데이터 프레임

데이터 프레임(Data Frame)은 처리할 데이터를 마치 엑셀의 스프레드시트와 같이 표 형태로 정리한 모습을 하고있다. 데이터 프레임의 각 열에는 관측값의 이름이 저장되고 각 행에는 매 관측 단위마다 실제 얻어진 값이 저장된다. 예를 들어, 다음 성적 데이터와 같은 모습이 데이터 프레임에 저장되는 데이터의 전형적인 예이다.

성명	국어	영어
홍길동	80	94
김길동	97	100
박길동	85	97

 

이처럼 자연스럽게 데이터를 표현하는 데이터 타입이기 때문에 데이터 프레임은 R에서 가장 중한 데이터 타입이며, 많은 R함수에서 인자로 데이터 프레임을 받는다.

 

데이터 프레임 생성

아래에 데이터 프레임 관련 함수를 나열했다.

 

-data.frame : 데이터 프레임을 생성한다.

data.frame(

#value 또는 tag=value로 표현된 데이터 값. ' ... ' 은 가변 인자를 의미한다.

...,

#주어진 문자열을 팩터로 저장할 것인지 또는 문자열로 저장할 것인지를 지정하는 인자.

#기본값은 보통 TRUE다. 따라서 이 인자를 지정하지 않으면 문자열은 팩터로 저장된다.

stringsAsFactors=default.stringsAsFactors()

)

 

-str : 임의의 R 객체의 내부 구조(structure)를 보인다.

str(object)

 

또한, 데이터 프레임에는 앞에서 살펴본 rownames(), colnames(), names()를 적용할 수 있다. 이들 함수를 사용하면 행과 컬럼(열)에 이름을 부여할 수 있다.

 

다음은 데이터 프레임에서 사용하는 문법이다.

문법	의미
d$colname	데이터 프레임 d에서 칼럼 이름이 colname인 데이터를 접근한다.
d$colname<-y	데이터 프레임 d에서 칼럼 이름이 colname인 컬럼에 데이터 y를 저장한다. 만약 colname이 d에 없는 새로운 이름이라면 새로운 컬럼이 추가된다.

 

데이터 프레임은 data.frame()에 '컬럼 이름=데이터' 형태로 데이터를 나열하여 생성한다.

 

>(d<-data.frame(x=c(1,2,3,4,5), y=c(2,4,6,8,10)))   x  y 1 1 2 2 2 4 3 3 6 4 4 8 5 5 10

 

데이터 프레임의 각 컬럼은 서로 다른 데이터 타입일 수 있다. 다음은 숫자 벡터 x,y에 팩터인 z컬럼을 추가하는 예다(stringAsFactor를 지정하지 않으면 문자열이 팩터로 저장된다.)

>(d<-data.frame(x=c(1,2,3,4,5), y=c(2,4,6,8,10), z=c("M;, 'F', 'M', 'F', 'M')))   x  y  z 1 1 2 M 2 2 4 F 3 3 6 M 4 4 8 F 5 5 10 M

 

위에 보인 출력에서는 각 컬럼의 데이터 타입을 보여주지 않아 실제로 어떤 데이터 타입으로 데이터가 저장되는지를 쉽게 알 수 없다. 이 경우 str()을 사용해 구조를 살펴볼 수 있다.

>str(d) 'data.frame':     5 obs. of 3 variables: $x: num 1 2 3 4 5 $y: num 2 4 6 8 10 $z: Factor w/ 2 levels "F","M" : 2 1 2 1 2

 

이 결과를 보면 z 컬럼이 팩터임을 알 수 있다.

 

만약 이미 정의된 데이터 프레임에서 컬럼 이름 colname에 데이터 y를 저장하고자 한다면 d$colname<-y 문법을 사용한다. 다음은 x 컬럼의 값을 1,2,3,4,5에서 6,7,8,9,10으로 바꾸는 예다.

>(d<-data.frame(x=c(1,2,3,4,5), y=c(2,4,6,8,10), z=c("M;, 'F', 'M', 'F', 'M'))) >d$x [1]1 2 3 4 5 >d$x <- 6:10 >d   x  y  z 1 6 2 M 2 7 4 F 3 8 6 M 4 9 8 F 5 10 10 M

 

위의 데이터 프레임 d에 기존에 없던 컬럼 w를 추가하고자 할 때도 같은 문법을 사용한다.

>d$w<-c("A","B","C","D","E") >d    x  y  z  w 1 6 2 M A 2 7 4 F B 3 8 6 M C 4 9 8 F D 5 10 10 M E

 

한 가지 특이할 만한 점은 w컬럼에 저장한 데이터가 벡터므로 d$w의 데이터 타입 역시 chr(문자열 벡터)이라는 점이다. 이는 data.frame()에 문자열 벡터를 지정할 때 stringsAsFactor를 지정하지 않으면 문자열이 팩터로 바뀌는 것과는 다른 점이다.

>str(d) 'data.frame':     5ons. of 4 variables: $x: int 6 7 8 9 10 $y: num 2 4 6 8 10 $z: Factor w/ 2 levels "F","M": 2 1 2 1 2 $w: chr "A" "B" "C" "D" ...

 

데이터 프레임의 행 이름, 컬럼 이름은 각각 rownames(), colnames() 함수로 지정할 수 있다.

