> ## Content Index > Fetch the complete content index at: https://www.popit.kr/llms.txt > Use this file to discover other available public pages before exploring further. # 개발자가 배우는 R : 6강, 기초통계 함수 배워보기 - URL: https://www.popit.kr/developer-learns-r-6-basic-statistics-functions/ - Published: 2017-04-16T15:10:05.000Z - Updated: 2017-04-29T08:56:29.000Z - Author: 광식 이 - Tags: #소프트웨어, R, 개발자, #데이터분석, 머신러닝, 알, 기계학습, 통계분석 # 개요 **이번 포스팅에는 그룹핑 관련 함수와 도표 데이터를 다루기 시작하는것 까지 진행한다.** 코드중심의 설명이기 때문에 본문 보다는 코드의 주석이 집중적으로 추가되어 있으니 참고 바란다. ## tapply 함수 사용하기 이미 배운 tapply 함수를 데이터프레임에서는 그룹핑에 활용 할 수 있다. ```r > attach(mtcars)   > tapply(mpg, am, mean) # mpg값을 am값으로 group화 하여 평균값(mean)을 구한다.        0        1 17.14737 24.39231   > tapply(mpg, am, mean, na.rm=TRUE) # na.rm을 이용하여 평균값을 구할때 na값을 제거한다는 뜻이다.        0        1 17.14737 24.39231   > detach(mtcars) 알아두면 좋은 점은 tapply 2번째 인지값은 리스트를 지정해야 한다는 것이다. > attach(mtcars)   > tapply(mpg, list(am, cyl), mean)        4        6     8 0 22.900 19.12500 15.05 1 28.075 20.56667 15.40   > detach(mtcars) ``` ## aggregate 함수 aggregate 함수를 이용하여서도 그룹별 데이터를 조회해볼 수 있다. ```r > vars <- c("mpg", "hp", "wt")   > aggregate(mtcars[vars], by=list(am=mtcars$am), mean) # mtcars 데이터로 am값을 이용하여 평균값을 구한다. am mpg hp wt 1 0 17.14737 160.2632 3.768895 2 1 24.39231 126.8462 2.411000   > aggregate(mtcars[vars], by=list(am=mtcars$am), sd) # mtcars 데이터로 am값을 이용하여 표준편차를 구한다. am mpg hp wt 1 0 3.833966 53.90820 0.7774001 2 1 6.166504 84.06232 0.6169816 ``` ## y\~x aggregation 표현식 **가장 많이 사용하는 방법은 아래의 방법으로써** y\~x 표현식을 쓰면 표기가 더 간단해진다. 이부분은 y = x라는 함수라는 개념으로 x가 가변인자이고 y는 aggregation 적용 대상이다. ```r > aggregate(mpg~am, mtcars, mean) # mpg가 y값 am은 x값 개념이다. 즉 am값에 따른 mpg의 평균값이다.   am      mpg 1  0 17.14737 2  1 24.39231   > aggregate(mpg~am+cyl, mtcars, mean) # am과 cyl조합이 x값, mpg가 y값으로 평균을 구한다.   am cyl      mpg 1  0   4 22.90000 2  1   4 28.07500 3  0   6 19.12500 4  1   6 20.56667 5  0   8 15.05000 6  1   8 15.40000   > aggregate(cbind(mpg, wt)~am, mtcars, mean) # y값을 여러개 지정하고 싶을때는 cbind를 사용한다.   am      mpg       wt 1  0 17.14737 3.768895 2  1 24.39231 2.411000 ``` ## by 함수 안타깝게도 **aggregate()** 함수는 단일값에 대해서만 적용가능하다. 예를 들어 평균값, 표준편차 등에서는 사용가능하지만 그렇지 않은 통계지표들이 있는데 이럴때는 **by()** 함수를 사용하면 된다. ```r > vars <- c("mpg", "hp", "wt") >  by(mtcars[vars], mtcars$am, summary) mtcars$am: 0       mpg              hp              wt         Min.   :10.40   Min.   : 62.0   Min.   :2.465    1st Qu.:14.95   1st Qu.:116.5   1st Qu.:3.438    Median :17.30   Median :175.0   Median :3.520    Mean   :17.15   Mean   :160.3   Mean   :3.769    3rd Qu.:19.20   3rd Qu.:192.5   3rd Qu.:3.842    Max.   :24.40   Max.   :245.0   Max.   :5.424   ------------------------------------------------------------ mtcars$am: 1       mpg              hp              wt         Min.   :15.00   Min.   : 52.0   Min.   :1.513    1st Qu.:21.00   1st Qu.: 66.0   1st Qu.:1.935    Median :22.80   Median :109.0   Median :2.320    Mean   :24.39   Mean   :126.8   Mean   :2.411    3rd Qu.:30.40   3rd Qu.:113.0   3rd Qu.:2.780    Max.   :33.90   Max.   :335.0   Max.   :3.570 ``` ## describeBy 함수 **psych 패키지**의 **describeBy()** 함수는 **describe()** 함수의 그룹핑 버전이라 생각하면 된다. ```r > library(psych)   > describeBy(mtcars[c("mpg", "wt")], mtcars$am)    Descriptive statistics by group group: 0     vars  n  mean   sd median trimmed  mad   min   max range skew kurtosis   se mpg    1 19 17.15 3.83  17.30   17.12 3.11 10.40 24.40 14.00 0.01    -0.80 0.88 wt     2 19  3.77 0.78   3.52    3.75 0.45  2.46  5.42  2.96 0.98     0.14 0.18 ------------------------------------------------------------ group: 1     vars  n  mean   sd median trimmed  mad   min   max range skew kurtosis   se mpg    1 13 24.39 6.17  22.80   24.38 6.67 15.00 33.90 18.90 0.05    -1.46 1.71 wt     2 13  2.41 0.62   2.32    2.39 0.68  1.51  3.57  2.06 0.21    -1.17 0.17 ``` # 도표 데이터 다루기 이번 시간부터 도표 데이터를 다루는 법을 알아보기로 한다. ## CSV -> 테이블 로드 우선 csv를 불러와 테이블로 넣어본다. CSV 파일은 [github](https://github.com/lks21c/r%5Fsample%5Fdata/blob/master/file%5Fload/smoker.csv?ref=popit.kr)에 올려두었다. ```r > smokeData <- read.csv("/home/lks21c/Downloads/ch4/smoker.csv")   > summary(smokeData)      Smoke         SES       current:116   High  :211    former :141   Low   : 93    never  : 99   Middle: 52     > smokerTable <- table(smokeData$Smoke, smokeData$SES) # 행, 열로 지정   > smokerTable            High Low Middle  current   51  43     22  former    92  28     21  never     68  22      9 ``` ## margin 함수 **margin 함수**를 통해 전체, 행, 열별 총 합계를 구할 수 있다. ```r > margin.table(smokerTable) # 모든 데이터 총 합계  [1] 356    > margin.table(smokerTable, 1) # 행 별 데이터 총 합계  current former never  116 141 99    > margin.table(smokerTable, 2) # 열 별 데이터 총 합계  High Low Middle  211 93 52 재밌는 점은 margin.table 함수로 계산한 행/열별 데이터를 벡터연산처럼 수행 할 수있다. 이를 통해 각 값들이 차지하는 비율을 확인 할 수 있다.  > smokerTable / margin.table(smokerTable)  High Low Middle  current 0.14325843 0.12078652 0.06179775  former 0.25842697 0.07865169 0.05898876  never 0.19101124 0.06179775 0.02528090    > margin.table(smokerTable, 1) / margin.table(smokerTable)  current former never  0.3258427 0.3960674 0.2780899    > margin.table(smokerTable, 2) / margin.table(smokerTable)  High Low Middle  0.5926966 0.2612360 0.1460674 ``` 위의 예제는 margin.table로의 연산이 가능한 것을 보여주기 위한 방식이고 실제로 각 값들이 차지하는 비율을 보려면 아래와 같이 **prop.table**을 사용하면 된다. ```r > prop.table(smokerTable)  High Low Middle  current 0.14325843 0.12078652 0.06179775  former 0.25842697 0.07865169 0.05898876  never 0.19101124 0.06179775 0.02528090    > prop.table(smokerTable, 1) # by row  High Low Middle  current 0.43965517 0.37068966 0.18965517  former 0.65248227 0.19858156 0.14893617  never 0.68686869 0.22222222 0.09090909    > prop.table(smokerTable, 2) # by column  High Low Middle  current 0.2417062 0.4623656 0.4230769  former 0.4360190 0.3010753 0.4038462  never 0.3222749 0.2365591 0.1730769 ``` [](http://www.kwangsiklee.com/?ref=popit.kr)