본문 바로가기
반응형

전체 글464

[파이썬 그래프] color pallet 또는 colormap 얻는 방법 아래와 같이 get_cmap 메소드를 사용합니다. 입력값 첫번째 자리에는 colormap 이름, 두번째 자리에는 생성하고 싶은 개수를 입력합니다.  import matplotlib.cm as cmcolors = cm.get_cmap('Set1', 5) colormap 들은 아래 링크에서 확인할 수 있습니다.  https://matplotlib.org/stable/users/explain/colors/colormaps.html Choosing Colormaps in Matplotlib — Matplotlib 3.9.1 documentationChoosing Colormaps in Matplotlib Matplotlib has a number of built-in colormaps accessible via.. 2024. 8. 6.
[파이썬 그래프] 범위를 지정하여 세로선 또는 가로선 그리는 방법 그래프에 선을 그려야 할 일이 있는 경우가 있습니다. 특히 가로선이나 세로선을 그려야 할 일이 종종 있습니다. 화면 전체를 채우는 선이 아니라 특정 길이를 가진 선입니다.  예를 들면 아래와 같은 선입니다.  matplotlib 의 plot 메소드를 이용합니다. plot 메소드는 X,Y 점을 연달아 생성하는 함수입니다. 점끼리 연결할 수도 있습니다. 이 함수를 응용하여 선을 그릴겁니다. 사용 방법을 알아봅시다.  예를 들어 (X1,Y1) 과 (X2,Y2) 두 점을 연달아 그리고 싶다고 할 때, 아래와 같이 입력하면 됩니다.  plot([X1,X2], [Y1,Y2]) X를 먼저 전부 입력하고 나서 Y를 입력합니다.  plot 함수 사용 방법을 알았으니 코드를 이해할 수 있을 겁니다. 위에서 그린 그래프의 .. 2024. 8. 6.
[SPSS 통계] 7. 윌콕슨 순위합 검정 (독립표본 t검정의 비모수) 데이터는 1강에서 다운받으시면 됩니다. (1강 링크) 윌콕슨 순위합 검정은 독립표본 t검정대신 사용하는 비모수 검정입니다. 독립표본 t검정을 사용하려면 모집단이 정규분포를 따른다는 가정이 필요한데, 이러한 가정이 만족되지 않는 경우 독립표본 t검정 대신 미보수 검정인 윌콕슨 순위합검정을 사용할 수 있습니다. 윌콕슨 순위합 검정은 Mann-Whitney U test 라고도 부릅니다. 독립표본 t검정을 사용할수 없는 상황은 아래와 같습니다. 1) 표본수가 작음 2) 정규분포를 가정하기 어려움 (꼬리가 두텁거나 왜곡이 심함) 우리가 사용하는 데이터는 개수가 많고 정규성을 가정할 수 있는 데이터이긴 합니다만, 정규성을 만족하지 않는다고 가정하고 진행하겠습니다. SPSS에서 윌콕슨 순위합 검정을 사용하는 방법을 .. 2023. 10. 18.
[SPSS 통계] 6. 일원분산분석(One-way ANOVA) 및 사후분석 하는 방법 데이터는 1강에서 다운받으시면 됩니다. (1강 링크) 이번시간에는 일원분산분석을해봅시다. 아래와 같은 질문을 해결하는 것이 목적입니다. 체질량지수(BMI)를 세 군으로 나누었을 때, 세 집단 간 키의 차이가 있는가? 일원분산분석에는 세가지 가정이 필요합니다. 1) 각 관측들은 서로 독립이다. (관측이란 표본의 원소를 뜻함) 2) 각 표본의 모집단은 정규분포를 따른다. 3) 각 표본의 모집단은 분산이 같다. BMI 변수 생성하기 1) BMI 변수를 먼저 생성해야 합니다. BMI는 아래와 같이 계산됩니다. BMI=체중/신장^2 체중과 신장의 단위는 kg과 m입니다. 2) [변환]-[변수계산]을 클릭합니다. 3) 아래와 같이 입력하고 확인을 클릭합니다. 키는 mm 단위로 되어 있으므로 0.001을 곱해주어 m.. 2023. 10. 17.
