04. R의 변수와 데이터 타입 및 구조 2️⃣ (리스트, 행렬, 데이터프레임)

이번 글에서는 저번 글에 이어 R의 변수와 데이터 타입 및 구조에 대해 이어 내용을 설명하려고 합니다.
저번 글에서는 데이터 구조 중에서 벡터까지 설명을 했으며, 이번 글에서는 리스트, 행렬과 데이터프레임에 대한 설명이 이루어질 예정입니다.

---

R의 데이터 종류(구조)

R에서는 다양한 데이터 구조가 있으며, 각 구조는 특정 형태로 데이터를 저장하는 방법을 제공합니다.

---

리스트 (List)

R에서 가장 유연하고 강력한 데이터 구조 중 하나로, 서로 다른 데이터 타입을 가진 객체들을 하나의 구조 안에 저장할 수 있는 1차원 데이터 구조입니다.

리스트는 벡터와 달리 각 요소가 서로 다른 데이터 타입을 가질 수 있으며, 이러한 요소들은 숫자, 문자, 논리형, 벡터, 행렬, 데이터 프레임 등 다양한 R 객체일 수 있습니다.

리스트의 생성

리스트는 list() 함수를 사용하여 생성합니다. 리스트의 각 요소는 이름을 가질 수도 있고, 가질 필요도 없습니다.

# 기본 리스트 생성
my_list <- list(1, "apple", TRUE)
print(my_list)
# 출력: [[1]]
#        [1] 1
#        
#        [[2]]
#        [1] "apple"
#        
#        [[3]]
#        [1] TRUE

# 이름을 가진 리스트 생성
named_list <- list(number = 1, fruit = "apple", logic = TRUE)
print(named_list)
# 출력: $number
#        [1] 1
#        
#        $fruit
#        [1] "apple"
#        
#        $logic
#        [1] TRUE

 

리스트의 인덱싱과 요소 접근

리스트의 요소에 접근하기 위해서는 [[ ]] 또는 $를 사용합니다.

• [[ ]]를 사용하면 인덱스나 이름으로 특정 요소에 접근할 수 있습니다.
• $는 이름으로만 접근할 수 있으며, 편리하게 사용할 수 있는 방법입니다.

# 리스트의 첫 번째 요소 접근
my_list[[1]]
# 출력: 1

# 이름으로 접근
named_list$fruit
# 출력: "apple"

# 리스트의 여러 요소를 추출할 때는 `[ ]`를 사용합니다. 이 경우 반환되는 것은 여전히 리스트입니다.
sub_list <- my_list[1:2]
print(sub_list)
# 출력: [[1]]
#        [1] 1
#        
#        [[2]]
#        [1] "apple"

 

리스트의 수정과 확장

리스트는 동적으로 수정하거나 확장할 수 있습니다.

• 요소 수정: 기존 리스트의 특정 요소를 수정할 수 있습니다.
• 요소 추가: 새로운 요소를 추가할 수 있습니다.

my_list[[2]] <- "banana"
print(my_list)
# 출력: [[1]]
#        [1] 1
#        
#        [[2]]
#        [1] "banana"
#        
#        [[3]]
#        [1] TRUE

my_list[[4]] <- 3.14
print(my_list)
# 출력: [[1]]
#        [1] 1
#        
#        [[2]]
#        [1] "banana"
#        
#        [[3]]
#        [1] TRUE
#        
#        [[4]]
#        [1] 3.14

 

리스트의 결합

리스트를 결합할 때는 c() 함수를 사용하여 여러 리스트를 하나로 합칠 수 있습니다.

list1 <- list(1, 2, 3)
list2 <- list("a", "b", "c")
combined_list <- c(list1, list2)
print(combined_list)
# 출력: [[1]]
#        [1] 1
#        
#        [[2]]
#        [1] 2
#        
#        [[3]]
#        [1] 3
#        
#        [[4]]
#        [1] "a"
#        
#        [[5]]
#        [1] "b"
#        
#        [[6]]
#        [1] "c"

---

행렬 (Matrix)

R에서 동일한 데이터 타입을 가진 원소들로 이루어진 2차원 배열입니다. 행렬은 주로 수치 데이터나 데이터를 행과 열로 구조화하여 분석할 때 사용됩니다.

