[R] 다양한 자료형(data type)과 인덱싱(indexing)

---

단순 데이터 형식

 

R 에서 데이터 형식은 크게 숫자, 문자, 논리로 나뉜다.

데이터 형식		예시
숫자	numeric	정수, 실수 1, 2, 3, -1, 1.45, -24.8
문자	character	문자나 문자열 (따옴표로 감싸짐) "korea", "10", "안녕"
논리	logical	참과 거짓 TRUE, FALSE (T, F도 사용 가능)
특수한 경우	NULL	정의되어 있지 않은 값 자료형도 없고 길이도 0
	NA	결측값
	NaN	정의가 불가능한 값 sqrt(-5)
	Inf, -Inf	양의 무한대와 음의 무한대

우선순위가 있는데 특수한 경우를 제외하면 문자형 > 숫자형 > 논리형 순이다. 이는 벡터를 다룰 때 중요하다.

 

---

변수

 

데이터들은 이러한 단순 데이터 형식을 포함하여 다양한 데이터 형식을 이용해 변수에 저장할 수 있다.

대입연산자인 <- 혹은 = 을 이용하여 변수를 생성하고 값을 대입할 수 있는데, 예를 들어 x 라는 변수에 5 를 대입하고 싶다면 다음과 같은 코드를 이용하면 된다.

x <- 5

변수의 이름은 영어나 마침표로 시작해야 하고, 영문자, 숫자, 마침표, 밑줄을 사용할 수 있다. 단 마침표로 시작하는 변수명은 R 스튜디오에서 정상적으로 인식하지 못하는 문제가 있다.

다른 프로그래밍 언어와 다르게 이미 있는 키워드도 변수로 사용할 수 있어서 주의가 필요하다. 예를 들어 다음과 같은 코드가 있다고 해보자.

print <- 5

print 는 출력을 위한 함수인데, 여기서 5 를 대입해버리니 이후로는 print 를 사용할 수 없게 된다. 보통 프로그래밍 언어에서는 키워드를 변수 이름으로 사용하지 못하게 막는 것과 반대된다. 자율성이 생긴 것이지만, 실수할 수 있는 경우도 늘어난 것이기에 특히 주의가 필요하다.

또한 C 언어 등 몇몇 언어에서는 변수의 자료형을 명시해야 되지만, R 은 자료형을 명시하지 않고 선언 및 사용하기 때문에 이 부분에서도 실수가 있을 수 있다.

class 함수와 typeof 함수를 이용해서 자료형을 확인할 수 있다.

 

---

요인 (Factor)

 

범주형 자료를 저장하는 데에 이용되는 자료형이다. 요인이 아니라 영어 발음대로 팩터라 하기도 한다.

다음과 같이 요인 변수를 초기화할 수 있다. 이때 data 는 벡터 형식이어야 한다.

factor_name <- factor(data)

요인은 저장되는 값의 종류가 정해진다면 수정이 불가능하기 때문에 데이터를 다룰 때 상대적으로 안전하다.

요인을 저장할 때는 매개변수 levels 와 ordered 를 이용하여 순서형 요인으로 만들 수 있다. ordered_data 는 순서를 나타내는 데이터로 역시 벡터 형식이어야 한다.

factor_name <- factor(data, levels=ordered_data, ordered=TRUE)

levels 함수를 이용하여 요인의 저장된 값들의 종류를 알 수 있고, integer 함수를 이용해 순서대로 숫자로 바꾸어서 출력도 가능하다.

각 요인의 값 자체는 변경할 수 있지만, 앞서 말한바와 같이 종류는 변경할 수 없기 때문에 다른 종류의 값을 요인의 값에 대입하려하면 오류가 발생한다.

 

---

벡터 (Vector)

 

벡터는 동일 형식 데이터의 나열이다. 다른 언어에서의 배열과 비슷하다.

다음과 같이 벡터 변수를 초기화할 수 있다.

vactor_name <- c(data)

만약 다른 데이터 형식을 벡터에 넣는다면 우선순위에 따라 데이터 형식이 바뀐다. 예를 들어 문자형 데이터와 숫자형 데이터를 같은 벡터 변수에 넣게 된다면, 모든 데이터가 문자형 데이터가 된다. 또 숫자형 데이터와 논리형 데이터를 같은 벡터 변수에 넣게 되면 모든 데이터가 숫자형 데이터가 되며 TRUE 는 1 로 FALSE 는 0 으로 치환된다.

기본적으로 벡터의 원소값에는 이름이 없지만, names 함수를 이용해서 이름을 추가해줄 수 있다.

names(vactor_name) <- names_vactor

 

names_vactor 역시 벡터여야 하며 순서대로 원소의 이름이 된다. 단 원소의 길이보다 길면 안된다. 원소의 길이보다 짧다면 부족하여 이름이 없는 원소는 이름으로 결측값인 NA 를 가지게 된다.

