

강의 개요

빗자루와 반짝이는 깨끗한 원형 데이터베이스

강의 개요

더러운 데이터 진단, 부작용, 정제

1장 - 흔한 데이터 문제

왜 깨끗한 데이터가 필요할까요?

데이터 과학 워크플로: 데이터 접근, 탐색/처리, 인사이트 도출, 보고

왜 깨끗한 데이터가 필요할까요?

인적/기술적 오류

왜 깨끗한 데이터가 필요할까요?

워크플로 전반으로 전파되는 오류

데이터 타입 제약

데이터 타입	예시
텍스트	이름, 성, 주소, ...
정수	구독자 수, 판매 제품 수, ...
소수	온도, 환율, ...
이진	기혼 여부, 신규 고객, 예/아니오, ...
범주	혼인 상태, 색상, ...
날짜	주문일, 생년월일, ...

R 데이터 타입
`character`
`integer`
`numeric`
`logical`
`factor`
`Date`

데이터 타입 훑어보기

sales <- read.csv("sales.csv")
head(sales)

  order_id revenue quantity
1     7432   5,454      494
2     7808   5,668      334
3     4893   4,062      259
4     6107   3,936       15
5     7661   1,067      307
6     5908   6,635      235

library(dplyr)
glimpse(sales)

Observations: 100
Variables: 3
$ order_id <dbl> 7432, 7808, ...
$ revenue  <chr> "$5454", "$5668", ...
$ quantity <dbl> 494, 334, ...

데이터 타입 점검

is.numeric(sales$revenue)

FALSE

library(assertive)
assert_is_numeric(sales$revenue)

Error: is_numeric : sales$revenue is not of class 'numeric'; it has class 'character'.

assert_is_numeric(sales$quantity)

데이터 타입 점검

논리 점검 - TRUE/FALSE 반환

is.character()
is.numeric()
is.logical()
is.factor()
is.Date()
...

assertive 점검 - FALSE이면 에러

assert_is_character()
assert_is_numeric()
assert_is_logical()
assert_is_factor()
assert_is_date()
...

데이터 타입이 중요한 이유

class(sales$revenue)

"character"

mean(sales$revenue)

NA
Warning message:
In mean.default(sales$revenue) :
  argument is not numeric or logical: returning NA

쉼표 문제

sales$revenue

"5,454" "5,668" "4,062" "3,936" "1,067" ...

문자열을 숫자로 변환

library(stringr)
revenue_trimmed = str_remove(sales$revenue, ",")

revenue_trimmed

"5454" "5668" "4062" "3936" "1067" ...

as.numeric(revenue_trimmed)

5454 5668 4062 3936 1067 ...

종합 적용

sales %>%
  mutate(revenue_usd = as.numeric(str_remove(revenue, ",")))

# A tibble: 100 x 4
   order_id revenue quantity revenue_usd
      <dbl> <chr>      <dbl>       <dbl>
 1     7432 5,454        494        5454
 2     7808 5,668        334        5668
 3     4893 4,062        259        4062
 4     6107 3,936         15        3936
 5     7661 1,067        307        1067
# ... with 95 more rows

같은 함수, 다른 결과

mean(sales$revenue)

NA
Warning message:
In mean.default(sales$revenue) :
  argument is not numeric or logical: returning NA

mean(sales$revenue_usd)

5361.4

데이터 타입 변환

as.character()
as.numeric()
as.logical()
as.factor()
as.Date()
...

주의: factor → numeric

product_type

1000 1000 3000 2000 3000
Levels: 1000 2000 3000

class(product_type)

"factor"

as.numeric(product_type)

1 1 3 2 3

as.numeric(as.character(product_type))

1000 1000 3000 2000 3000

Ayo berlatih!

R로 데이터 정리하기