[R, 전처리, 패키지] dply패키지 사용하여 데이터 처리하기

 

 

1. dplyr 패키지는 무엇인가?

1) plyr 패키지

데이터의 분할(split) – 적용(apply) -재조합(combine)하는 세 단계로 데이터를 처리하는 함수들을 제공하는 패키지이다.

대표함수 : adply(), ddply(), mdply()

 

2) dplyr 패키지

dataframe과 plyr이 합쳐진 이름으로 data.frame 전용 plyr 패키지이다.

대표함수 : filter(), select(), mutate(), summarise(), arrange()

3) dplyr 함수 구조

- 함수명()

- filter(iris, Species=="virginica")

- 첫 번째 인자는 dataframe

- 두 번째 인자는 dataframe으로 무엇을 할 지를 표현(조건)

- 반환값은 dataframe이다.

 

 

 

 

 

2. 기본 함수 사용 예시

1) filter() : 기준(조건)에 맞는 행을 선별한다.

- 보기의 편의성을 위하여 head()함수를 사용하였다. 앞의 6행만 출력한다.

 

 

2) select() : 이름으로 열을 선별한다.

- 출력값이 2번째 인자에 조정된 열이라는 것을 확인 할 수 있다.

 

 

3) arrange : 행을 기준열에 맞게 정렬한다.

- 1번째를 보면 iris 데이터에서 Sepal.Length 열을 기준으로 정렬 된 것을 확인 할 수 있다.

- 2번째를 보면 iris 데이터에서 Sepal.Length 열을 기준으로 내림차순 정렬 된 것을 확인 할 수 있다.

- 내림차순 함수는 desc()이다.

 

 

4) mutate : 새로운 변수를 추가한다.

 

 

- doublePw이라는 새로운 변수가 추가 되었다는 것을 확인 할 수 있다.

- doublePw열의 값들은 Petal.Length의 값들에서 2 곱한 값이다.

 

 

5) summarise() : 변수들을 특정 값으로 변환한다.

 

 

- total이라는 새로운 열을 생성해서 해당 열만 출력한다.

- total 값은 iris데이터의 Sepal.Lenght열 값들의 합이다.

 

 

 

 

 

 

 

3. Join 함수

1) dplyr패키지의 Join 함수

 

- 해당 데이터셋은 본인이 임의로 만들었다.

- x와 y 데이터프레임에서 같은 열은 name이다.

- donguk, minyoung, eunsub, heagun이라는 값이 서로 겹쳐 있다.

 

left_join : x에 있는 모든 행이다. x,y열 모두 출력된다.

inner_join : y에 있는 x의 행이다. x,y열 모두 출력된다.

full_join : x와 y의 모든 행이다. x,y열 모두 출력된다.

semi_join : y에 있는 x의 행이다. x열만 출력된다.

anti_join : y에 있지 않는 x의 행이다. x열만 출력된다.

by 인자를 통해 병합 기준 열을 정한다.

 

 

2) 기본 함수 merge()

- by 인자를 통해 병합 기준 열을 정한다.

- all은 공통된 값이 x, y 중 한쪽에 없을 때의 처리를 뜻한다. 기본값은 FALSE이다.

FALSE일 경우 공통된 데이터가 있을 때만 해당 행이 병합된다.

- all = TRUE 이면 x, y 중 어느 한쪽에 공통된 값을 가지는 행이 없을 때, 해당 쪽을 NA로 채워 병합한다.

결과적으로 x, y의 전체 행이 결과에 포함된다.

- all.x와 all.y를 사용하여 x, y 중 특정 쪽에 공통된 값이 없더라도 항상 결과에 포함되게 한다.

 

 

 

 

 

 

 

4. 그룹화하여 데이터 처리

 

species<-group_by(iris,Species)

summarise(species,total=sum(Sepal.Length))

- group_by라는 함수로 iris데이터에서 Species로 나눈 객체를 생성한다.

- 객체를 summarise 함수에 입력하여, 그룹화된 변수들에 따라 계산하게 한다.

- 계산값은 Sepal.Length열 값들의 합계가 되겠다.

 

다른방법 : iris%>%group_by(Species)%>%summarise(total=sum(Sepal.Length))

- %>%를 사용하여 위의 코딩을 더 짧게 요약해서 작성할 수 있다.

 

다른방법 : aggregate(Sepal.Length~Species,iris,sum)

- 기본 함수인 aggregate라는 함수를 사용하여도 가능하다.

 

 

* sqldf 패키지를 이용하여 R에서 sql언어로 데이터 처리하기

https://warm-uk.tistory.com/66?category=810499 

[R, 전처리, 패키지] sqldf 패키지 이용하여 R에서 SQL을 사용하자