행렬은 matrix() 함수를 사용하여 생성되며, 행과 열의 개수를 지정해 데이터가 어떻게 배열될지 정의합니다.

행렬의 생성

행렬은 matrix() 함수를 사용하여 생성합니다.

# 숫자 1부터 9까지의 데이터를 가진 3x3 행렬 생성
my_matrix <- matrix(1:9, nrow = 3, ncol = 3)
print(my_matrix)
# 출력:
#      [,1] [,2] [,3]
# [1,]    1    4    7
# [2,]    2    5    8
# [3,]    3    6    9

 

주요 매개변수:

• data: 행렬에 채울 데이터를 지정합니다. 이 데이터는 벡터로 제공되며, 순서대로 행렬에 채워집니다.
• nrow: 행의 개수를 지정합니다.
• ncol: 열의 개수를 지정합니다.
• byrow: TRUE로 설정하면 행을 우선으로 데이터가 채워집니다. 기본값은 FALSE로, 열을 우선으로 채워집니다.

행렬의 속성

• 차원 확인: dim() 함수를 사용하여 행렬의 차원을 확인할 수 있습니다.
• 행의 개수와 열의 개수: 각각 nrow()와 ncol() 함수를 사용하여 행과 열의 개수를 확인할 수 있습니다
• 행렬의 길이: length() 함수는 행렬의 총 요소 개수를 반환합니다.

dim(my_matrix)
# 출력: 3 3

nrow(my_matrix)
# 출력: 3

ncol(my_matrix)
# 출력: 3

length(my_matrix)
# 출력: 9

 

행렬의 인덱싱과 슬라이싱

행렬의 특정 요소에 접근하거나, 행 또는 열을 선택할 때는 대괄호 [ ]를 사용합니다. 인덱스는 [행, 열] 형태로 지정됩니다.

# 행렬의 첫 번째 행, 두 번째 열에 있는 요소에 접근
my_matrix[1, 2]
# 출력: 4

# 첫 번째 행 전체 선택
my_matrix[1, ]
# 출력: 1 4 7

# 두 번째 열 전체 선택
my_matrix[, 2]
# 출력: 4 5 6

# 특정 행과 열의 범위를 선택
my_matrix[1:2, 2:3]
# 출력:
#      [,1] [,2]
# [1,]    4    7
# [2,]    5    8

 

행렬의 연산

행렬에서는 다양한 산술 연산이 가능합니다. R에서는 행렬 간의 덧셈, 뺄셈, 곱셈 등을 쉽게 수행할 수 있습니다.

• 행렬 간 덧셈 및 뺄셈: 동일한 차원의 행렬 간에는 요소별 덧셈과 뺄셈이 가능합니다.

matrix1 <- matrix(1:4, nrow = 2)
matrix2 <- matrix(5:8, nrow = 2)

sum_matrix <- matrix1 + matrix2
print(sum_matrix)
# 출력:
#      [,1] [,2]
# [1,]    6   10
# [2,]    8   12

diff_matrix <- matrix2 - matrix1
print(diff_matrix)
# 출력:
#      [,1] [,2]
# [1,]    4    4
# [2,]    4    4

• 행렬 곱셈: 행렬 간의 곱셈은 일반적으로 행렬 곱셈을 의미하며, %*% 연산자를 사용합니다.

prod_matrix <- matrix1 %*% matrix2
print(prod_matrix)
# 출력:
#      [,1] [,2]
# [1,]   19   22
# [2,]   43   50

• 요소별 곱셈: 요소별 곱셈은 * 연산자를 사용하여 수행됩니다.

elementwise_prod <- matrix1 * matrix2
print(elementwise_prod)
# 출력:
#      [,1] [,2]
# [1,]    5   21
# [2,]   12   32

• 전치 행렬: 행렬을 전치(Transpose)하려면 t() 함수를 사용합니다.

t_matrix <- t(my_matrix)
print(t_matrix)
# 출력:
#      [,1] [,2] [,3]
# [1,]    1    2    3
# [2,]    4    5    6
# [3,]    7    8    9

 

행렬의 결합

행렬은 행 또는 열을 기준으로 결합할 수 있습니다. 이때 rbind()와 cbind() 함수를 사용합니다.

