- Author: 장용식, 최진호
- Book: https://book.naver.com/bookdb/book_detail.nhn?bid=16324211
- coding은 example들을 제외하고는 programming으로 넘겼습니다.
3V: volume, velocity, variety
- 인공지능(AI) = 전문가시스템 + 퍼지시스템 + 유전알고리즘 + 기계학습
- 생성적 적대 신경망(GAN, Generative Adversarial Network): 예술 분야의 창작 활동 등에 활용할 수 있는 이미지 생성 기술
| 데이터 유형 | 설명 |
|---|---|
| 벡터 | 동일한 데이터 유형(숫자 또는 문자 등)의 단일 값들이 일차원적으로 구성된 것이다. |
| 요인 | 문자 벡터에 데이터의 레벨이 추가된 데이터 구조 |
| 배열 | 동일한 데이터 유형을 갖는 1차원 이상의 데이터 구조 |
| 리스트 | 각 원소들이 이름과 서로 다른 데이터 유형을 가질 수 있다. |
| 데이터 프레임 | 2차원 테이블 형태로, 각 열의 데이터는 동일한 데이터 유형이다. |
score <- 70
score## [1] 70
score <- c(70, 85, 90)
score## [1] 70 85 90
c( ): concatenate의 약자로 벡터 생성 함수
- assign(“x”, c(70,80,90))보단 x <- c(70, 85, 90)을 권장한다.
score[4] <- 100; score[3] <-95
score## [1] 70 85 95 100
name <- c("알라딘", "자스민", "지니")
name## [1] "알라딘" "자스민" "지니"
- 변수 또는 함수 등을 다른 것들과 구별하기 위해 사용하는 이름들을 지칭하는 용어.
- 일련의 문자, 숫자, ‘.’, ‘_’으로 구성된다. 단,’_‘이나 숫자 +’.’으로 시작하면 안 된다.
- R에서 정의되어 있는 예약어도 사용할 수 없다.
x <- seq(1, 10, by = 3)
x## [1] 1 4 7 10
x <- 1:10
x## [1] 1 2 3 4 5 6 7 8 9 10
x <- 10:1
x## [1] 10 9 8 7 6 5 4 3 2 1
x <- seq(1, 10, length.out = 5)
x## [1] 1.00 3.25 5.50 7.75 10.00
x <- c(1,2,3)
y <- rep(x, times = 2)
y## [1] 1 2 3 1 2 3
y <- rep(x, each = 2)
y## [1] 1 1 2 2 3 3
| 산술 연산자 | 기호 | 예시 | 결과 |
|---|---|---|---|
| 더하기 | + | 2 + 3 | 5 |
| 빼기 | - | 10 - 3 | 7 |
| 곱하기 | * | 3*4 | 12 |
| 나누기 | / | 4 / 3 | 1.333333 |
| 거듭제곱 | ^ or ** | 2^3 | 8 |
| 나머지 | %% | 10 %% 3 | 1 |
| 몫 | %/% | 10 %/% 3 | 3 |
x <- c(10, 20, 30, 40)
y <- c(2, 4, 6, 8)
z <- c(2, 4)
x + 5## [1] 15 25 35 45
x + y## [1] 12 24 36 48
x + z## [1] 12 24 32 44
| 비교 연산자 | 기호 | 예 | 결과 |
|---|---|---|---|
| 작음 | < | 3 < 10 | TRUE |
| 이하 | <= | 3 <= 10 | TRUE |
| 큼 | > | 3 > 10 | FALSE |
| 이상 | >= | 3 >= 10 | FALSE |
| 같음 | == | 3 == 10 | FALSE |
| 같지 않음 | != | 3 != 10 | TRUE |
3 < 10## [1] TRUE
x <- c(10, 20, 30)
x <= 10## [1] TRUE FALSE FALSE
x[x > 15]## [1] 20 30
x <- c(10, 20, 30)
any(x <= 10)## [1] TRUE
all(x <= 10)## [1] FALSE
| 논리 연산자 | 기호 | 예 | 결과 |
|---|---|---|---|
| 논리합 | | | TRUE | FALSE | TRUE |
| 논리곱 | & | TRUE & FALSE | FALSE |
| 논리부정 | ! | !0 !2 |
FALSE TRUE |
| 진위여부 | isTRUE( ) | isTRUE(FALSE) | FALSE |
x <- c(TRUE, TRUE, FALSE, FALSE)
y <- c(TRUE, FALSE, TRUE, FALSE)
x & y## [1] TRUE FALSE FALSE FALSE
x | y## [1] TRUE TRUE TRUE FALSE
xor(x, y)## [1] FALSE TRUE TRUE FALSE
xor( ): exclusive or
| 특수값 | 기호 | |
|---|---|---|
| 결측치 | NA | 데이터 누락 |
| 널 | NULL | 변수 이름만 있는 경우 |