기본적인 산술연산을 하면 벡터 내의 모든 값에 영향을 주는 방식으로 계산된다. 예를 들어 벡터의 원소가 (1, 2, 3) 일 때 벡터에 3 을 곱하면 원소라 (3, 6, 9) 인 벡터가 반환되는 것이다.

벡터가 정렬 가능하다면 sort 함수를 이용해서 정렬도 가능하다.

sort(vactor_name) # 벡터의 오름차순 정렬
sort(vactor_name, decreasing=TURE) # 벡터의 내림차순 정렬

벡터를 이용할 때 차원 속성을 추가하여 행렬과 배열 비슷하게 만들 순 있지만, 엄연히 다른 자료형이니 주의가 필요하다.

 

---

행렬 (Matrix)

 

동일 형식의 2차원 데이터이다.

다음과 같이 행렬 변수를 초기화할 수 있다. data 는 벡터 형식이어야 하고, num_row 는 행의 수, num_col 은 열의 수이다.

matrix_name <- matrix(data, nrow=num_row, ncol=num_col)

벡터 데이터를 행과 열의 수에 맞추어 첫번째 열부터 차례대로 채워나가 행렬을 만든다. 만약 데이터가 부족하면 처음부터 데이터를 다시 반복한다. 열부터 채워나가지 않고, 행부터 채워나가고 싶다면 매개변수 byrow 를 이용하면 된다.

matrix_name <- matrix(data, nrow=num_row, ncol=num_col, byrow=TRUE)

벡터와 마찬가지로 다른 형식의 데이터를 넣으면 상위 형식으로 모든 데이터가 변환경된다.

cbind 혹은 rbind 를 이용해여 벡터를 묶어서, 혹은 행렬에 벡터를 추가하여, 혹은 행렬끼리 묶어서 새로운 행렬을 만들 수 있다. cbind 는 열(column)을 중심으로, rbind 는 행(row)을 중심으로 묶는다.

이때 벡터의 길이가 다른 경우 길이가 부족한 벡터를 반복하여 길이를 채운다. 하지만 행렬이 대상이 되어 결합할 때, 즉 벡터와 행렬의 결합이나 행렬과 행렬의 결합에서는 행이나 열의 수가 일치해야 한다.

벡터와 마찬가지로 이름을 붙일 수 있고, 이때 행의 이름은 rownames , 열의 이름은 colnames 함수를 사용한다.

보통은 행과 열로 많이 부르지만, 행을 레코드, 열을 필드라고도 한다.

 

---

배열 (Array)

 

행렬이 2차원 데이터였다면, n차원 데이터에 대해서는 배열을 이용할 수 있다.

array_name <- array(data, dim=c(num_row, num_col, first_depth, second_depth ...))

행렬과 마찬가지로 행, 열, 차원 깊이에 맞춰서 데이터를 채워넣는다.

역시 같은 데이터 형식으로 이뤄져 있기에 다른 형식의 데이터를 넣으면 상위 형식으로 모든 데이터가 변환된다.

 

---

데이터 프레임 (Data Frame)

 

다양한 형식의 데이터를 2차원 데이터 테이블 형태로 묶는 자료형이다.

다음과 같이 데이터 프레임 변수를 초기화할 수 있다. 일반적으로 여러개의 벡터가 매개변수로 사용된다.

dataframe_name <- data.frame(first_vector, second_vector, ...)

만약 벡터 중 길이가 부족한 벡터가 있다면 행렬과 배열 만들 때와 동일하게 순환을 통해 길이를 맞춘다.

 

---

리스트 (List)

 

정말 어떤 자료형이던 넣을 수 있는 자료형이다. 예를 들어 데이터 프레임은 데이터 프레임을 저장하지 못하지만, 리스트는 데이터 프레임을 저장할 수 있고, 리스트 속 리스트 역시 가능하다.

다음과 같이 리스트 변수를 초기화할 수 있다.

list_name <- list(first_name=data1, second_name=data2, ...)

이름과 함께 데이터를 리스트에 저장할 수 있고, $ 연산자를 통해 접근할 수 있다. 예를 들어 name 이라는 리스트에 원소로 (90, 50, 70) 가 있고 이 원소의 이름이 john 이라 하면 다음과 같이 접근하여 john 의 데이터를 확인할 수 있다.

print(name$john)

 

---

인덱싱

 

• 기본적인 인덱싱

단일 데이터를 가지는 변수가 아니라면 변수가 가지는 각 값에 접근하기 위해 인덱싱이 필요하다. 대괄호 [] 를 이용하여 접근하며, 대부분 프로그래밍 언어와 다르게 1 부터 시작한다.

var_name[index]

1차원 데이터에서는 위와 같이 index 번째의 데이터에 접근할 수 있다. 즉 벡터, 리스트에서 이용할 수 있다.

이때 index 값이 음수라면 즉 index 가 - i 라 가정하면 i 번째 데이터를 제외한 나머지 데이터라는 의미이다.

