🧭 목차

1. 샘플(행)과 속성(열) 추출
2. 행/열 단위 연산
3. %>%(파이프) 연산자를 이용한 연속 처리

이번 장에서는 'dplyr 라이브러리'에 대해 배워보겠습니다.

dplyr 라이브러리는 데이터 가공에 특화된 라이브러리로, R 데이터 전처리 및 가공에 가장 많이 사용됩니다. 베이스 R과 달리 filter(), select() 등의 함수를 통해 데이터 가공을 구현하여, 작업 과정을 보다 직관적으로 이해할 수 있습니다.

install.packages('dplyr')   # 라이브러리 설치
library(dplyr)              # 라이브러리 로딩

library(gapminder)

1) 샘플(행)과 속성(열) 추출

• filter(데이터, 조건식)

  • 특정 샘플(행)이 추출된다.

  filter(gapminder, continent == 'Asia')
  filter(gapminder, continent == 'Asia' & year > 2000)
  

• select(데이터, 추출할 열 이름/식)

  • 특정 속성(열)이 추출된다.
  • 베이스 R과 달리, 열 이름 입력 시 따옴표가 필요 없다.

  select(gapminder, country, pop, year)      # dplyr 라이브러리
  gapminder[, c('country', 'pop', 'year')]   # 베이스 R
  
  # 특정 속성(열)을 제외하고 싶은 경우
  select(gapminder, !c(continent, lifeExp, gdpPercap))   # 벡터 안의 열 제외
  

2) 행/열 단위의 연산

• summarise(데이터, 요약 통계함수)

  summarise(gapminder, mean(pop))   # 인구수 평균
  
  # 변수에 저장하여 추후 활용이 가능
  summarise(gapminder, pop_mean = mean(pop))   # 변수명: pop_mean
  

  📖 참고하기: 요약 통계함수 예시

  함수	기능
  n()	샘플(행) 개수
  max(속성) / min(속성)	최대값 / 최소값
  sum(속성)	합계
  mean(속성)	평균
  quantile(속성)	분위수

• group_by(데이터, 속성)

  • 데이터 프레임 내 (범주형)속성을 활용해, 데이터를 그룹으로 분류한다.

  • 보통 summarise()와 함께 사용된다.

  # 전체 데이터를 대륙으로 분류한 뒤, 대륙별 인구수 평균 구하기
  summarise(group_by(gapminder, continent), pop_mean = mean(pop))
  
  # 복수의 속성으로 그룹화할 수 있음
  summarise(group_by(gapminder, continent, country), pop_mean = mean(pop))
  

3) %>%(파이프) 연산자를 이용한 연속 처리

효율적인 데이터 가공을 위해 dplyr 라이브러리에서 제공하는 연산자가 있습니다. 바로 %>%(파이프) 연산자입니다.

%>% 연산자는 앞의 명령어 처리 결과를 다음 명령어로 전달하여, 일련의 데이터 가공 작업을 연결해 줍니다.

• %>% 연산자를 사용하지 않는 경우

  summarise(group_by(gapminder, continent, country), pop_mean = mean(pop))
  

• %>% 연산자를 사용하는 경우

  gapminder %>% 
      group_by(continent, country) %>%
      summarise(pop_mean = mean(pop))
  

iris 데이터로 한 번 더 비교해 봅시다.

• %>% 연산자를 사용하지 않는 경우

  tmp1 = filter(iris, Sepal.Length >= 5.5 & Petal.Length >= 3.5)
  tmp2 = select(tmp1, Sepal.Length, Petal.Length, Species)
  tmp3 = summarise(group_by(tmp2, Species),
                   s_avg = mean(Sepal.Length), p_avg = mean(Petal.Length))
  tmp3   # 결과 출력
  

• %>% 연산자를 사용하는 경우

  iris %>%
    filter(Sepal.Length >= 5.5 & Petal.Length >= 3.5) %>%   # 행 추출
    select(Sepal.Length, Petal.Length, Species) %>%         # 열 추출
    group_by(Species) %>%
    summarise(s_avg = mean(Sepal.Length), p_avg = mean(Petal.Length))