R 중급 - 데이터 구조 심화 (Data structure)

R의 데이터 구조

• 프로그램에서 다양한 타입의 데이터를 변수에 저장하는 것이 필요하다.
• 운영체제는 사용자가 지정한 데이터 타입에 맞게 변수에 메모리를 할당한다. 
• R의 기본 데이터 타입 (base object) 은 Vector (atomic vector 와 list) 이고, 이를 기반으로 구현된 아래의 데이터 구조가 많이 사용된다.
  • Atomic vector
  • List
  • Matrix
  • Array
  • Factors
  • Data frame

모든 데이터 타입은 Vector 로부터 시작

Matrix 와 Array 는 atomic vector 를 기반으로 만들어진 base object 이다. 
Factor 와 Data frame 은 각각 atomic vector와 list 에 기반한 S3 클래스이다. 

Two types of Vector

• Vector 는 Atomic vector 와 list 로 나눌 수 있다.
• Atomic vector 는 원자가 동질적이고, list 는 이질적일 수 있다.
• Atomic vector 는 1차원 구조이지만 list 는 다차원일 수 있다 (nested structure).

Atomic vector

• 네 가지 atomic vector (logical, integer, double, character)
• raw와 complex 도 있지만 잘 사용하지 않는다.

lgl_var <- c(TRUE, FALSE)
int_var <- c(1L, 6L, 10L)
dbl_var <- c(1, 2.5, 4.5)
chr_var <- c("these are", "some strings")
str(lgl_var)

##  logi [1:2] TRUE FALSE

str(int_var)

##  int [1:3] 1 6 10

str(dbl_var)

##  num [1:3] 1 2.5 4.5

str(chr_var)

##  chr [1:2] "these are" "some strings"

Coercion

• 만약 vector에 다른 타입의 데이터가 들어가면 강제로 형변환된다 (Coercion).
• 이 때, 우선순위는 logical, numeric, double, character 이다.

c(1, "a")

## [1] "1" "a"

c(TRUE, 1)

## [1] 1 1

c(1, 1.1)

## [1] 1.0 1.1

c(3.0, TRUE)

## [1] 3 1

c(c(1,2,3), 1)

## [1] 1 2 3 1

c(list(c(1,2,3)), "a") 

## [[1]]
## [1] 1 2 3
## 
## [[2]]
## [1] "a"

List

• List 는 원자가 어떤 타입이든 될 수 있고, list 도 될 수 있다.

x <- list(1:3, "a", c(TRUE, FALSE, TRUE), c(2.3, 5.9))
str(x)

## List of 4
##  $ : int [1:3] 1 2 3
##  $ : chr "a"
##  $ : logi [1:3] TRUE FALSE TRUE
##  $ : num [1:2] 2.3 5.9

x <- list(list(list(list())))
str(x)

## List of 1
##  $ :List of 1
##   ..$ :List of 1
##   .. ..$ : list()

Excercises (Vector, list)

1. atomic vector 의 6가지 종류는 무엇이고 list 와의 차이점은 무엇인가?

• integer, double, character, complex, raw, boolean.
• homogenous vs heterogenous
• 1d vs nested structure

2. 아래 코드의 결과는?

c(1, FALSE)     

## [1] 1 0

c("a", 1)        

## [1] "a" "1"

c(list(1), "a")  

## [[1]]
## [1] 1
## 
## [[2]]
## [1] "a"

c(TRUE, 1L)     

## [1] 1 1

3. list 를 vector 로 변환하기 위해 사용하는 unlist 는 무엇을 하는가?

• coercion, nested structure 제거, 1d structure 로 변환

a <- list(c(1,2,3,4,5), c(1,2,3))
a

## [[1]]
## [1] 1 2 3 4 5
## 
## [[2]]
## [1] 1 2 3

unlist(a)

## [1] 1 2 3 4 5 1 2 3

Attributes

• 모든 object 는 attribute를 가질 수 있다.
• attr 함수를 통해 attribute를 지정하거나 조회할 수 있다.
  
• attribute가 중요한 이유는
  • attribute 를 통해 데이터의 구조를 설정하기도 한다.
  • 많은 함수에서 attribute 에 따른 기능을 구현한다.
  • attribute는 R 에서 객체를 구현하는 한 가지 방법이다.
  • 새로운 해결 전략을 만들 수도 있고, 문제를 해결하는데 시간을 단축할 수 있다.

Attribute 생성 방법

1. attr 함수

y <- 1:10
attr(y, "my_attribute") <- "This is a vector"
attr(y, "my_attribute")

## [1] "This is a vector"

2. structure 함수
   • attirubte가 추가된 새로운 object를 반환한다.

structure(1:10, my_attribute = "This is a vector")

##  [1]  1  2  3  4  5  6  7  8  9 10
## attr(,"my_attribute")
## [1] "This is a vector"

• attribute 조회
• attributes 함수를 이용하면 list 형태로 반환

attributes(y)

## $my_attribute
## [1] "This is a vector"

세 가지 중요한 attribute

• 아래 attributes 는 R 기본 함수에서 사용법이 약속 되어있다.
  • Names : 각 element 에 지정될 수 있는 chracter vector 이다.
  • Dimensions : Matrix 와 Array에서 쓰인다.
  • Class : S3 object system 에서 쓰인다.
• 데이터를 변형해도 이 attribute 는 사라지지 않는다.
• 다양한 함수에서 이 attribute 를 통해 기능을 구현하고 있다.

