프로그래밍/R 프로그래밍

데이터분석 전문가(ADP)를 위한 R프로그래밍 기초편7

factor로 집단을 정의하고 벡터를 factor에 의해 집단으로 분할

 

split(벡터, factor)함수를 이용

 

tapply(vec,factor,func)를 이용하여 집단별로 함수를 적용한다

 

> v <- c(24,23,52,46,75,25)
> w <- c(87,86,92,84,77,68)
> f <- factor(c('A','A','B','B','C','A'))
> groups <- split(v,f)
> groups
$A
[1] 24 23 25

$B
[1] 52 46

$C
[1] 75

> groups2 <- split(w,f)
> groups2
$A
[1] 87 86 68

$B
[1] 92 84

$C
[1] 77

> groups3 <- unstack(data.frame(v,f))
> groups3
$A
[1] 24 23 25

$B
[1] 52 46

$C
[1] 75

> tapply(v,f,mean)
 A  B  C 
24 49 75 

> tapply(w,f,sum)
  A   B   C 
241 176  77

 

 

데이터프레임을 여러 집단으로 분할하기

 

역시 split(벡터, factor)함수를 이용

 

library(MASS)

> head(Cars93[c('MPG.city','Origin')])
  MPG.city  Origin
1       25 non-USA
2       18 non-USA
3       20 non-USA
4       19 non-USA
5       22 non-USA
6       22     USA

> sp <- split(Cars93$MPG.city, Cars93$Origin)
> sp
$USA
 [1] 22 19 16 19 16 16 25 25 19 21 18 15 17 17 20 23 20 29 23 22 17 21 18 29 20 31 23 22 22 24 15 21 18 17 18 23 19 24 23 18 19
[42] 23 31 23 19 19 19 28

$`non-USA`
 [1] 25 18 20 19 22 46 30 24 42 24 29 22 26 20 17 18 18 29 28 26 18 17 20 19 29 18 29 24 17 21 20 33 25 23 39 32 25 22 18 25 17
[42] 21 18 21 20

> sp[[1]] #USA
 [1] 22 19 16 19 16 16 25 25 19 21 18 15 17 17 20 23 20 29 23 22 17 21 18 29 20 31 23 22 22 24 15 21 18 17 18 23 19 24 23 18 19
[42] 23 31 23 19 19 19 28

> median(sp[[1]])
[1] 20

 

리스트의 각 원소에 함수를 적용하기

 

lapply(list, func)하면 리스트로 반환하고

 

sapply(list, func)하면 벡터로 반환

 

> sp
$USA
 [1] 22 19 16 19 16 16 25 25 19 21 18 15 17 17 20 23 20 29 23 22 17 21 18 29 20 31 23 22 22 24 15 21 18 17 18 23 19 24 23 18 19
[42] 23 31 23 19 19 19 28

$`non-USA`
 [1] 25 18 20 19 22 46 30 24 42 24 29 22 26 20 17 18 18 29 28 26 18 17 20 19 29 18 29 24 17 21 20 33 25 23 39 32 25 22 18 25 17
[42] 21 18 21 20

> lapply(sp, mean)
$USA
[1] 20.95833

$`non-USA`
[1] 23.86667

> sapply(sp,median)
    USA non-USA 
     20      22

 

행렬에 함수를 적용하기

 

apply(mat, 1, func)하면 mat의 행별로 func를 적용

 

apply(mat,2,func)하면 mat의 열별로 func를 적용

 

> mat <- matrix(c(1,2,3,4,5,6,7,8,9),3,3)
> mat
     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9

> m1 <- apply(mat,1,sum)
> m1
[1] 12 15 18

> m2 <- apply(mat,2,mean)
> m2
[1] 2 5 8

 

 

데이터프레임에 함수 적용하기

 

lapply(df, FUN=func)

 

sapply(df, FUN=func)

 

apply(df, MARGIN=1, FUN=func)

 

apply(df, MARGIN=2, FUN=func)

 

lapply와 sapply는 MARGIN을 나타내는 1,2를 쓸필요없이 열단위로 func를 적용함

 

반면 apply는 반드시 MARGIN인자를 써야함

> df <- data.frame(x1=c(7,8,4,5,3), x2=c(9,1,2,3,4), x3=c(6,5,8,9,1))
> df
  x1 x2 x3
1  7  9  6
2  8  1  5
3  4  2  8
4  5  3  9
5  3  4  1

> dfm1 <- lapply(df,mean)
> dfm1
$x1
[1] 5.4

$x2
[1] 3.8

$x3
[1] 5.8

> dfm2 <- sapply(df,sum)
> dfm2
x1 x2 x3 
27 19 29 

> dfm3 <- apply(df,median)
Error in match.fun(FUN) : argument "FUN" is missing, with no default


> dfm3 <- apply(df, MARGIN=1,FUN=sum ##row
> dfm3
[1] 22 14 14 17  

> dfm4 <- apply(df,MARGIN=2, FUN=median) ##column
> dfm4
x1 x2 x3 
 5  3  6

 

by(df, factor, func)를 이용해서 데이터프레임에서 행별로 집단을 구분해서 함수를 적용한다

 

> df <- data.frame(x1=c(7,8,4,5,3), x2=c(9,1,2,3,4), x3=c(6,5,8,9,1))

