Translate

2016년 12월 20일 화요일

R에서 데이터 저장하기와 불러내기



 앞서 데이터의 특성을 살펴보는 예제를 실행해봤습니다. 하지만 사실 더 중요한 이야기가 빠졌습니다. 그것은 바로 데이터를 불러내거나 혹은 저장하는 일이죠. 처음에 R을 공부할 때 데이터를 어떻게 불러내는지를 몰라서 고생했던 기억이 있습니다. R은 현존하는 거의 모든 데이터 파일을 불러낼 수 있는 능력이 있지만, 기본적으로 많이 사용하는 파일 구조는 CSV 입니다. 


 CSV에 익숙하지 않은 분들도 있겠지만, 사실 데이터에 있어서 여러 소프트웨어와 어플리케이션에서 취급하는 범용 형식입니다. Comma Separated Value 의 약자로 쉼표를 기준으로 항목을 구분하여 저장한 데이터를 이야기 합니다. 사실 엑셀에서도 기본 저장 형식인 xlsx 외에 csv 형식으로 파일 저장이 가능합니다. 


 일단 첫 번째 단계로 csv 형식으로 파일을 저장해 보겠습니다. 저장할 데이터는 앞서 다룬 예제인 다이아몬드입니다. 


library("ggplot2")
write.csv(diamonds,"H:/data/diamond.csv",row.names=F,na="")


 저장을 위한 기본 명령은 write.csv 입니다. 간단하죠. () 안에 저장할 데이터 프레임 이름을 적고 그 다음에 "" 안에 경로를 지정합니다. row.names=F,na="" 를 지정한 이유는 R 이 기본 상태에서는 열 이름과 더불어 NA (결측값) 을 같이 저장하기 때문입니다. 그러면 데이터가 변형될 뿐 아니라 데이터 크기가 커지면서 본래 원하는 형태와 데이터가 달라질 수 있습니다. 물론 반대로 이것을 원할 때는 지정하지 않아도 됩니다. 아무튼 이렇게 저장한 파일을 한 번 열어보겠습니다. 




 우리가 흔히 보는 엑셀에서 파일을 열어서 볼 수 있습니다. 사용하는 사람 입장에서는 xlsx 파일이나 csv 파일이나 사실 체감되는 차이는 없습니다. 하지만 R에서 불러내는 속도는 csv 파일이 훨씬 빠릅니다. 따라서 왠만하면 엑셀 파일이더라도 다른 이름으로 저장을 눌러서 csv 파일로 변환해서 처리하는 것이 훨씬 좋습니다. 


 여기서 한 가지 더 사족이라고 하면 이렇게 실제 데이터를 저장한 후 엑셀 같은 스프레드시트 프로그램에서 한번 데이터를 보는 것이 좋다는 것입니다. 앞서 본 데이터 기본 구조를 보는 과정에서 누락된 사실이 여기서 밝혀질 수 있습니다. 데이터 구조 파악을 위해서는 실제 데이터를 육안으로 한 번 확인하는 과정이 필요하다는 것이 개인적인 경험에서 나온 생각입니다. 


 이제 이렇게 저장한 파일을 읽어보겠습니다. 읽기 명령어 역시 간단합니다. read.csv를 사용하면 됩니다. 경로와 데이터를 지정하면 끝입니다. 


data=read.csv("H:/data/diamond.csv")


 데이터라는 새로운 데이터 프레임에 저장한 내용을 로드했습니다. 그러면 R 스튜디오에서는 이 데이터 프레임을 직접 볼 수 있는 스프레드시트를 제공합니다. 기본적인 환경에서는 우측 상단에 데이터 프레임이 표시되고 이를 클릭하면 좌측 상단에 그 내용이 표시됩니다. 따라서 엑셀 없이도 저장된 파일을 직접 볼 수 있는 것이죠. 다만 자세히 보려면 엑셀이 더 편할 수 있습니다. (아래 그림. 클릭하면 원본) 




 그런데 사용하다보면 부득이 엑셀 파일을 바로 읽어들이거나 저장해야 하는 경우도 있을 것입니다. 이 경우 xlsx 패키지를 설치한 후 write.xlsx와 read.xlsx를 사용해서 같은 방식으로 저장하고 불러올 수 있습니다. 


install.packages("xlsx")
require(xlsx)
write.xlsx(diamonds,"H:/data/diamond.xlsx",row.names=F)
data=read.xlsx("H:/data/diamond.xlsx")


 그런데 한 번 해보면 알겠지만, xlsx는 생각보다 저장에 시간이 오래 걸립니다. R에서는 csv 파일이 훨씬 편리하기 때문에 가능하면 엑셀 파일이더라도 csv 파일로 변경해서 사용하는 것이 좋습니다. 변경하는 것은 매우 간단합니다. 그냥 다른 이름으로 저장을 하면서 파일 형식에서 csv (쉼표로 분리)를 선택하면 그만입니다. 


 데이터를 입력할 때는 분명 엑셀이 좋은 도구입니다. 하지만 파일이 커질수록 속도가 상당히 느려지는 단점이 있어 빅데이터 처리를 위해서 좋은 도구라고 보기는 어렵습니다. 따라서 마이크로소프트도 액세스(Access)라는 별도의 프로그램을 개발한 것이죠. 액세스 파일은 물론 다양한 파일을 R에서 불러올 수 있으나 속도면에서는 csv 파일이 가장 좋다고 말씀드리고 싶습니다. 엑셀 파일을 R에서 저장하면 엑셀에서 하는 것보다 훨씬 오랜 시간이 걸립니다. 





댓글 없음:

댓글 쓰기