2.8 데이터 프레임(data frame)

학습목표: 데이터 프레임 클래스에 대해 알아보고, 데이터 프레임을 생성, 병합(merge), 연산에 대한 함수들에 대해 알아본다.

• Excel 스프레드시트와 같은 형태

Table 2.6: 스프레드시트 기본 형태 예시

이름	국적	나이	순위
라파엘 나달	스페인	35	6
다닐 메드베데프	러시아	25	2
노박 조코비치	세르비아	34	1
권순우	대한민국	25	53

• 데이터 프레임은 데이터 유형에 상관없이 2차원 형태의 데이터 구조
• 행렬과 리스트를 혼합한 자료 형태 \(\rightarrow\) 동일한 길이의 벡터로 이루어진 리스트를 구성요소로 갖는 리스트
• 행렬과 유사한 구조를 갖고 있지만 각기 다른 유형의 자료형태로 자료행렬을 구성할 수 있다는 점에서 행렬과 차이를 갖음
• 행렬과 마찬가지로 변수(열)의 길이(행의 개수)는 모두 동일해야 함
• R에서 가장 빈번하게 활용되고 있는 데이터 클래스임
• 데이터 프레임의 각 열(컬럼)은 벡터로 간주

2.8.1 데이터 프레임 생성

• 데이터 프레임 생성 함수: data.frame()

data.frame(
  # 값 또는 이름(tag) = 값
  ..., 
  # 논리값. 
  # 변수명(열 이름)이 구문 상 유효한 변수인지 또는 중복이 있는지 확인
  check.names, 
  # 논리값. 문자형 벡터의 factor 형 강제 변환 여부 
  stringsAsFactors, 
)

• 데이터 프레임 생성 예시: 모 병원에서 얻은 환자의 인구학적 정보

id <- c(1:10)
sex <- rep(c("Female", "Male"), each = 5)
age <- c(34, 22, 54, 43, 44, 39, 38, 28, 31, 42)
sbp <- c(112, 118, 132, 128, 128, 124, 121, 119, 124, 109)
height <- c(165, 158, 161, 160, 168, 172, 175, 182, 168, 162)
weight <- c(52, 48, 59, 60, 48, 72, 73, 82, 64, 60)

df <- data.frame(id, sex, age, sbp, height, weight, 
                 stringsAsFactors = FALSE)
df

attributes(df); str(df); summary(df)

$names
[1] "id"     "sex"    "age"    "sbp"    "height" "weight"

$class
[1] "data.frame"

$row.names
 [1]  1  2  3  4  5  6  7  8  9 10

'data.frame':   10 obs. of  6 variables:
 $ id    : int  1 2 3 4 5 6 7 8 9 10
 $ sex   : chr  "Female" "Female" "Female" "Female" ...
 $ age   : num  34 22 54 43 44 39 38 28 31 42
 $ sbp   : num  112 118 132 128 128 124 121 119 124 109
 $ height: num  165 158 161 160 168 172 175 182 168 162
 $ weight: num  52 48 59 60 48 72 73 82 64 60

       id            sex                 age             sbp       
 Min.   : 1.00   Length:10          Min.   :22.00   Min.   :109.0  
 1st Qu.: 3.25   Class :character   1st Qu.:31.75   1st Qu.:118.2  
 Median : 5.50   Mode  :character   Median :38.50   Median :122.5  
 Mean   : 5.50                      Mean   :37.50   Mean   :121.5  
 3rd Qu.: 7.75                      3rd Qu.:42.75   3rd Qu.:127.0  
 Max.   :10.00                      Max.   :54.00   Max.   :132.0  
     height          weight     
 Min.   :158.0   Min.   :48.00  
 1st Qu.:161.2   1st Qu.:53.75  
 Median :166.5   Median :60.00  
 Mean   :167.1   Mean   :61.80  
 3rd Qu.:171.0   3rd Qu.:70.00  
 Max.   :182.0   Max.   :82.00  

