R에서의 데이터 프레임 다루기 (1)

안녕하세요. 이번 시간에는 R에서 데이터 프레임을 다루는 법에 대해서 알려드리도록 하겠습니다.

데이터 프레임은 분석에 있어서 데이터 셋을 저장하는 형태 중 하나로 벡터와 마찬가지로 가장 많이 사용됩니다.

데이터 실습에 필요한 데이터는 첨부를 했으므로, 이전에 설정한 워킹디렉토리에 저장해주시면 됩니다.

​

① 데이터 불러오기.​

우선 저희는 Kospi 2011y.csv 파일을 이용해 실습을 진행하도록 하겠습니다. csv 파일은 아래와 같이 데이터가 ,(쉼표)로 구분되어지는 확장명 입니다. csv는 데이터 분석 과정에서 가장 많이 쓰이는 확장명이므로 친숙해지기를 권장합니다.

 

stock <- read.csv("KOSPI2011y.csv", header = TRUE)

 

read.csv 함수는 csv 파일을 R로 불러들이는 함수입니다. KOSPI2011y.csv 파일을 stock라는 변수에 담는데, 이 때 header = T 조건을 줌으로써, 첫번째 행에 있는 값을 열 이름으로 받아들입니다. 이 때 추가적으로 stringsAsFactors = T 를 조건으로 주게된다면, 문자열을 Factor 로 받아들일 수 있는데 저희 데이터에는 문자열이 존재하지 않으므로 필요치 않습니다.

데이터가 위와 같이 데이터프레임을 불러와 진것을 보실 수 있습니다.

​

② 불러온 데이터 구성 확인하기.

데이터를 불러온 후, 가장 먼저 해야할 일은 불러와진 데이터가 제대로 불러와졌는지와, 구성이 어떠한 지 파악하는 것입니다.

head() 함수는 데이터의 앞부분을, tail() 함수는 데이터의 뒷부분을 간략히 보여주는 함수입니다.

보시다시피, 데이터가 완벽하게 불러와진 것을 볼 수 있습니다. 이제 다음 단계로, 데이터에 존재하는 column 변수들의 형태를 확인해보도록 합시다. str() 함수는 데이터의 타입을 확인시켜줍니다.

위의 결과에서 잘못된 점을 찾으셨나요? 바로 Date 변수가 Date 타입이 아님 Factor 타입으로 저장되어 있습니다. R에 파일을 불러들어올 때 이러한 문제가 자주 발생하므로 변수 타입을 확인하는 과정은 꼼꼼히 살펴보아야 합니다.

stock$Date <- as.Date(stock$Date)

as.Date 함수를 이용하여 Date 변수를 Factor 타입에서 Date 타입으로 변경하도록 합시다.

그 결과, 저희가 원하는 대로 데이터 타입이 설정된 것을 확인하실 수 있습니다.

마지막으로 summary() 함수를 이용하여 데이터 프레임의 각 column의 특징을 간략하게 확인할 수 있습니다.

위 그림과 같이 연속형 변수의 경우 최소값, 1-Quintile, 중앙값, 평균, 3-Quintile, 최대값을 확인할 수 있습니다. 참고로 범주형 변수의 경우, 가장 많은 순서대로 개수가 나온다는 점 알아두시기 바랍니다.

​

③ 결측치 처리

데이터에 대한 확인이 끝난 후, 결측치 처리를 해주어야 합니다. 하지만 위 데이터에는 결측치가 없으므로 직접 결측치를 만들어보도록 하겠습니다.

stock$KOSPI[c(13,117,242)] <- NA

결측치를 처리하는 방법으로는 가장 자주 쓰이는 방법으로 두 가지가 있습니다.

첫번째 방법은 NA가 많지 않을 때 NA가 존재하는 행을 없애는 방법입니다. 이 방법은 데이터가 많고, 결측치가 적을 때를 제외하고는 데이터의 손실이 발생하므로 잘 추천드리지 않습니다.

stock <- na.omit(stock)

na.omit() 함수를 이용해 NA가 존재하는 행을 전부 제거할 수 있습니다.

두번째 방법으로 NA값을 다른 값을 대체하는 것입니다. 이 때 자주 사용되는 값은 평균값입니다.

stock$KOSPI = ifelse(is.na(stock$KOSPI), mean(stock$KOSPI, na.rm = T), stock$KOSPI)

ifelse () 함수를 이용하여 NA값을 평균값으로 대체할 수 있는데, ifelse 함수는 첫번째에 조건이 들어가고, 그 다음에 그 조건을 만족할 때 실행되는 표현식이 들어가며, 마지막에는 조건을 불만족할 때 실행되는 표현식이 들어가게 됩니다.

​