타이디 데이터란?

tidyr로 데이터 재구조화하기

Jeroen Boeye

Head of Machine Learning, Faktion

모든 행복한 가정은 비슷하지만, 불행한 가정은 각자 다른 이유로 불행하다.

레프 톨스토이

모든 타이디 데이터셋은 비슷하지만, 지저분한 데이터셋은 각자 다른 방식으로 지저분하다.

해들리 위컴

직사각형 데이터

구조

타이디 예시

타이디 데이터: 변수

구조

열은 변수를 담음
행
셀

타이디 예시 변수

타이디 데이터: 관측값

구조

열은 변수를 담음
행은 관측값을 담음
셀

타이디 예시 관측값

타이디 데이터: 값

구조

열은 변수를 담음
행은 관측값을 담음
셀은 값을 담음

타이디 예시 값

dplyr 복습

character_df

# A tibble: 4 x 3
  name           homeworld species
  <chr>          <chr>     <chr>  
1 Luke Skywalker Tatooine  Human  
2 R2-D2          Naboo     Droid  
3 Darth Vader    Tatooine  Human  
4 Obi-Wan Kenobi Stewjon   Human

dplyr 복습: select()

character_df %>% 
  select(name, homeworld)

# A tibble: 4 x 2
  name           homeworld
  <chr>          <chr>    
1 Luke Skywalker Tatooine 
2 R2-D2          Naboo    
3 Darth Vader    Tatooine 
4 Obi-Wan Kenobi Stewjon

dplyr 복습: filter()

character_df %>% 
  filter(homeworld == "Tatooine")

# A tibble: 2 x 3
  name           homeworld species
  <chr>          <chr>     <chr>  
1 Luke Skywalker Tatooine  Human  
2 Darth Vader    Tatooine  Human

dplyr 복습: mutate()

character_df %>% 
  mutate(is_human = species == "Human")

# A tibble: 4 x 4
  name           homeworld species is_human
  <chr>          <chr>     <chr>   <lgl>   
1 Luke Skywalker Tatooine  Human   TRUE    
2 R2-D2          Naboo     Droid   FALSE   
3 Darth Vader    Tatooine  Human   TRUE    
4 Obi-Wan Kenobi Stewjon   Human   TRUE

dplyr 복습: group_by() 및 summarize()

character_df %>% 
  group_by(homeworld) %>% 
  summarize(n = n())

# A tibble: 3 x 2
  homeworld     n
  <chr>     <int>
1 Naboo         1
2 Stewjon       1
3 Tatooine      2

magrittr 로고

¹ magrittr.tidyverse.org

dplyr 로고

tidyr 로고

¹ www.tidyverse.org

하나의 열에 여러 변수

population_df

# A tibble: 4 x 2
  country                 population
  <chr>                        <dbl>
1 Brazil, South America        210. 
2 Nepal, Asia                   28.1
3 Senegal, Africa               15.8
4 Australia, Oceania            25.0

두 열로 변수 분리하기

population_df %>% 
  separate(country, into = c("country", "continent"), sep = ", ")

# A tibble: 4 x 3
  country   continent      population
  <chr>     <chr>               <dbl>
1 Brazil    South America       210. 
2 Nepal     Asia                 28.1
3 Senegal   Africa               15.8
4 Australia Oceania              25.0

연습해 봅시다!

tidyr로 데이터 재구조화하기