• 행 결합: rbind() 함수를 사용하여 행을 기준으로 행렬을 결합합니다.
• 열 결합: cbind() 함수를 사용하여 열을 기준으로 행렬을 결합합니다.

# 행 결합
matrix3 <- matrix(10:12, nrow = 1)
combined_by_row <- rbind(my_matrix, matrix3)
print(combined_by_row)
# 출력:
#      [,1] [,2] [,3]
# [1,]    1    4    7
# [2,]    2    5    8
# [3,]    3    6    9
# [4,]   10   11   12

# 열 결합
matrix4 <- matrix(13:15, nrow = 3)
combined_by_column <- cbind(my_matrix, matrix4)
print(combined_by_column)
# 출력:
#      [,1] [,2] [,3] [,4]
# [1,]    1    4    7   13
# [2,]    2    5    8   14
# [3,]    3    6    9   15

---

데이터 프레임 (Data Frame)

데이터프레임(Data Frame)은 R에서 가장 널리 사용되는 데이터 구조로, 행과 열로 이루어진 2차원 데이터 구조입니다. 데이터프레임은 주로 통계 분석, 데이터 조작 및 시각화 등 다양한 분석 작업에서 사용됩니다. 각 열은 벡터로 이루어지며, 서로 다른 데이터 타입을 가질 수 있습니다. 즉, 하나의 열은 숫자형 데이터를, 다른 열은 문자형 데이터를 포함할 수 있습니다.

데이터프레임의 생성

데이터프레임은 data.frame() 함수를 사용하여 생성할 수 있습니다.

# 예제 데이터프레임 생성
df <- data.frame(
  id = 1:3,
  name = c("Alice", "Bob", "Charlie"),
  score = c(85.5, 90.0, 88.75),
  passed = c(TRUE, TRUE, FALSE)
)

print(df)
# 출력:
#   id    name score passed
# 1  1   Alice 85.50   TRUE
# 2  2     Bob 90.00   TRUE
# 3  3 Charlie 88.75  FALSE

 

데이터프레임의 속성

• 차원 확인: dim() 함수를 사용하여 데이터프레임의 차원을 확인할 수 있습니다.
• 행의 개수와 열의 개수: 각각 nrow()와 ncol() 함수를 사용하여 확인할 수 있습니다.
• 열 이름: names() 함수나 colnames() 함수를 사용하여 열 이름을 확인할 수 있습니다.
• 행 이름: rownames() 함수를 사용하여 행 이름을 확인할 수 있습니다.

dim(df)
# 출력: 3 4 (3개의 행과 4개의 열)

nrow(df)
# 출력: 3

ncol(df)
# 출력: 4

names(df)
# 출력: "id" "name" "score" "passed"

rownames(df)
# 출력: "1" "2" "3"

 

데이터프레임의 인덱싱과 서브셋팅

데이터프레임에서 특정 요소, 행, 열에 접근하거나, 서브셋을 추출하는 방법은 벡터와 유사합니다.

• 특정 요소 접근: [행, 열] 형태로 특정 요소에 접근할 수 있습니다.
• 특정 행 또는 열 선택: 행이나 열을 지정하여 서브셋을 추출할 수 있습니다.
• 열 이름으로 접근: $를 사용하여 열 이름으로 데이터에 접근할 수 있습니다.
• 조건부 서브셋팅: 조건을 지정하여 특정 행을 선택할 수 있습니다.

# 특정 요소 접근
df[1, 2]
# 출력: "Alice" (1행 2열의 요소)

# 2번째 행 선택
df[2, ]
# 출력:
#   id name score passed
# 2  2  Bob  90.0   TRUE

# "name" 열 선택
df[, "name"]
# 출력: "Alice" "Bob" "Charlie"

# 열 이름으로 접근
df$name
# 출력: "Alice" "Bob" "Charlie"

# 조건부 서브셋팅
# score가 88 이상인 행 선택
high_scores <- df[df$score >= 88, ]
print(high_scores)
# 출력:
#   id    name score passed
# 2  2     Bob 90.00   TRUE
# 3  3 Charlie 88.75  FALSE

 

데이터프레임의 수정 및 확장

데이터프레임은 동적으로 수정하거나 열과 행을 추가할 수 있습니다.

