R 맛보기
R 설치하기
공식 홈페이지 https://cran.r-project.org에 가서 자기 시스템에 맞는 R을 다운로드 받습니다. 저는 아래 사진 처럼 ubuntu를 사용하니까 debian Package를 설치합니다.
R package나 R을 이용하는? 소프트웨어를 직접 컴파일 하고 싶다면 r-base-dev만 설치해도 된다고 합니다. 그러나 그게 무슨 뜻인지 모르니 일단 r-base, r-base-dev 둘다 설치 했습니다.
콘솔을 열고 R을 실행했습니다. 제대로 설치 된것 같으니 앞으로 사용하게될 패키지들을 설치합니다.
Package설치
XML패키지를 먼저 설치해 볼건데, 패키지가 설치되있는지 아닌지 확인합니다.
False가 뜬것을 보니 XML은 설치 해야 합니다. R에서 XML패키지에 대한 설명은 아래 링크에 있습니다.
https://cran.r-project.org/web/packages/XML/index.html
http, ftp 로 접근 가능한 XML과 HTML 문서를 생성하고 읽을수 있다고 합니다.
XML을 설치하는데 필요한 의존성은 ‘bitops’와 ‘RCurl’ 인데 설치 옵션 dependencies = TRUE로 하면 의존성도 자동 설치를 해줍니다.
설치 로그를 보니 RCurl을 설치하는 도중 curl-config를 찾을 수 없다고 합니다. 제 컴퓨터에 curl은 설치돼있을 텐데 아무튼 로그 내용을 인터넷에 검색해 봤습니다.
https://askubuntu.com/questions/359267/cannot-find-curl-config-in-ubuntu-13-04
작성 된지 4년 정도 된 글인데 일단 따라해 했습니다.
그런데 이번엔 또 다른 에러 메시지가 떳습니다.
https://stackoverflow.com/questions/7765429/unable-to-install-r-package-in-ubuntu-11-04
이번엔 6년이나 된 글인데 따라 해보니 이제 정말 설치가 완료 됐습니다.
패키지 설치하는 법을 대강 익혔으니 필요한 패키지들을 쭉쭉 설치합니다.
등등 필요한 패키지가 있으면 RSiteSearch라는 함수로 내용을 검색해 보고 설치 하면 됩니다.
tm을 RSiteSearch로 검색해봤습니다.
raw데이터를 delim 함수를 이용해서 가져왔습니다.
데이터 가공
필요한 도구를 모두 갖췄습니다. 본격 적으로 데이터에서 정보를 얻기 전에 데이터를 가공합니다.
열 이름 지정
날짜 정보 가공
날짜 정보를 가공하는데 문제가 생겼습니다. ufo$DataOccurred행이 너무 길다고 합니다.
직접 데이터를 들여다 보니 날짜라고 보기 어려운 문장들이 보입니다.
ifelse 함수 실행 결과 good.row에 어떤 값이 들어가는지 궁금해서 들여다 봤습니다. ifelse함수의 첫번째 인자는 논리식이고 이 논리식이 참이면 두번째 인자값이 벡터 값으로, 거짓이면 세번째 인자가 벡터값으로 대입되는 것 같습니다.
우리가 원하는 형식의 날짜 데이터는 총 688개 입니다.
ufo<-ufo[good.rows,]라는 문장은 https://stackoverflow.com/questions/17052426/what-is-the-purpose-of-this-trailing-comma-in-r 에 따르면 행별로 subsetting 을 하는 거라고 합니다. ufo 데이터셋을 good.rows 벡터의 참의 값을 가지고 다시 데이터 셋을 만드는 것입니다.
이번엔 날짜 문자열 변환이 성공했습니다.
위치 정보 가공
Location열에서 “도시, 주”형태의 데이터를 코마를 구분자로 하여 구분하는데 코마가 없으면 그 데이터는 NotAvailable 이라고 표시합니다. 그 다음 gsub함수는 Location데이터의 공백 문자를 없애 주고 그아래 if else 문은 도시, 주 데이터쌍이 맞지 않는다면 NotAvailable이라고 표시합니다.
[[키]], [값] 형태의 city.state데이터를 2열 행렬로 변환합니다.
변환한 행렬을 다시 열이름 USCity, USState를 부여하여 ufo데이터에 추가합니다.
데이터 요약 보기와 data discard
요약 보기를 하였으나 DateOccurred의 데이터중 NA가 하나 있습니다. 어떻게 된 일인지 해당 열의 데이터만 들여다봤습니다.
어떤 이유에서 인지 DateReported 항목은 포매팅이 잘 이루어졌으나 DateOccurred의 항목은 NA값이 들어갔습니다.
아래의 명령어로 DateOccurred의 NA 값을 지웠습니다.
ufo.us<-subset(ufo.us, !is.na(DateOccurred))
이번엔 NA값이 사라진 데이터 요약 정보를 얻었습니다.
히스토그램을 그려보려는데 major인수는 안쓰인다고 합니다. 이게 어떤의미의 에러메시지 인지 찾아봤습니다.
https://www.rdocumentation.org/packages/ggplot2/versions/1.0.1/topics/scale_x_date
문서상으로 break와 major는 같은 의미의 인수 인것같은데 좀더 인터넷에서 찾아봤습니다.
https://stackoverflow.com/questions/9857123/error-in-continuous-scale-and-error-in-inherits-ggplot2-r-2-14-2
스택 오버플로우 답변내용을 보니 major대신 break를 사용해야 할 것같습니다.
Simply two steps:
Add library:
library(scales)
Change old parameter name:
breaks=”50 years” instead of major=”50 years”
1990년 이전의 데이터를 잘라서 다시 히스토그램을 그렸습니다.
데이터가 집계되지 않은 달도 NA표시로 확인할 수 있도록 가공합니다.
도중에 철자가 틀려서 문제가 생겼지만 금방 고쳤습니다.
리전드 매개변수가 문제가 있다고 합니다. R버전이 달라서 매개변수 이름이 바뀌었거나 더이상 사용하지 않는 매개변수일 것으로 예상됩니다.
http://ggplot.yhathq.com/docs/scale_colour_manual.html
설명서에 legend라는 매개변수는 없고 values만있습니다.
이번엔 opts라는 함수에 관련된 문제입니다.
https://stackoverflow.com/questions/13148121/updating-ggplot2-code-for-new-version
opt(title=”“)형식의 함수는 labs(title=”“)로 바뀌었다고 합니다.
이제야 잘 실행 됩니다.
데이터 분석
그래프를 그리려는데 date_trans함수는 Date class함수가 아니면 안된다는 에러메시지가 뜸니다.
Date class 는 YearMonth열에서만 사용하므로 이 열을 다시 as.Date함수를 이용해서 값을 수정해봤습니다.
이번엔 제대로 결과가 나왔습니다.
** 모든 내용은 강릉원주대학교 강태원 교수님의 ‘데이터 마이닝’강의와 드류 콘웨이 와 존 마일스 화이트의’해커스타일로 배우는 기계학습’를 토대로 작성했습니다.**
Machine Learning for Hackers License
All source code is copyright (c) 2012, under the Simplified BSD License. For more information on FreeBSD see: http://www.opensource.org/licenses/bsd-license.php
All images and materials produced by this code are licensed under the Creative Commons Attribution-Share Alike 3.0 United States License: http://creativecommons.org/licenses/by-sa/3.0/us/