기본 콘텐츠로 건너뛰기

데이터 분석 입문 2




 앞서 이야기한 다이아몬드 데이터의 세부값을 보기 위해서 몇 가지 방법을 사용하겠습니다. 다이아몬드 값 가운데 컷이 종류별로 몇 개인지 알기 위해 table 명령어를 사용할 수 있습니다. 그런데 그냥 table을 사용하면 에러가 납니다. 


> table(diamonds)
Error in table(diamonds) : attempt to make a table with >= 2^31 elements

우리가 알고 싶은 값을 부르기 위해서 이제 $ 라는 기호를 사용합니다. cut 값만 알고 싶다면 diamonds$cut이 되는 것이죠. 

> table(diamonds$cut)

     Fair      Good Very Good   Premium     Ideal 
     1610      4906     12082     13791     21551 


table 안의 명령어는 다양한 방법으로 응용이 가능합니다. 예를 들어 > 나 == 같은 기호를 이용할 수 있습니다. cut이 Fair인 다이아몬드의 갯수만 알기 위해서 =="Fair"라는 조건문을 사용해 봅시다. 


> table(diamonds$cut=="Fair")

FALSE  TRUE 
52330  1610 


 그런데 표시가 독특하죠. TRUE와 FALSE로 표시되는데 이는 조건에 맞으면 TRUE로 아니면 FALSE로 표시되기 때문입니다. 이런 방식을 이용해서 연속 변수 역시 조건을 맞춰서 숫자를 알아낼 수 있습니다. 예를 들어 1 캐럿 이상인 다이아몬드의 값을 구해봅시다. 


> table(diamonds$carat>1)

FALSE  TRUE 
36438 17502 

 1 캐럿이 넘는 다이아몬드는 17,502개네요. 혹시 이렇게 조건을 이용해서 앞서 사용한 summary 명령어를 이용할 순 없을까요? 

> summary(diamonds$carat>1)
   Mode   FALSE    TRUE    NA's 
logical   36438   17502       0 


 이 상태에서 summary를 사용하면 그냥 같은 논리값만 반환될 뿐입니다. 그냥 새로 데이터를 만들어야 합니다. 1 캐럿이 넘는 다이아몬드를 모아서 새로운 데이터 프레임을 만들 명령어는 subset입니다. 


> diamonds1<-subset carat="" diamonds="">1)




 subset 은 다양한 조건으로 데이터를 쪼개는데 매우 유용한 명령어입니다. 앞으로 데이터를 다루면서 많이 쓰게 될 것입니다. 


 그런데 매번 diamonds$를 표시하니 뭔가 불편합니다. 당연히 이를 해결하기 위한 방법도 있습니다. attach 를 사용하면 바로 데이터프레임에 접근이 가능합니다. 사용법은 attach(데이터 프레임 이름) 입니다. 


> attach(diamonds)

> table(cut)
cut
     Fair      Good Very Good   Premium     Ideal 
     1610      4906     12082     13791     21551

이제 diamonds$ 를 사용하지 않고도 바로 데이터를 불러올 수 있으니 매우 편리하네요. 하지만 주의해야 합니다. 만약 2개 이상의 데이터를 attach 하는 경우 매우 중대한 에러가 발생할 가능성이 있습니다. 엉뚱한 데이터를 분석하고 결론을 내릴 수 있기 때문이죠. 따라서 전체 데이터 처리에서 마지막에는 반드시 데이터프레임을 풀어줘야 합니다. 이 작업은 detach로 합니다. 

> detach(diamonds)

> table(cut)
Error in unique.default(x, nmax = nmax) : 
  unique() applies only to vectors

 물론 detach 를 사용해서 분리한 후에도 얼마든지 다시 데이터를 붙일 수 있습니다. 