>(x<-data.frame(1:3)      x1.3 1 1 2 2 3 3 >colnames(x)<-c('val')     val 1 1 2 2 3 3 > rownames(x)<-c('a', 'b', 'c')    val a 1 b 2 c 3

 

또는 names()를 사용해도 colnames()와 같은 결과를 얻는다.

 

 

데이터 프레임 접근

아래에 데이터 프레임의 데이터에 접근하는 방법을 정리했다.

문법	의미
d$colname	데이터 프레임 d의 컬럼 이름 colname에 저장된 데이터
d[m,m,dorp=TRUE]	데이터 프레임 d의 m행 n컬럼에 저장된 데이터. m과 n을 벡터로 지정하여 다수의 행과 컬럼을 동시에 가져올 수 있으며 m,n에는 색인뿐만 아니라 행 이름이나 컬럼 이름을 지정할 수 있다. 만약 m,n 중 하나를 생략하면 모든 행 또는 컬럼의 데이터를 의미한다. d[,n]과 같이 행을 지정하지 않고 특정 컬럼만 가져올 경우 반환 값은 데이터 프레임이 아니라 해당 컬럼의 데이터 타입이 된다. 이러한 형 변환을 원하지 않으면 drop=FALSE를 지정하여 데이터 프레임을 반환하도록 할 수 있다.

 

데이터 프레임의 각 컬럼은 d$colname과 같이 컬럼 이름으로 접근할 수 있으며, 행이나 컬럼의 색인을 사용해서도 데이터에 접근할 수 있다. 

>d<-data.frame(x=c(1,2,3,4,5), y=c(2,4,6,8,10)   x y 1 1 2 2 2 4 3 3 6 4 4 8 5 5 10 >d$x [1] 1 2 3 4 5 >d[1, ]   x y 1 1 2 >d[1,2] [1] 2

 

벡터로 색인을 지정하거나 제외할 행 또는 컬럼을 -로 표시할 수 있다.

>d[c(1,3),2] [1] 2 6  >d[-1,-2] [1]2 3 4 5

 

또는 컬럼 이름을 지정할 수도 있다.

>d[, c("x","y")]   x y 1 1 2 2 2 4 3 3 6 4 4 8 5 5 10 >d[,c("x")] [1] 1 2 3 4 5

 

위 코드에서 d[,c("x")]로 x 컬럼만 선택했을 때 데이터 프레임의 일반적인 표 형태 출력이 아니라 벡터처럼 결과가 출력된 것을 볼 수 있다. 이는 컬럼의 차원이 1이 되면 반호나 값이 해당 컬럼의 데이터 타입을 따르기 때문이다. 이러한 형 변환을 원치 않는다면 다음과 같이 drop=FALSE 옵션을 지정한다.

>d[,c("x"),drop=FALSE]   x 1 1 2 2 3 3 4 4 5 5

 

주어진 값이 벡터에 존재하는지를 판별하는 %in% 연산자와 데이터 프레임의 컬럼 이름을 반환하는 names()를 이용하면 특정 컬럼만 선택하는 작업을 좀 더 손수비게 할 수 있다. 에를 들어, 다음 코드는 a,b,c 컬럼이 있는 데이터 프레임에서 b,c컬럼만 선택하는 경우다.

>(d<-data.frame(a=1:3, b=4:6, c=7:9))   a b c 1 1 4 7 2 2 5 8 3 3 6 9 >d[, names(d) %in% c("b","c")]   b c  1 4 7 2 5 8 3 6 9

 

반대로 ! 연산자를 사용해 특정 컬럼들만 제외해서 데이터를 선택할 수도 있다.

>d[, !names(d) %in% c("a")]   b c  1 4 7 2 5 8 3 6 9

 

유틸리티 함수

데이터 프레임은 분석할 데이터가 들어 있는 주요 데이터 타입이다. 분설할 데이터는 보통 파일등에서 불러들이므로, 불러들인 데이터가 올바른 데이터 타입으로 저장되어 있는지 확인하는 것이 중요하다. 또, 데이터 프레임에는 분설할 데이터 전체가 저장되므로 데이터양이 많다. 따라서 이러한 데이터를 손쉽게 살펴보는 방법이 필요하다. 이 절에서는 데이터 프레임과 관련하여 참고할 만한 함수들을 설명한다.

 

-head : 객체의 처음 부분을 반환한다.

head(x,n=6L)

 

-tail : 객체의 뒷부분을 반환한다.

tail(x,n=6L)

-View : 데이터 뷰어를 호출한다.
View(x,title)

 

통상 R에서의 데이터 처리는 데이터 프레임을 기본 타입으로 하므로 데이터 프레임에 많은 양의 데이터가 저장된다. 따라서 작업 중 데이터 프레임을 화면에 출력하면 전체 데이터가 모두 출력되어 데이터를 읽기가 어렵다. 이 경우 데이터의 제일 앞부분만 살펴보는 데 head()를, 뒷부분만 살펴보는 데 tail()을 사용할 수 있다.

>d<-data.frame(x=1:1000) >d           x 1        1 2        2 3        3 ... 999    999 1000  1000 >head(d)     x 1  1 2  2 3  3 4  4 5  5 6  6 >tail(d)        x 995  995 996  996 997  997 998  998 999  999 1000 1000

 

View()는 행렬과 같은 모습을 한 데이터를 손쉽게 살펴보기 위한 화면을 띄워 보여주는 함수다.
R에서 View(d)를 실행해 보기를 권장한다.

 

 

R을 이용한 데이터 처리&분석 실무 中