# stringsAsFactors = TRUE 인 경우 sex의 summary() 결과
df <- data.frame(id, sex, age, sbp, height, weight, 
                 stringsAsFactors = TRUE)
summary(df)

       id            sex         age             sbp            height     
 Min.   : 1.00   Female:5   Min.   :22.00   Min.   :109.0   Min.   :158.0  
 1st Qu.: 3.25   Male  :5   1st Qu.:31.75   1st Qu.:118.2   1st Qu.:161.2  
 Median : 5.50              Median :38.50   Median :122.5   Median :166.5  
 Mean   : 5.50              Mean   :37.50   Mean   :121.5   Mean   :167.1  
 3rd Qu.: 7.75              3rd Qu.:42.75   3rd Qu.:127.0   3rd Qu.:171.0  
 Max.   :10.00              Max.   :54.00   Max.   :132.0   Max.   :182.0  
     weight     
 Min.   :48.00  
 1st Qu.:53.75  
 Median :60.00  
 Mean   :61.80  
 3rd Qu.:70.00  
 Max.   :82.00  

• summary() 함수는 객체의 클래스에 따라 요약 통계량을 출력해주는 함수
• 데이터 프레임이 가지고 있는 변수들의 특징을 손쉽게 알아볼 수 있기 때문에 가장 많이 호출되는 함수 중 하나
• 숫자형 벡터: 최솟값(minimum), 1/4 분위수(1^st quantile), 중앙값(median), 평균(mean), 3/4 분위수(3^rd quantile), 최댓값을 출력
• 요인형 객체: 요인의 각 수준 별 빈도를 출력
• 2차원 이상 table() 객체에 적용 시 \(\chi^2\) 검정(독립성 검정) 결과값을 출력함.

• 이미 정의된 데이터 프레임에 데이터를 추가 가능
  • 예를 들어 dbp라는 벡터에 이완기 혈압(diastolic blood pressure) 데이터가 입력되어 있고 df에 dbp 변수를 새롭게 추가 시 df$dbp <- x 형태로 추가
  • 위 형태로 이미 존재하고 있는 변수(열)에 새로운 값 재할당 가능
  • 이러한 형태로 문자형 벡터 추가 시 문자형 벡터는 자동으로 factor로 형 변환 되지는 않음

x <- 1:nrow(df)
dbp <- c(73, 70, 88, 82, 75, 77, 74, 81, 72, 64)

# df에 "dbp" 열을 생성하고 x 값 대입
df$dbp <- x
df

# df의 dbp에 dbp 벡터의 값을 재할당
df$dbp <- dbp
df

# df에 운동여부 exercyn 라는 변수 추가 
# exercyn 는 "Y" 또는 "N" 두 값을 가짐
df$exercyn <- c("Y", "Y", "N", "Y", "N", 
                "N", "N", "Y", "N", "Y")
str(df)

'data.frame':   10 obs. of  8 variables:
 $ id     : int  1 2 3 4 5 6 7 8 9 10
 $ sex    : Factor w/ 2 levels "Female","Male": 1 1 1 1 1 2 2 2 2 2
 $ age    : num  34 22 54 43 44 39 38 28 31 42
 $ sbp    : num  112 118 132 128 128 124 121 119 124 109
 $ height : num  165 158 161 160 168 172 175 182 168 162
 $ weight : num  52 48 59 60 48 72 73 82 64 60
 $ dbp    : num  73 70 88 82 75 77 74 81 72 64
 $ exercyn: chr  "Y" "Y" "N" "Y" ...

• 행렬 및 벡터에서 언급 되었던 rownames(), colnames(), names(), dim(), ncol()/NCOL(),nrow()/NROW() 함수 적용 가능

rownames(df); colnames(df); names(df)

 [1] "1"  "2"  "3"  "4"  "5"  "6"  "7"  "8"  "9"  "10"

[1] "id"      "sex"     "age"     "sbp"     "height"  "weight"  "dbp"    
[8] "exercyn"

[1] "id"      "sex"     "age"     "sbp"     "height"  "weight"  "dbp"    
[8] "exercyn"

dim(df); ncol(df); nrow(df)

[1] 10  8

[1] 8

[1] 10

# rownames() 함수를 통해 행이름 변경
rownames(df) <- letters[1:10]
df

#colnames() 함수를 통해 열 이름 변경
varname_orig <- colnames(df)
colnames(df) <- paste0("V", 1:ncol(df))
df

# names() 함수와 colnames()는 거의 동일한 기능 수행
# 두 함수의 차이점? 
names(df)

[1] "V1" "V2" "V3" "V4" "V5" "V6" "V7" "V8"

names(df) <- varname_orig
df

참고: R Markdown에서 데이터 프레임의 데이터를 손쉽게 테이블로 출력하는 방법(html 문서)

