데이터 핸들링

Data handling

Woonn

2020-03-27

먼저 reshape2 패키지가 필요합니다.

#install.packages("reshape2")
library("reshape2")

패키지를 불러왔으니 실습을 위해 score라는 변수에 학생 10명의 3과목 성적을 랜덤하게 입력해 보겠습니다. set.seed는 여러분과 저의 결과물이 동일하게 나오도록 랜덤추출한 수치를 고정시켜주는 역할을 합니다.

set.seed(1111)
score <- data.frame(subject = c("국어", "수학", "영어"),
                    a = sample(0:100, 3),
                    b = sample(0:100, 3),
                    c = sample(0:100, 3),
                    d = sample(0:100, 3),
                    e = sample(0:100, 3),
                    f = sample(0:100, 3),
                    g = sample(0:100, 3),
                    h = sample(0:100, 3),
                    i = sample(0:100, 3),
                    j = sample(0:100, 3))

score가 제대로 생성 되었는지 확인합니다.

score
#>   subject  a  b  c  d  e  f  g  h  i  j
#> 1    국어 43 25 89 62 76  1 84 83 17 51
#> 2    수학 53 35 94 38 53 17 80 92 97 12
#> 3    영어 49 69 59 64 23 22 68 51 73 49

위와 같은 표를 melt함수를 이용해서 녹여보도록 하겠습니다. 이때 각 컬럼명을 설정해주는데, id.vars 아래엔 기준이 되는 항목, variable.name 아래엔 컬럼명, value.name 아래엔 실제 값들이 들어갑니다.

score_m <- melt(score, na.rm = FALSE,
                id.vars = "subject",
                variable.name = "student",
                value.name = "score")

score_m
#>    subject student score
#> 1     국어       a    43
#> 2     수학       a    53
#> 3     영어       a    49
#> 4     국어       b    25
#> 5     수학       b    35
#> 6     영어       b    69
#> 7     국어       c    89
#> 8     수학       c    94
#> 9     영어       c    59
#> 10    국어       d    62
#> 11    수학       d    38
#> 12    영어       d    64
#> 13    국어       e    76
#> 14    수학       e    53
#> 15    영어       e    23
#> 16    국어       f     1
#> 17    수학       f    17
#> 18    영어       f    22
#> 19    국어       g    84
#> 20    수학       g    80
#> 21    영어       g    68
#> 22    국어       h    83
#> 23    수학       h    92
#> 24    영어       h    51
#> 25    국어       i    17
#> 26    수학       i    97
#> 27    영어       i    73
#> 28    국어       j    51
#> 29    수학       j    12
#> 30    영어       j    49

반대로 melt로 녹인 데이터를 다시 굳혀주는 함수도 있습니다. 이름하야 cast 함수입니다.

dcast(data = score_m,
      formula = subject~student,
      value.var = "score")
#>   subject  a  b  c  d  e  f  g  h  i  j
#> 1    국어 43 25 89 62 76  1 84 83 17 51
#> 2    수학 53 35 94 38 53 17 80 92 97 12
#> 3    영어 49 69 59 64 23 22 68 51 73 49

cast 함수를 활용하여 범주형 데이터로 변환할 수도 있습니다. 해당 값의 빈도를 출력해 줍니다.

dcast(data = score_m,
      formula = subject~student,
      value.var = "score",
      fun.aggregate = length)
#>   subject a b c d e f g h i j
#> 1    국어 1 1 1 1 1 1 1 1 1 1
#> 2    수학 1 1 1 1 1 1 1 1 1 1
#> 3    영어 1 1 1 1 1 1 1 1 1 1

여기까지 데이터를 원하는 형태로 가공하는 방법인 melt와 cast에 대해 알아보았습니다. 이를 잘 활용하면 분석시 원하는 결과물을 얻는데 도움을 줍니다. 수고하셨습니다.