[SPSS 통계] 5. 대응표본 t검정 하는 법 (with 정규성 검정) 데이터는 1강에서 다운받으시면 됩니다. (1강 링크) 이번시간에는 대응표본 t검정을 해봅시다. 아래와 같은 질문을 해결하는 것이 목적입니다. 허리두께와 엉덩이 두께 사이에는 차이가 있는가?? 대응표본 t검정은 두 집단이 서로 대응되어 있을 때 사용합니다. 허리두께와 엉덩이두께는 각 사람에서 대응되어 있습니다. 대응표본 t검정에는 두가지 가정이 필요합니다. 1) 군 내의 각 관측들은 서로 독립이다. 2) 차이의 분포가 정규분포를 따른다. 세번째 가정이 만족되지 않을 경우 웰치의 t검정을 하면 되는데, SPSS에서는 웰치 t검정 결과도 함께 출력됩니다. 정규성검정 1) 정규성 검정을 먼저 해야하기 때문에 두 데이터의 차를 새로운 변수로 만들어 주어야 합니다. [변환]-[변수계산]을 클릭합니다. 2) 아래와 .. 2023. 10. 17.
[SPSS 통계] 4. 독립표본 t검정 하는 법 데이터는 1강에서 다운받으시면 됩니다. (1강 링크) 이번시간에는 독립표본 t검정을 해봅시다. 아래와 같은 질문을 해결하는 것이 목적입니다. 남자와 여자의 키 차이가 있는가?? 독립표본 t검정은 서로 독립인 두 집단의 평균을 비교할 때 사용합니다. 독립표본 t검정에는 세가지 가정이 필요합니다. 1) 각 관측들은 서로 독립이다. (관측이란 표본의 원소를 뜻함) 2) 두 표본 각각의 모집단은 정규분포를 따른다. 3) 두 표본 각각의 모집단은 분산이 같다. 세번째 가정이 만족되지 않을 경우 웰치의 t검정을 하면 되는데, SPSS에서는 웰치 t검정 결과도 함께 출력됩니다. 1) [분석]-[평균비교]-[독립표본 t검정] 를 클릭합니다. 2) 검정변수에 키를 선택하고, 집단변수에 성별을 선택합니다. 3) 집단정의를.. 2023. 10. 17.
[SPSS 통계] 3. 기술통계량, 히스토그램, 상자수염그림, QQ-plot, 정규성검정 한번에 하는법 데이터는 1강에서 다운받으시면 됩니다. (1강 링크) 이번 시간에는 기술통계량, 히스토그램, 상자수염그림, QQ-plot, 정규성검정 결과를 출력하는 방법을 알아봅시다. 1) [분석]-[기술통계량]-[데이터탐색] 를 클릭합니다. 2) 궁금한 변수들을 선택합니다. 동시에 여러변수를 선택해도 됩니다. 성별에 따른 키가 궁금해서 아래와 같이 입력했습니다. 종속변수에 키, 요인에 성별을 넣으면 됩니다. 3) 도표를 클릭하고 원하는 옵션을 추가합니다. 4) 확인을 누르면 아래 결과가 출력됩니다. 조사한 자료의 수와 결측값을 보여줍니다. 남녀 각각의 기술통계량을 보여줍니다. 정규성검정 결과를 보여줍니다. 유의확률이 0.05보다 크면 정규분포를 따른다고 가정할 수 있습니다. 히스토그램을 보여줍니다. 여성의 경우 정규.. 2023. 10. 17.
[SPSS 통계] 2. 기술통계량 보는 법 데이터는 1강에서 다운받으시면 됩니다. (1강 링크) 이번 시간에는 기술통계량을 출력해봅시다. 기술통계량은 평균, 분산과 같이 데이터를 요약하는 값들을 말합니다. 1) [분석]-[기술통계량]-[기술통계] 를 클릭합니다. 2) 궁금한 변수들을 선택합니다. 동시에 여러변수를 선택해도 됩니다. 3) 옵션을 클릭해봅시다. 체크한 값들이 결과로 출력됩니다. 중간값과 분위수는 없네요. 4) 확인을 누르면 아래와 같은 결과가 출력됩니다. 2023. 9. 22.