Names

• name attribute를 만드는 법은 1) names 함수를 이용 하는 방법, 2) 변수를 생성할 때 지정하는 방법이 있다.

• names 함수는 object의 name 을 만들거나 조회하는 함수이다.

• names 함수를 이용하는 방법

v <- c(1, 2, 3)
names(v) <- c('a')
names(v)

## [1] "a" NA  NA

• 변수를 생성할 때 지정

y <- c(a = 1, 2, 3) 
names(y)

## [1] "a" ""  ""

• attr 함수를 통해서도 name 확인 가능

attr(y, "names")

## [1] "a" ""  ""

Factors

• Factor는 integer vector 를 기반으로한 S3 object 이다.
• Factor는 ’미리 정한 값’만 인자로 넣을 수 있는 Vector 로 볼 수 있다.
• Factor는 범주형 변수를 저장할 때만 쓰인다.
• Factor의 중요한 두 개의 attributes,
  • class : 이것은 factor 가 factor 임을 알려주고, integer vector 와 다른 쓰임을 갖게 한다.
    
  • levels : level은 ‘미리 정한 값’ 을 정의한다.

library(pryr)
x <- factor(c("a", "b", "b", "a"))
x

## [1] a b b a
## Levels: a b

typeof(x) # factor 의 base type 은 integer vector 이다.

## [1] "integer"

otype(x)  # factor 는 S3 object 이다.

## [1] "S3"

class(x)  

## [1] "factor"

str(x)

##  Factor w/ 2 levels "a","b": 1 2 2 1

# getAnywhere(str.default) # factor의 str은 default 로 들어가며, if 문에서 is.factor 로 체크가 된다. 

class(x)

## [1] "factor"

levels(x) # levels 함수는 해당 객체의 levels attribute 를 반환하는 함수이다. 

## [1] "a" "b"

• factor는 interger vector 의 확장 버전이다.

# Factor 를 c 로 결합하면 강제 형변환 (coercion) 되면서, integer vector 로 변한다.
c(factor(c("a", "b", "c")), factor("b")) 

## [1] 1 2 3 1

• factor는 범주형 변수에서처럼 값이 한정적일 때 levels를 미리 정의할 수 있다.

sex_char <- c("m", "m", "m") 
sex_factor <- factor(sex_char, levels = c("m", "f")) 
table(sex_char) 

## sex_char
## m 
## 3

Excercise (Attributes, Names, Factor)

• “test” attribute 를 갖는 vector 생성하기

a <- 1:5 
attr(a, "test") <- "my attribute" 
a

## [1] 1 2 3 4 5
## attr(,"test")
## [1] "my attribute"

a <- structure(1:5, test = "my attribute") 
a 

## [1] 1 2 3 4 5
## attr(,"test")
## [1] "my attribute"

“comment” attribute 만들고 출력해보기

b <- structure(1:5, comment = "my attribute")
b # print.default 함수에서 comment attribute는 출력이 안되도록 구현 

## [1] 1 2 3 4 5

# ?attributes 
# Note that some attributes (namely class, comment, dim, dimnames, names, row.names and tsp) are treated specially and have restrictions on the values which can be set. 

Matrices and arrays

• dim attribute 를 atomic vector 에 추가하면 배열 (array) 이 된다.
• Matrix 는 array 의 한 종류로 2차원 array 이다.
• array 는 atomic vector에 dimension 이 할당된 것이다.

# Matrix 

# 2x3 matrix 생성
a <- matrix(1:6, ncol = 3, nrow = 2)
a

##      [,1] [,2] [,3]
## [1,]    1    3    5
## [2,]    2    4    6

# 2x3x2 array 생성
b <- array(1:12, c(2, 3, 2)) 
b

## , , 1
## 
##      [,1] [,2] [,3]
## [1,]    1    3    5
## [2,]    2    4    6
## 
## , , 2
## 
##      [,1] [,2] [,3]
## [1,]    7    9   11
## [2,]    8   10   12

# dim attribute 를 추가함으로써 array 를 생성할 수도 있다. 
d <- 1:6
dim(d) <- c(3, 2)
d

##      [,1] [,2]
## [1,]    1    4
## [2,]    2    5
## [3,]    3    6

e <- 1:6
attr(e, "dim") <- c(3,2)
e

##      [,1] [,2]
## [1,]    1    4
## [2,]    2    5
## [3,]    3    6

• matrix, array 의 특성

library(pryr)

