벡터

벡터(vector)는 다른 프로그래밍 언어에서 흔히 접하는 배열의 개념으로, 한 가지 스칼라 데이터 타입의 데이터를 저장할 수 있다. 예를 들어, 숫자만 저장하는 배열, 문자열만 저장하는 배열이 벡터에 해당한다.

 

R의 벡터는 슬라이스(slice)를 제공한다. 슬라이스란 배열의 일부를 잘라낸 뒤 이를 또 다시 배열처럼 다루는 개념을 뜻한다.

 

또한, 벡터의 각 셀에는 이름을 부여할 수 있다. 따라서 벡터에 저장된 요소들을 색인을 사용하여 접근하는 것뿐 아니라 이름을 사용해서도 접근할 수 있다. 이런 특징을 사용하면 데이터를 좀 더 의미 있는 형태로 저장할 수 있다.

 

벡터 생성

벡터는c()를 사용해 생성하고, names()를 사용해 이름을 부여할 수 있다. 아래에 벡터 관련 함수를 정리했따.

 

-c : 주어진 값들을 모아 벡터를 생성한다.

c( ... )

 

-names : 객체의 이름을 반환한다.

names(x)

 

-names<- : 객체에 이름을 저장한다.

names(x)<- value

 

앞에서 설명한 함수들을 하나씩알아보자. 벡터는 c() 안에 값을 나열하는 방법으로 생성한다. 다음 코드에서 x<-c(...)부분이 다시 괄호 안에 쌓여 있음을 주목하기 바란다. 이렇게 괄호로 코드를 묶으면 괄호 안의 문장을 수행하고 그 결과 값을 다시 화면에 출력한다.

>(x<-c(1,2,3,4,5)) [1]1 2 3 4 5

 

나열하는 인자들은 벡터의 정의대로 한 가지 유형의 스칼라 타입이어야 한다. 만일 서로 다른 타입의 데이터를 섞어서 벡터에 저장하면, 이들 데이터는 한 가지 타입으로 자동 형 변환된다. 이때 사용되는 형 변환 규칙은 좀 더 표현력이 높은 데이터 타입으로 변환하는 것이다.

(정확한 변환 규칙은 NULL<raw<logical<integer<double<complex<character<list<expression 순서이다.)

 

예를 들어, 정수와 부동소수가 섞여 있다면 모두 부동소수로 변환되며, 정수와 문자열이 섞여 있다면 모두 문자열로 변환된다. 예를 들어, 아래 코드에서 숫자형 데이터인 2는 "2"라는 문자열 형태로 자동으로 변환되어 x 안에는 문자열 형태의 데이터만 나열된다.

>(x<-c("1",2,"3")) [1]"1" "2" "3"

 

그러나 이런 형 변환 규칙을 모두 기억할 필요는 없다. 만약 서로 다른 데이터 타입으로 된 데이터를 다루고 싶다면 리스트 절에서 다룰 리스트를 사용하고, 벡터에서는 늘 한 가지 데이터 타입만 사용하는 편이 낫다.

 

벡터는 중첩할 수 없다. 따라서 벡터 안에 벡터를 생성하면 단일 차원의 벡터로 변경된ㄷ. 중첩된 구조가 필요하다면 역시 리스트를 사용해야 한다.

>c(1,2,3) [1] 1 2 3 >c(1,2,3, c(1,2,3)) [1] 1 2 3 1 2 3

 

연속된 숫자를 저장하는 벡터는 자주 사용되기 때문에 1,2,3,...과 같은 값을 저장한 벡터를 손쉽게 생성하는 별도의 문법이 있따. 이에 대해서는 계열함수 절에서 설명한다.

 

벡터의 각 셀에는 names<-()함수를 사용해 이름을 부여할 수 있다. names()의 반환 값에 원하는 이름을 문자열 벡터로 할당하면 된다.

>x<-c(1,3,4) >names(x)<-c("kim","seo","park") >x kim seo park 1 3 4

 

벡터 데이터 접근

벡터의 데이터를 접근하는 데는 색인을 사용하는 방법과 이름을 사용하는 방법이 있다. 또, 벡터에서 특정 요소를 제외한 나머지 데이터를 가져오거나, 동시에 여러 셀의 데이터를 접근하는 것 역시 가능핟. 다음 표에 관련된 기본 문법을 정리해뒀다.

문법	의미
x[n]	벡터 x의 n번쨰 요소. n은 숫자 또는 셀의 이름을 뜻하는 문자열
x[-n]	벡터 x에서 n번쨰 요소를 제외한 나머지. n은 숫자 또는 셀의 이름을 뜻하는 문자열
x[idx_vector]	벡터 x로부터 idx_vector에 지정된 요소를 얻어옴. 이떄 idx_vector는 색인을 표현하는 숫자 벡터 또는 셀의 이름을 표현하는 문자열 벡터
x[start:end]	벡터 x의 start부터 end까지의 값을 반환함. 반환 값은 start 위치의 값과 end 위치의 값을 모두 포함함

 

다음은 벡터의길이 관련 함수다.