• R Markdwon의 YAML 부분에 다음과 같이 옵션을 추가하면 별다른 함수 처리 없이 데이터 프레임을 표 형태로 html 문서에 붙일 수 있음. 아래 예시에서 output 이후 df_print: paged 옵션을 추가
• 옵션 추가 시 들여쓰기(탭 구분)은 YAML 문서의 트리 구조를 표현한 것이기 때문에 꼭 들여쓰기를 정확히 일치시켜야 함

---
title: "문서 제목"
author: "이름"
date: "`r Sys.Date()`"
output: 
  html_document: 
    df_print: paged
---

2.8.2 데이터 프레임 접근 및 필터링

접근방법

• 리스트 데이터 접근 방식

# 추출(접근) 연산자(함수) `df$col_name` 형태로 접근
df$height

 [1] 165 158 161 160 168 172 175 182 168 162

# df[[index]] 또는 df[["col_name"]] 형태로 접근
df[[4]]

 [1] 112 118 132 128 128 124 121 119 124 109

df[["sex"]]

 [1] Female Female Female Female Female Male   Male   Male   Male   Male  
Levels: Female Male

w <- df[[4]]
attributes(w); str(w)

NULL

 num [1:10] 112 118 132 128 128 124 121 119 124 109

# df[index] 또는 df["col_name"] 형태로 접근
h <- df["height"]
attributes(h); str(h)

$names
[1] "height"

$row.names
 [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j"

$class
[1] "data.frame"

'data.frame':   10 obs. of  1 variable:
 $ height: num  165 158 161 160 168 172 175 182 168 162

• 행렬 데이터 접근 방식

# df[idx_row, idx_col] 또는 df[row_name, col_name] 
# 형태 데이터 접근

# 열 index 접근
df[, 3];

 [1] 34 22 54 43 44 39 38 28 31 42

# 형 강제 변환 방지
df[, 3, drop = FALSE]

# 행 index 접근
df[8, ]

# 행과 열 index 접근
df[1:4, 5:6]

# 열 이름으로 접근
df[, c("sex", "sbp")]

# 행 이름으로 접근
df[c("d", "e", "f"), ]

# 행과 열 이름으로 접근
df[c("a", "f"), c("sex", "height", "dbp")]

# 행 또는 열 제외
df[-c(2:6), ]

df[-c(1, 5:7), -c(1, 8)]

필터링

• 벡터, 행렬과 마찬가지로 비교 연산자를 이용해 조건에 맞는 부분 데이터 추출 가능

# %in% 연산자를 이용해 데이터 프레임의 부분 변수 추출
# id, age 열을 제외한 나머지 데이터 프레임 추출
varname_df <- names(df)
df[, !varname_df %in% c("id", "age")]

# 조건 연산자 사용 
# sex 가 Female이고 나이가 40 이상인 데이터 추출
df[df$sex == "Female" & df$age >= 40, ]

# id가 3보다 작은 데이터 추출
df[df[, 1] < 3, ]

# subset 함수 이용한 데이터 추출
# sbp 가 120 이상이고 dbp 가 80 이상인 데이터 추출
subset(df, sbp >= 120 & dbp >= 80)

# 성별, 수축기, 이완기 혈압 변수만 추출
subset(df, select = c(sex, sbp, dbp))

# id 변수 제거
subset(df, select = -c(id))

데이터 프레임 또는 리스트 접근 시 df$col_name 를 사용한다면 매번 데이터 프레임 이름과 $을 반복하기 때문에 코드가 불필요하게 복잡해짐. R에서는 데이터 프레임 내부의 열 이름을 직접 접근할 수 있도록 도와주는 몇 가지 함수(예: with(), attach() 등)가 있는데, with()와 within() 활용법에 대해 간략히 알아봄.

• 위 예제에서 sex 가 Female이고 나이가 40 이상인 데이터 추출한다고 했을 때 with() 함수 사용

# with() 함수: 데이터 환경(객체 내)에서 주어진 표현식의 결과를 반환
with(
  data, #리스트 또는 데이터 프레임
  expr, # 실제 명령을 수행할 표현식, 
)

with(df, df[sex == "Female" & age >= 40, ])

• within() 함수는 with()와 유사하지만 코드블록({...})을 이용해 보다 자유롭게 데이터를 수정 및 추가할 수 있음

df2 <- within(df, {
  hospital <- c("A", "B", "B", "A", "C", 
                "A", "A", "B", "C", "B")
  mean_age <- mean(age)
})

2.8.3 데이터 프레임 관련 함수

유틸리티 함수

• 보통 데이터 분석은 외부에서 데이터를 읽은 후 특정 객체에 읽어온 데이터를 할당하는데, 이 경우 데이터가 저장된 객체는 대부분은 데이터 프레임 형태임.
• 읽어온 데이터는 보통 많은 행(표본)으로 구성되어 있기 때문에 데이터를 손쉽게 살펴보는 방법이 필요

head()/tail() 함수

• 객체(벡터, 행렬, 테이블, 데이터 프레임 등)의 처음 또는 끝에서 부터 몇 개의 데이터(default = 6L) 를 순차적으로 보여줌

# 앞에서 불러온 전복 데이터셋 확인
dim(abalone)

[1] 4177    9

#처음 1에서 6행 까지 데이터 출력
head(abalone)

# 제일 마지막 행부터 위로 6개 데이터 까지 출력
tail(abalone)

View() 함수

• 2차원 데이터의 readble 한 스프레드시트 제공

View(abalone)

데이터 프레임 결합 및 분리 함수

rbind()/cbind() 함수

• 행렬에서 사용한 rbind()/cbind()를 데이터 프레임에도 적용 가능

a = data.frame(x1 = rep(0,5), x2 = rep("x",5))
b = data.frame(x1 = rep(1,5), x2 = rep("d",5))
c = data.frame(x3 = rep(2,5), x4 = rep("z",5))
d <- list(1, "d")
e <- list(x5 = rep(4, 5), x6 = rep("y", 5))
# rbind()를 이용해 두 데이터 프레임 a-b 합치기
ab <- rbind(a, b)
ab

# 변수명이 다른 경우
rbind(a, c) #변수명이 다르기때문에 행으로 묶을 수 없다.

Error in match.names(clabs, names(xi)): 이전에 사용된 이름들과 일치하지 않습니다.

# rbind()를 이용해 데이터 프레임-리스트 합치기
abd <- rbind(ab, d)
abd

# cbind()를 이용해 두 데이터 프레임 a-c 합치기
ac <- cbind(a, c)
ac

# 행 길이가 다르면 작은 길이의 데이터를 재사용
cbind(a, d)

# cbind()를 이용해 두 데이터 프레임-리스트 합치기
ace <- cbind(ac, e)

merge() 함수

• 두 데이터 프레임을 공통된 값을 기준으로 병합
• Excel의 vlookup() 함수 또는 데이터베이스 SQL 쿼리 중 join과 동일한 역할을 함
• cbind()의 경우는 단순히 열을 합치는 것이지만 merge()는 공통되는 열을 기준으로 두 데이터셋을 병합
• 공통된 데이터가 있을 때만 데이터 병합 수행

# merge() 함수 인수 
merge(
  x, # 병합할 데이터 프레임
  y, # 병합할 데이터 프레임
  by, # 병합 기준으로 사용할 컬럼 (문자열 벡터)
  by.x, # 병합에 사용할 x와 y의 열 이름이 다른 경우
  by.y, # by.x와 by.y에 각각 공통 데이터에 해당하는 열 이름 지정
        # 둘 다 문자형 스칼라 또는 벡터값 인수로 받음
  all, # 논리값 이순
       # TRUE인 경우 x, y 중 공통된 값을 갖는 행이 없을 때
       # 해당 쪽을 NA를 채워 병합
       # 결과적으로 x, y 전체 행이 결과에 포함
  all.x, # x,y 중 특정 쪽에 공통된 값이 없더라도 항상 
  all.y, # 결과에 포함
)

• merge() 함수 예시

d1 = data.frame(Name = c("Park", "Hanzo", "Mercy", "Soldier76" ),
                country = c("Korea", "Japan", "Swiss", "USA"))
d2 = data.frame(Age = c(19,38,37,56,31),
                Name = c("Park", "Hanzo", "Mercy", "Soldier76","Mei" ) )
d1; d2

dim(d1); dim(d2)

[1] 4 2

[1] 5 2

# 두 데이터 병합 01
merge(d1, d2, by = "Name")

# 두 데이터 병합 02
names(d2)[2] <- "Surname"
merge(d1, d2, by.x = "Name", by.y = "Surname")

# 두 데이터 병합 03
merge(d1, d2, 
      by.x = "Name", by.y = "Surname", 
      all = T)

split() 함수

• Factor 형에서 언급한 split() 함수를 통해 그룹 별로 데이터 분할
• 분할된 데이터는 리스트에 저장

split(df, df$sex)

$Female
  id    sex age sbp height weight dbp exercyn
a  1 Female  34 112    165     52  73       Y
b  2 Female  22 118    158     48  70       Y
c  3 Female  54 132    161     59  88       N
d  4 Female  43 128    160     60  82       Y
e  5 Female  44 128    168     48  75       N

$Male
  id  sex age sbp height weight dbp exercyn
f  6 Male  39 124    172     72  77       N
g  7 Male  38 121    175     73  74       N
h  8 Male  28 119    182     82  81       Y
i  9 Male  31 124    168     64  72       N
j 10 Male  42 109    162     60  64       Y

데이터 정렬 함수

sort() 함수

• 데이터(벡터)의 정렬(오름차순 또는 내림차순) 결과 반환

# sort() 함수 인수
sort(
  x, # 정렬할 벡터
  decreasing, # 논리값, 내림차순 여부
              # default = FALSE
  na.last # 논리값. 결측 존재 시 NA 값 위치 지정
)         # TRUE: 정렬 후 결측은 마지막에 위치
          # FALSE: 맨 처음 NA 위치

• 예시

# 오름차순 정렬
sort(df2$age)

 [1] 22 28 31 34 38 39 42 43 44 54

# 내림차순 정렬
sort(df$height, decreasing = TRUE)

 [1] 182 175 172 168 168 165 162 161 160 158

order() 함수

• 데이터 정렬을 위해 순서에 대한 색인 생성 결과 반환
• 데이터 프레임에서 특정 열 기준으로 데이터 정렬 시 주로 사용

# 나이 기준으로 오름차순으로 데이터 정렬
with(df, df[order(age), ])

# 키 순으로 내림차순 정렬
df[order(df$height, decreasing = T), ]

2.8.4 *apply() 계열 함수

• apply(), lapply(), sapply() 등 apply 계열 함수는 R에서 가장 일반적으로 사용되는 함수 중 하나
• 반복문(for-loop)를 대신하기 위해 활용되며, R 객체를 입력 받아 원소 별 혹은 그루 별 함수를 적용
• 데이터 전체에 함수를 한번에 적용하는 vectorizing 연산을 수행함

apply() 함수

• 배열 또는 행렬에 주어진 함수를 적용한 뒤 그 결과를 벡터 또는 리스트로 반환
• 행 또는 열 차원 기준 함수 적용
• 동일한 유형의 벡터로 구성된 데이터셋에 적용

apply(
  X, # 배열, 행렬, 또는 같은 형태로 정의된 데이터 프레임
  MARGIN, # MARGIN = 1: 행 기준
          # MARGIN = 2: 열 기준
          # MARGIN = c(1,2): 행과 열 방향 모두
  FUN # 적용할 함수 
  )

• 예시1: 행렬 및 배열 apply() 적용

X <- matrix(1:9, nrow = 3)
X

     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9

# 행 기준으로 합계 계산
apply(X, 1, sum)

[1] 12 15 18

# 열 기준으로 합계 계산
apply(X, 2, sum)

[1]  6 15 24

# 배열에 apply 적용
# 각 학생의 퀴즈와 중간-기말 각각 평균 계산
Z # 성적

, , 1

     [,1] [,2]
[1,]   75   65
[2,]   84   78
[3,]   93   92

, , 2

     [,1] [,2]
[1,]   82   88
[2,]   78   75
[3,]   85   88

apply(Z, c(1,2), mean)

     [,1] [,2]
[1,] 78.5 76.5
[2,] 81.0 76.5
[3,] 89.0 90.0

# 각 시점 별 개별 학생의 퀴즈-중간, 퀴즈-기말 평균 계산
apply(Z, c(1, 3), mean)

     [,1] [,2]
[1,] 70.0 85.0
[2,] 81.0 76.5
[3,] 92.5 86.5

• 예시2: 데이터 프레임
  • 위에서 사용한 df와 2.7.1 요인(factor) 절에서 잠깐 예시로 사용된 전복(abalone) 데이터셋 사용

Abalone dataset 변수 설명(코드북)

names(abalone) <- c("sex", "length", "diameter", 
                    "height", "whole.wt", 
                    "shucked.wt", "viscera.wt", 
                    "shell.wt", "rings")
head(abalone)

