# 1. R에서 제공하는 state.x77 데이터 세트를 이용하여 다음 코드들을 작성하시오.
st <- data.frame(state.x77)
## 1) st의 각 열에 대해 특이값이 존재하는지 상자그림을 작성하여 확인하시오.
## 개별 플롯으로 그려서 확인하기
boxplot(st$Population) # 이처럼 데이터 내의 모든 변수에 대해 박스플롯을 실시하면 됨.
boxplot(st$Income)
## 데이터셋의 형태를 변형하여 한 번에 살펴보기 (ggplot) 이용
library(tidyverse)
st |> tidyr::gather(vars, values) |> # wide-form dataset > long-form
ggplot(aes(values)) + geom_boxplot() + # draw boxplot
coord_flip() + # flip x- and y-axis
facet_wrap(~vars, scales = "free", ncol = 4) # split by different variables (columns)
## 2) 특이값이 존재하는 경우 이를 NA로 대체하고 이를 제거하시오.
## boxplot은 관측치가 하위/상위 25%로부터 하위 25%와 상위 25% 사이의 구간 IQR의
## 약 1.5배에 해당하는 값보다 크거나 작으면 극단적인 값으로 간주
## 플롯 상으로는 Area, Income, Population에 극단적인 값들이 보임
## Area의 극단치(하한/상한)를 결측처리
quantile_area <- quantile(st$Area, probs = c(0.25, 0.75))
st$Area <- ifelse(st$Area < quantile_area[1] - 1.5*IQR(st$Area) |
st$Area > quantile_area[2] + 1.5*IQR(st$Area), NA, st$Area)
## income의 극단치(하한/상한)를 결측처리
quantile_income <- quantile(st$Income, probs = c(0.25, 0.75))
st$Income <- ifelse(st$Income < quantile_income[1] - 1.5*IQR(st$Income) |
st$Income > quantile_income[2] + 1.5*IQR(st$Income), NA, st$Income)
## Population의 극단치(하한/상한)를 결측처리
quantile_pop <- quantile(st$Population, probs = c(0.25, 0.75))
st$Population <- ifelse(st$Population < quantile_pop[1] - 1.5*IQR(st$Population) |
st$Population > quantile_pop[2] + 1.5*IQR(st$Population), NA, st$Population)
## NA로 대체된 결과를 제외한 데이터셋 저장
st <- st[complete.cases(st), ] # NA 가 존재하지 않는 행만 남기고 다시 저장
## tidyverse로 동일한 결과
st <-
st |>
rownames_to_column() |>
tidyr::gather(vars, values, -rowname) |>
group_by(vars) |>
mutate(lower = quantile(values, probs = 0.25),
upper = quantile(values, probs = 0.75),
values = case_when(
values < lower - 1.5*IQR(values) |
values > upper + 1.5*IQR(values) ~ NA,
T ~ values
)) |> mutate(row = row_number()) |>
dplyr::select(vars, values, row, rowname) |> ungroup() |>
tidyr::pivot_wider(names_from = vars, # 현재 데이터에서 함수를 적용했을 때 칼럼명으로 갈 칼럼
values_from = values, # 현재 데이터에서 함수를 적용했을 때 값으로 들어갈 칼럼
values_fill = NA, # 결측값이 있을 때 대체할 값
values_fn = NULL) |>
dplyr::select(-row) |> drop_na()
## 3) 2)번 결과를 population(인구수)를 기준으로 내림차순 정렬하시오.
st[order(st$Population, decreasing=T), ]
st |> arrange(desc(Population))
## 4) illiteracy(문맹률)이 낮은 상위 5개 주의 이름과 문맹률을 출력하시오.
st[order(st$Illiteracy, decreasing=F), ] |> top_n(5)
st |> arrange(Illiteracy) |> top_n(5)
# Nevada (0.5), Montana (0.6), Colorado (0.7), Arizona (1.8). New Mexico (2.2)
# 2.
## 1) R에서 제공하는 mtcars 데이터 세트를 이용하여 다음 코드들을 작성하시오.
## 2) gear(기어)의 개수에 따라 split() 함수를 사용하여 그룹을 나누어 mt.gear에 저장하시오.
mt.gear <- split(mtcars, mtcars$gear)
## 3) mt.gear 에서 gear(기어)의 개수가 3인 그룹과 5인 그룹의 데이터를 합쳐서 mtgear35 변수에 저장하고 내용을 출력하시오.
## data frame으로 저장
mtgear35 <- cbind(mt.gear[[1]], mt.gear[[3]])
## list 형식으로 저장
mtgear35_list <- list(mt.gear$`3`, mt.gear$`5`)
## 4) mtcars 데이터 세트에서 wt(중량)dl 1.5 ~ 3.0 사이인 행들을 추출하여 출력하시오.
mtcars[which(mtcars$wt >= 1.5 & mtcars$wt <= 3.0), ]
## OR
mtcars |> dplyr::filter(wt >= 1.5 & wt <= 3.0)