 

-length: 객체의 길이를 반환한다.

length(x)

 

-NROW : 배열의 행 또는 열의 수를 반환한다.

NROW(x)

 

 

벡터는 []안에 색인을 적어 각 요소를 가져올 수 있다. 이때, 색인은 다른 언어와 달리 1부터 시작한다.

>x<-c("a","b","c") >x[1] [1] "a" >x[3] [1] "c"

 

또한, '-색인' 형태로 음의 색인을 사용해 특정 요소만 제외할 수도 있다.

>x<-c("a","b","c") >x[-1] [1]"b" "c" >x-2] [1] "a" "c"

 

위의 코드에서 x[-1]은 제일 첫 번쨰 요소인 "a"를 제외한 경우고, x[-2]는 두 번째 요소인 "b"를 제외한 경우다.

 

여러 위치에 저장된 값을 한 번에 가져오려면 '벡터명[색인 벡터]" 형식을 사용한다.

 

>x<-c("a","b","c") >x[c(1,2)] [1]"a" "b" >x]c((1,3) [1]"a" "c"

 

'start:end' 형태의 문법은 start부터 end까지의 숫자를 저장한 숫자 벡터를 뜻한다. 따라서 x[start:end]를 사용해 start부터 end까지의 데이터 (start와 end에 위치한 요소 포함)를 볼 수 있다.

 

>x<-c("a","b","c") >x[1:2] [1]"a" "b" >x[c(1,3)] [1]"a" "b" "c"

 

벡터의 각 셀에 names()를 사용해 이름을 부여했다면, 이 이름을 사용해 데이터를 접근할 수 있다.

>x<-c(1,3,4) >names(x)<-c("kim","seo","park") >x kim seo park 1 3 4 >x["seo"] seo 3 >x[c("seo","park")] seo park 3 4

 

벡터에 부여된 이름만 보려면 이름을 부여할 때와 마찬가지로 names()를 사용한다. 다음은 벡터의 두 번째 요소에 부여한 이름이 "seo"임을 보여준다.

>names(x)[2] [1]"seo"

 

벡터의 길이는 length() 또는 NROW()를 통해 알 수 있다.(NROW()가 대문자임에 주의하기 바란다.) 본래 nrow()는 뒤에서 설명할 행렬과 데이터 프레임의 행의 수를 알려주는 함수지만, nrow()의 변형인 NROW()는 인자가 벡터인 경우 벡터를 n행 1열의 행렬로 취급해 길이를 반환한다. 따라서 데이터 타입에 무관하게 길이를 알고 싶은 경우 length(), nrow(), NROW()의 구분없이 항상 NROW()만 사용하면 대부분 문제없이 동작한다.

 

다음 코드는 세 가지 함수의 사용 예를 보여준다. 코드에서 '#' 기호는 주석을 뜻하므로 #뒤에 오는 문자열은 코드 실행 시 무시된다.

>x<-c("a","b","c") >length(x) [1]3 >nrow(x) # nrow()는 행렬만 가능 NULL >NROW(x) # NROW()는 벡터와 행렬 모두 사용 가능 [1] 3

 

벡터 연산

벡터는 값을 하나씩 접근해 해당 값을 사용한 계산을 수행하거나, 벡터 전체에 대해 연산을 한 번에 수행하건, 벡터를 집합처럼 취급해 집합 연산(합집합, 교집합, 차집합)을 계산할 수 있다. 아래는 기본 함수를 정리했다.

 

-identical : 객체가 동일한지를 판단한다.

identical(x,y)

 

-union : 합집합을 구한다.

union(x,y)

 

-intersect : 교집합을 구한다.

intersect(x,y)

 

-setdiff : 차집합을 구한다.

setdiff(x,y)

 

-setequal : x와 y가 같은 집합인지를 판단한다.

setequal(x,y)

 

다음은 벡터와 관련한 연산자들이다.

연산자	의미
value %in%x	벡터 x에 value가 저장되어 있는지 판단함
x+n	벡터 x의 모든 요소에 n을 더한 벡터를 구함. 마찬가지로 *,/,-,= 등의 연산자를 적용 가능함

 

두 벡터가 같은 값을 담고 있는지는 identical()함수로 알 수 있다.

>identical(c(1,2,3), c(1,2,3)) [1]TRUE >identical(c(1,2,3), c(1,2,100)) [1]FALSE

 

벡터 전체 값에 대한 연산을 한 번에 수행하려면 벡터를 마치 하나의 숫자처럼 생각하고 연산을 수행하면 된다. 이와 같이 데이터 전체에 대해 수행하는 연산은 R의 특징 중 하나로, 각 요소별로 연산을 수행하는 경우에 비해 실행 속도가 빠르기 때문에 자주 이용한다. 더 자세한 내용은 '3장. R 프로그래밍'에서 다시 알아본다.

