[R 프로그래밍] 14. Aggregating
Author : tmlab / Date : 2016. 10. 4. 01:22 / Category : Lecture/R 프로그래밍
PR14
Aggregating
1. 데이터 로딩
- 데이터는 케이블 Tv이용 관련 고객세그먼트 데이터
- 총 7개의 변수 (나이, 성별, 수입, 자녀수, 주거형태, 이용여부, 세그먼트)
In [98]:
seg.df <- read.csv("http://goo.gl/qw303p")
head(seg.df)
Out[98]:
1.1 데이터 탐색
- 연령범위(19~80) / 성별은 남년반반 / 소득은 음수있음 / 자녀수(1~7) / 자가비율반반 / 이용자 40명 / 세그먼트 4가지
In [12]:
summary(seg.df)
Out[12]:
- 수치형 3가지(정수,실수), 명목형4가지
In [13]:
str(seg.df)
2. data aggregating
- 특정조건에 따라 합산, 평균, 분산 등 합계정보를 계산
- attach함수로 데이터에 접근이 편리하도록 함
- mean, sd, by, aggregate, cut등의 함수를 활용
In [18]:
attach(seg.df)
2.1 mean, sd 등 다양한 통계함수
- 대괄호 연산자(서브셋)를 활용해 특정 조건의 기술통계치를 산출
- Moving up세그먼트 집단의 소득평균
In [16]:
attach(seg.df)
mean(income[Segment == "Moving up"])
Out[16]:
- Moving up세그먼트인 동시에 서비스를 이용하고 있지 않은 집단의 소득평균
In [17]:
mean(income[Segment == "Moving up" & subscribe == "subNo"])
Out[17]:
2.2 apply
- apply함수로 특정 조건에 해당하는 집단의 평균 산출할 수 있다.
- apply(데이터, 행열기준, 함수)
In [29]:
apply(seg.df[,c(1,3,4)], MARGIN=2, FUN=mean)
Out[29]:
In [30]:
apply(seg.df[Segment == 'Moving up', c(1,3,4)], MARGIN=2, FUN=mean)
Out[30]:
2.3 table
- 특정 조건에 해당한는 변수들의 조합에 따라 빈도를 파악할 수 있다.
In [35]:
table(ownHome,subscribe)
Out[35]:
In [54]:
table(kids)
Out[54]:
In [46]:
table(Segment,kids, subscribe)
Out[46]:
2.4 by
- 특정 변수기준으로 기술 통계량 확인할수 있다.
- by함수는 결과값을 리스트형태로 반환한다.
In [48]:
by(income, Segment, mean)
Out[48]:
In [49]:
by(income, list(Segment, subscribe), mean)
Out[49]:
2.5 aggregate
- aggregate 함수는 기준이 되는 변수가 리스트여야한다.
- aggregate 함수는 결과값을 데이터프레임으로 출력해준다.
- 포뮬러를 사용해 한번에 여러개 변인의 통계치를 산출할 수 있다.
In [50]:
aggregate(income, list(Segment), mean)
Out[50]:
In [51]:
aggregate(income ~ Segment, data=seg.df, mean)
Out[51]:
In [52]:
aggregate(income ~ Segment + ownHome, data = seg.df, mean)
Out[52]:
In [53]:
aggregate(income ~ Segment + ownHome + subscribe, data = seg.df, mean)
Out[53]:
3. 데이터의 변환
3.1 cut함수 (데이터변환 : 연속형변수를 다항변수로)
- 연속형 변수를 구간으로 나누어 명목형 변수로 변환해주는 함수
- cut(데이터, breaks=구간수, labels = 구간이름)
In [62]:
cut.data = aggregate(income ~ Segment + ownHome + subscribe, data = seg.df, mean)
cut.data$income2 = cut(agr.data$income,
breaks = c(0,20000,30000,40000,50000,60000,70000),
labels = c('2만이하', '2만~3만', '3만~4만', '4만~5만','5만~6만', '6만이상'))
In [63]:
cut.data
Out[63]:
3.2 grep 함수 (Pattern Matching)
- 데이터 내에서 특정 패턴을 찾는데 사용한다.
- 데이터의 위치값, 데이터값 자체를 찾을 수 있다.
- grepl 특정패턴이 존재하는지에 대한 논리값을 반환한다.
- 공통된 패턴을 가진 자료들의 위치를 찾아서 위치값을 활용해 데이터를 변환할때 사용한다.
In [73]:
grep("ap", c("apple", "Apple", "apple2", "bbapple")) #ap를 포함하는 원소들의 위치
Out[73]:
In [71]:
grepl("ap", c("apple", "Apple", "apple2", "bbapple")) #ap를 포함하는 원소들의 위치
Out[71]:
In [72]:
grep("ap", c("apple", "Apple", "apple2", "bbapple"), value=TRUE) #ap를 포함하는 원소
Out[72]:
In [88]:
grep("[1-3]", c("apple1", "apple2", "apple3", "apple4", "Apple1")) #1,2,3을 포함하는 원소위치
Out[88]:
In [82]:
seg.df$ownHome = as.character(seg.df$ownHome)
In [80]:
grep('Yes', seg.df$ownHome)
Out[80]:
3.3 gsub함수 (Pattern Matching and Replacement)
- Gsub함수는 데이터에 포함된 특정 패턴을 찾아서 수정한다.
- Gsub(“찾는 패턴“, “수정할 패턴”, 데이터) 형식으로 사용한다.
In [100]:
seg.df$Segment = gsub(" ", "", seg.df$Segment)
In [102]:
head(seg.df)
Out[102]: