Part Ⅴ: 데이터 분석 기초

< 분석도전 >

• Q1. ggplot2의 midwest 데이터를 데이터 프레임 형태로 불러온 다음 데이터의 특징을 파악하세요

• Q2. poptotal 변수를 total로, popasian 변수를 asian으로 수정하세요

• Q3. total, asian 변수를 이용해 '전체 인구 대비 아시아 인구 백분율' 파생변수를 만들고 히스토그램을 만들어 도시들이 어떻게 분포하는지 살펴보세요

• Q4. 아시아 인구 백분율 전체 평균을 구하고, 평균을 초과하면 "large", 그 외에는 "small"을 부여하는 파생변수를 만들어 보세요

• Q5. "large"와 "small"에 해당하는 지역이 얼마나 되는지 빈도표와 빈도 막대 그래프를 만들어 확인해보세요.

# Q1
library(ggplot2)
df <- as.data.frame(ggplot2::midwest)
head(df)
View(df)
str(df)
summary(df)

# Q2
library(dplyr)
df <- rename(df, total=poptotal)
df <- rename(df, asian=popasian)
head(df)

# Q3
df$ratio_asianpertotal <- (df$asian/df$total)*100
hist(df$ratio_asianpertotal)

# Q4
mean_asian <- mean(df$ratio_asianpertotal)
mean_asian

df$ratio_asianpertotal_test <- ifelse( df$ratio_asianpertotal > mean_asian, "large", "small")
head(df)

# Q5
table(df$ratio_asianpertotal_test)
qplot(df$ratio_asianpertotal_test)

---

[ ⅰ. 데이터 파악하기 ]

head()	tail()	View()	dim()	str()	summary()
데이터 앞부분	데이터 뒷부분	뷰어 창에 출력	데이터 차원	데이터 속성	요약 통계량

 

[ⅱ. 변수명 바꾸기]

• df <- rename(df, 바꿀 변수이름 = df에 있는 변수 이름)

 

[ ⅲ. 파생변수 ]

• df$신규변수 <- 수식
• df$신규변수 <- ifelse(조건식, 조건일치時, 조건불일치時)

 

[ ⅳ. 빈도확인 ]

• table()
• hist()
• qplot()

 

 

교재 : 「Do it! 쉽게 배우는 R 데이터 분석」

티스토리에서 R 코드블럭 적용하기