>x<-c(1,2,3,4,5) >x+1 [1]2 3 4 5 6 >10-x [1]9 8 7 6 5

 

같은 방법으로 ==또는 != 연산자를 사용해 두 벡터에 저장된 값들을 한 번에 비교할 수 있다. 그러나 흔히 if 문 등의 조건문에서는 단 하나의 참 도는 거짓 값을 사용해야 하기 떄문에 ==, !=가 아니라 앞ㅎ서 설명한 identical()을 사용해야 한다는 점을 기억하기 바란다. 흔히 실수하기 쉬운 부분이다.

>c(1,2,3)==c(1,2,100) [1]TRUE TRUE FALSE >c(1,2,3)!=c(1,2,100) [1]FALSE FALSE TRUE

 

벡터를 집합(set)으로 취급해 집한 간 합집합, 교집합, 차집합을 계산할 수 있다.

>union(c("a","b","c"), c("a","d")) [1]"a" "b" "c" "d" >intersect(c("a","b","c"), c("a","d")) [1]"a" >setdiff(c("a","b","c"), c("a","d")) [1]"b" "c"

 

집합 간 비교에는 setequal()을 사용한다.

>setequal(c("a","b","c"), c("a","d")) [1]FALSE >setequal(c("a","b","c"), c("a","b","c","c")) [1]TRUE

 

연속된 숫자로 구성된 벡터

다량의 데이터가 있을 때 데이터의 일부를 한 번에 잘라서 처리하기 위해 흔히 숫자 색인 값이 저장된 벡터를 사용한다. 또, 엲속된 데이터를 한 번에 잘라낼 경우가 많아 연속된 숫자가 저장된 벡터가 종종 필요하다. R에서는 이를 위한 몇 가지 문법과 함수를 제공하는데 다음 표에 그 내용을 정리했다.

 

-seq : 시퀀스를 생성한다.

seq(from,to,by)

 

-seq_along : 주어진 객체의 길이만큼 시퀀스를 생성한다.

seq_along(along.with)

 

다음은 시퀀스 생성과 관련한 문법이다.

문법	의미
from:end	from부터 end까지의 숫자를 저장한 벡터를 반환함(from과 end 포함)

 

seq(from, end, by)는 from부터 end까지의 값을 저장한 벡터를 반환한다. 여기서 by는 생력 가능하며, 이 경우 1씩 증가 또는 감소하는 것으로 자동 지정된다. 다음에 몇 가지 사용 예를 보였다.

>seq(3,7) [1]3 4 5 6 7 >seq(7,3) [1]7 6 5 4 3 >seq(3,7,2) [1]3 5 7 >seq(3,7,3) [1]3 6

 

1씩 증가 또는 감소하는 벡터의 경우 seq()를 사용하지 않고 'start:end'형태의 축양형으로도 표현할 수 있다.

>3:7 [1]3 4 5 6 7 >7:3 [1]7 6 5 4 3

 

1부터 주어진 벡터의 길이 N까지의 값을 저장한 색인 벡터가 필요한 경우 NROW()로 길이를 얻어 색인 벡터를 만들 수 있다. 또는 seq_along()를 사용해 x의 길이까지의 값을 담은 벡터를 생성할 수 있다.

>x<-c(2,4,6,8,10) >1:NROW(x) [1]1 2 3 4 5 >seq_along(x) [1]1 2 3 4 5

 

반복된 값을 저장한 벡터

반복된 값을 저장한 벡터는 c(1,1,1,1,2,2,2,2) 또는 c(1,2,1,2,1,2,1,2)처럼 숫자가 반복되는 형태로 나타나는 벡터를 뜻한다. 이러한 벡터를 색인 벡터로 사용하면 주어진 데이터를 몇 개 분류로 쉽게 나눌 수 있어 종종 사용한다. 반복된 값이 저장된 벡터는 rep()로 생성할 수 있다.

 

-rep : 주어진 값을 반복한다.

rep(x,times,each)

times와 each의 의미는 다음 예를 통해 쉽게 이해할 수 있다. 숫자 1,2에 대해 times=5를 지정하면 1,2의 나열이 5회 반복된다.

>rep(1:2, times=5) [1]1 2 1 2 1 2 1 2 1 2

 

each=5를 지정하면 개별 값이 5회 반복된다. 즉, 1이 5회반복된 후 2가 5회 반복된다.

>rep(1:2, eacgh=5) [1] 1 1 1 1 1 2 2 2 2 2

 

each=5, times=2를 지정하면 개별 값의 5회 반복을 총 2회 반복한다.

>rep(1:2, each=5, times=2) [1] 1 1 1 1 1 2 2 2 2 2 1 1 1 1 1 2 2 2 2 2

 

R을 이용한 데이터 처리&분석 실무 中