# sex를 제외한 나머지 수치형 변수에 대한 기초통계량  계산
# 평균: mean() 함수 사용
apply(abalone[, -1], 2, mean)

    length   diameter     height   whole.wt shucked.wt viscera.wt   shell.wt 
 0.5239921  0.4078813  0.1395164  0.8287422  0.3593675  0.1805936  0.2388309 
     rings 
 9.9336845 

# 표준편차: sd() 함수 사용
apply(abalone[, -1], 2, sd)

    length   diameter     height   whole.wt shucked.wt viscera.wt   shell.wt 
0.12009291 0.09923987 0.04182706 0.49038902 0.22196295 0.10961425 0.13920267 
     rings 
3.22416903 

# 개별 전복에 대해 내장, 육질, 껍질 무게 합계 계산
apply(abalone[, c("shucked.wt", 
                  "viscera.wt", 
                  "shell.wt")], 1, 
      sum) -> ab_wt_sum

head(ab_wt_sum, 10)

 [1] 0.4755 0.2180 0.6080 0.4845 0.1840 0.3385 0.7085 0.7035 0.4940 0.7855

# 데이터에 결측이 포함된 경우
# diameter 변수에 10개의 결측을 임의 생성
set.seed(20200410)
idx <- sample(1:NROW(abalone), 10) # 비복원 추출
ab2 <- abalone
ab2[idx, 3] <- NA

# 성별 제외한 나머지 변수의 평균 계산
apply(ab2[, -1], 2, mean)

    length   diameter     height   whole.wt shucked.wt viscera.wt   shell.wt 
 0.5239921         NA  0.1395164  0.8287422  0.3593675  0.1805936  0.2388309 
     rings 
 9.9336845 

# NA 결과를 피하려면?
apply(ab2[, -1], 2, mean, na.rm = TRUE)

    length   diameter     height   whole.wt shucked.wt viscera.wt   shell.wt 
 0.5239921  0.4079578  0.1395164  0.8287422  0.3593675  0.1805936  0.2388309 
     rings 
 9.9336845 

참고 1:

• 결측이 포함된 벡터 연산 시 결측에 대한 처리 지정 없이 함수를 적용하면 결측값을 반환
• R에서 제공되는 연산 관련 일반 함수는 결측처리에 대한 옵션을 인수로 받음
• 보통 인수 형태는 na.rm = T/F 형태이고 다음의 함수를 통해 데이터에 결측 처리에 대한 속성 및 클래스를 부여함
• na.omit()/na.exclude(): NA가 포함되어 있는 행 생략

위 두 함수는 기본적으로 동일하지만, 특정 함수(예: 회귀분석을 수행하는 lm()) 함수에서는 다른 결과를 출력

참고 2: 위 예제에서 보여준 행 또는 열의 합 또는 평균 계산은 매우 자주 사용되기 때문에 rowSums(), colSums(), rowMeans(), colMeans() 함수가 제공됨

colMeans(abalone[,-1]) # apply 결과와 비교

    length   diameter     height   whole.wt shucked.wt viscera.wt   shell.wt 
 0.5239921  0.4078813  0.1395164  0.8287422  0.3593675  0.1805936  0.2388309 
     rings 
 9.9336845 

tapply() 함수

• 2.7.1 요인(factor) 절에서 설명
• tapply()는 1개의 벡터를 대상으로만 함수를 호출
• 데이터 프레임에 적용하려면? \(\rightarrow\) aggregate() 함수 사용

aggregate()

• 데이터를 특정 factor의 수준 별로 나눈 후, 각 그룹마다 함수 적용
• aggregate()는 다음 두 가지 형태로 함수 적용 가능

# aggregate() 기본 인수
aggregate(
  x, # R 객체, 주로 데이터 프레임
  by, # 그룹으로 묶을 값의 리스트
  FUN, # 그룹별 적용할 함수
)

aggregate(
  formula, # y ~ x 형태로 y는 계산에 사용할 값
           # x는 group 변수
           # y 대신 .은 그룹 변수를 제외하고 
           # 적용할 함수의 대상이 되는 모든 변수
  data, # formula를 적용할 데이터
  FUN # 적용할 함수
)

• 예시: 임상연구 자료(df)

