dplyr 사용법

dplyr의 대표적인 함수 select, filter, mutate, summarise, group_by, sample_n, sample_frac의 사용 방법을 이해하고 적용하여 보자.

 

In:

library(dplyr)

df_iris = iris

str(df_iris)

 

Out:

  Sepal.Length    Sepal.Width     Petal.Length    Petal.Width   
 Min.   :4.300   Min.   :2.000   Min.   :1.000   Min.   :0.100  
 1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.600   1st Qu.:0.300  
 Median :5.800   Median :3.000   Median :4.350   Median :1.300  
 Mean   :5.843   Mean   :3.057   Mean   :3.758   Mean   :1.199  
 3rd Qu.:6.400   3rd Qu.:3.300   3rd Qu.:5.100   3rd Qu.:1.800  
 Max.   :7.900   Max.   :4.400   Max.   :6.900   Max.   :2.500  
       Species  
 setosa    :50  
 versicolor:50  
 virginica :50  

 

▷ R의 내장된 Iris 데이터를 활용할 것이다.

 

□ select

 

In:

df_iris %>% 
  select(Sepal.Length) %>% 
  head()

df_iris %>% 
  select(Sepal.Length, Sepal.Width) %>% 
  head()

df_iris %>% 
  select(1:3) %>% 
  head()

df_iris %>% 
  select(starts_with('Sepal')) %>% 
  head()

df_iris %>% 
  select(ends_with('Length')) %>% 
  head()

df_iris %>% 
  select(contains('.')) %>% 
  head()

 

Out:

  Sepal.Length
1          5.1
2          4.9
3          4.7
4          4.6
5          5.0
6          5.4

  Sepal.Length Sepal.Width
1          5.1         3.5
2          4.9         3.0
3          4.7         3.2
4          4.6         3.1
5          5.0         3.6
6          5.4         3.9

  Sepal.Length Sepal.Width Petal.Length
1          5.1         3.5          1.4
2          4.9         3.0          1.4
3          4.7         3.2          1.3
4          4.6         3.1          1.5
5          5.0         3.6          1.4
6          5.4         3.9          1.7

  Sepal.Length Sepal.Width
1          5.1         3.5
2          4.9         3.0
3          4.7         3.2
4          4.6         3.1
5          5.0         3.6
6          5.4         3.9

  Sepal.Length Petal.Length
1          5.1          1.4
2          4.9          1.4
3          4.7          1.3
4          4.6          1.5
5          5.0          1.4
6          5.4          1.7

  Sepal.Length Sepal.Width Petal.Length Petal.Width
1          5.1         3.5          1.4         0.2
2          4.9         3.0          1.4         0.2
3          4.7         3.2          1.3         0.2
4          4.6         3.1          1.5         0.2
5          5.0         3.6          1.4         0.2
6          5.4         3.9          1.7         0.4

 

▷ 첫 번째 결과는 select 함수의 인자로 열의 이름을 입력하면 해당 열만 출력된 것이다. 두 번째 결과는 두 개의 열을 인자로 주어, 2개의 열을 출력한 것이다. 세 번째 결과는 열의 이름을 모르는 경우, 순서를 통해 해당 순서의 열을 출력한 것이다. 네 번째는 starts_with 함수의 인자로 주어진 문자열이 열의 첫 부분에 포함된 열을 출력한 결과이다. 다섯 번째 결과는 ends_with 함수의 인자로 주어진 문자열이 열의 마지막 부분에 포함된 열을 출력한 결과이다. 마지막 결과는 contains 함수의 인자로 주어진 문자열이 포함된 열을 출력한 결과이다.

 

□ filter

 

In:

df_iris %>% 
  filter(Species == 'virginica') %>% 
  head()

df_iris %>% 
  filter(Species == 'virginica' & Sepal.Width <= 3) %>% 
  head()

 

Out:

  Sepal.Length Sepal.Width Petal.Length Petal.Width   Species
1          6.3         3.3          6.0         2.5 virginica
2          5.8         2.7          5.1         1.9 virginica
3          7.1         3.0          5.9         2.1 virginica
4          6.3         2.9          5.6         1.8 virginica
5          6.5         3.0          5.8         2.2 virginica
6          7.6         3.0          6.6         2.1 virginica

  Sepal.Length Sepal.Width Petal.Length Petal.Width   Species
1          5.8         2.7          5.1         1.9 virginica
2          7.1         3.0          5.9         2.1 virginica
3          6.3         2.9          5.6         1.8 virginica
4          6.5         3.0          5.8         2.2 virginica
5          7.6         3.0          6.6         2.1 virginica
6          4.9         2.5          4.5         1.7 virginica

 

▷ 첫 번째 결과는 filter 함수에 행의 조건을 인자로 주어 출력한 것이다. 두 번째 결과는 복수의 조건을 인자로 주어 출력한 것이다.

