[Rstudio tidyverse] dplyr 패키지 (filter, select, mutate)

dplyr 패키지 (filter, select, mutate)

dplyr 패키지는 R에서 데이터 프레임을 다루는 작업을 효율적으로 수행하기 위한 패키지로, 데이터 필터링, 정렬, 그룹화, 요약, 변환 등 다양한 작업을 할 수 있다.

데이터 분석 초기에 많이 사용되며, 데이터를  요약하고 살펴보기 위한 용도와 단계별 분석을 위해서 가공하기 위해서 많이 사용되며, 직관적인 문법을 제공한다.

---

penguins 데이터 세트는 palmerpenguins 패키지에 포함되어 있으며, 펭귄 종류에 대한 정보와 크기, 무게 등의 데이터가 포함되어 있음

install.packages('palmerpenguins')  #팔머 펭귄 Dataset이 포함된 패키지 library(palmerpenguins) data("penguins")  #Dataset 불러오기 str(penguins)  #Dataset 구성 확인

> str(penguins)  #Dataset 구성 확인 tibble [344 × 8] (S3: tbl_df/tbl/data.frame)  $ species          : Factor w/ 3 levels "Adelie","Chinstrap",..: 1 1 1 1 1 1 1 1 1 1 ...  $ island           : Factor w/ 3 levels "Biscoe","Dream",..: 3 3 3 3 3 3 3 3 3 3 ...  $ bill_length_mm   : num [1:344] 39.1 39.5 40.3 NA 36.7 39.3 38.9 39.2 34.1 42 ...  $ bill_depth_mm    : num [1:344] 18.7 17.4 18 NA 19.3 20.6 17.8 19.6 18.1 20.2 ...  $ flipper_length_mm: int [1:344] 181 186 195 NA 193 190 181 195 193 190 ...  $ body_mass_g      : int [1:344] 3750 3800 3250 NA 3450 3650 3625 4675 3475 4250 ...  $ sex              : Factor w/ 2 levels "female","male": 2 1 1 NA 1 2 1 2 NA NA ...  $ year             : int [1:344] 2007 2007 2007 2007 2007 2007 2007 2007 2007 2007 ...

table(penguins$species)

> table(penguins$species)    Adelie Chinstrap    Gentoo        152            68           124

---

filter : 특정 조건을 만족하는 데이터 선택

조건 수식	조건 내용
==	왼쪽 값과 오른쪽 값이 동일한지 확인 (Equal to)
!=	왼쪽 값과 오른쪽 값이 다른지 확인 ((Not Equal to)
>	왼쪽 값이 오른쪽 값보다 큰지 확인 (Greater than)
>=	왼쪽 값이 오른쪽 값보다 크거나 같은지 확인 (Greater than or Equal to)
<	왼쪽 값이 오른쪽 값보다 작은지 확인  (Less than)
<=	왼쪽 값이 오른쪽 값보다 작거나 같은지 확인 (Less than or Equal to)
&	두 개의 조건이 모두 참 (만족)
|	두 개의 조건 중 하나 이상 참 (만족)  [shift ] + [ ￦ ]
%in%	벡터와 데이터 프레임의 열에서 원소의 포함 여부를 확인
%notin%	벡터와 데이터 프레임의 열에서 원소의 미포함 여부를 확인  mefa4 패키지 설치 필요
!is.na	결측값 제거

 

특정 문자열 데이터를 필터링

penguins %>%   filter (species == "Chinstrap") #종(species)이 Chinstrap인 데이터

 

복수의 문자열 데이터를 필터링

penguins %>%   filter (species %in% c("Chinstrap", "Gentoo") #종(species)이 Chinstrap과 Gentoo인 데이터

 

숫자 범위로 필터링 + 여러 조건 결합하기 (AND 조건)

penguins %>%   filter (bill_length_mm >= 50 & bill_depth_mm >= 15 )  # bill_length_mm가 50이상이고 bill_depth_mm가 15이상인 데이터

 

숫자 범위로 필터링 + 여러 조건 결합하기 (OR 조건)

penguins %>%   filter (flipper_length_mm >= 230 | flipper_length_mm <= 175) # flipper_length_mm가 230이상이거나 175이하인 데이터

 

결측값 제거 필터링 ( !is.na )

penguins %>%   filter (!is.na(body_mass_g))

 

300x250

 

select : 특정 열(변수)을 선택

penguins %>%   select (species, island, body_mass_g)

 

starts_with(), ends_with() : 열(변수) 이름이 특정 문자열로 시작하거나 끝나는 열 선택

penguins %>%   select(starts_with('bill'))

 

penguins %>%   select(ends_with('mm'))

contains() :  특정 문자열을 담고 있는 열(변수) 선택

penguins %>%   select(contains('length'))

mutate : 새로운 열(변수)을 생성하거나 기존 열을 변환

penguins %>%   mutate (body_mass_kg = body_mass_g /1000)

 

Image source : https://dplyr.tidyverse.org/

 

파이프 연산자 ( |> 또는 %>% )

%>%는 [Ctrl] + [Shift] + [m] 을 누르면 스크립트 창에 입력된다.

R4.1.0 부터, 파이프 연산자가 %>% 에서 |>  로 변경되었다. 

|> 및 %>%는 대부분 동일하게 동작한다. (일부 차이점은 있다고 한다.)

%>%

# With parentheses: letters %>% head()

> letters %>% head() [1] "a" "b" "c" "d" "e" "f"

# Without parentheses: letters %>% head

> letters %>% head [1] "a" "b" "c" "d" "e" "f"

|> (native pipe)

# R 4.1.0: Make sure your parentheses are present: letters |> head()

> letters |> head() [1] "a" "b" "c" "d" "e" "f"

letters |> head

> letters |> head Error in head :    The pipe operator requires a function call as RHS (<input>:1:12)

Reference : https://www.r-bloggers.com/2021/05/new-features-in-r-4-1-0/?fbclid=IwAR0KcJNkrPyQ2cT5LMKvBoOzuYoyxbDdkjd5toiTbmSLecZ_TjBRjGymWMU 

New features in R 4.1.0 | R-bloggers

%>%를 사용하면 다른 인수 없이 함수를 호출할 때 괄호를 삭제할 수 있으나, |>에는 항상 괄호가 필요하다.

1:3 %>% sum()	1:3 |> sum ()
> 1:3 %>% sum() [1] 6	> 1:3 |> sum () [1] 6
1:3 %>% sum	1:3 |> sum
> 1:3 %>% sum [1] 6	> 1:3 |> sum Error in sum :    The pipe operator requires a function call as RHS (<input>:1:8)

Reference : https://stackoverflow.com/questions/67744604/what-does-pipe-greater-than-mean-in-r