| (불능) | Inf | 0이 아닌 수를 0으로 나눈 경우, 수렴하지 않아 값을 특정할 수 없다. |
| (부정) | NaN | Not a number, 0을 0으로 나눈 경우와 같이 계산할 수 없는 경우 |
x <- NULL
is.null(x)## [1] TRUE
y <- c(1, 2, 3, NA, 5)
y## [1] 1 2 3 NA 5
z <- 10/0
z## [1] Inf
u <- 0/0
u## [1] NaN
gender <- c('남', '여', '남')
gender## [1] "남" "여" "남"
gender.factor <- factor(gender)
gender.factor## [1] 남 여 남
## Levels: 남 여
x <- c(70, 80, 95)
arr <- array(x)
arr## [1] 70 80 95
z <- 1:6
arr <- array(z, dim = c(2,3))
arr## [,1] [,2] [,3]
## [1,] 1 3 5
## [2,] 2 4 6
name <- list(c("국어", "음악"), c("알라딘", "자스민", "지니"))
score <- c(70, 80, 85, 90, 90, 75)
arr <- array(score, dim = c(2,3), dimnames = name)
arr## 알라딘 자스민 지니
## 국어 70 85 90
## 음악 80 90 75
arr[1,]## 알라딘 자스민 지니
## 70 85 90
arr[, 2]## 국어 음악
## 85 90
name <- list(c("1행", "2행"), c("1열", "2열", "3열"))
x <- 1:6
mtx <- matrix(x, nrow = 2)
mtx## [,1] [,2] [,3]
## [1,] 1 3 5
## [2,] 2 4 6
mtx <- matrix(x, nrow = 2, dimnames = name, byrow = T)
mtx## 1열 2열 3열
## 1행 1 2 3
## 2행 4 5 6
y <- c(7, 8, 9)
mtx <- rbind(mtx, y)
rownames(mtx)[3] <- "3행"
mtx## 1열 2열 3열
## 1행 1 2 3
## 2행 4 5 6
## 3행 7 8 9
z <- c(10, 11, 12)
mtx <- cbind(mtx, 2)
colnames(mtx)[4] = "4열"
mtx## 1열 2열 3열 4열
## 1행 1 2 3 2
## 2행 4 5 6 2
## 3행 7 8 9 2
x <- list("알라딘", 20, c(70, 80))
x## [[1]]
## [1] "알라딘"
##
## [[2]]
## [1] 20
##
## [[3]]
## [1] 70 80
x[1]## [[1]]
## [1] "알라딘"
x[[1]]## [1] "알라딘"
x <- list(성명 = "알라딘", 나이 = 20, 성적 = c(70, 80))
x## $성명
## [1] "알라딘"
##
## $나이
## [1] 20
##
## $성적
## [1] 70 80
x[1]## $성명
## [1] "알라딘"
x[[1]]## [1] "알라딘"
df <- data.frame(성명 = c("알라딘", "자스민"), 나이 = c(20, 19), 국어 = c(70, 85))
df <- cbind(df, 음악 = c(85, 90))
df## 성명 나이 국어 음악
## 1 알라딘 20 70 85
## 2 자스민 19 85 90
df <- rbind(df, data.frame(성명 = "지니", 나이 = 30, 국어 = 90, 음악 = 75))
df## 성명 나이 국어 음악
## 1 알라딘 20 70 85
## 2 자스민 19 85 90
## 3 지니 30 90 75
df[3, 2]## [1] 30
df[3,]## 성명 나이 국어 음악
## 3 지니 30 90 75
df[, 2]## [1] 20 19 30
df[-2,]## 성명 나이 국어 음악
## 1 알라딘 20 70 85
## 3 지니 30 90 75
df[, -3]## 성명 나이 음악
## 1 알라딘 20 85
## 2 자스민 19 90
## 3 지니 30 75
df <- data.frame(성명 = c("알라딘", "자스민"), 나이 = c(20, 19), 국어 = c(70, 85))
str(df)## 'data.frame': 2 obs. of 3 variables:
## $ 성명: Factor w/ 2 levels "알라딘","자스민": 1 2
## $ 나이: num 20 19
## $ 국어: num 70 85
data.frame(stringsAsFactors = T), 문자형 데이터는 다 범주화 시켜버린다.
df[1, 2] <- 21
df## 성명 나이 국어
## 1 알라딘 21 70
## 2 자스민 19 85
df[1, 1] <- "Aladin"## Warning in `[<-.factor`(`*tmp*`, iseq, value = "Aladin"): invalid factor level,
## NA generated
- 현재 성명은 범주를 알라딘, 자스민 딱 2개로 갖는 factor여서 수정 불가.
