2.6 요인(factor)과 테이블(table)

  • 요인(factor) 데이터 타입은 통계학에서 범주형 변수(categorical variable)을 표현하기 위한 R의 데이터 타입으로 범주형 자료는 크게 명목형(nominal)과 순서형(ordinal) 으로 구분
  • 테이블(table) 객체는 factor 객체에 대한 빈도를 나타내기 위해 사용

범주형 자료

  • 데이터가 사전에 정해진 특정 유형으로만 분류되는 경우: 성별, 인종, 혈액형 등
  • 범주형 자료는 명목형과 순서형으로 구분 가능
  • 순서형 자료 예: 성적, 교육수준, 선호도, 중증도 등

2.6.1 요인(factor)

  • 범주형 자료를 표현하기 위한 R의 객체 클래스
  • Factor는 정수형 벡터를 기반으로 levels (수준) 이라는 속성이 추가된 객체임
  • 숫자 또는 문자로 표현 되었다 하더라도 범주형으로 이해
  • Factor는 level에 해당하는 값만 가질 수 있는 벡터로 간주
  • Factor 생성 함수
  • 수치형을 factor로 만들어도 처음 입력 값은 문자형으로 변하고 level 값으로 치환
  • 대신 (1, 2, 3)이 중심값이 됨 \(\rightarrow\) 정수형 벡터임
[1] "integer"
$levels
[1] "4" "5" "6"

$class
[1] "factor"
 Factor w/ 3 levels "4","5","6": 1 1 1 1 2 2 2 2 3 3 ...
[1] "4" "5" "6"
[1] 3
  • Factor를 벡터 결합 함수 c()로 결합
 [1] 1 1 1 1 2 2 2 2 3 3 3 3 1
  • Factor의 범주 수준(level) 및 범주명(label) 지정
[1] 1 1 1 1 2 2 2 2
Levels: 1 2
[1] male   male   male   male   female female female female
Levels: male female
 Factor w/ 2 levels "male","female": 1 1 1 1 2 2 2 2
Warning in `[<-.factor`(`*tmp*`, 1, value = "Good"): 요인의 수준(factor level)이
올바르지 않아 NA가 생성되었습니다.
[1] <NA>   Severe
Levels: Mild Moderate Severe
  • 순서형 factor 생성
[1] Mild     Moderate Severe   Mild     Moderate Severe   Mild     Moderate
[9] Severe  
Levels: Mild < Moderate < Severe
[1] TRUE

요인형 객체에 적용되는 일반적인 함수

tapply() 함수

  • 특정 요인 수준의 고유한 조합으로 각 그룹에 속한 값에 특정 함수를 적용한 결과를 반환
  • 일반적인 함수 사용 형태는 아래와 같음
  • 예시: 2020년 4월 15일 총선의 연령별 지지율
더불어민주당   미래통합당 
        41.6         61.0 
더불어민주당   미래통합당 
        41.6         61.0
  • Factor가 2개 이상인 경우 두 factor 객체의 수준의 조합(AND 조건)에 따른 그룹을 만든 후 그룹별 함수 적용
   age
sex        1    2    3
  F 3233.333 5750 8300
  M 3533.333 6150 8500

R에서 가장 많이 활용되는 함수 계열 중 하나로 *apply()를 들 수 있다. 벡터, 행렬 등과 같은 R 객체에 for loop 대신 반복적으로 동일한 함수를 적용할 때 활용된다. *apply() 계열 함수에 대해서는 데이터 프레임 에서 더 상세하게 배울 것임

split() 함수
  • tapply()는 주어진 요인의 수준에 따라 특정 함수를 적용하지만, split()은 데이터를 요인의 수준(그룹) 별로 데이터를 나누어 리스트 형태로 반환
  • split() 함수 사용 예시
$F
[1] 8300 5200 3000 4000 6300 2700

$M
[1] 5500 8500 3500 6800 4200 2900
$F.1
[1] 3000 4000 2700

$M.1
[1] 3500 4200 2900

$F.2
[1] 5200 6300

$M.2
[1] 5500 6800

$F.3
[1] 8300

$M.3
[1] 8500
$F
[1] 1 6 8

$I
[1] 2 3 5 7

$M
[1]  4  9 10

2.6.2 테이블(table)

  • 범주형 변수의 빈도 또는 분할표(교차표)를 표현하기 위한 객체(클래스)
  • 범주 별 통계량(평균, 표준편차, 중위수, …) 요약

tapply() 함수를 이용한 테이블 만들기

  • 길이가 12인 임의의 벡터 u를 수준의 개수가 각각 3, 2인 factor의 조합으로 부분벡터로 분리 후 length() 적용 \(\rightarrow\) tapply() 함수 사용
  a  b
3 1  3
4 4 NA
5 2  2
  • u의 값과 상관 없이 두 factor 형 변수 f1과 f2의 조합에 따른 개수 반환 \(\rightarrow\) 분할표(contingency table)
  • 위 예시에서 f1이 “4” 이고 f2가 “b” 인 경우는 없기 때문에 0 값이 있어야 하나, tapply() 함수 적용 시 결측값 NA를 반환
  • table(): 하나 이상의 factor의 수준 또는 수준의 조합으로 분할표 생성
  • Factor가 3개 이상인 경우 배열로 다차원 분할표 표현
   f2
f1  a b
  3 1 3
  4 4 0
  5 2 2
[1] "integer"
$dim
[1] 3 2

$dimnames
$dimnames$f1
[1] "3" "4" "5"

$dimnames$f2
[1] "a" "b"


$class
[1] "table"
 'table' int [1:3, 1:2] 1 4 2 3 0 2
 - attr(*, "dimnames")=List of 2
  ..$ f1: chr [1:3] "3" "4" "5"
  ..$ f2: chr [1:2] "a" "b"
f1
3 4 5 
4 4 4 
, , year = 1

      grade
gender A B C
     F 0 0 0
     M 1 0 1

, , year = 2

      grade
gender A B C
     F 0 1 0
     M 0 0 0

, , year = 3

      grade
gender A B C
     F 1 0 0
     M 0 1 0

, , year = 4

      grade
gender A B C
     F 0 0 1
     M 0 0 0