• 열 추가: 새로운 열을 추가할 수 있습니다.

df$grade <- c("B", "A", "B+")
print(df)
# 출력:
#   id    name score passed grade
# 1  1   Alice 85.50   TRUE     B
# 2  2     Bob 90.00   TRUE     A
# 3  3 Charlie 88.75  FALSE    B+

• 행 추가: rbind() 함수를 사용하여 새로운 행을 추가할 수 있습니다.

new_row <- data.frame(id = 4, name = "David", score = 92, passed = TRUE, grade = "A")
df <- rbind(df, new_row)
print(df)
# 출력:
#   id    name score passed grade
# 1  1   Alice 85.50   TRUE     B
# 2  2     Bob 90.00   TRUE     A
# 3  3 Charlie 88.75  FALSE    B+
# 4  4   David 92.00   TRUE     A

• 열 이름 변경: names() 함수를 사용해 열 이름을 변경할 수 있습니다.

names(df)[2] <- "student_name"
print(df)
# 출력:
#   id student_name score passed grade
# 1  1        Alice 85.50   TRUE     B
# 2  2          Bob 90.00   TRUE     A
# 3  3      Charlie 88.75  FALSE    B+
# 4  4        David 92.00   TRUE     A

 

데이터프레임의 결합

데이터프레임을 행이나 열 기준으로 결합할 수 있습니다.

• 행 결합: rbind() 함수를 사용하여 데이터프레임을 행 기준으로 결합합니다.

df2 <- data.frame(id = 5, student_name = "Eve", score = 87, passed = TRUE, grade = "B")
df <- rbind(df, df2)
print(df)
# 출력:
#   id student_name score passed grade
# 1  1        Alice 85.50   TRUE     B
# 2  2          Bob 90.00   TRUE     A
# 3  3      Charlie 88.75  FALSE    B+
# 4  4        David 92.00   TRUE     A
# 5  5          Eve 87.00   TRUE     B

• 열 결합: cbind() 함수를 사용하여 데이터프레임을 열 기준으로 결합합니다.

new_col <- data.frame(attendance = c(95, 100, 80, 90, 85))
df <- cbind(df, new_col)
print(df)
# 출력:
#   id student_name score passed grade attendance
# 1  1        Alice 85.50   TRUE     B         95
# 2  2          Bob 90.00   TRUE     A        100
# 3  3      Charlie 88.75  FALSE    B+         80
# 4  4        David 92.00   TRUE     A         90
# 5  5          Eve 87.00   TRUE     B         85

 

데이터프레임의 활용

데이터프레임은 데이터 분석에서 필수적인 도구로, 다양한 데이터를 구조화하여 다루는 데 매우 유용합니다. 예를 들어, 요약 통계를 계산하거나, 특정 조건에 따라 데이터를 필터링하고, 그룹별로 데이터를 집계하는 작업 등에 사용됩니다.

• 요약 통계 계산 : summary() 함수는 데이터프레임의 각 열에 대해 요약 통계를 제공합니다.
• 그룹별 집계 : aggregate() 함수를 사용하여 데이터프레임의 데이터를 그룹별로 집계할 수 있습니다.

# 요약 통계 계산
summary(df)

# 그룹별 집계 : grade에 따라 score의 평균 계산
grade_avg <- aggregate(score ~ grade, data = df, FUN = mean)
print(grade_avg)
# 출력:
#   grade score
# 1     A  91.0

---

이번 글에서는 리스트, 행렬, 데이터프레임에 대해 자세히 살펴보았습니다. 이 데이터 구조들은 R에서 데이터를 효율적으로 다루는 데 필수적인 도구들입니다. 다음 글에서는 배열(Array)과 팩터(Factor)와 같은 추가적인 데이터 구조를 다루며, R에서 제공하는 데이터 처리 기능을 더욱 깊이 이해해보도록 하겠습니다.

감사합니다!