3. 데이터프레임 처리 2 (행제외, 열 제외, 행추가, 열추가, 병합, rename)

 

 

데이터 프레임 처리 2¶

 

 

 

데이터 확인¶

 

 

 

 

 

 

setwd("C:/khu")

d<- read.csv("test.csv")

d

​

 

 

 

item	price	sales
풍선	100	200
펌프	3000	5
테이프	300	20
플래카드	20000	1
색종이	150	100

 

 

 

 

 

 

d[,-2]       # 특정 컬럼 제외

d[-2,]       # 특정 행 제외

d[,c(-1,-2)] # 여러컬럼 제외 

​

 

 

 

item	sales
풍선	200
펌프	5
테이프	20
플래카드	1
색종이	100

 

	item	price	sales
1	풍선	100	200
3	테이프	300	20
4	플래카드	20000	1
5	색종이	150	100

 

1. 200
2. 5
3. 20
4. 1
5. 100

 

 

 

---

 

데이터프레임 다루기 : 살펴보기¶

 

 

 

 

 

 

# 앞에서 부터 보기

head(d)

head(d, n=3)

​

 

 

 

item	price	sales
풍선	100	200
펌프	3000	5
테이프	300	20
플래카드	20000	1
색종이	150	100

 

item	price	sales
풍선	100	200
펌프	3000	5
테이프	300	20

 

 

 

 

 

 

# 뒤에서 부터 보기

tail(d)

tail(d, n=3)

​

 

 

 

item	price	sales
풍선	100	200
펌프	3000	5
테이프	300	20
플래카드	20000	1
색종이	150	100

 

	item	price	sales
3	테이프	300	20
4	플래카드	20000	1
5	색종이	150	100

 

 

 

 

 

 

# 표형태로 보기

View(d)

​

 

 

 

Error in View(d): 'View()' not yet supported in the Jupyter R kernel
Traceback:

1. View(d)
2. stop(sQuote("View()"), " not yet supported in the Jupyter R kernel")

 

 

 

---

 

데이터프레임 추후 연결하기 - 새 데이터 프레임 생성¶

 

 

 

 

 

 

x1 <- c(1,2,3)

x2 <- c(4,5,6)

x3 <- c(7,8,9)

d <- data.frame(x1,x2,x3)

d

​

 

 

 

x1	x2	x3
1	4	7
2	5	8
3	6	9

 

 

 

 

 

 

x4 <- c(10,11,12)

d2 <- cbind(d, x3) # cbind는 열추가 

d2

​

 

 

 

x1	x2	x3	x3
1	4	7	7
2	5	8	8
3	6	9	9

 

 

 

 

 

 

x5 <- c("James", "Mary", "Tony")

d3 <- cbind (d2, x5, stringAsFactors=FALSE) 

d3

​

 

 

 

x1	x2	x3	x3	x5	stringAsFactors
1	4	7	7	James	FALSE
2	5	8	8	Mary	FALSE
3	6	9	9	Tony	FALSE

 

 

 

---

 

데이터프레임 추후 연결하기 - 원 데이터 프레임 변경¶

 

 

 

 

 

 

d

​

 

 

 

x1	x2	x3
1	4	7
2	5	8
3	6	9

 

 

 

 

 

 

x4 <- c(10,11,12)

d$x4 <- x4        # 새 컬럼을 정하면 자동으로 붙는다.

d

​

 

 

 

x1	x2	x3	x4
1	4	7	10
2	5	8	11
3	6	9	12

 

 

 

 

 

 

x5 <- c("James", "Mary", "Tony")

d$x5 <- x5

d

​

 

 

 

x1	x2	x3	x4	x5
1	4	7	10	James
2	5	8	11	Mary
3	6	9	12	Tony

 

 

 

---

 

데이터프레임 추후 연결하기 - 파생변수 만들기¶

 

 

 

 

 

 

x1 <- c(1,2,3)

x2 <- c(4,5,6)

x3 <- c(7,8,9)

d <- data.frame(x1,x2,x3)

d

​

 

 

 

x1	x2	x3
1	4	7
2	5	8
3	6	9

 

 

 

 

 

 

d$sum <- d$x1 +d$x2 +d$x3  

d

​

 

 

 

x1	x2	x3	sum
1	4	7	12
2	5	8	15
3	6	9	18

 

 

 

 

 

 

d$pass <- ifelse(d$sum >15, "pass", "fail")  # sum이 15보다 크면 pass 그렇지 않으면 fail

d

​

 

 

 

x1	x2	x3	sum	pass
1	4	7	12	fail
2	5	8	15	fail
3	6	9	18	pass

 

 

 

---

 

데이터프레임 추후 연결하기 - 두 개의 데이터프레임을 같은 기준으로 묶을 때¶

• dplyr 패키지의 join 사용.