> df
  x1 x2 x3
1  7  9  6
2  8  1  5
3  4  2  8
4  5  3  9
5  3  4  1

> f <- factor(c('A','A','B','B','C'))

> by(df,f,sum)
f: A
[1] 36
------------------------------------------------------------------------------------------------ 
f: B
[1] 31
------------------------------------------------------------------------------------------------ 
f: C
[1] 8

> by(df,f,sum)
f: A
[1] 36
------------------------------------------------------------------------------------------------ 
f: B
[1] 31
------------------------------------------------------------------------------------------------ 
f: C
[1] 8

 

 

by함수와 사용자정의함수 function(<paramter>) {-------} 이용해서 요인별로 선형회귀분석을 수행해볼 수 있다

 

by(df, factor, function(df){ lm(종속변수~설명변수, data=df) } )

 

> df <- iris

> f <- factor(iris$Species)

> by(df, f, function(df){lm(Sepal.Width~Sepal.Length+Petal.Length,data=df)})
f: setosa

Call:
lm(formula = Sepal.Width ~ Sepal.Length + Petal.Length, data = df)

Coefficients:
 (Intercept)  Sepal.Length  Petal.Length  
    -0.53038       0.80493      -0.04863  

------------------------------------------------------------------------------------------------ 
f: versicolor

Call:
lm(formula = Sepal.Width ~ Sepal.Length + Petal.Length, data = df)

Coefficients:
 (Intercept)  Sepal.Length  Petal.Length  
      0.8252        0.1455        0.2538  

------------------------------------------------------------------------------------------------ 
f: virginica

Call:
lm(formula = Sepal.Width ~ Sepal.Length + Petal.Length, data = df)

Coefficients:
 (Intercept)  Sepal.Length  Petal.Length  
     1.43799       0.22168       0.01361

 

mapply(func, vec1, vec2, vec3,............,)

 

mapply(func, list1, list2, list3,.............,)로 여러 벡터와 여러 리스트에 한꺼번에 func를 적용

 

> v <- c(24,23,52,46,75,25)
> w <- c(87,86,92,84,77,68)

> mapply(mean, v,w)
[1] 24 23 52 46 75 25

> mapply(factor,v,w)
[1] <NA> <NA> <NA> <NA> <NA> <NA>
Levels: 87 86 92 84 77 68

> list1 <- list(c(1,2,3,4,5,6),c(3,4,5,6),c(2,3,4,5))
> list1
[[1]]
[1] 1 2 3 4 5 6

[[2]]
[1] 3 4 5 6

[[3]]
[1] 2 3 4 5

> list2 <- list(c(4,2,3,1),c(2,3,41,2),c(3,4,1,2,3))
> list2
[[1]]
[1] 4 2 3 1

[[2]]
[1]  2  3 41  2

[[3]]
[1] 3 4 1 2 3

> mapply(sum,list1,list2)
[1] 31 66 27

 

sapply를 이용한 코딩

 

데이터프레임에서 타겟변수를 정하고

 

타겟변수와 설명변수간 상관계수를 sapply를 이용하여 구한다

 

상관계수가 높은 상위 10개의 변수를 입력변수로 선정(mask <- (rank(-abs(cors)) <= 10))

 

타겟변수와 입력변수로 다중회귀분석

df <- Cars93[c('Price','EngineSize', 'RPM', 'Weight')]

> cors <- sapply(df, cor, y=df$Price)

> cors
       Price   EngineSize          RPM       Weight 
 1.000000000  0.597425392 -0.004954931  0.647179005 
 
 > mask <- (rank(-abs(cors)) <= 10)
 
> mask
     Price EngineSize        RPM     Weight 
      TRUE       TRUE       TRUE       TRUE 
      
> best.pred <- df[,mask]

> head(best.pred)
  Price EngineSize  RPM Weight
1  15.9        1.8 6300   2705
2  33.9        3.2 5500   3560
3  29.1        2.8 5500   3375
4  37.7        2.8 5500   3405
5  30.0        3.5 5700   3640
6  15.7        2.2 5200   2880
 
 > lm(Price~. , best.pred)

Call:
lm(formula = Price ~ ., data = best.pred)

Coefficients:
(Intercept)   EngineSize          RPM       Weight  
 -51.793292     4.305387     0.007096     0.007271

 

 

 

참고

 

https://kkokkilkon.tistory.com/67

 

R apply 계열 함수 총 정리 1 ( apply / lapply / sapply / vapply )

apply 계열 함수 총 정리 1 ( apply / lapply / sapply / vapply ) apply 계열 함수는 주어진 함수 연산을 특정 단위로 쉽게 할 수 있도록 지원하는 함수 군이다. 어떤 함수이냐에 따라 1) 연산 대상 데이터의

kkokkilkon.tistory.com

 

 

'프로그래밍 > R 프로그래밍' 카테고리의 다른 글

데이터분석 전문가(ADP)를 위한 R 프로그래밍 기초편6  (0) 2022.02.10
데이터분석 전문가(ADP)를 위한 R프로그래밍 기초편5  (0) 2022.02.08
데이터분석 전문가(ADP)를 위한 R프로그래밍 기초편4  (0) 2022.02.06
데이터분석 전문가(ADP)를 위한 R프로그래밍 기초편3  (0) 2022.02.05
데이터분석 전문가(ADP)를 위한 R프로그래밍 기초편2  (0) 2022.01.31
TAGS.

Comments