[복습] R(programming language) 데이터 구조 변경(long, wide) (2)

데이터 구조 변경에 대하여 어제 배운 내용에 복습 및 이어서 작성하려고 한다.

 

https://metime.tistory.com/162

[복습] R(programming language) 데이터 구조 변경(long, wide) + 하루끝(20231206)

 

1. 데이터 분류

  1) long data(=tidy data)

    - rdbms의 데이터 형식으로 하나의 속성이 하나의 컬럼이 되는 형식이다.

    - join / group by 연산이 가능하다.

 

  2) wide data

    - cross table

    - 요약 정보(직관적), 행별 열별 연산이 용이하다.

    - join 불가

    - 잦은 컬럼 변경(추가, 삭제) 발생

 

어제 이 정도로 정리 한 것 같다.

 

 

 

2. 데이터 구조 변경

  1) wide → long : stack

기본함수 중에 base::stack 이 있는데 쓸 일이 없다고 하셨다. 설명은 나중에.

 

reshape2::melt

 

reshape2::melt(data = ,                                         # 원본데이터(데이터 프레임)

                         id.vars,                                          # 고정컬럼(stack 제외 컬럼)

                         measure.vars,                               # stack처리 컬럼(생략시 id.vars 명시된 대상 제외한 나머지 )

                         variable.names = 'variable',          # stack 처리된 컬럼 이름

                         ....,

                        na.rm = FALSE,                             

                         value.name = 'value',                    # value 컬럼의 이름

                         factorsAsString = TRUE)              # factor로 들어오는 걸 문자열 처리 하겠냐는 의미(신경쓰지 않아도 됨)

 

 

 

 

예제로 바로 적용해보겠다.

예) melt_ex.csv 파일을 읽고 long data로 변환하여라.

 

 

 

연습문제

melt_ex.csv, melt_ex_price.csv 데이터를 읽고 연도별 매출의 총액을 출력하여라.

 

 

 

연습문제

2000-2013년 연령별실업율_40-49세.csv 파일을 읽고 long data로 변경 후 연도별 평균 실업률을 출력하여라.

 

 

 

728x90

 

 

  2) long → wide: unstack

보고서 작성 또는 시각화 할 때 필요

 

reshape2::dcast(data = ,                      # 원본 데이터 프레임

                           formula = ,                 # 행에 배치할 대상 ~ 컬럼에 배치할 대상

                           fun.aggregate = ,       # 요약함수

                          .........,                          # 요약함수에 추가 전달 인수

                           margins = ,                 # 주변 합(평균, 수, 합 등 fun.aggregate에 의해 달라짐)

                           subset = ,                   # 추가 조건을 전달하여 원하는 데이터만 선택(잘 안씀)

                           fill = ,                          # NA 치환값

                           drop = TRUE,             # unstack 처리 후 모든 값이 NA인 행을 삭제하는 옵션(이론적으로 존재하는 옵션)

                          value.var = )               # value 컬럼(생략 시 맨 마지막 컬럼 선택)

 

어제 했던 googleVis::Fruits 에서,

이어서 3) 과일 이름별 연도별 Sales의 총 합에 대한 margin을 출력하여라

 

Line 1은 fun.aggregate를 쓰지 않았을 경우 length가 출력이 된다.

 

Line 3처럼 총 합을 구하려면 sum을 넣어야 한다.

 

 

 

예) fill 옵션 사용 예제(연도별 제품별 판매량에 대한 교차표)

 

이 데이터에서는 일부러 2001년 americano 행을 지웠다(Line 2).

 

이제 wide data에서 삭제된 셀에 대한 자리를 채워야 하는데 fill 옵션이 없는 경우는 NA를 채우고, fill=0을 주면 NA값이 0으로 대체된다.

 

 

연습문제

subway2.csv 파일을 읽고

                     승차             하차

서울역(1)      총합            총합

 시청(1)        총합            총합

...

의 형태로 출력하여라.

 

 

※참고 행별/열별 총합과 평균 리턴 함수

위의 Line 10에 행별 총합을 구할 수 있는 함수가 있다.

행별/열별 총합과 평균 리턴 함수 전체이다.

rowSums(sub[,-c(1,2)])

rowMeans(sub[,-c(1,2)])

colSums(sub[,-c(1,2)])

colMeans(sub[,-c(1,2)])

 

합과 평균만 있으며 최소값이라고 하여 rowMins 이런 게 있는 것은 아니다. 위의 4개만 존재한다.

 

 

[연습문제]

위 sub2 데이터를 사용하여 승차가 가장 많은 역이름을 출력하여라.

 

 

※ 참고 - 최대/최소를 갖는 위치 리턴 함수

which.max()

which.min()

 

 

 

 

연습문제

card_history.csv 파일을 읽고

1) 일자별 가장 지출이 많은 품목을 확인하여라.

 

 

2) 각 지출 품목별 가장 많은 지출을 한 일자를 확인하여라.