Data visualization/데이터시각화(R)
데이터시각화(R)_Tibbles
뉴욕킴
2023. 10. 15. 13:31
- iris 데이터 불러오기
library(tidyverse)
head(iris)
class(iris)- iris를 tibble로 저장하기
irisT=as_tibble(iris)
irisT Sepal.Length Sepal.Width Petal.Length Petal.Width
<dbl> <dbl> <dbl> <dbl>
1 5.1 3.5 1.4 0.2
2 4.9 3 1.4 0.2
3 4.7 3.2 1.3 0.2
4 4.6 3.1 1.5 0.2
5 5 3.6 1.4 0.2
6 5.4 3.9 1.7 0.4
7 4.6 3.4 1.4 0.3
8 5 3.4 1.5 0.2
9 4.4 2.9 1.4 0.2
10 4.9 3.1 1.5 0.1class(irisT)"tbl_df" "tbl" "data.frame"- tibble()을 이용하여 데이터셋 만들기
tibble(x=1:5, y=1, z=x^2+y) A tibble: 5 × 3
x y z
<int> <dbl> <dbl>
1 1 1 2
2 2 1 5
3 3 1 10
4 4 1 17
5 5 1 26- newtibble 생성
newtibble<-tibble(
a = lubridate::now() + runif(1e3) * 86400,
a1 = lubridate::now() + runif(1e3) * 86400*30,
b = lubridate::today() + runif(1e3) * 30,
b2 = lubridate::today() + runif(1e3) * 30 *12,
c = 1:1e3,
d = runif(1e3),
e = sample(letters, 1e3, replace = TRUE),
f = sample(LETTERS, 1e3, replace = TRUE)
)newtibbleA tibble: 1,000 × 8
a a1 b
<dttm> <dttm> <date>
1 2023-10-15 13:01:42 2023-10-19 14:31:51 2023-10-20
2 2023-10-15 20:54:33 2023-10-27 10:48:54 2023-11-07
3 2023-10-16 08:48:56 2023-10-20 10:08:16 2023-10-15
4 2023-10-15 21:10:51 2023-10-22 14:22:40 2023-11-07
5 2023-10-16 03:48:01 2023-10-17 18:23:23 2023-11-09
6 2023-10-16 01:39:14 2023-10-22 02:05:45 2023-11-08
7 2023-10-15 20:10:09 2023-10-20 01:33:40 2023-10-25
8 2023-10-15 20:48:40 2023-10-20 21:18:38 2023-10-15
9 2023-10-16 05:16:19 2023-11-05 13:49:49 2023-10-23
10 2023-10-15 13:16:17 2023-10-27 21:43:12 2023-11-01
# ℹ 990 more rows
# ℹ 5 more variables: b2 <date>, c <int>, d <dbl>,
# e <chr>, f <chr>
# ℹ Use `print(n = ...)` to see more rows- 3개만 보이게 설정 : n=3
print(newtibble,n=3)<dttm> <dttm> <date>
1 2023-10-15 13:01:42 2023-10-19 14:31:51 2023-10-20
2 2023-10-15 20:54:33 2023-10-27 10:48:54 2023-11-07
3 2023-10-16 08:48:56 2023-10-20 10:08:16 2023-10-15- 모든 변수를 다 보이게 설정 : width=Inf
print(newtibble,n=3,width=Inf)A tibble: 1,000 × 8
a a1 b
<dttm> <dttm> <date>
1 2023-10-15 13:01:42 2023-10-19 14:31:51 2023-10-20
2 2023-10-15 20:54:33 2023-10-27 10:48:54 2023-11-07
3 2023-10-16 08:48:56 2023-10-20 10:08:16 2023-10-15
b2 c d e f
<date> <int> <dbl> <chr> <chr>
1 2024-03-05 1 0.172 r I
2 2024-08-07 2 0.436 i Z
3 2023-12-24 3 0.816 k I
# ℹ 997 more rows
# ℹ Use `print(n = ...)` to see more rows- 모든 자료를 추출 : print_min=Inf
print(newtibble,n=3,print_min=Inf)A tibble: 1,000 × 8
a a1 b
<dttm> <dttm> <date>
1 2023-10-15 13:01:42 2023-10-19 14:31:51 2023-10-20
2 2023-10-15 20:54:33 2023-10-27 10:48:54 2023-11-07
3 2023-10-16 08:48:56 2023-10-20 10:08:16 2023-10-15
