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.