[SPSS 통계] 1. 사용할 데이터 소개 및 불러오기 SPSS를 이용한 통계분석 강의입니다. SPSS를 이용하여 통계분석을 수행하는 방법과 더불어, 통계 분석에 필요한 이론도 간단히 이해할 수 있도록 제작하려고 합니다. 데이터 소개 이번 시간에는 앞으로 사용할 데이터를 소개하겠습니다. 한국인인체치수조사 기관인 '사이즈 코리아'에서 제공하는 데이터로 8차 인체 치수조사 데이터입니다. 사이즈 코리아 사이트에서 받으셔도 되고, 아래 링크에서 받으셔도 됩니다. 데이터는 아래와 같이 생겼습니다. 탭이 두개 있는데 '8차 직접'탭의 데이터를 사용하겠습니다. 총 4545명으로 구성되어 있습니다. 측정 변수는 366개입니다. SPSS에서 불러오기 좋게 1~6행을 제거해줍니다. A열도 비어있으므로 제거해줍니다. SPSS 에서 불러오기 1) [파일]-[데이터 가져오기]-[E.. 2023. 9. 22.
[R강의] 176. formula 를 문자열로 입력하기 formula 가 무엇인지 모르는 분들을 위해 간단히 설명하겠습니다. iris 데이터가 있다고 합시다. data=iris iris 데이터에는 아래와 같은 변수들이 있습니다. > head(iris) Sepal.Length Sepal.Width Petal.Length Petal.Width Species 1 5.1 3.5 1.4 0.2 setosa 2 4.9 3.0 1.4 0.2 setosa 3 4.7 3.2 1.3 0.2 setosa 4 4.6 3.1 1.5 0.2 setosa 5 5.0 3.6 1.4 0.2 setosa 6 5.4 3.9 1.7 0.4 setosa Species 를 독립변수로 하여 Sepal.Length 의 boxplot 을 그리고 싶다면 아래와 같은 코드를 사용하면 됩니다. boxplot.. 2023. 8. 29.
[R강의] 175. 데이터프레임에서 특정 값이 포함된 행 제거하기 아래와 같은 데이터프레임이 있다고 합시다. id=c('A','B','C','D','E') height=c(156,176,167,189,196) weight=c(65,77,84,67,75) df=data.frame(id,height,weight) > df id height weight 1 A 156 65 2 B 176 77 3 C 167 84 4 D 189 67 5 E 196 75 id가 C인 행을 제거하고 싶다고 합시다. id가 C인 행을 제거하는 방법은 아래와 같습니다. df=df[ !(df['id']=='C'),] !(df['id']=='C')는 id가 C가 아닌 경우를 TRUE, id가 C인 경우를 FALSE로 반환하는 벡터입니다. 이 벡터를 행 인덱스 자리에 입력하면 TRUE인 경우인 C가 아닌 .. 2023. 8. 29.
[R강의] 174. 특정 문자로 벡터 원소 연결해서 문자열로 만들기 아래와 같은 벡터가 있다고 합시다. v=c("HEIGHT","WEIGHT","INCOME") 위 원소들을 특정 기호를 이용하여 연결하여 하나의 문자열을 만들어봅시다. 아래와 같은 코드를 사용합니다. > paste(v,collapse='+') [1] "HEIGHT+WEIGHT+INCOME" 2023. 8. 29.
[R강의] 173. 데이터프레임 인덱싱에서 df[3, ] 와 df['3', ] 의 차이 아래 두 인덱싱을 봅시다. df[3, ] df['3', ] 세번째 행을 인덱싱한다는 의미로 두 코드가 같아 보이지만 전혀 다른 코드입니다. df[3, ] 는 세번째 행을 인덱싱한다는 의미이고, df['3', ] 는 이름이 3인 행을 인덱싱한다는 의미입니다. 일반적으로는 세번쨰 행의 이름이 3이기 때문에 결과가 같지만, 행 이름이 달라지는 경우에는 위 두 코드를 구분해주어야 합니다. 아래와 같은 데이터프레임이 있다고 합시다. id=c('A','B','C','D','E') height=c(156,176,167,189,196) weight=c(65,77,84,67,75) df=data.frame(id,height,weight) 행 이름을 아래와 같이 바꾸겠습니다. rownames(df)=c(3,2,1,4,5).. 2023. 8. 29.