# ℹ 997 more rows
# ℹ 5 more variables: b2 <date>, c <int>, d <dbl>,
# e <chr>, f <chr>
# ℹ Use `print(n = ...)` to see more rows- view()
view(newtibble)
- 현재 시간 추출 : lubridate
lubridate::now()"2023-10-15 12:02:19 KST"- 오늘 날짜 추출
lubridate::today() "2023-10-15"- df 변수 생성
df <- tibble(
x = runif(5),
y = rnorm(5)
)- df의 x 추출
df$x[1] 0.8690751 0.5463841 0.2615122 0.9350569 0.9499957- 2번째 변수 추출: df[[2]]
df[[2]][1] -1.2692912 1.4342061 0.4806600 -0.5617053 -0.9616756dplyr을 이용한 자료 변환
- flights data (‘nycflights13’ library)
- 2013 년 New York 으로부터 출발하는 모든 비행기에 대한 자료
- 변수들
- 라이브러리 설치 및 불러오기
install.packages("nycflights13")
library(nycflights13)library(tidyverse)
flights year month day dep_time sched_dep_time dep_delay
<int> <int> <int> <int> <int> <dbl>
1 2013 1 1 517 515 2
2 2013 1 1 533 529 4- 515 : 5시 15분
- 529 : 5시 29분
dplyr 의 기본 함수
• filter(): 조건에 맞는 관측 선택하기
• arrange(): 자료에서 관측의 순서 바꾸기
• select(): 변수 선택
• mutate(): 새로운 변수 만들기
• summarise(): 자료 요약하기
- 1월 1일 ~ 1월 2일 자료 추출
filter(flights, month == 1, day <= 2)A tibble: 1,785 × 19
year month day dep_time sched_dep_time dep_delay
<int> <int> <int> <int> <int> <dbl>
1 2013 1 1 517 515 2
2 2013 1 1 533 529 4
3 2013 1 1 542 540 2
4 2013 1 1 544 545 -1
5 2013 1 1 554 600 -6
6 2013 1 1 554 558 -4
7 2013 1 1 555 600 -5
8 2013 1 1 557 600 -3
9 2013 1 1 557 600 -3
10 2013 1 1 558 600 -2
# ℹ 1,775 more rows
# ℹ 13 more variables: arr_time <int>,
# sched_arr_time <int>, arr_delay <dbl>, carrier <chr>,
# flight <int>, tailnum <chr>, origin <chr>, dest <chr>,
# air_time <dbl>, distance <dbl>, hour <dbl>,
# minute <dbl>, time_hour <dttm>
# ℹ Use `print(n = ...)` to see more rowsview(filter(flights, month == 1, day <= 2))
- 11월~12월 자료 추출 : 11월 or 12월 / %로 뽑는 방법 2가지 있음
filter(flights, month == 11 | month == 12)filter(flights,month %in% c(11,12))수치연산의 비교
sqrt(2) ^ 2 == 2
## [1] FALSE- sqrt(2)^2 와 2가 같은지 비교 → 부동 소수점 연산의 한계로 정확한 값이 아니라 FALSE 반환
1/49 * 49 == 1
## [1] FALSE- 1/49*49와 1이 같은지 비교 → 부동 소수점 연산의 한계로 정확한 값이 아니라 FALSE 반환
- near() 함수로 근사적 비교 → 두 값의 사이의 차이가 적을 경우 동등하다고 판단
near(sqrt(2) ^ 2, 2)
## [1] TRUEnear(1 / 49 * 49, 1)
## [1] TRUEArrange rows with arrange()
• 지정한 변수의 크기 순으로 자료를 정렬하기
arrange(flights, year, month, day)A tibble: 336,776 × 19
year month day dep_time sched_dep_time dep_delay
<int> <int> <int> <int> <int> <dbl>
1 2013 1 1 517 515 2
2 2013 1 1 533 529 4
3 2013 1 1 542 540 2
4 2013 1 1 544 545 -1
5 2013 1 1 554 600 -6
6 2013 1 1 554 558 -4
7 2013 1 1 555 600 -5
8 2013 1 1 557 600 -3
9 2013 1 1 557 600 -3
10 2013 1 1 558 600 -2