 오늘 이야기에서 마지막으로 한 가지 더 응용을 배워보겠습니다. 그러면 1캐럿이 넘는 다이아몬드는 전체의 몇 %일까요. 계산기를 이용할 수 있지만, length 라는 함수를 이용해서 계산이 가능합니다. 일단  false와 true를 구한 후 이를 전체 갯수로 나눠보는 거죠. length는 이름처럼 길이를 재는 것인데 쉽게 말해 관측값의 숫자를 알려줍니다. 

> table(diamonds$carat>1)/length(diamonds$carat)

    FALSE      TRUE 
0.6755284 0.3244716 

 32.4%가 1캐럿이 넘는 다이아몬드였습니다. 정말 맞는지 한번 계산기로 해보세요. 




 그런데 한 가지 아쉬운 부분이 있습니다. 데이터를 한 눈에 보는 방법은 없을까요. 당연히 있습니다. R은 본래 데이터 시각화에 최적화된 도구 가운데 하나입니다. 일단 다음 시간에 기본적인 것부터 시작하겠습니다. 
라벨:

댓글

댓글 쓰기

이 블로그의 인기 게시물

중등도 코로나 19 환자에서 제한적인 효과만을 확인한 렘데시비르

   현재 렘데시비르는 인공 호흡기 치료가 필요한 환자 등 중증 코로나 19 환자의 치료제로 사용되고 있습니다. 다만 공급이 부족해서 갑자가 중증 코로나 19 환자가 늘어날 경우 수급 문제가 불거질 수밖에 없습니다. 따라서 이를 중등도 코로나 19 환자 (경증이나 무증상은 당연히 치료가 필요없거나 대증 요법 정도) 사용한다는 것은 지금 당장에 급한 연구는 아니지만, 나중에 수급량이 많아지고 가격이 낮아질 때를 생각하면 의미 있는 연구 결과입니다.   렘데시비르 제조사인 길리어드 사이언스의 다아애나 브레이너드 박사 ( Dr. Diana Brainard of Gilead Sciences )는 병원에 입원이 필요했던 중등도 코로나 19 환자 584명을 렘데시비르 5일, 10일 투여 실험군과 위약을 투여한 대조군으로 나눠 임상 경과, 사망 등 중요한 합병증 발생 등에서 차이를 보이는지 조사했습니다. 연구 대상자의 40% 이상은 당뇨 같은 만성 질환이 있었으며 평균 연령은 57세였습니다.   연구 결과 대조군의 2%, 5일 투여군의 2%, 10일 투여군의 1%가 사망했으나 사망자 수가 4명, 3명, 2명 정도로 통계적 차이를 판단하기에는 사망자 수가 적어 결론을 내리기 어려웠습니다. 연구팀은 5일 투여군에서 임상 경과가 다소 호전되는 것을 판단했으나 10일 투여군에서는 통계적 차이를 검증할 수 없었습니다. 결론적으로 말해 중등도 코로나 19 환자에서 렘데시비르 투여는 확실한 임상적 이득이 없었습니다.     5일 투여량만 해도 가격이 3120달러라는 점을 감안할 때 중등도 환자에서 렘데시비르 투여는 설령 공급이 원활하다고 해도 적절한 치료법이 아닌 것으로 판단됩니다. 더구나 지금처럼 공급이 불안해 중증 환자 투여 물량 확보가 아쉬운 상황에서는 말할 것도 없습니다.  이번 연구는 렘데시비르보다 효과가 뛰어나면서 저렴한 차세대 항바이러스 치료제의 필요성을 다시 보여준 것으로 생각됩니다....
댓글 쓰기
자세한 내용 보기

코로나 19 감염 위험성이 큰 동물은?