# 성별에 따라 연속형 변수의 평균 계산
aggregate(df[,-c(1:2, 8)], by =df["sex"], mean)

# 수식 표현형 사용
aggregate(. ~ sex, 
          data = df[,-8], 
          mean)

# 요인이 2개인 경우
aggregate(df[,-c(1:2, 8)], 
          by = list(sex = df[["sex"]], exercise = df[["exercyn"]]), 
          mean)

aggregate(. ~ sex + exercyn, 
          data = df[,-1], 
          mean)

lapply() 함수

• 특정 함수를 벡터, 리스트, 데이터 프레임 등에 적용하고 그 결과를 리스트로 반환

lapply(
 X, #벡터, 리스트, 표현식, 또는  데이터 프레임
 FUN, # 적용할 함수
)

-예시: abalone 데이터를 사용해 일변량 회귀분석 실시

# abalone 데이터를 이용해 단순회귀분석 결과 출력
# 종속변수: rings
# 설명변수: 성별을 제외한 모든 연속형 변수

# lm() 함수를 이용한 일변량 회귀분석 실시
univ_reg <- lapply(abalone[,-c(1, 9)], function(x) lm(abalone$rings ~ x))
# univ_reg

# 위 객체로부터 회귀모형 요약 통계량 결과 
summ_reg <- lapply(univ_reg, summary)
# summ_reg

# 추정 회귀계수를 데이터로 저장
## summary(lm_object)의 속성 파악
str(summ_reg[[1]])

List of 11
 $ call         : language lm(formula = abalone$rings ~ x)
 $ terms        :Classes 'terms', 'formula'  language abalone$rings ~ x
  .. ..- attr(*, "variables")= language list(abalone$rings, x)
  .. ..- attr(*, "factors")= int [1:2, 1] 0 1
  .. .. ..- attr(*, "dimnames")=List of 2
  .. .. .. ..$ : chr [1:2] "abalone$rings" "x"
  .. .. .. ..$ : chr "x"
  .. ..- attr(*, "term.labels")= chr "x"
  .. ..- attr(*, "order")= int 1
  .. ..- attr(*, "intercept")= int 1
  .. ..- attr(*, "response")= int 1
  .. ..- attr(*, ".Environment")=<environment: 0x564f4008d118> 
  .. ..- attr(*, "predvars")= language list(abalone$rings, x)
  .. ..- attr(*, "dataClasses")= Named chr [1:2] "numeric" "numeric"
  .. .. ..- attr(*, "names")= chr [1:2] "abalone$rings" "x"
 $ residuals    : Named num [1:4177] 6.0975 -0.3331 -1.0235 1.3217 -0.0342 ...
  ..- attr(*, "names")= chr [1:4177] "1" "2" "3" "4" ...
 $ coefficients : num [1:2, 1:4] 2.102 14.946 0.186 0.345 11.328 ...
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : chr [1:2] "(Intercept)" "x"
  .. ..$ : chr [1:4] "Estimate" "Std. Error" "t value" "Pr(>|t|)"
 $ aliased      : Named logi [1:2] FALSE FALSE
  ..- attr(*, "names")= chr [1:2] "(Intercept)" "x"
 $ sigma        : num 2.68
 $ df           : int [1:3] 2 4175 2
 $ r.squared    : num 0.31
 $ adj.r.squared: num 0.31
 $ fstatistic   : Named num [1:3] 1875 1 4175
  ..- attr(*, "names")= chr [1:3] "value" "numdf" "dendf"
 $ cov.unscaled : num [1:2, 1:2] 0.0048 -0.0087 -0.0087 0.0166
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : chr [1:2] "(Intercept)" "x"
  .. ..$ : chr [1:2] "(Intercept)" "x"
 - attr(*, "class")= chr "summary.lm"

summ_reg[[1]]$coefficients

             Estimate Std. Error  t value     Pr(>|t|)
(Intercept)  2.101883  0.1855477 11.32800 2.544353e-29
x           14.946411  0.3451570 43.30323 0.000000e+00

# summ_reg에서 coefficients만 추출
res <- lapply(summ_reg, function(lst) lst$coefficients)
res

$length
             Estimate Std. Error  t value     Pr(>|t|)
(Intercept)  2.101883  0.1855477 11.32800 2.544353e-29
x           14.946411  0.3451570 43.30323 0.000000e+00

$diameter
             Estimate Std. Error  t value    Pr(>|t|)
(Intercept)  2.318574  0.1727366 13.42260 3.01241e-40
x           18.669921  0.4114954 45.37091 0.00000e+00

$height
             Estimate Std. Error  t value      Pr(>|t|)
(Intercept)  3.938464  0.1442530 27.30248 3.678478e-151
x           42.971441  0.9904086 43.38759  0.000000e+00

