dplyr의 방식 : 수정

새로운 열 추가

• 새로운 열을 추가하고자 한다면 mutate 함수를 사용한다. 열이름은 정하거나 생략할 수 있다. 여러 열을 함께 추가할 수도 있다.

library(dplyr)
data(mtcars) 
tb = as_tibble(mtcars) 

tb2 <- tb %>% select(hp, cyl, qsec) %>% slice(1:3)

tb2 %>% mutate(hp/cyl)

## # A tibble: 3 x 4
##      hp   cyl  qsec `hp/cyl`
##   <dbl> <dbl> <dbl>    <dbl>
## 1   110     6  16.5     18.3
## 2   110     6  17.0     18.3
## 3    93     4  18.6     23.2

tb2 %>% mutate(hpPerCyl = hp/cyl)

## # A tibble: 3 x 4
##      hp   cyl  qsec hpPerCyl
##   <dbl> <dbl> <dbl>    <dbl>
## 1   110     6  16.5     18.3
## 2   110     6  17.0     18.3
## 3    93     4  18.6     23.2

tb2 %>% mutate(hpPerCyl = hp/cyl, V2 = hp*qsec)

## # A tibble: 3 x 5
##      hp   cyl  qsec hpPerCyl    V2
##   <dbl> <dbl> <dbl>    <dbl> <dbl>
## 1   110     6  16.5     18.3 1811.
## 2   110     6  17.0     18.3 1872.
## 3    93     4  18.6     23.2 1731.

• tb2 %>% mutate(hp/cyl)를 결과를 보면 열이름이 hp/cyl로 되어 있다. hp/cyl 과 같은 열이름은 hp 나누기 cyl 과 구분할 수 없기 때문에 잘 쓰이지 않는다. 하지만 hp/cyl을 열이름으로 정해줄 수 있으며, 이를 사용하려면 다음과 같이 를 사용하여 열이름을 감싸준다. (다음 예에서mutate의 결과는 따로 변수에 담아야 함을 주의하자.)

tb2$`hp/cyl` 

## Warning: Unknown or uninitialised column: 'hp/cyl'.

## NULL

tb3 <- tb2 %>% mutate(hp/cyl) 
tb3$`hp/cyl` 

## [1] 18.33333 18.33333 23.25000

• 다음과 같은 데이터프레임의 전통적 방법과 비교해보자.

tb$V2 = with(tb, hp*qsec)
tb[c('V1', 'V2')] = data.frame(tb$hp/tb$cyl, tb$hp*tb$qsec)

정렬하기

• 패키지 dplyr은 데이터 프레임을 정렬하는 직관적인 방법을 제공한다. 만약 tb의 cyl 열을 기준으로 정렬을 하고 싶다면, tb %>% arrange(cyl)라고 쓴다. 내림차순 정렬은 tb %>% arrange(desc(cyl))라고 쓴다.
• 기존의 방법과 비교해 보자.

• 만약 cyl의 올림차순, hp의 내림차순으로 정렬하고 싶다면 arrange()와 desc()를 사용하면 다음과 같이 간단하게 쓸 수 있다. 기존의 방법으로는 tb[order(tb$cyl, -tb$qsec),]로 쓸 수 있다.[^d2]

[^d2]:다른 방법으로는 tb[order(tb$cyl, tb$qsec, decreasing = c(F, T))]]로 쓸 수 있다. 만약 tb$cyl이나 tb$qsec가 문자열이었다면 이 방법을 서야 한다.

tb3 %>% arrange(cyl, desc(qsec))

## # A tibble: 3 x 4
##      hp   cyl  qsec `hp/cyl`
##   <dbl> <dbl> <dbl>    <dbl>
## 1    93     4  18.6     23.2
## 2   110     6  17.0     18.3
## 3   110     6  16.5     18.3

요약하기

• summarise 함수[^d1]는 데이터 프레임의 내용을 몇 개의 요약값으로 정리할 수 있게 도와준다. 만약 tb의 hp 열의 평균을 구하고 싶다면 다음의 방법을 사용한다.

tb %>% summarise(mean(hp)) 

## # A tibble: 1 x 1
##   `mean(hp)`
##        <dbl>
## 1       147.

tb %>% summarize(V1 = mean(hp))

## # A tibble: 1 x 1
##      V1
##   <dbl>
## 1  147.

tb %>% summarise(hpMean = mean(hp), qsecMedian =median(qsec))

## # A tibble: 1 x 2
##   hpMean qsecMedian
##    <dbl>      <dbl>
## 1   147.       17.7

[^d1]: summarize라고 쓸 수도 있다

• 결과는 티블 형식이다.(# A Tibble: 1 x 1 를 주목하자.) 새로이 생성된 티블의 열이름은 새롭게 설정하지 않는다면 summarsize( ) 괄호 안의 수식이 그대로 지정된다(예. mean(hp). 여러 열을 사용할 수도 있고, 여러 열을 생성할 수도 있다.

tb %>% summarise(newVar1 = mean(hp) + median(qsec))

## # A tibble: 1 x 1
##   newVar1
##     <dbl>
## 1    164.

tb %>% summarise(newVar1 = mean(hp), newVar2 = median(qsec))

## # A tibble: 1 x 2
##   newVar1 newVar2
##     <dbl>   <dbl>
## 1    147.    17.7

• 그리고 새롭게 생성된 열은 바로 다음 열에서 활용할 수도 있다(newVar3 = newVar1 + newVar2). 이는 데이터 프레임에는 사용이 불가능하다.

tb %>% summarise(newVar1 = mean(hp), newVar2 = median(qsec), newVar3 = newVar1 + newVar2)