[R강의] 172. 결측치를 평균값으로 대체하기 (ifelse) 벡터나 데이터프레임에 있는 결측치를 평균값으로 대체하는 방법을 알아봅시다. ifelse 문이 사용되므로 ifelse문을 먼저 배워보겠습니다. 1. ifelse 문 ifelse 문은 아래와 같이 사용합니다. ifelse(테스트,참일경우반환,거짓일경우반환) 예를 들면 아래와 같습니다. > ifelse(1==2,1,0) [1] 0 1==2는 거짓이므로 0을 반환합니다. 테스트 자리에 벡터를 넣으면 각 원소별로 테스트가 수행되어 값이 반환됩니다. > v=c(1,2,3,4,5) > ifelse(v==1,1,0) [1] 1 0 0 0 0 v의 각 원소를 1과 비교하여 같으면 1, 다르면 0이 출력됩니다. 2. 벡터의 결측치를 평균값으로 대체 아래와 같은 벡터가 있다고 합시다. v1=c(1,2,NA,4,NA) 벡터의.. 2023. 8. 29.
[R강의] 171. R스튜디오 유용한 단축키 (주석, 줄맞춤, 실행, 콘솔창 지우기) 1. 주석 Ctrl + Shift + C 2. 줄 맞춤 Ctrl + Shift + A 3. 실행 블록 씌운 뒤 Ctrl + Enter 4. 콘솔 창 지우기 Ctrl+l (영어 엘) 2023. 8. 29.
[R강의] 170. 산점도 점에 좌표와 점이름 출력하는 방법 (bquote) 먼저 산점도를 하나 그려봅시다. x=c(1,2,4,4,1) y=c(1,3,6,2,1) plot(x,y,xlim=c(0,5),ylim=c(0,6)) 각 점의 좌표를 먼저 화면에 출력해봅시다. x=c(1,2,4,4,1) y=c(1,3,6,2,1) plot(x,y,xlim=c(0,5),ylim=c(0,6)) for (i in 1:length(x)){ text(x[i],y[i],labels=paste0('(',x[i],',',y[i],')'),pos=1,cex=0.8) } 각 점의 이름을 순서 대로 P1부터 이름을 붙이겠습니다. $P_1(1,1)$ 과 같은 형태로 출력해봅시다. bquote 에서 ~은 한칸을 띄우고 연결하는 것이고, *은 공백 없이 연결한다는 뜻입니다. 변수를 입력할 때는 .(변수)형태로 입력하.. 2023. 8. 29.
[R강의] 169. 그래프에 for문을 이용하여 아래첨자를 변수로 입력하기 (bquote) 아래와 같은 그래프가 있다고 합시다. x=c(1,2,4,4) y=c(1,3,6,2) plot(x,y,xlim=c(0,5),ylim=c(0,6)) 각 점을 $P_{1}$~$P_{4}$라고 두고, 점 아래에 점 이름을 출력하고 싶은 상황입니다. for문을 사용할 것인데요. 이 경우에는 expression 함수가 아닌 bquote 함수를 사용해야 합니다. 아래와 같이 사용합니다. [ ] 는 아래첨자라는 의미이고, .(i)는 i를 변수로 입력받는다는 의미입니다. x=c(1,2,4,4) y=c(1,3,6,2) plot(x,y,xlim=c(0,5),ylim=c(0,6)) for (i in 1:length(x)){ text(x[i],y[i],labels=bquote(P[.(i)]),pos=1,cex=0.8) } 2023. 8. 29.
[R강의] 168. 그래프에 아래첨자,위첨자 넣는 방법 (exprssion) 아래와 같이 이차함수의 그래프를 하나 그려줍니다. x=seq(-4,4,0.01) y=x^2 plot(x,y,type='l') 그래프 제목을 $y=x^2$으로 하고 싶은 상황입니다. 위첨자를 넣어야 합니다. 위첨자는 아래와 같이 넣어줄 수 있습니다. x=seq(-4,4,0.01) y=x^2 plot(x,y,type='l',main=expression(y==x^2)) 아래첨자는 아래와 같이 넣습니다. x=seq(-4,4,0.01) y=x^2 plot(x,y,type='l',main=expression(y==x[2])) 2023. 8. 29.
