exestudiary

Review

A = matrix(seq(-5, 5, length = 25))
B = matrix(seq(5, 10, length = 25))
det A ; det B
A %*% B
k = matrix(0, nr = 3, nc = 3) 
# matrix(c(1,0,0,0,1,0,0,0,1), nr =3)
diag(k) = 1 #(diagonal elements - 대각성분)

R에서 데이터 만들기

(출처: Psycological Effects of COVID Answers to survey taken in 2020 to understand people's opinion on lockdown kaggle.com/datasets/psycological-effects-of-covid)

ex = data.frame(
    age = c("19-25", "26-32", "50-60", "19-25", "40-50", "12-18"),
    gender = c("Male", "Female", "Female", "Male", "Female", "Male"),
    occupation = c("Student in College", 
                   "Working Professional", 
                   "Homemaker",
                   "Student in College",
                   "Working Professional",
                   "Student in College"),
    sleep_bal = c(-0.5, 0, -0.5, 0, 0, -1),
    fam_connect = c(0.5, 0, -0.5, 0.5, 0.5, 0.5),
    relaxed = c(0.5, 0, -0.5, 0, 0.5, 0),
    prefer = c("Work/study from home", "Complete Physical Attendance", "Work/study from home","Work/study from home", "Complete Physical Attendance", "Complete Physical Attendance")
)

만든 데이터로 연습하기

# ex의 행과 열의 개수 확인하기
nr(ex) ; nc(ex)

# ex의 변수명을 변경하기
#1
names(ex) = c("age", "gender", "occup", "sleep", "family", "relax", "prefer")

#2
names(ex)[3:6] = c("occup", "sleep", "family", "relax")

# ex의 변수 prefer의 값들을 간단하게 나타내기
ex$prefer[ex$prefer == "Work/study from home"] = "from home"
ex$prefer[ex$prefer == "Complete Physical Attendance"] = "attendance"

내장 데이터 불러내기

1. iris

data(iris) # 데이터를 불러줌.
str(iris) # 데이터가 어떤 구조로 형성되어있는지 알려줌.
head(iris) # 데이터의 값들 중 위에서부터 6개의 데이터를 가져와서 나타냄.

sum(is.na(iris$Sepal.Length)) ; sum(is.na(iris$Sepal.Width))
sum(is.na(iris$Petal.Length))   # 각 열의 데이터를 조사해서 결측값(na)값이 있는지 확인

mean(iris$Sepal.Length) # 평균
var(iris$Sepal.Length) # 분산
sd(iris$Sepal.Length) # 표준편차

2. mtcars

data(cars); rm(cars)
data(mtcars); head(mtcars)

max(mtcars$cyl)    # 최댓값
min(mtcars$cyl)	   # 최솟값
unique(mtcars$cyl) # cyl의 값을 골라줌. 근데 중복포함 하지않고 골라줌.

데이터에 접근하는 방법

# 접근할 데이터[행 선택, 열 선택 (열 이름도 가능)]

mtcars[1:3, ]
mtcars[ ,1:2]
mtcars[1:5, 2:3]
mtcars[1:3, c("mpg", "cyl")]

Subsampling

sample(1:nrow(mtcars), size = 10)   # 중복 포함 x, replace = FALSE(기본값)
sample(1:nrow(mtcars), size = 10, replace = TRUE) # 중복 포함 

set.seed(10) 
# 이걸 쓰고 sample을 쓰면 다시 set.seed(10)을 쓰고 sample을 쓰면 처음에 했던 sample이 나옴. 
# (size에 따라서 앞에서부터 차례대로)

mtcars_part = mtcars[sample(1:nrow(mtcars), size = 10),] 
# mtcars_part에 mtcars에서 샘플링한거를 저장할건데, 샘플링을 어떻게 하냐면, 행 10개를 추출할거임.
# 근데 행이 1부터 mtcars의 마지막까지 중에서 smaple을 취할거임.
# 중복포함 x

연습하기

# mtcars에서 5,10,15번 째 관찰값(행)의 hp, gear, carb(열)의 값을 출력
mtcars[c(5, 10, 15), c("hp", "gear", "carb")]

# mtcars에서 6개의 관찰값을 임의로 중복 없이 추출하기
mtcars[sample(1:nrow(mtcars), size = 6, replace =FALSE), ]

# mtcars에서 6개의 관찰값을 임의로 중복을 허락하여 추출하기
mtcars[sample(1:nrow(mtcars), size = 6, replace =TRUE), ]

# mtcars에서 cylinder의 개수가 가장 적은 관찰값을 골라 출력하기
min(mtcars$cyl)

# mtcars에서 cylinder의 개수가 가장 적은 관찰값의 gear 개수의 평균을 구하기
mean(mtcars[mtcars$cyl == min(mtcars$cyl), "gear"]) # 행 접근 후 열 접근
mean(mtcars[mtcars$cyl == min(mtcars$cyl), ]$gear) 

# mtcars에서 cylinder의 개수가 
# 가장 적은 관찰값의 변수 vs의 값이 0이면 "V-shaped", 1이면 "straight"로 변경하기
mtcars$vs[mtcars[mtcars$cyl == min(mtcars$cyl), "vs"] == 0] = "V-shaped"
mtcars[mtcars$cyl == min(mtcars$cyl) & mtcars$vs == 0 , "vs"] = "V-shaped"

mtcars$vs[mtcars[mtcars$cyl == min(mtcars$cyl), "vs"] == 1] = "straight"
mtcars[mtcars$cyl == min(mtcars$cyl) & mtcars$vs == 1 , "vs"] = "straight"

내장데이터 확인

data.list = data(package = .packages(all.available = TRUE))
str(data.list)
head(data.list)
head(data.list$result)