만약 행렬과 같이 2차원 데이터인 경우에는 다음과 같은 인덱싱이 필요하다.

var_name[row, col]

row 행, col 열에 해당하는 데이터를 추출한다.

 

• 벡터를 이용한 인덱싱

벡터를 이용해서 인덱싱할 수도 있는데, 예를 들어서 1, 2, 3 번째 원소를 추출하고자 한다면 다음과 같이 나타낼 수도 있다.

idx <- c(1, 2, 3)
var_name[idx]

먼저 idx 에 (1, 2, 3) 벡터가 대입되고, 이를 통해서 인덱싱하면 해당하는 원소만 추출된다. 이때 - 를 붙여서 idx 에 대입하면 해당 하는 원소만 제외하고 추출된다.

c 함수를 통해서 벡터를 만들지 않아도, : , seq, rep 등을 이용해서 간단히 벡터를 생성하고, 이용할 수 있다.

• a : b

파이썬의 range 함수와 비슷하게 작동한다. a 부터 b 까지의 벡터를 반환한다.

예를 들어 아래와 같이 var 에 1 : 5 를 대입한다 가정하자.

var <- 1:5

 그렇다면 var 는 (1, 2, 3, 4, 5) 벡터가 된다.

 

• seq()

간격을 1 이 아닌 다른 수로 조절하고 싶다면 seq 함수를 이용하면 된다. 기본 동작 자체는 a : b 를 사용하는 것과 유사하다.

예를 들어 다음과 같이 1 부터 10 까지 수 중 짝수만 var 변수에 대입할 수 있다.

var <- seq(1, 10, 2)

 

• rep()

특정 수를 반복하고 싶다면 rep 함수를 이용하면 된다.

예를 들어 숫자 10 을 15 번 반복하는 벡터를 만들고 싶다면, 즉 (10, 10, ... , 10) 을 만들고 싶다면 다음과 같은 코드를 이용하면 된다.

var <- rep(10, 15)

숫자가 아니라 벡터도 반복할 수 있는데, 예를 들어 1 에서 5 까지 수를 5 번 반복시킨 벡터를 만들고자 하면 다음과 같이 코드를 짤 수 있다.

var <- rep(1:5, 5)

 반복의 반복도 가능한데, 예를 들어 1 부터 3 까지 수를 각각 2 번 반복한 것을 3 번 반복할 수도 있다.

var <- rep(1:2, times = 3, each = 2)

 

• 인덱싱에 활용

위와 같은 함수를 이용해서 인덱싱을 할 수 있다. 예를 들어 길이가 10 인 벡터에서 1 에서 5 까지 데이터만 추출하고 싶다면 다음과 같은 코드를 이용하면 된다.

var[1:5]

 혹은 1 에서 5 까지 제외하고 싶다면 다음과 같은 코드를 사용할 수 있다.

var[-1:-5]

행렬에서도 역시 사용할 수 있다. 예를 들어 1 행에서 5 행까지, 그리고 2 열에서 4 열까지 데이터를 가져오고 싶다면 다음과 같은 코드를 이용할 수 있다.

matrix_name[1:5, 2:4]

 

• 이름을 이용한 인덱싱

만약 원소에 이름을 붙였다면 원소의 이름을 이용해서도 인덱싱이 가능하다.

var[element_name]

단 원소의 이름은 문자형이므로 " " 을 사용해야 한다.

벡터를 이용한 인덱싱을 참고하여 해당하는 원소 이름을 벡터로 저장한 후에 벡터로 인덱싱을 하여도 된다.

 

• 논리형 인덱싱

인덱스로 논리형을 사용할 수도 있다. 논리형이 TRUE 라면 추출하고, FALSE 라면 추출하지 않는 형태이다. 보통 벡터 형태로 논리형을 만들고 사용한다.

예를 들어 1 부터 5 까지 값이 순서대로 들어있는 벡터에서 3, 5 번째 값을 추출하려 하면 다음과 같이 코드를 구성할 수 있다.

idx <- c(F, F, T, F, T)
var[idx]

 

• 조건문을 통한 인덱싱

벡터에 조건문을 사용하면 조건에 따라 TRUE 나 FALSE 를 벡터 길이만큼 반환한다. 즉 각 벡터의 원소가 조건문을 만족하면 TRUE 를, 만족하지 않는다면 FALSE 를 반환하고 이를 벡터 형태로 반환하는 것이다.

예를 들어 다음 코드를 확인하자.

var <- c(10, 4, 8, 2, 3, 9)
var > 5

var > 5 에 따라서 차례대로 var 의 원소를 확인한다. 10 은 5 보다 크기에 T, 4 는 작기에 F, 반복하면 반환하는 벡터는 (T, F, T, F, F, T) 이다.

이를 다시 인덱싱에 활용할 수 있다.

예를 들어서 위 var 에서 5 이상인 값만 추출하려면 다음과 같은 코드로 추출할 수 있다.

var[var>5]