df <- data.frame(성명 = c("알라딘", "자스민"), 나이 = c(20, 19), 국어 = c(70, 85), stringsAsFactors = F)
str(df)## 'data.frame': 2 obs. of 3 variables:
## $ 성명: chr "알라딘" "자스민"
## $ 나이: num 20 19
## $ 국어: num 70 85
df[1, 1] <- "Aladin"
df## 성명 나이 국어
## 1 Aladin 20 70
## 2 자스민 19 85
data(package = "datasets")## quakes
head(quakes)## lat long depth mag stations
## 1 -20.42 181.62 562 4.8 41
## 2 -20.62 181.03 650 4.2 15
## 3 -26.00 184.10 42 5.4 43
## 4 -17.97 181.66 626 4.1 19
## 5 -20.42 181.96 649 4.0 11
## 6 -19.68 184.31 195 4.0 12
tail(quakes, n = 10)## lat long depth mag stations
## 991 -20.73 181.42 575 4.3 18
## 992 -15.45 181.42 409 4.3 27
## 993 -20.05 183.86 243 4.9 65
## 994 -17.95 181.37 642 4.0 17
## 995 -17.70 188.10 45 4.2 10
## 996 -25.93 179.54 470 4.4 22
## 997 -12.28 167.06 248 4.7 35
## 998 -20.13 184.20 244 4.5 34
## 999 -17.40 187.80 40 4.5 14
## 1000 -21.59 170.56 165 6.0 119
names(quakes)## [1] "lat" "long" "depth" "mag" "stations"
dim(quakes)## [1] 1000 5
str(quakes)## 'data.frame': 1000 obs. of 5 variables:
## $ lat : num -20.4 -20.6 -26 -18 -20.4 ...
## $ long : num 182 181 184 182 182 ...
## $ depth : int 562 650 42 626 649 195 82 194 211 622 ...
## $ mag : num 4.8 4.2 5.4 4.1 4 4 4.8 4.4 4.7 4.3 ...
## $ stations: int 41 15 43 19 11 12 43 15 35 19 ...
write.table(quakes, "c:/dump/quakes.csv", sep = ',')
df <- read.csv("c:/dump/quakes.csv", header = T)
head(df)반복적인 코딩 시간의 절약, 검증된 코드 사용으로 프로그래밍 효과 up
getTriangleArea <- function(w, h) {
area <- w*h / 2
return(area)
}getTriangleArea(10, 5)## [1] 25
## [한국환경공단](http://www.airkorea.or.kr)
city <- c("서울", "부산", "대구", "인천", "광주", "대전", "울산")
pm25 <- c(18, 21, 21, 17, 8, 11, 25)
lat <- c(37.567933, 35.180002, 35.877052, 37.457730, 35.160331, 36.350573, 35.539865)
lon <- c(126.978054, 129.074974, 128.600680, 126.702194, 126.851433, 127.384793, 1219.311469)X-Y 플로팅 차트로 보는 지역별 미세먼지 현황
plot(lon, lat, pch = 19, cex = pm25*0.3, col = rgb(1, 0, 0, 0.3), xlim = c(126, 130), ylim = c(35, 38),
xlab = "경도", ylab = "위도")
text(lon, lat, labels = city)
cex: 점의 크기를 결정하는 매개변수, 이 값이 달라서 다른 반지름을 가지게 된 것이다.
워드 클라우드로 보는 지역별 미세먼지 현황
## install.packages("wordcloud")
library(wordcloud)wordcloud(city, freq = pm25, colors = rainbow(3), random.color = T)
애니메이션: 바람개비 돌리기
install.packages("imager")
library(imager)
img.path <- "C://dump/pinwheel.png"
img <- load.image(img.path)
plot(img)img <- resize(img.size_z = 400L, size_y = 400L)
plot(img, xlim = c(0, 400), ylim = c(0, 400))angle <- 0
while(T) {
angle <- angle + 10
imrotate(img, angle, cx = 200, cy = 200) %>% plot(axes = F)
## pic = imrotate(img, angle, cx = 200, cy = 200); plot(pic, axes = F)
Sys.sleep(0.2)
}- break 조건이 없어서 Esc를 통해 강제 종료시켜야 한다.
install.pakcages("rvest")
library(rvest)url <- "https://www.data.go.kr/tcs/dss/selectDataSetList.do"
html <- read.html(url)
html동전 던지기 시뮬레이션
plot(NA, xlab = "동전을 던진 횟수", ylab = "앞면이 나오는 비율", xlim = c(0, 100), ylim = c(0, 1),
main = "동전 던지는 횟수에 따른 앞면이 나올 확률 변화")
abline(h = 0.5, col = "red", lty = 2)
count <- 0
for(n in 1:100) {
coin <- sample(c("앞면", "뒷면"), 1)
if(coin == "앞면") count = count + 1
prob <- count / n
points(n, prob)
Sys.sleep(1)
}