[dplyr] R dplyr을 이용한 인덱싱 및 기능(select편)

안녕하세요. 오늘은 'dplyr' 패키지를 이용하여 인덱싱하는 방법과 다른 기능들에 대해 적어보도록 하겠습니다.

​

dplyr은 데이터 분석하시는 분들이 자주 사용하는 패키지입니다.

​

dplyr은 명령문이 직관적이며 여러 명령문을 한번에 작성하여 실행가능합니다.

​

dplyr은 pipe operator를 지원하며 이는 기본 R과의 차이점입니다.

​

pipe operator는 다음과 같은 모양을 가집니다. -------> %>%

​

명령문을 작성할때, 각 명령문 사이사이에 위의 %>% 명령어를 넣어서 R 명령문을 작성할 수 있습니다.

​

pipe operator를 사용한 명령어 예시는 아래와 같습니다.

 

iris %>% select(Sepal.Length, Petal.Length, Species) %>% filter(Species=='setosa')

 

일반적으로 pipe는 무언가를 연결해주는 것처럼 위의 pipe operator도 각 명령문을 이어준다고 생각하시면 됩니다.

​

위의 명령어를 자세하게 살펴보면,

iris 데이터에서 Sepal.Length, petal.Length, Species 변수만을 사용하며(select 함수),

추출한 세 변수 중에서 Species가 setosa인 데이터만 필터링(filter) 해주라는 명령어입니다.

앞의 함수의 결과가 pipe 다음의 함수에서 사용할 데이터가 되는 것입니다.

​

그럼 일단 'dplyr' 패키지를 설치하고 패키지를 열어보도록 합시다.

 

install.packages('dplyr') library(dplyr)

 

install.packages함수는 패키지를 설치해주는 함수이며, 괄호 안에는 원하는 패키지명을 ' ' 사이에 입력하면 됩니다.

​

그러면 자동으로 패키지를 설치해줍니다. R은 패키지를 설치했다고 해서 바로 사용할 수 없습니다.

​

설치 후에는 저렇게 library을 이용하여 패키지를 열어주셔야 사용가능합니다. 패키지는 R 프로그램을 매번 새로 열때마다 열어주셔야 합니다.

​

dplyr에서 자주 사용하는 함수에 대해 알아보겠습니다.

​

select​ 함수는 인덱싱 기능하는 함수이며 filter와 달리 원하는 column만 추출합니다.

​

filter 함수는 [ ] 인덱싱과 비슷한 기능을 하지만 NA값을 없애고 인덱싱 합니다.

​

arrange 함수는 정렬해주는 함수이며 내림차순, 오름차순 정렬과 기준값 뿐만 아니라 기준값을 기준으로 정렬하고 난 다음 다른 변수들도 정렬해줍니다(이때 기준값은 내림차순으로 정렬해도 다른 값들은 오름차순으로 정렬).

​

mutate 함수는 새로운 변수를 만드는 함수입니다.

​

summarize는 원하는 수치를 요약해주는 함수입니다.

​

그럼 이제 iris 파일을 이용해서 각 함수의 기능을 살펴보도록 하겠습니다.

---

​

select 함수

 

> iris
    Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1            5.1         3.5          1.4         0.2     setosa
2            4.9         3.0          1.4         0.2     setosa
3            4.7         3.2          1.3         0.2     setosa
4            4.6         3.1          1.5         0.2     setosa
5            5.0         3.6          1.4         0.2     setosa
6            5.4         3.9          1.7         0.4     setosa
7            4.6         3.4          1.4         0.3     setosa
8            5.0         3.4          1.5         0.2     setosa
9            4.4         2.9          1.4         0.2     setosa

iris는 5개의 변수를 가집니다. select 함수를 사용하여 원하는 변수만 선별하도록 하겠습니다.

 

> iris %>% select(Sepal.Length, Petal.Length, Species)
    Sepal.Length Petal.Length    Species
1            5.1          1.4     setosa
2            4.9          1.4     setosa
3            4.7          1.3     setosa
4            4.6          1.5     setosa
5            5.0          1.4     setosa

> iris %>% select(1,3,5)
    Sepal.Length Petal.Length    Species
1            5.1          1.4     setosa
2            4.9          1.4     setosa
3            4.7          1.3     setosa
4            4.6          1.5     setosa
5            5.0          1.4     setosa

> iris %>% select(-c(1,3,5))
    Sepal.Width Petal.Width
1           3.5         0.2
2           3.0         0.2
3           3.2         0.2
4           3.1         0.2
5           3.6         0.2

select 함수를 사용하여 세 가지 변수를 추출하였습니다.