 

□ mutate

 

In:

df_iris %>% 
  mutate(is_long_Sepal.Length = if_else(Sepal.Length >= 5, 'High', 'Low')) %>% 
  head()

 

Out:

  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa
4          4.6         3.1          1.5         0.2  setosa
5          5.0         3.6          1.4         0.2  setosa
6          5.4         3.9          1.7         0.4  setosa
  is_long_Sepal.Length
1                 High
2                  Low
3                  Low
4                  Low
5                 High
6                 High

 

▷ mutate 함수를 이용하여 기존의 열의 정보를 이용하여 새로운 열을 생성하였다. 위의 결과는 mutate, if_else 함수를 이용하여 새 열을 만든 것이다.

 

□ summarise

 

In:

df_iris %>% 
  summarise(count = n(), 
            n_species = n_distinct(Species), 
            max_Sepal.Length = max(Sepal.Length))

 

Out:

  count n_species max_Sepal.Length
1   150         3              7.9

 

▷ summarise 함수를 이용하여 요약된 정보를 구할 수 있다. 위의 결과는 summarise 함수를 이용하여, df_iris 데이터프레임의 행의 개수, Sepecies 열의 유일한 값의 개수, Sepal.Length 열의 최대값을 요약하여 나타낸 것이다.

 

□ group_by

 

In:

df_iris %>% 
  group_by(Species) %>% 
  summarise(count = n(),
            max_Sepal.Length = max(Sepal.Length))

 

Out:

# A tibble: 3 x 3
  Species    count max_Sepal.Length
  <fct>      <int>            <dbl>
1 setosa        50              5.8
2 versicolor    50              7  
3 virginica     50              7.9

 

▷ group_by 함수와 summarise 함수가 합치면 아주 유용한 기능을 구현할 수 있다. 위의 결과는 group_by 함수를 이용하여, Species에 따른 행의 개수와 Sepal.Length 열의 가장 큰 값을 요약하여 나타낸 것이다.

 

□ arrange

 

In:

df_iris %>% 
  arrange(Sepal.Length) %>% 
  head()

 

Out:

  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          4.3         3.0          1.1         0.1  setosa
2          4.4         2.9          1.4         0.2  setosa
3          4.4         3.0          1.3         0.2  setosa
4          4.4         3.2          1.3         0.2  setosa
5          4.5         2.3          1.3         0.3  setosa
6          4.6         3.1          1.5         0.2  setosa

 

▷ arrange 함수를 이용하여, 특정 열의 값을 기준으로 정렬을 수행할 수 있다. 위의 결과는 arrange 함수를 이용하여  Sepal.Length가 작은 순서대로 정렬하여 나타낸 것이다.

 

□ sample_n & sample_frac

 

In:

df_iris %>% 
  sample_n(10)

df_iris %>% 
  sample_n(10, replace = TRUE)

df_iris %>% 
  sample_frac(0.05)

df_iris %>% 
  sample_frac(0.05, replace = TRUE)

 

Out:

   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1           6.3         2.9          5.6         1.8  virginica
2           6.3         3.3          4.7         1.6 versicolor
3           5.4         3.7          1.5         0.2     setosa
4           5.7         3.8          1.7         0.3     setosa
5           5.1         3.5          1.4         0.2     setosa
6           6.7         3.0          5.0         1.7 versicolor
7           4.6         3.4          1.4         0.3     setosa
8           6.7         3.1          5.6         2.4  virginica
9           5.5         2.6          4.4         1.2 versicolor
10          5.8         2.8          5.1         2.4  virginica

   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1           4.9         3.0          1.4         0.2     setosa
2           6.4         2.7          5.3         1.9  virginica
3           6.0         2.9          4.5         1.5 versicolor
4           6.7         3.1          4.4         1.4 versicolor
5           4.8         3.0          1.4         0.1     setosa
6           4.8         3.4          1.6         0.2     setosa
7           6.1         2.8          4.0         1.3 versicolor
8           4.9         3.0          1.4         0.2     setosa
9           5.4         3.0          4.5         1.5 versicolor
10          5.7         2.6          3.5         1.0 versicolor

  Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1          6.0         2.9          4.5         1.5 versicolor
2          7.0         3.2          4.7         1.4 versicolor
3          4.9         3.1          1.5         0.1     setosa
4          6.2         2.2          4.5         1.5 versicolor
5          4.5         2.3          1.3         0.3     setosa
6          6.4         3.2          4.5         1.5 versicolor
7          4.4         3.2          1.3         0.2     setosa
8          6.1         2.9          4.7         1.4 versicolor

  Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1          6.9         3.1          4.9         1.5 versicolor
2          6.9         3.1          5.4         2.1  virginica
3          5.5         2.6          4.4         1.2 versicolor
4          5.6         2.9          3.6         1.3 versicolor
5          7.9         3.8          6.4         2.0  virginica
6          5.6         2.9          3.6         1.3 versicolor
7          5.1         3.8          1.6         0.2     setosa
8          4.9         3.6          1.4         0.1     setosa

 

▷ sample_n 함수는 인자만큼의 개수를 랜덤하게 추출한다. replace 인자를 TRUE로 주면, 복원추출이 가능해진다. sample_frac 함수는 인자만큼의 비율을 랜덤하게 추출한다. replace 인자를 TRUE로 sample_n 함수와 같이 복원추출이 가능해진다.