$whole.wt
            Estimate Std. Error  t value      Pr(>|t|)
(Intercept) 6.989239 0.08244313 84.77648  0.000000e+00
x           3.552909 0.08561680 41.49780 1.888678e-315

$shucked.wt
            Estimate Std. Error  t value      Pr(>|t|)
(Intercept) 7.736643  0.0861330 89.82206  0.000000e+00
x           6.113633  0.2039254 29.97976 5.087464e-179

$viscera.wt
             Estimate Std. Error  t value      Pr(>|t|)
(Intercept)  7.257427 0.08306853 87.36674  0.000000e+00
x           14.819227 0.39322428 37.68645 8.574726e-268

$shell.wt
             Estimate Std. Error  t value Pr(>|t|)
(Intercept)  6.462117 0.07714642 83.76431        0
x           14.535675 0.27908233 52.08382        0

# res 결과를 2차원 배열 형태로 변환
# do.call() 함수 사용
# 리스트로 주어진 인자에 함수를 적용하여 결과 반환
res <- do.call(rbind, res)  
res

             Estimate Std. Error  t value      Pr(>|t|)
(Intercept)  2.101883 0.18554766 11.32800  2.544353e-29
x           14.946411 0.34515697 43.30323  0.000000e+00
(Intercept)  2.318574 0.17273658 13.42260  3.012410e-40
x           18.669921 0.41149538 45.37091  0.000000e+00
(Intercept)  3.938464 0.14425297 27.30248 3.678478e-151
x           42.971441 0.99040860 43.38759  0.000000e+00
(Intercept)  6.989239 0.08244313 84.77648  0.000000e+00
x            3.552909 0.08561680 41.49780 1.888678e-315
(Intercept)  7.736643 0.08613300 89.82206  0.000000e+00
x            6.113633 0.20392536 29.97976 5.087464e-179
(Intercept)  7.257427 0.08306853 87.36674  0.000000e+00
x           14.819227 0.39322428 37.68645 8.574726e-268
(Intercept)  6.462117 0.07714642 83.76431  0.000000e+00
x           14.535675 0.27908233 52.08382  0.000000e+00

sapply() 힘수

• lapply() 함수와 유사하나(lapply()의 wrapper 함수), 결과를 벡터 또는 행렬로 반환하는 점에서 차이를 보임
• 예시: 회귀분석

# 각 변수별 회귀계수(절편항과 설명변수) 반환
univ_reg2 <- sapply(abalone[,-c(1, 9)], function(x) {
  coef(lm(abalone$rings ~ x)) # lm 클래스에서 회귀계수 반환
})
univ_reg2

               length  diameter    height whole.wt shucked.wt viscera.wt
(Intercept)  2.101883  2.318574  3.938464 6.989239   7.736643   7.257427
x           14.946411 18.669921 42.971441 3.552909   6.113633  14.819227
             shell.wt
(Intercept)  6.462117
x           14.535675

attributes(univ_reg2) # 행렬 반환

$dim
[1] 2 7

$dimnames
$dimnames[[1]]
[1] "(Intercept)" "x"          

$dimnames[[2]]
[1] "length"     "diameter"   "height"     "whole.wt"   "shucked.wt"
[6] "viscera.wt" "shell.wt"  

# as.data.frame(univ_reg2)

mapply() 함수

• sapply()와 유사하지만 다수의 인수를 함수에 전달해 적용
• 임의의 함수 FUN()이 있고, FUN()을 수행하기 위해 필요한 인수가 데이터로 저장되어 있을 때 이를 불러들여 함수를 적용

mapply(
  FUN, # 적용할 함수
  ..., # 적용할 인수
)

• 난수 생성 예시: rnorm() 함수 사용
• rnorm(n, mean, sd): 평균이 mean이고 표준편차가 sd인 정규분포에서 n개의 난수 생성

# 평균이 각각 0, 1, 2, 4 이고
# 표준편차가 1, 1, 1, 1 인 정규난수를 
# 각각 20, 40, 60, 100 개 생성

rn_res <- mapply(rnorm, 
                 c(20, 40, 60, 100), 
                 c(0:2, 4), 
                 rep(1, 4))
# rn_res

# 생성한 난수의 평균과 표준편차 확인
sapply(rn_res, mean); sapply(rn_res, sd)

[1] 0.1277941 0.8607565 1.9070456 3.9012846

[1] 0.8954115 0.7916029 0.9990486 0.9088889