[R강의] 167. 다른 파일에 정의된 함수 불러와서 사용하기 (source) R파일을 하나 만들어줍니다. myfunctions.R 이라는 이름으로 아래 경로에 저장하겠습니다. C:\Users\Public\Documents 원하는 함수들을 정의합니다. 여러개 정의해도 됩니다. myfun1=function(a,b){ return(a+b) } myfun2=function(a,b){ return(a*b) } myfun3=function(a,b){ return(a+b^2) } 다른 R파일에서 위 함수들을 불러올건데요. source 함수가 사용됩니다. 먼저 다른 R파일을 하나 열어줍니다. 아래 코드를 이용하여 위에서 정의한 함수들을 불러옵니다 . source("C:/Users/Public/Documents/myfunctions.R") 아래와 같이 함수들이 작동하는 것을 알 수 있습니다. >.. 2023. 8. 29.
[R강의] 166. 개월에 따른 시계열 그래프 그리기 (ggseasonplot) 1. 패키지 설치하고 불러오기 #패키지 설치 install.packages('forecast') install.packages('readxl') #패키지 불러오기 library('forecast') library('readxl') 2. 데이터 불러오기 아래 엑셀 데이터를 불러올 겁니다. 다운로드 하시고 원하는 경로에 넣어주세요. 엑셀 데이터는 아래와 같이 불러옵니다. df head(df) date income 1 2020-01-01 1 2 2020-02-01 6 3 2020-03-01 6 4 2020-04-01 2 5 2020-05-01 3 6 2020-06-01 5 2020년 부터 월별 매출액입니다. 3. 데이터 변환 ts 데이터 형태로 바꿔줍시다. tsr=ts(df['income'],start=202.. 2023. 8. 29.
[R강의] 165. 데이터프레임의 특정 열을 기준으로 결측치를 제거하는 방법 데이터프레임을 하나 만들어봅시다. v1=c(1,2,NA,4,NA) v2=c(10,20,NA,NA,50) df=data.frame(v1,v2) > df v1 v2 1 1 10 2 2 20 3 NA NA 4 4 NA 5 NA 50 결측치를 제거할 건데요. NA가 포함된 모든 행을 제거하는 방법은 간단합니다. na.omit 함수를 적용하면 됩니다. > na.omit(df) v1 v2 1 1 10 2 2 20 오늘 우리가 하고 싶은 것은 이게 아닙니다. 특정 열을 기준으로 결측치를 제거하고 싶습니다. 예를 들어 1열을 기준으로 결측치를 제거하면 3,5행만 제거되는 것입니다. 1열을 기준으로 결측치를 제거하는 방법을 알아봅시다. 먼저 1열의 원소들이 NA인지 여부를 논리값으로 출력해봅시다. > is.na(df$v.. 2023. 8. 29.
[R강의] 164. 데이터프레임의 결측치 위치를 알려주는 함수 만들어보기 아래와 같은 데이터프레임이 있다고 합시다. v1=c(NA,2,3,4,NA) v2=c(10,20,NA,NA,50) df=data.frame(v1,v2) > df v1 v2 1 NA 10 2 2 20 3 3 NA 4 4 NA 5 NA 50 긱 원소의 결측치 여부를 확인하는 것은 is.na 로 가능합니다. > is.na(df) v1 v2 [1,] TRUE FALSE [2,] FALSE FALSE [3,] FALSE TRUE [4,] FALSE TRUE [5,] TRUE FALSE 오늘 하고 싶은 것은 결측치의 위치를 출력해주는 함수를 만드는 것입니다. 위 데이터 프레임을 예로 들면 아래와 같이 출력되는 것입니다. 1,1 3,2 4,2 5,1 함수를 만들기 전에 먼저 데이터프레임의 NA 위치를 출력해주는 코드를.. 2023. 8. 29.
