R 데이터를 살펴보자 2

바로 이 전 포스팅에서 데이터를 시각적으로, 그리고 요약된 정보를 보는 방법을 배웠어요.

 

데이터 기술 통계량 보기

이어서 이번에는 먼저 요약된 정보들을 정리를 해볼까요?

표로 집어넣어 볼게요.

​

dplyr 라는 패키지를 사용할거예요.

먼저 설치를 해야죠?

install.packages("dplyr", denpendencies = T)

dependencies는 만약 dplyr을 실행하기 위해 필요한 다른 패키지가 있으면 같이 설치하는 거예요.

T는 TRUE예요. TRUE라고 넣어도 돼요.

그리고 semTools라는 패키지도 설치할게요.

install.packages("semTools", dependencies = T)

딸린 애들이 많으니 인내심을 갖고 기다리세요.

semTools는 SEM을 위한 툴이긴한데 여러 쓸모가 많아요.

설치가 끝나면 실행시켜줘요.

library(dplyr)
library(semTools)

library가 뒤의 패키지를 activate 하는 기능어예요.

여기까지 따라오셨죠?

​

(제 데이터 프레임 이름이 RLSPSS인거 기억하시죠? 혹시 가물가물하시면 이 전 포스팅으로 가보세요.)

 

이번에는 chaining 혹은 piping 이라는걸 쓸거예요.

dplyr에 속한 기능이예요. 예를 들어볼게요.

View(RLSPSS %>% group_by(Age) %>% summarize(group_n=n()))

이게 뭐냐고요?ㅋㅋ 

자, View는 이제 익숙해졌을테고,

%>%이게 chain 혹은 pipe operator 이예요.

컨트롤(Ctrl)+쉬프트(Shift)+M 누르면 쉽게 나와요.

이 뜻은 가장 왼쪽부터 시작해서, RLSPSS데이터를 이용해서 group_by(Age)를 하고,

group_by(Age)를 이용해서 summarize(group_n=n())을 해라 라는 의미예요.

그럼 group_by(Age)는 어쩌라는 걸까요?

group_by()는 ()안에 들어가는 변수를 그룹으로 잡는거예요.

summarize로 다양한 수치들을 요약할 수 있고요,

뒤에 따라오는 group_n은 제가 임의로 붙여준 이름이고, n()이건 빈도예요.

 

다시 그럼 큰 그림으로 돌아가서,

View(RLSPSS %>% group_by(Age) %>% summarize(group_n=n())) 

RLSPSS데이터 프레임에서, Age를 기준으로 그룹을 잡고, 각 그룹의 빈도를 보여줘.

라는 의미인거예요.

결과는 다음과 같아요.

이해가 돼죠?

이제 descriptive statistics를 좀 더 추가해볼게요.

=의 왼쪽 부분은 제가 이름을 붙힌거고요(위의 groupn처럼요)

Age 그룹에 따른 Liking점수를 볼거예요.

평균과 표준편차는 각각 mean 과 sd 를 이용해서 계산하면 돼요.

그리고 신뢰구간을 계산하기 위해 표준오차를 먼저 계산했어요.

표준오차(SE) = 표준편차(SD)/루트n 인거 기억하시나요?

그래서 LikingSD/sqrt(groupn)

이 수식이 나왔어요. sqrt는 squared root고요.

그리고 그 아래 LLCI는 lower level confidence interval 이라는 뜻으로 넣었고요

95는 95%신뢰구간이라는 뜻으로 넣었어요.

ULCI는 upper level confidence interval 이란 의미고요.

제가 정한 이름이니 편한대로 설정하시고,

신뢰구간 계산하는거 기억나시나요?

평균 - t(n-1)*표준오차가 95% LLCI

평균 + t(n-1)*표준오차가 95% ULCI

대충 이런식이죠?

LLCI95=LikingMean-(LikingSE*qt(.975, groupn-1))

LikingMean은 평균, LikingSE는 표준오차, qt는 quartile로 95% 신뢰구간이라면 .975, 90%신뢰구간이라면 .95 하시면 돼고, groupn-1는 자유도

저렇게 계산했어요.

신뢰구간 계산 방법을 이해하고 있다면 어렵지 않을거예요.

그리고 그 아래 skewness와 kurtosis때문에 semTools를 넣었는데요.

뒤에 [1]이 붙는 이유는,

skew(RLSPSS$Liking)

이렇게 그냥 보면 4개의 결과물이 나와요. skew, se, z, p 이렇게요.

물론 여기서 se는 skew의 표준오차고 다 skewness에 관한거예요.

이 중에 [1]라고 함으로써 skew 수치만 보여줘 라고 한거예요.

전체적으로 이런 결과를 볼 수 있을거예요.

​

Data converting

​이번엔 converting을 해볼까요?

만약 연속형 데이터를 그룹으로 바꾸고 싶다고 해봐요.

저는 Liking 점수를 그룹화해볼게요.

먼저 데이터 프레임안에 변수 이름을 만들어줄거예요.

결측치로 채워진 새 LikingGroup변수를 만들었고, LikingScore를 보기 좋게 옆으로 옮겨놨어요.

(사실 이렇게 하지 않고 저 두 세로줄만 선택해서 볼 수도 있어요.

View(select(RLSPSS, c(LikingGroup, Liking)))

이렇게요.)

그리고 평균과 표준편차 값을 이용하기 위해

이렇게 만들어놨어요.

 

먼저 Liking점수가 낮은 그룹을 지정해볼게요.

평균-1SD 보다 낮은 값을 LLG, 즉 low liking group으로 지정했어요.

 

이번엔 높은 그룹이예요.

LikingMean+LikingSD, 즉 평균+1SD보다 큰 값을 높은 그룹으로 지정했어요.

 

그 사이 중간 그룹은 어떻게 할까요?

이렇게 &를 이용하면 돼요.

 

그리고 SPSS에서의 filter기능처럼 어떤 데이터만 선택하고 싶으면 어떻게 할까요?

dplyr 패키지를 이용해서, 나이가 20세 이하인 샘플만 골라볼까요?

under20 <- filter(RLSPSS, Age<=20)

만약 이 under20 데이터를 따로 저장하고 싶다? 그럼

write.csv(under20, file="under20.csv", row.names = F)

이런식으로 저장하면 돼요.

만약 row.names = T로 하면

요 가장 왼쪽에 1, 2, 3, 4, 있죠? ID 옆에요.

저게 가장 첫째 세로줄로 와요.

​

할 수 있는게 너무 많아서 다 다루기 힘들지만 사실 아직까지는 R과 익숙해지기 위한 단계라고 생각해요.

​

다음 포스팅에서는 본격적으로 개별 패키지들을 다뤄볼께요.

재밌는 연구하세요!

 

 

​도움이 됐다면 커피 한 잔 사주시면 감사하겠습니다^^

EPIK is 어려운 지식을 가능한 한 쉽게 공유하는 곳이예요 :)