# ℹ 336,766 more rows
# ℹ 13 more variables: arr_time <int>,
# sched_arr_time <int>, arr_delay <dbl>, carrier <chr>,
# flight <int>, tailnum <chr>, origin <chr>, dest <chr>,
# air_time <dbl>, distance <dbl>, hour <dbl>,
# minute <dbl>, time_hour <dttm>
# ℹ Use `print(n = ...)` to see more rows- desc(dep_time) : 출발 시간 늦은 것부터 정렬 / 내림차순
arrange(flights, year, month, day, desc(dep_time))year month day dep_time sched_dep_time dep_delay
<int> <int> <int> <int> <int> <dbl>
1 2013 1 1 2356 2359 -3
2 2013 1 1 2353 2359 -6
3 2013 1 1 2353 2359 -6
4 2013 1 1 2343 1724 379
5 2013 1 1 2327 2250 37- NA 값은 항상 마지막순서
df <- tibble(x = c(5, 2, NA))
arrange(df, x)arrange(df, desc(x))# A tibble: 3 × 1
x
<dbl>
1 5
2 2
3 NA
Select columns with select()
- 나열한 변수만을 선택 : (year:day)
select(flights, year:day)- year:day → year부터 day까지 끌어옴
- 제거할 변수 선택 : -(year:day)
select(flights, -(year:day))
- starts_with("abc"): “abc”로 시작하는 이름의 변수 선택
- ends_with("xyz"): “xyz”로 끝나는 이름의 변수 선택
- contains("ijk"): “ijk”가 들어있는 이름의 변수 선택
- num_range("x", 1:3): x1, x2, x3 선택
- rename(): 변수 이름 바꾸기
rename(flights, tail_num = tailnum)- everything(): 나머지 모든 변수를 의미
select(flights, time_hour, air_time, everything()) A tibble: 336,776 × 19
time_hour air_time year month day dep_time
<dttm> <dbl> <int> <int> <int> <int>
1 2013-01-01 05:00:00 227 2013 1 1 517
2 2013-01-01 05:00:00 227 2013 1 1 533
3 2013-01-01 05:00:00 160 2013 1 1 542
4 2013-01-01 05:00:00 183 2013 1 1 544
5 2013-01-01 06:00:00 116 2013 1 1 554
6 2013-01-01 05:00:00 150 2013 1 1 554
7 2013-01-01 06:00:00 158 2013 1 1 555
8 2013-01-01 06:00:00 53 2013 1 1 557
9 2013-01-01 06:00:00 140 2013 1 1 557
10 2013-01-01 06:00:00 138 2013 1 1 558- time_hour와 air_time 변수를 선택하고 everything() 함수를 이용하여 나머지 모든 변수를 포함시킴
- 원하는 변수만 선택하여 새로운 데이터셋 만들 수 있음
Add new variables with mutate()
- 새로운 변수를 만들어 기존 자료에 추가
flights_sml <- select(flights,
year:day,
ends_with("delay"),
distance,
air_time
)
mutate(flights_sml,
gain = arr_delay - dep_delay,
hours = air_time / 60,
gain_per_hour = gain / hours
)
- transmute(): 새로 만든 변수만을 가지는 자료 만들기
transmute(flights,
gain = arr_delay - dep_delay,
hours = air_time / 60,
gain_per_hour = gain / hours
)
20%/%3
## [1] 6
20%%3
## [1] 2
- flights 의 dep_time 변수를 이용하여 출발 시간, 출발 분에 대한 변수를 만들기
transmute(flights,
dep_time,
hour = dep_time %/% 100,
minute = dep_time %% 100
)
Grouped summaries with summarise()
- 요약 통계량 계산
summarise(flights, delay = mean(dep_delay, na.rm = TRUE))
- group_by()와 함께 사용할 경우 유용
by_day <- group_by(flights, year, month, day)
by_day
summarise(by_day, delay = mean(dep_delay, na.rm = TRUE))