# matrix, array 의 base object 는 numeric vector 이다. 
typeof(a)

## [1] "integer"

typeof(b)

## [1] "integer"

typeof(d)

## [1] "integer"

# matrix, array는 base object 이다. 
otype(a) 

## [1] "base"

otype(b) 

## [1] "base"

otype(d) 

## [1] "base"

# matrix, array 는 atomic vector에 dim attribute 가 추가된 것이다.  
attributes(a)

## $dim
## [1] 2 3

attributes(b)

## $dim
## [1] 2 3 2

attributes(d)

## $dim
## [1] 3 2

• Charcter array 도 생성 가능

a <- array(c("a", "b", "c", "d", "e", "f"), c(2,3))
a

##      [,1] [,2] [,3]
## [1,] "a"  "c"  "e" 
## [2,] "b"  "d"  "f"

• rownames와 colnames는 matrix 의 name attribute 를 설정하기 위해 사용됨

rownames(a) <- c("A", "B")
colnames(a) <- c("a", "b", "c")
a

##   a   b   c  
## A "a" "c" "e"
## B "b" "d" "f"

attributes(a)

## $dim
## [1] 2 3
## 
## $dimnames
## $dimnames[[1]]
## [1] "A" "B"
## 
## $dimnames[[2]]
## [1] "a" "b" "c"

• length 는 전체 원소의 갯수를 출력함
• array 는 integer vector 기반이므로 원소의 갯수 출력

length(a) 

## [1] 6

• dimnames 를 통해 array 에서 각 dimension 에 대한 변수의 이름을 설정할 수 있음

dimnames(b) <- list(c("one", "two"), c("a", "b", "c"), c("A", "B"))
b

## , , A
## 
##     a b c
## one 1 3 5
## two 2 4 6
## 
## , , B
## 
##     a  b  c
## one 7  9 11
## two 8 10 12

Dataframe

• Dataframe은 R 에서 데이터 분석 시 가장 일반적으로 사용되는 데이터구조
• Dataframe 은 list 를 기반으로 만들어진 S3 클래스이다.
  • 2-dimensional structure
  • 일반적으로 각 element 는 equal-length vector
• Dataframe은 matrix 와 list 의 성질을 동시에 갖음

data frame 의 생성

df <- data.frame(x = 1:3, y = c("a", "b", "c"))
df

##   x y
## 1 1 a
## 2 2 b
## 3 3 c

Data frame 의 성질

library(pryr)
otype(df) # data frame은 list 를 기반으로 만들어진 s3 클래스이다. 

## [1] "S3"

typeof(df) # data frame의 base object는 list 이다. 

## [1] "list"

class(df) # data frame의 s3 클래스 이름은 data.frame 이다. 

## [1] "data.frame"

dim(df) # data frame 은 matrix 의 성질을 갖는다. 

## [1] 3 2

• data frame 에서는 character vector를 자동으로 factor 로 변형한다.

# 이를 해제하기 위해서는 stringAsFactors = FALSE 로 설정한다.
df <- data.frame(
  x = 1:3,
  y = c("a", "b", "c"),
  stringsAsFactors = FALSE)
str(df)

## 'data.frame':    3 obs. of  2 variables:
##  $ x: int  1 2 3
##  $ y: chr  "a" "b" "c"

Data frame 의 병합

cbind(df, data.frame(z = 3:1))

##   x y z
## 1 1 a 3
## 2 2 b 2
## 3 3 c 1

rbind(df, data.frame(x = 10, y = "z"))

##    x y
## 1  1 a
## 2  2 b
## 3  3 c
## 4 10 z

Special columns

• 사용하는 경우는 많이 없지만 개념적으로 가능함

df <- data.frame(x = 1:3)
df$y <- list(1:2, 1:3, 1:4)
df

##   x          y
## 1 1       1, 2
## 2 2    1, 2, 3
## 3 3 1, 2, 3, 4

• data frame 생성 시 컬럼으로 넣으려면 I 키워드를 통해 가능하다.

dfl <- data.frame(x = 1:3, y = I(list(1:2, 1:3, 1:4)))
dfl

##   x          y
## 1 1       1, 2
## 2 2    1, 2, 3
## 3 3 1, 2, 3, 4

dfl$y[[1]]

## [1] 1 2

• matrix 도 data frame 의 컬럼으로 추가할 수 있다.

dfm <- data.frame(x = 1:3, y = I(matrix(1:9, nrow = 3)))
dfm

##   x y.1 y.2 y.3
## 1 1   1   4   7
## 2 2   2   5   8
## 3 3   3   6   9

dfm[2, "y"]

##      [,1] [,2] [,3]
## [1,]    2    5    8

Excercise (Data frame)

• Data frame은 어떤 attribute 를 갖는가?

df <- data.frame(
  x = 1:3,
  y = c("a", "b", "c"),
  stringsAsFactors = FALSE)
attributes(df)

## $names
## [1] "x" "y"
## 
## $class
## [1] "data.frame"
## 
## $row.names
## [1] 1 2 3