 

 

 

 

 

 

a <- data.frame(id = c(1,2,3,4,5), mid =c(30,40,50,60,70))

b <- data.frame(id = c(6,5,4,3,2,1), final = c(80,70,90,100,90,80))

a

b

 

 

 

id	mid
1	30
2	40
3	50
4	60
5	70

 

id	final
6	80
5	70
4	90
3	100
2	90
1	80

 

 

 

 

 

 

library(dplyr)

left_join(a,b,by="id") # id를 기준으로 해서 a와 b를 left join 시켜라

​

 

 

 

id	mid	final
1	30	80
2	40	90
3	50	100
4	60	90
5	70	70

 

 

 

---

 

데이터 프레임 컬럼 이름 바꾸기¶

• rename()

 

 

 

 

 

 

old1 <- c(1,2,3)

old2 <- c(4,5,6)

old3 <- c(7,8,9)

​

d <- data.frame(old1,old2,old3) 

d

​

 

 

 

old1	old2	old3
1	4	7
2	5	8
3	6	9

 

 

 

 

 

 

d <- rename(d, new1 = old1)

d

​

 

 

 

new1	old2	old3
1	4	7
2	5	8
3	6	9

 

 

 

 

---

 

연습문제 2¶

타이타닉 셋을 이용해서 데이터 프레임을 처리하자.¶

 

 

 

 

 

 

data <- read.csv("train.csv")

head(data)

​

 

 

 

PassengerId	Survived	Pclass	Name	Sex	Age	SibSp	Parch	Ticket	Fare	Cabin	Embarked
1	0	3	Braund, Mr. Owen Harris	male	22	1	0	A/5 21171	7.2500		S
2	1	1	Cumings, Mrs. John Bradley (Florence Briggs Thayer)	female	38	1	0	PC 17599	71.2833	C85	C
3	1	3	Heikkinen, Miss. Laina	female	26	0	0	STON/O2. 3101282	7.9250		S
4	1	1	Futrelle, Mrs. Jacques Heath (Lily May Peel)	female	35	1	0	113803	53.1000	C123	S
5	0	3	Allen, Mr. William Henry	male	35	0	0	373450	8.0500		S
6	0	3	Moran, Mr. James	male	NA	0	0	330877	8.4583		Q

 

 

 

 

 

 

data.male <- subset(data,Sex=="male")     #남성 데이터셋

data.female <- subset(data,Sex=="female") #여성 데이터셋

​

# 10미만,10대,20대 데이터 분리

​

data.male0 <- subset(data.male, Age<10&Age>=0)

data.male10 <- subset(data.male, Age<20&Age>=10)

data.male20<- subset(data.male, Age<30&Age>=20) 

​

data.female0 <- subset(data.female, Age<10&Age>=0)

data.female10 <- subset(data.female, Age<20&Age>=10)

data.female20 <- subset(data.female, Age<30&Age>=20)

​

​

 

 

 

 

 

 

 

 

 

# 남성 생존률

mean(data.male0$Survived) #남성이면서 10대 미만의 생존률

mean(data.male10$Survived)  #남성이면서 10대의 생존률

mean(data.male20$Survived) #남성이면서 20대의 생존률

​

# 여성 생존률

mean(data.female0$Survived) #여성이면서 10대 미만의 생존률

mean(data.female10$Survived) #여성이면서 10대의 생존률

mean(data.female20$Survived) #여성이면서 20대의 생존률/

​

​

​

 

 

 

0.59375

 

0.12280701754386

 

0.168918918918919

 

0.633333333333333

 

0.755555555555556

 

0.722222222222222