## # A tibble: 1 x 3
##   newVar1 newVar2 newVar3
##     <dbl>   <dbl>   <dbl>
## 1    147.    17.7    164.

data.frame(mean(tb$hp), median(tb$qsec), newVar1+newVar2)

## Error in data.frame(mean(tb$hp), median(tb$qsec), newVar1 + newVar2): object 'newVar1' not found

집단별로 나누기

• 요약하는 함수 summarise는 그 자체로도 의미가 있지만 집단을 나누는 함수 group_by와 함께 자주 쓰인다. 함수 group_by는 특정한 열의 값에 따라 티블(또는 데이터 프레임)을 나누는 역할을 한다. 다음의 예를 보자.

tb3 %>% group_by(cyl) 

## # A tibble: 3 x 4
## # Groups:   cyl [2]
##      hp   cyl  qsec `hp/cyl`
##   <dbl> <dbl> <dbl>    <dbl>
## 1   110     6  16.5     18.3
## 2   110     6  17.0     18.3
## 3    93     4  18.6     23.2

tb3_grp <- tb3 %>% group_by(cyl) 
class(tb3_grp) 

## [1] "grouped_df" "tbl_df"     "tbl"        "data.frame"

• group_by의 결과는 그룹이 나눠진 티블로 데이터 프레임과도 호환이 된다(group_by의 결과에서 # Groups: cyl [2]를 주목하자). 집단이 나눠진 티블은 특히 summarise 함수와 do 함수와 함께 사용된다.

집단별로 요약하기

• group_by와 summarise 함수를 %>%로 연결하여 주어진 티블을 집단별로 요약할 수 있다. 예를 들어 tb(mtcars)에서 자동 기어(automatic)와 수동 기어(manual)로 집단을 나눈 뒤, 0.25 마일 가속 시간(qsec)의 평균을 구하고자 한다면 다음의 명령을 활용할 수 있다.

tb %>% group_by(am) %>% summarise(mean(qsec))

## # A tibble: 2 x 2
##      am `mean(qsec)`
##   <dbl>        <dbl>
## 1     0         18.2
## 2     1         17.4

• 그 결과는 위에서 확인할 수 있다. 수동(am = 0)일 때, 0.25 마일 가속 시간 평균은 18.2초이고, 자동(am=1)일 때, 0.25 마일 가속 시간 평균은 17.4초임을 확인할 수 있다.

집단별로 나눈 티블에 대해 함수 적용하기

• 앞에서 요약을 하기 위해 사용한 summarise( )의 괄호 안에 쓰이는 함수는 결과로 하나의 값을 반환해야 한다. 만약 range( )처럼 두 개의 값 (최소값과 최대값)을 반환하는 경우에는 다음과 같이 에러가 발생한다. 그리고 head처럼 데이터 프레임을 입력으로 받아 데이터 프레임을 반환하는 함수도 쓸 수 없다.

tb %>% summarise(range(hp))

## Error in summarise_impl(.data, dots): Column `range(hp)` must be length 1 (a summary value), not 2

• 집단별로 나눠진 티블(데이터테이블)에 대해 함수를 적용하여 데이터테이블이 반환되는 경우에는 do( ) 함수를 쓸 수 있다. 다음의 예를 보자.

tb %>% group_by(am) %>% do(head(., n=2))

## # A tibble: 4 x 13
## # Groups:   am [2]
##     mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb    V2
##   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1  21.4     6   258   110  3.08  3.22  19.4     1     0     3     1 2138.
## 2  18.7     8   360   175  3.15  3.44  17.0     0     0     3     2 2978.
## 3  21       6   160   110  3.9   2.62  16.5     0     1     4     4 1811.
## 4  21       6   160   110  3.9   2.88  17.0     0     1     4     4 1872.
## # ... with 1 more variable: V1 <dbl>

• 위의 예에서 tb는 열 am의 값에 따라 두 데이터 프레임을 나눠진 후, 각 데이터 프레임에 head(., n=2)가 적용된다. 이렇게 생성된 두 데이터 프레임이 합쳐져서 결과 데이터 프레임이 생성된다.
• 집단 별로 적용되는 함수는 결과가 데이터 프레임이어야 함을 유의하자. 예를 들어 summary 함수는 데이터 프레임을 입력으로 받지만 결과는 데이터 프레임이 아니다. 하지만 summary() 결과는 as.data.frame을 활용하여 쉽게 데이터 프레임으로 바꿀 수 있다.

tb %>% group_by(am) %>% do(summary(.))

## Error: Results 1, 2 must be data frames, not table

tb %>% group_by(am) %>% 
  do(as.data.frame(summary(.))) %>% 
  slice(1:3)

## Warning in bind_rows_(x, .id): Unequal factor levels: coercing to character

## Warning in bind_rows_(x, .id): binding character and factor vector,
## coercing into character vector

## Warning in bind_rows_(x, .id): binding character and factor vector,
## coercing into character vector

## # A tibble: 6 x 4
## # Groups:   am [2]
##      am Var1  Var2       Freq             
##   <dbl> <fct> <fct>      <chr>            
## 1     0 ""    "     mpg" "Min.   :10.40  "
## 2     0 ""    "     mpg" "1st Qu.:14.95  "
## 3     0 ""    "     mpg" "Median :17.30  "
## 4     1 ""    "     mpg" "Min.   :15.00  "
## 5     1 ""    "     mpg" "1st Qu.:21.00  "
## 6     1 ""    "     mpg" "Median :22.80  "

패키지 dplyr을 활용하여 데이터 가공하기 종합

• 앞에서 소개한 함수들을 사용하여 주어진 데이터 프레임 tb에서 필요한 부분을 선별하고 집단별로 나눈 후 가공하는 절차는 보통 다음의 순서를 따른다.

tb %>% select() %>% filter() %>% group_by() %>%

summarise(), do(), arrange(, .by_group=T)