Data Structure 2 - list, data frame, factor

Data Structure

변수에 저장된 데이터의 메모리 구조
cf. Data type: 저장된 데이터의 성격 (numeric, character, logical, complex 등)

Data Structure은 6개의 타입으로 나눌 수 있다.

1. 같은 데이터 타입 (3가지)
 1) Vector (1차원)
 2) Matrix (2차원)
 3) Array (3차원 이상)

2. 다른 데이터 타입 (2가지)
 1) List (1차원)
 2) Data Frame (2차원)

3. factor형

 

---

1. List (1차원)

중첩 자료구조로 이용 (vector, array 등을 각각의 요소 안에 저장할 수 있음)
key와 value로 저장되는 자료구조

var_scalar = 100        # scalar
var_vector = c(10,20,30)    # vector
var_matrix = matrix(1:12,ncol=3,byrow=T)
var_array = array(1:12, dim=c(2,2,3))   #2행 2열 3면

myList = list(var_scalar, var_vector, var_matrix, var_array, var_df)

 

# list값 출력하기

① 공간 이용해서 출력

myList[1]   

- 값 도출되기는 하나 [[1]] 나옴. 첫번째 데이터에 들어있는 key값을 의미

- 지금은 key값을 지정하지 않았기 때문에 key가 아니라 index가 나옴.

 

② key값을 이용해서 데이터 출력

myList[[1]]
myList = list(name=c("홍길동","김길동"),
              age=c(20,30),
              adress=c("서울","부산"))
              
myList            # [[]]대신에 key값들이 출력됨
myList[1]         # 공간으로 access -> 1번방의 key와 value 출력
myList[[1]]       # key로 access -> 1번방의 value 출력
myList$name       # key값으로 출력 -> $기호 이용
myList[["name"]]  # 가능은 하지만 자주 사용하지 않는 방법
myList$name[2]    # "김길동"

 

 

---

2. data frame (2차원)

matrix와 같은 2차원 형태의 자료구조이지만, matrix와 달리 다른 데이터 타입을 사용할 수 있음
Database의 table과 유사

 

# data frame 생성

 

no=c(1,2,3)
name=c("홍길동","김길동","최길동")
age = c(10,20,30)

df = data.frame(s_no=no,s_name=name,s_age=age)  #컬럼명 설정

df = data.frame(x=1:5, y=seq(2,10,2), z=c("a","b","c","d","e"))
df = data.frame(x=1:6, y=seq(2,10,2), z=c("a","b","c","d","e"))  #사이즈 안맞아서 에러남

 - data frame은 $는 column을 지칭할 때 사용  (cf. list에서 $의 의미: key)

df[1] #1열
df$s_no    
df$s_name   

 - data frame에서는 조건을 주지 않으면 데이터가 factor형으로 잡힌다.

df = data.frame(x=1:5,y=seq(2,10,2),z=c("a","b","c","d","e"), stringsAsFactors=F)        
# stringsAsFactors: 데이터를 factor형으로 가져올지 여부

---

# data.frame의 함수

① str() : data frame의 구조 볼 수 있음

② summary() :data frame의 요약통계 보여줌 (각 column에 대해서)

③ apply: matrix에서 행 단위로, 열 단위로 식 적용하는 함수  →  data frame에서도 사용 가능

 ex) 주어진 data frame의 1,2번째 column에 대해서 각각 합계를 구하시오

df = data.frame(x=1:6, y=seq(2,10,2), z=c("a","b","c","d","e"), stringsAsFactors=F) 

apply(X=df[,c(1:2)], MARGIN=2, FUN=sum)
apply(X=df[-3], MARGIN=2, FUN=sum)
apply(df$x,2,sum)   #apply는 기본적으로 2차원. $는 벡터이므로 적용 어려움

④ subset() 

- column에 조건 적용해서 내가 원하는 조건에 맞는 행만 추출

- data frame에서 조건에 맞는 행을 추출해서 독립적인 data frame을 생성

subset(df, x>3 & y>9)
subset(df[1:2], x>3)

ex) x가 3보다 작고 y가 4 이상인 데이터를 추출하시오

subset(df, x<3 & y>=4)

 

---

3. factor : 범주형 데이터를 저장하기 위한 자료구조

예를 들어 방의 크기가 '대', '중', '소' → level
일반적으로 vector를 이용해서 factor를 만듦
factor의 사용 : 해당 범주의 빈도수 구할 때 자주 사용

 

ex) 6명의 혈액형 데이터를 vector에 저장하고 factor로 변형해보자.

var1 = c("A","AB","O","A","B","B")
factor_var1 = factor(var1)

nlevels(factor_var1)    # level의 개수 : 4
levels(factor_var1)     # 사용되는 level 출력
is.factor(factor_var1)   # TRUE

 

ex) 남성과 여성의 성별 데이터로 factor를 생성하고 빈도를 구해보자.

var1 = c("MAN", "WOMAN", "MAN", "MAN", "MAN", "WOMAN")
factor_gender = factor(var1)
table(factor_gender)

 

---

[ data structure 연습문제 ]

[연습문제 1] 4,6,5,7,10,9,4 데이터를 이용해서 숫자형 vector x를 생성하시오.

x = c(4,6,5,7,10,9,4)

 

[연습문제 2] 아래의 두 벡터의 연산 결과는?

x1 = c(3,5,6,8)
x2 = c(3,3,4)
x1+x2           #연산 결과: recycling rule에 따라 6 8 10 11

 

[연습문제 3] data frame을 이용하여 다음의 결과를 도출하시오.

Age	Name	Gender
22	James	M
25	Mathew	M
18	Olivia	F
20	Stella	F

위의 데이터에서 아래의 결과만을 출력해보자.

Age	Name	Gender
22	James	M
25	Mathew	M

 

df = data.frame(Age,Name,Gender)

# 방법1: 남자만 출력
subset(df, Gender=="M")

# 방법2: 여자가 아닌 사람 출력
subset(df, Gender != "F")

# 방법3: 나이를 이용해서 출력
subset(df, Age >= 22)

 

[연습문제 4] 아래의 구문을 실행한 결과는?

x = c(1,2,3,4,5)
(x*x)[!is.na(x) & x>2]  # 9 16 25

# 계산 과정
# x*x   ->  1 4 9 16 25
# (T T T T T) & (F F T T T)    -> (F F T T T)
# (1 4 9 16 25)[(F F T T T)]    # boolean indexing : size같은 vector를 mapping시켜 True만 남기고 버림 ( []안에 수치형이 아닌 logical 값이 나오는 경우 )

 

[연습문제 5] 다음의 계산 결과는?

x = c(2,4,6,8)
y = c(T,T,F,T)
sum(x[y])    

# 계산 결과: 14

 

[연습문제 6] 제공된 vector에서 결측치(NA)의 개수를 구하는 코드를 작성하시오.

var1 = c(34,55,89,45,NA,22,12,NA,99,NA,100)
sum(is.na(var1))

결측치를 제외한 평균을 구하시오.

mean(var1[!is.na(var1)])  

 

[연습문제 7] 두 벡터를 결합하시오.

x1 <- c(1,2,3)
x2 <- c(4,5,6)

# 방법1: vector로 연결
c(x1,x2)      # 1 2 3 4 5 6

# 방법2: vector를 결합해서 2*3 matrix를 만들어 보자
rbind(x1,x2)
cbind(x1,x2)

 

[연습문제 8] 다음 코드의 실행 결과는?

x = c("Blue",10,TRUE,20)   # vector의 우선순위에 따라 character 형태로 통일됨
is.character(x)            # TRUE