  ( A new genomic study ranks the potential of the SARS-CoV-2 spike protein to bind to the ACE2 receptor site in 410 vertebrate animals. Old World primates and great apes, which have identical amino acids at the binding site as humans, are predicted to have a very high propensity for binding ACE2 and are likely susceptible to SARS-CoV-2 infection. Credit: Matt Verdolivo/UC Davis )    코로나 19를 일으키는  SARS-CoV-2는 사스 및 메르스와 마찬가지로 박쥐를 자연 숙주로 삼는 베타 코로나바이러스 계통입니다. 따라서 본래 박쥐에 살던 바이러스가 중간 단계를 거쳐 사람으로 넘어온 것으로 추정됩니다. 그런데 이 이야기는 SARS-CoV-2 역시 사람에만 감염되는 것이 아니라 종을 넘어 다른 포유류나 조류, 혹은 척추동물에 감염될 수 있음을 시사합니다. 코로나 바이러스가 침투하는 경로인 ACE2 수용체는 다른 척추동물에서도 볼 수 있기 때문입니다. 다만 SARS-CoV-2와 ACE2 수용체의 결합 수준은 동물마다 큰 차이가 있어 감염 위험도는 모두 다를 수밖에 없습니다.   캘리포니아 대학 데이비스 캠퍼스 (UC Davis)의 조안나 다마스 (Joana Damas)와 그 동료들은 410종의 척추동물에서 ACE2 수용체 유전자를 조사해 코로나 19 감염 위험도를 조사했습니다. 연구팀에 따르면 ACE2 수용체 전체가 아니라 25개의 아미노산 배열이 특히 결합력에 큰 영향을 미쳐 감염 가능성을 결정합니다.   연구 결과 쉽게 예상할 수 있듯이 사람과 가까운 침팬치, 고릴라, 보노보...
댓글 쓰기
자세한 내용 보기

178Tb/s - 광섬유 통신 신기록 수립

  ( Lidia Galdino, lead researcher on the study. Credit: James Tye / UCL )  현재 가정에 들어오는 초고속 광통신은 10Gb/s 정도가 가장 빠른 편입니다. 그러나 사실 광섬유를 통해서 보낼 수 있는 정보량은 이것보다 훨씬 많습니다. 현재 개발 중인 기술 가운데서는 이미 1Tb/s 이상이 속도를 지닌 것들이 많아 미래에는 테라 인터넷 시대가 가능할 것으로 예상됩니다. 그런 가운데 영국 유니버시티 칼리지 런던 (UCL)의 리디아 갈디노( Lidia Galdino )가 이끄는 연구팀이 178Tb/s라는 신기록을 세웠다는 소식입니다.   광섬유 통신을 위한 주파수는 4.5THz까지 높일 수 있습니다. 최근에 개발된 신기술은 9THz 벽도 돌파했습니다. 그러나 연구팀은 16.8THz라는 새로운 영역에 도달했습니다. 주파수가 높을 수록 더 많은 정보를 전송할 수 있습니다. 하지만 16.8THz의 주파수로도 178Tb/s의 데이터 전송 속도는 사실 불가능합니다. 연구팀은  Geometric Shaping (GS) 방식으로 레이저 신호의 페이즈, 밝기, 편광 수준을 조절해 여러 신호가 서로 간섭 없이 전달되게 만들어 이런 신기록을 수립했습니다.   물론 새로운 기술이 항상 그렇듯이 바로 상용화가 가능한 것은 아닙니다. 특히 광섬유는 장거리 정보 전송이 가능해야 할 뿐 아니라 오류 없이 장시간 작동이 가능해야 합니다. 자꾸 에러가 생기거나 고장난다면 아무리 속도가 빨라도 무용지물입니다. 이 단계를 극복하고 경제성까지 갖춰 실용화 되는 경우는 사실 소수에 지나지 않습니다.   하지만 경쟁적으로 Tb 급 대역폭을 지닌 광통신 기술이 개발되고 있어 테라바이트 급 정보도 순식간에 전송할 수 있는 시대가 올 것은 분명합니다. 과거 전화선을 이용한 56K 모뎀에서 지금의 광섬유 기반 초고속 인터넷이 온 것처럼 속도는 계속 빨라질 수밖에 없기 때문입니다...
댓글 쓰기
자세한 내용 보기