[R강의] 163. 벡터 결측치의 위치를 알려주는 함수 만들기 아래와 같은 벡터가 있다고 합시다. v=c(NA,2,3,4,NA) 결측치 여부를 확인하는 것은 is.na 로 가능합니다. > is.na(v) [1] TRUE FALSE FALSE FALSE TRUE 오늘 하고 싶은 것은 결측치의 위치를 출력해주는 함수를 만드는 것입니다. 위 벡터를 예로 들면 결측치의 위치인 1과 5를 출력해주는 것입니다. 함수를 만들기 전에 먼저 하나의 벡터의 NA 위치를 출력해주는 코드를 짜봅시다. 아래와 같습니다. v=c(NA,2,3,4,NA) res=c() for (i in 1:length(v)){ if (is.na(v[i])){ res=append(res,i) } } v[i] 가 NA 인 경우에 i를 res에 추가하는 코드입니다. 예를들어 v[3]이 NA라면 3이 res에 추가됩.. 2023. 8. 29.
[R강의] 162. 데이터프레임 특정 열을 기준으로 오름차순, 내림차순 정렬하기 데이터프레임을 오름차순 또는 내림차순으로 정렬할 때는 order 라는 함수가 사용됩니다. 먼저 order 함수를 이해해봅시다. 1. order 함수와 벡터의 오름차순,내림차순 정렬 아래와 같이 벡터를 두개 정의합시다. v1=c(1,2,1,3,2) v2=c(20,10,10,10,30) v1에 order 함수를 적용해봅시다. > order(v1) [1] 1 3 2 5 4 v1을 오름차순 정렬 했을 때, 각 원소가 몇번 째 오게 되는지를 반환합니다. 만약 order(v1)의 결과를 아래와 같이 인덱스로 사용한다면, 오름차순으로 정렬하는 효과를 얻습니다. > v1[order(v1)] [1] 1 1 2 2 3 내림차순 정렬은 아래와 같이 하면 됩니다. > v1[order(v1,decreasing=TRUE)] [1.. 2023. 8. 29.
[하루만에 끝내는 R 데이터프레임] 8. 특정 조건으로 데이터프레임 추출하기 이번 시간에는 특정 조건으로 데이터프레임을 추출하는 방법을 알아보겠습니다. 1교시. 강의 소개 2교시. 데이터프레임 정의하고 행이름, 열이름 바꾸기 3교시. 유용한 기본함수 (tail, head, str, dim) 4교시. 벡터의 인덱싱 5교시. 데이터 프레임 원소에 접근하기 (데이터프레임 인덱싱) 6교시. 데이터프레임 행과 열에 접근하기 (데이터프레임 열/행 인덱싱) 7교시. 데이터프레임 행 또는 열 제거, 추가, 변경하기 8교시. 특정 조건으로 데이터프레임 추출하기 9교시. 여러 데이터프레임 결합하기 10교시. 엑셀파일을 데이터프레임으로 불러오기 이번시간에 사용할 데이터는 CO2라는 내장데이터입니다. 먼저 내장데이터 CO2를 변수 dt에 넣어줍니다. dt=CO2 str 함수를 이용하여 CO2 데이터에.. 2023. 7. 12.
[하루만에 끝내는 R 데이터프레임] 7. 데이터프레임 행 또는 열 제거, 추가, 변경하기 이번 시간에는 데이터프레임의 행 또는 열 제거, 추가, 변경하는 방법을 배워봅시다. 1교시. 강의 소개 2교시. 데이터프레임 정의하고 행이름, 열이름 바꾸기 3교시. 유용한 기본함수 (tail, head, str, dim) 4교시. 벡터의 인덱싱 5교시. 데이터 프레임 원소에 접근하기 (데이터프레임 인덱싱) 6교시. 데이터프레임 행과 열에 접근하기 (데이터프레임 열/행 인덱싱) 7교시. 데이터프레임 행 또는 열 제거, 추가, 변경하기 8교시. 특정 조건으로 데이터프레임 추리기 9교시. 여러 데이터프레임 결합하기 10교시. 엑셀파일을 데이터프레임으로 불러오기 먼저 데이터프레임을 하나 정의하겠습니다. 학생들의 정보를 담고 있는 데이터프레임입니다. df df[-1,] name age grade 2 Emma 1.. 2023. 7. 10.
