[R] 데이터프레임(DataFrame)

by 호쌤(이광호) on December 8, 2022

데이터프레임(DataFrame)은 행과 열로 구성된 사각형의 표 형식의 자료구조로서 데이터 분석에서 가장 유용하며 필수불가결한 자료형입니다. 데이터프레임이라는 용어가 낯설다면 엑셀과 같은 분석 프로그램의 시트(sheet) 데이터를 구현하기 위한 자료형이라고 생각하면 이해하기 쉽습니다.

#01. 데이터 프레임의 이해

1) 데이터 프레임 기본 구조

엑셀의 표 형태로 구성된 데이터분석의 가장 기본적인 자료구조

열과 행으로 구성되며 열 > 행 순으로 값에 접근한다.

• 열: column이나 변수라고도 부름
• 행: row나 index라고도 부름

2) 데이터프레임과 행렬

공통점

• 데이터프레임과 행렬은 모두 2차원 데이터이다.

차이점

• 데이터프레임의 각 열은 서로 다른 자료형이 될 수 있다.
• 데이터프레임은 열 이름, 행 이름을 가질 수 있다.

#02. 데이터프레임 생성하기

1. 벡터를 통한 생성
2. 텍스트 파일을 통한 생성
3. csv파일 로드하기
4. 엑셀파일 로드하기

1) 벡터를 활용한 생성

열로만 구성되는 데이터 프레임 생성

data.frame()함수에 여러 개의 벡터를 설정한 결과를 반환받는다.

kor <- c(98, 88, 92, 63, 120)
eng <- c(NA, 90, 70, 60, 50)
math <- c(88, 62, NA, 31, NA)
sinc <- c(64, 72, NA, 70, 88)

성적표 <- data.frame(kor, eng, math, sinc)
성적표

💻 출력결과

행, 열의 이름을 갖는 데이터 프레임 생성하기

행 이름 지정하기

• data.frame()함수에 row.names 파라미터를 지정하고, 각 행의 이름을 벡터로 설정한다.
• 데이터 분석에서 행을 의미하는 용어들: 인덱스(index), 로우(row)
• Python에서는 데이터프레임에 대한 인덱스가 정해져 있는 것이 분석에 유리하지만 R에서는 인덱스를 사용하지 않는 것이 더 유리하다.

열 이름 지정하기

• data.frame()함수에 설정되는 각각의 벡터를 이름=벡터 형식으로 명시한다.
• 데이터 분석에서 열을 의미하는 용어들: 컬럼(column), 변수(value)

kor <- c(98, 88, 92, 63, 120)
eng <- c(NA, 90, 70, 60, 50)
math <- c(88, 62, NA, 31, NA)
sinc <- c(64, 72, NA, 70, 88)

성적표 <- data.frame(국어=kor, 영어=eng, 수학=math, 과학=sinc,
                   row.names=c("철수", "영희", "민수", "수현", "호영"))
성적표

💻 출력결과

2) 텍스트 파일 가져오기

• 각 컬럼이 탭키로 구분되는 형식의 텍스트 파일을 데이터 프레임으로 변환한다.

구문형식

read.table(file,                     # 가져올 파일의 경로 혹은 URL (필수)
           header = TRUE|FALSE,      # 첫 번째 행을 헤더로 사용할 것인지 여부 (기본값=FALSE)
           sep = ""                  # 각 열을 구분하는 글자 (필수)
           row.names = c(...),       # 행 이름 설정.
           col.names = c(...),       # 열 이름 설정.
           na.strings = "NA",        # NA 처리를 하고자 하는 문자열 지정
           stringsAsFactors = default.stringsAsFactors(), # 문자열 컬럼의 팩터화 여부
           fileEncoding = "utf-8|euc-kr")  # 파일 인코딩 (Mac을 사용할 경우 필수)

가져오고자 하는 텍스트 파일 확인

https://blog.hossam.kr/data/grade.txt

이름	학년	성별	국어	영어	수학	과학
철수	1	  남자	98	88	64
영희	2	  여자	88	90	62	72
민수	1	  남자	92	70		
수현	3	  여자	63	60	31	70
호영	4	  남자	120	50	88

기본값들로만 처리하는 경우

성적표txt <- read.table("https://blog.hossam.kr/data/grade.txt", 
                       sep='\t', fileEncoding="euc-kr")
성적표txt

• 텍스트 파일의 첫 행부터 데이터로 인식되고 각 컬럼의 이름은 임의로 지정된다.
• 빈 값도 하나의 데이터로 인식된다.

