[R] 단일변수 자료의 분석,탐색 방법

[ 단일 변수란? ]

단일 변수 자료, univariate data : 하나의 변수로만 구성된 자료  -> Vector에 저장하여 분석

다중 변수 자료, multivariate data : 두 개 이상의 변수로 구성된 자료  -> Matrix나 Dataframe에 저장하여 분석

 

 

[ 자료의 종류 : 범주형? 연속형? ]

1. 범주형 자료,categorical data (=질적 자료, qualitative data)

범주형 자료	표현
성별	Male, Female
혈액형	A, B, O, AB
찬성 여부	찬, 반

 

2. 연속형 자료 (=양적 자료)

연속형 자료	표현
몸무게	57.4, 64.1, 71.0, 65.1
키	162, 180, 174, 171
온도	20.5, 28.1, 24.4, 26.0

 

 

---

 

 

위에서 배운 자료형의 분류로 단일 변수 범주형, 단일 변수 연속형의 분석 방법에 대해 아래에 정리하였다.

 

 

---

 

[ 단일 변수 범주형 자료 ]

1. 이게 뭐야? 특성이 하나이면서 자료의 특성이 범주형인 자료

2. 분석 방법 : 도수분포표

3. 시각화 : 막대그래프나 원그래프

 

4. type 1) text로 표현된 범주형 자료

(예시 : 학생들이 선호하는 계절)

[도수분포표 계산]
favorite <- c('WINTER', 'SUMMER', 'SPRING', 'SUMMER', 'SUMMER','FALL', 'FALL', 'SUMMER', 'SPRING', 'SPRING')

# 도수분포표 계산
table(favorite) 

# 비율 출력
table(favorite)/length(favorite) 

[시각화 1. 막대그래프, barplot]
ds <- table(favorite)
barplot(ds, main='favorite season')

[시각화 2. 원형그래프, pieplot]
ds <- table(favorite
ds
pie(ds, main='favorite season')

4. type 2) 숫자로 표현된 범주형 자료

(예시 : 학생 15명이 선호하는 색깔을 조사한 자료)

favorite.color <- c(2, 3, 2, 1, 1, 2, 2, 1, 3, 2, 1, 3, 2, 1, 2)
# 도수분포표 계산
ds <- table(favorite.color)

# 막대그래프
barplot(ds, main='favorite color')
colors <- c('green', 'red', 'blue')
names(ds) <- colors #자료값 1,2,3을 green, red, blue로 변경
ds
barplot(ds, main='favorite color', col=colors) # 색 지정 막대그래프
pie(ds, main='favorite color', col=colors) # 색 지정 원그래프

 

 

[ 단일 변수 연속형 자료 ]

1. 이게 뭐야? 특성이 하나이면서 자료의 특성이 연속형인 자료

2. 분석 방법 :

   1) 평균

   2) 중앙값(median)

   3) 절사평균(trimmed mean)

   4) 사분위수(quartile)

        (예시) 100명의 학생을 대상으로 영어시험을 본 결과에 대한 사분위수 Q1=60, Q2=80, Q3=90

        • 25명의 학생은 성적이 60점 미만이다.

        • 25명의 학생은 성적이 60점~80점 사이이다.

        • 25명의 학생은 성적이 80점~90점 사이이다.

        • 25명의 학생은 성적이 90점 이상이다.

        • 90점 이상인 학생이 25명이나 되기 때문에 이번 영어시험은 매우 쉬웠다.

        • 전체 50%의 학생이 80점 이상의 성적을 받았다.

 

   5) 산포(distribution)

 

 (예시 : 평균, 중앙값, 절사평균)

mydata <- c(60, 62, 64, 65, 68, 69)
mydata.2 <- c(weight, 120)

mydata
weight.heavy

> mydata
[1] 60 62 64 65 68 69
> weight.heavy
[1]  60  62  64  65  68  69 120


# 평균
mean(mydata)
mean(mydata.2)

> mean(mydata)
[1] 64.66667
> mean(mydata.2)
[1] 72.57143

# 중앙값
median(mydata)
median(mydata.2)

> median(mydata)
[1] 64.5
> median(mydata.2)
[1] 65


# 절사평균(상하위 20% 제외)
mean(mydata, trim=0.2)
mean(mydata.2,trim=0.2)

> mean(mydata, trim=0.2)
[1] 64.75
> mean(mydata.2,trim=0.2)
[1] 65.6

 

 (예시 : 사분위수 quantile)

mydata <- c(60, 62, 64, 65, 68, 69, 120)
quantile(mydata)
quantile(mydata, (0:10)/10) # 10% 단위로 구간을 나누어 계산
summary(mydata)


> quantile(mydata)
   0%   25%   50%   75%  100% 
 60.0  63.0  65.0  68.5 120.0 
> quantile(mydata, (0:10)/10) # 10% 단위로 구간을 나누어 계산
   0%   10%   20%   30%   40%   50%   60%   70%   80%   90% 
 60.0  61.2  62.4  63.6  64.4  65.0  66.8  68.2  68.8  89.4 
 100% 
120.0 
> summary(mydata)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  60.00   63.00   65.00   72.57   68.50  120.00 

 

 (예시 : 산포)

mydata <- c(60, 62, 64, 65, 68, 69, 120)
var(mydata) # 분산
sd(mydata) # 표준편차
range(mydata) # 값의 범위
diff(range(mydata)) # 최댓값, 최솟값의 차이


> var(mydata) # 분산
[1] 447.2857
> sd(mydata) # 표준편차
[1] 21.14913
> range(mydata) # 값의 범위
[1]  60 120
> diff(range(mydata)) # 최댓값, 최솟값의 차이
[1] 60

 

3. 시각화 : 

   1) 히스토그램(histogram) : 구간을 나누고 구간에 속하는 값들의 개수를 세는 방법을 사용

   2) 상자그림(box plot) : 사분위수를 시각화

 (예시 : 히스토그램)

[예시 1] 자동차 제동 거리
dist <- cars[,2]

# histogram
hist(dist,                           # 자료(data)
     main="Histogram for 제동거리",   # 제목
     xlab ="제동거리",                # x축 레이블
     ylab="빈도수",                   # y축 레이블
     border="blue",                  # 막대 테두리색
     col="green",                    # 막대 색
     las=2,                          # x축 글씨 방향(0~3)
     breaks=5)                       # 막대 개수 조절
     
# boxplot
boxplot(dist, main="자동차 제동거리")
# boxplot 정보
boxplot.stats(dist)

[예시 2] iris
boxplot(Petal.Length~Species, data=iris, main="품종별 꽃잎의 길이")