[하루만에 끝내는 R 데이터프레임] 6. 데이터프레임 행과 열에 접근하기 (데이터프레임 열/행 인덱싱) 이번 시간에는 데이터프레임의 행과 열에 접근하는 방법을 배워봅시다. 1교시. 강의 소개 2교시. 데이터프레임 정의하고 행이름, 열이름 바꾸기 3교시. 유용한 기본함수 (tail, head, str, dim) 4교시. 벡터의 인덱싱 5교시. 데이터 프레임 원소에 접근하기 (데이터프레임 인덱싱) 6교시. 데이터프레임 행과 열에 접근하기 (데이터프레임 열/행 인덱싱) 7교시. 데이터프레임 행 또는 열 제거, 추가, 변경하기 8교시. 특정 조건으로 데이터프레임 추리기 9교시. 여러 데이터프레임 결합하기 10교시. 엑셀파일을 데이터프레임으로 불러오기 먼저 데이터프레임을 하나 정의하겠습니다. 학생들의 정보를 담고 있는 데이터프레임입니다. df df[1,] name age grade 1 John 20 A 행의 이름을.. 2023. 7. 6.
[하루만에 끝내는 R 데이터프레임] 5. 데이터프레임 원소에 접근하는 방법 이번 시간에는 데이터프레임 원소에 접근하는 방법을 배워봅시다. 벡터의 인덱싱과 원리가 비슷하므로 쉽게 이해할 수 있을 것입니다. 1교시. 강의 소개 2교시. 데이터프레임 정의하고 행이름, 열이름 바꾸기 3교시. 유용한 기본함수 (tail, head, str, dim) 4교시. 벡터의 인덱싱 5교시. 데이터 프레임 원소에 접근하기 (데이터프레임 인덱싱) 6교시. 데이터프레임 열과 행에 접근하기 7교시. 데이터프레임 행 또는 열 제거, 추가, 변경하기 8교시. 특정 조건으로 데이터프레임 추리기 9교시. 여러 데이터프레임 결합하기 10교시. 엑셀파일을 데이터프레임으로 불러오기 데이터프레임을 하나 정의하겠습니다. 학생들의 정보를 담고 있는 데이터프레임입니다. df df name age grade 1 John 2.. 2023. 6. 16.
[하루만에 끝내는 R 데이터프레임] 4. 벡터의 인덱싱 이번 시간에는 벡터의 인덱싱을 배워봅시다. 인덱싱은 데이터에서 원하는 요소에 접근하는 방법을 말합니다. 벡터의 인덱싱을 확장한 것이 데이터프레임의 인덱싱이므로 벡터의 인덱싱을 먼저 잘 이해해야 데이터프레임의 인덱싱을 잘 할 수 있습니다. 1교시. 강의 소개 2교시. 데이터프레임 정의하고 행이름, 열이름 바꾸기 3교시. 유용한 기본함수 (tail, head, str, dim) 4교시. 벡터의 인덱싱 5교시. 데이터 프레임 원소에 접근하기 (데이터프레임 인덱싱) 6교시. 데이터프레임 열과 행에 접근하기 7교시. 데이터프레임 행 또는 열 제거, 추가, 변경하기 8교시. 특정 조건으로 데이터프레임 추리기 9교시. 여러 데이터프레임 결합하기 10교시. 엑셀파일을 데이터프레임으로 불러오기 인덱싱이 무엇인지 이해하기.. 2023. 6. 2.
[하루만에 끝내는 R 데이터프레임] 3. 유용한 기본함수 (tail, head, str, dim) 이번시간에는 데이터프레임에 사용하는 유용한 함수를 알아봅시다. 1교시. 강의 소개 2교시. 데이터프레임 정의하고 행이름, 열이름 바꾸기 3교시. 유용한 기본함수 (tail, head, str, dim) 4교시. 벡터의 인덱싱 5교시. 데이터 프레임 원소에 접근하기 (데이터프레임 인덱싱) 6교시. 데이터프레임 열과 행에 접근하기 7교시. 데이터프레임 행 또는 열 제거, 추가, 변경하기 8교시. 특정 조건으로 데이터프레임 추리기 9교시. 여러 데이터프레임 결합하기 10교시. 엑셀파일을 데이터프레임으로 불러오기 네 가지 함수를 배워볼 건데요. tail, haed, str, dim 입니다. 간단한 설명은 아래와 같습니다. tail : 데이터프레임의 앞부분 출력 head : 데이터프레임 뒷부분 출력 str : 데.. 2023. 6. 2.
반응형