💻 출력결과

옵션을 적용하여 텍스트 파일로부터 데이터프레임 생성하기

성적표txt <- read.table("https://blog.hossam.kr/data/grade.txt", 
                 sep='\t', header=TRUE, na.strings="", fileEncoding="euc-kr")
성적표txt

• header=TRUE : 텍스트 파일의 첫 번째 라인을 컬럼 이름으로 사용할지 여부
• na.strings=”“ : 빈 칸을 결측값(NA)으로 인식
• 대부분의 경우 권장하는 방식

💻 출력결과

💡 텍스트 파일의 첫 행이 컬럼 이름으로 사용되었음을 알 수 있다.

3) csv 파일 읽기

구문형식

read.csv(file,                 # 가져올 파일의 경로 혹은 URL (필수)
         header = TRUE|FALSE,  # 첫 번째 행을 헤더로 사용할 것인지 여부 (기본값=TRUE)
         sep = ","             # 각 열을 구분하는 글자 (기본값=콤마',')
         row.names = c(...),   # 행 이름 설정. 
         col.names = c(...),   # 열 이름 설정. 
         na.strings = "NA",    # NA 처리를 하고자 하는 문자열 지정
         stringsAsFactors = default.stringsAsFactors(), # 문자열 컬럼의 팩터화 여부
         fileEncoding="utf-8|euc-kr")  # 파일 인코딩 (Mac을 사용할 경우 필수)

기본적으로 read.table() 함수와 동일하지만 sep 옵션이 콤마(,)로 기본 지정되어 있으며 header 옵션의 기본값이 TRUE로 지정되어 있다.

CSV 파일을 기반으로 한 데이터프레임 생성

# -> header=FALSE 옵션을 추가하면 첫 줄이 컬럼이름으로 인식되지 않고 일반 데이터로 인식된다.
성적표csv <- read.csv("https://blog.hossam.kr/data/grade.csv", 
                    stringsAsFactors=FALSE, fileEncoding="euc-kr")
성적표csv

💻 출력결과

4) 엑셀파일 가져오기

엑셀파일을 처리하기 위한 패키지 설치 및 로드

💡 패키지는 일종의 확장팩이라고 이해하면 쉽습니다. 패키지에 대한 내용은 뒤에서 별도로 정리할 것이므로 여기서는 일단 아래 구문을 그대로 입력하고 넘어가겠습니다.

REPO_URL <- "https://cran.seoul.go.kr/"
if (!require(readxl)) install.packages("readxl", repos=REPO_URL)
library(readxl)

💻 출력결과

패키지 다운로드 과정이 최초 1회만 표시되며 그 후부터는 아무런 결과도 표시되지 않는다.

엑셀파일을 가져오기 위한 구문 형식

# 원격지의 파일을 내려받기
download.file(파일URL, **저장할파일경로**, mode='wb')

# 내려 받은 파일을 데이터 프레임으로 변환하기
read_excel(**저장된파일경로**,       # 엑셀파일의 경로 (필수)
           sheet="...",      # 읽어올 시트의 이름 (필수)
           range = "...",    # 읽어들일 범위 (ex: A1:D19)
           col_names = TRUE) # 엑셀의 첫 행을 컬럼이름으로 사용할지 여부(기본값=True)

• 원격지의 엑셀 파일을 가져와야 하는 경우 download.file(URL, 저장할파일이름, mode='wb') 함수를 사용하여 파일을 내려받은 후 읽어들일 수 있다.
• mode='wb'가 지정되지 않을 경우 다운받은 파일을 압축 파일로 인식한다.
• 다운로드 처리를 하지 않는 경우 텍스트나 csv와 달리 현재 컴퓨터에 저장되어 있는 파일만 가져올 수 있다.

온라인 상의 엑셀파일을 기반으로 한 데이터 프레임 생성

# 저장할 파일 이름
filename <- 'helloworld.xlsx'

# 엑셀 파일 다운로드 받기
download.file("https://blog.hossam.kr/data/grade.xlsx", filename, mode='wb')

# 다운로드 받은 파일을 데이터 프레임으로 변환
성적표xlsx <- read_excel(filename, sheet="grade")

# 결과 출력
성적표xlsx

💻 출력결과