​

먼저 원하는 변수 명을 select 함수 괄호 안에 적는 방법이 있으며, 원하는 column이 몇 번째인지를 숫자로 입력해주는 방법으로도 추출이 가능합니다.

​

마지막으로는 - 를 사용한 방법인데요. 이전 인덱싱 포스팅에서 -는 괄호 안에 있는 column(변수)를 제외한 나머지 column을 추출할 때 사용하는 명령어라고 했습니다.

​

마찬가지로 select함수에서도 위와 같이 -를 사용하여 원치않는 column을 제한 나머지 column을 선별할 수 있습니다.

​

물론 :(콜론) 도 사용가능합니다.

​

이번 포스팅에서 위에 설명해놓은 filter, arrange, summarize 등을 다 포스팅하려고 했는데, 그러면 길이 너무 길어질거 같아 각 함수별로 포스팅 하도록 하겠습니다.

​

마지막으로 한 가지 더 추가하고 싶은 것이 있습니다. dplyr 패키지의 함수들 역시 pipe operator를 쓰지않고 사용할 수 있습니다.

select(iris, 1,3,5) 
select(iris, c(1,3,5))

위의 명령어가 pipe operator를 사용하지 않은 방식입니다. 먼저 사용할 데이터 명을 적어주시고 ,(콤마) 다음에 원하는 변수명이나 해당 열번호를 적어주시면 됩니다.

​

위의 두 명령어 모두 같은 결과를 산출해줍니다.

 

​

그런데 저렇게 사용가능한데 왜 pipe operator를 사용하나?? 에 대한 물음이 생길 수 있습니다.

​

그에 대한 답변은 아래 명령어를 보여드리면서 애기하도록 하겠습니다.

> data <- select(iris, 1,3,5)
> data <- filter(data, Species=='setosa')
> data
   Sepal.Length Petal.Length Species
1           5.1          1.4  setosa
2           4.9          1.4  setosa
3           4.7          1.3  setosa
4           4.6          1.5  setosa
5           5.0          1.4  setosa

--------------------------------------------------------------------------------------------------------------------
iris %>% select(Sepal.Length, Petal.Length, Species) %>% filter(Species=='setosa')

> data <- iris
> data %<>% select(Sepal.Length, Petal.Length, Species) %>% filter(Species=='setosa')
> data
   Sepal.Length Petal.Length Species
1           5.1          1.4  setosa
2           4.9          1.4  setosa
3           4.7          1.3  setosa
4           4.6          1.5  setosa
5           5.0          1.4  setosa

위의 점선 위에 명령어를 보시면 변수를 추출하고 그 중에서 원하는 데이터를 얻기위해 필터링을 하는데 두 줄의 명령어를 작성해야 합니다.

​

사용할 함수와 입력할 명령어가 짧으면 상관이 없지만, 길어진다면 저렇게 두 줄, 세 줄로 나누어서 입력하는 것은 비효율적이며 불편합니다.

​

하지만 pipe operator를 사용한다면 저렇게 한번에 명령어를 처리할 수 있습니다. 그리고 pipe의 장점은 사용자가 머리 속에서 생각하고 있는 데이터 정렬의 흐름대로 명령어를 작성 가능하게 해준다는 점입니다.

​

심지어 'magrittr' 패키지를 설치하면 ' %<>% ' 를 통해 더 간단히 작성 가능합니다.

​

%<>%의 우측에는 기존의 data 자료가 넘어가서 select와 filter함수에 사용되고, %<>%의 우측의 명령어의 최종 결과 값이 다시 data로 넘어갑니다.

> data <- select(iris, 1,3,5)
> data <- filter(data, Species=='setosa')

위의 두 줄을 한 줄로 줄여서 실행한 것입니다. 이렇게 pipe operator는 직관적이며 사용하기 편리합니다.

​

이번 포스팅에서는 selcet함수만을 다루고 나머지 함수들은 다음 포스팅에서 다루도록 하겠습니다.

​

감사합니다 :)