기본 동작에 관한 소개

일단 R에서 일반적으로 사용하는 코드를 제외하고 코멘트를 달고 싶을 때에는 # 를 사용합니다. # 기호 뒤에 쓴 글들은 RStudio에서 작동되지 않습니다. 코멘트를 작성하는 습관을 들여놓는 게 좋은데, 본인이 만들어놓은 코드와 데이터셋 이름을 까먹어서 고생하지 않도록 해주고 다른 사람이 코드를 읽을 때에도 꽤나 유용하기 때문입니다.

• 작동코드를 작성하기 전에 쓰는 설명은 보통 ##로, 작동코드 옆에 병기하는 인라인 코드(in-line code)는 #로 구분하여 코멘트를 작성해줍니다.

  • 즉, ##은 한 줄이 아예 전체 코멘트일 때, #은 R 코드 옆에 해당 코드의 내용에 대해 코멘트할 때 사용합니다.

• 예를 들면, 아래와 같은 코드에서 첫 번째 줄은 단순히 어떠한 분석을 수행할지 알려주는 역할만 하고, 아래의 코드가 실제로 작동될 것입니다.

  ## 1+1을 계산해봅시다.
  1 + 1  # 답은 2

  ## [1] 2

R을 배우면 배울수록, 여러가지 노하우가 체화되고 보다 효율적인 코딩을 시도하게 되는데, 일단 간단한 팁들은 여기에서 살펴볼 수 있습니다. 이러한 팁과 노하우들에 익숙해지면 코드를 읽고, 공유하고, 짜는 게 조금 더 쉬워질 것이라고 생각합니다.

R의 연산자(operations)

일단 사회과학을 연구하고자 하는 입장에서 R을 사용하고자 하니, R이 가진 단순한 수학연산자들이 어떻게 기능하는지를 살펴볼 필요가 있습니다.

• R 안에서 어떠한 수학연산자들이 있는지 살펴보고 싶다면 RStudio 좌측 하단 콘솔에 ?"*"라고 입력해보면 됩니다.

• 사실 코드블럭의 왼쪽 기호는 몰랐을 수도 있는데, 오른쪽의 의미를 모를 것이라고는 생각하지 않습니다. 따라서 자세한 설명은 넘어가고… 이 중에서 마지막 기호는 조금 익숙해질 필요는 있습니다. 저도 아직 연구에서 변수 조작(manipulation)할 때 사용해본 적은 없는 기호입니다만, 평소에는 크게 쓸 일이 없기 때문에 까먹지 않도록 하는 것이 중요할 것 같습니다.

• 마지막 기호를 이용해서 할 수 있는 대표적인 작업이 루프에서 특정 변수가 홀수인지 짝수인지 구분하게 하는 것 등입니다. 만약 2로 나누어 나머지가 남으면 홀수, 남지 않으면 짝수라고 생각해볼 수 있습니다.

  ## 제곱해보기: a^b라고 할 때, a를 b만큼 곱해주는 것
  3^2 #9

  ## [1] 9

  2^3 #8

  ## [1] 8

  ## 나머지 구하기 : a%%b라고 할 때, a를 b로 나누고 몫이 아닌 나머지를 보여줍니다.
  27 %% 7 #6

  ## [1] 6

  ## 마지막으로 연산자를 가지고 계산할 때, 그리고 연산자 뿐 아니라 코딩 전체에 있어서
  ## 순서를 잘 고려하여 코딩해야 합니다. 아래 두 계산은 완전히 결과가 다릅니다.
  3 + 4 / 7

  ## [1] 3.571429

  (3 + 4) / 7

  ## [1] 1

R의 기본적인 자료 유형

R은 여러 가지 자료 유형을 제공합니다. 예를 들어 바로 위에서 계산할 때 사용하였던 숫자는 말 그대로 R에서 숫자형(numeric)으로 간주됩니다. 기본적으로 반드시 알아두어야 할 자료 유형은 다음과 같습니다.

• 숫자형(numeric): 1.111 같이 소수점 값을 가지는 자료 유형입니다.
• 정수형(integer): 2와 같은 자연수를 말하는 데, 소수점 값을 갖지 않는 것. 숫자형이랑 비슷합니다.
• 논리형(logical): 부울리안 값(Boolean values), 참(TRUE)/거짓(FALSE)을 가지는 자료 유형입니다.
• 문자형(character): 문자열(text or string)의 값을 지니는 것으로 인용자("")를 사용하여 입력합니다.

자료 유형을 살펴보았으니, 잠깐 변수 배정(variable assignment)에 대해 얘기해보겠습니다. 뭐랄까, 걍 어떤 변수를 만드는 거라고 생각하면 됩니다. 변수는 통계학에서 가장 기본적인 개념 중 하나이니 따로 설명할 필요는 없을 것 같습니다.

R에서 우리는 어떤 값(values)을 객체(object)에 저장합니다. 이때 객체는 함수(functions)일 수도 있고 그래프(plots)이거나 혹은 데이터셋(datasets)일 수도 있습니다. 즉, 그냥 콘솔에다가 2를 치면 결과 창에 2가 나오기는 하겠지만 그거 자체를 바로 분석에 사용할 수는 없고, 사용한다고 하더라도 지속적이지 않습니다. 계속 그 값을 써먹으려면 우리도 그 값에 이름을 붙여줘야 합니다. 그 값의 성격에 따라서 그것이 저장된 용기(container)의 이름도 바뀐다고 생각하시면 편합니다. 어떤 식 자체를 저장했다면 함수의 형태로, 혹은 숫자만 넣어놨다면 걍 숫자 하나가 담긴 객체가 될 것입니다. R에서 변수를 배정하기 위해서는 <- 나 =의 기호를 사용하여야 한다. 사용해본 경험으로는 <-를 더 추천합니다.²

## 사과라는 변수에다가 값을 집어넣어 보겠습니다
apples <- 4
## 사과에 담긴 값을 출력합니다.
apples

## [1] 4

이제는 객체/변수와 연산자를 같이 사용하여 계산을 해보겠습니다.

## 오렌지라는 변수에다가 값을 집어넣어 보겠습니다.
oranges <- 6 
## 오렌지에는 6이 들어가 있고 사과에는 4가 들어가 있습니다. 두 개를 더해 보겠습니다.
apples + oranges

## [1] 10

다음으로는 숫자가 아니라 다른 형태의 자료를 담아보겠습니다. 주의할 점은 자료 형태가 서로 다른 변수들 끼리는 연산자를 통해 계산할 수 없다는 점입니다.

## 오렌지 객체에 문자열 자료를 다시 저장해봅니다.
oranges <- "six" 
## 오렌지와 사과를 더해 보겠습니다.
apples + oranges # 에러메세지를 확인할 수 있습니다.

## Error in apples + oranges: 이항연산자에 수치가 아닌 인수입니다

a < b   # a가 b보다 작다는 것을 보여줍니다.
a <= b  # a가 b보다 작거나 같다는 것을 보여줍니다.
a > b   # a가 b보다 크다는 것을 보여줍니다.
a >= b  # a가 b보다 크거나 같다는 것을 보여줍니다.
a == b  # a와 b가 같다/동일하다는 것을 보여줍니다.
!a      # a가 아니라는 의미입니다.

## 1이 2보다 작을까?
1 < 2 # TRUE, 사실이라는 결과를 얻을 것입니다.

## [1] TRUE

## 1 더하기 1이 3일까?
1 + 1 == 3 # FALSE, 거짓이라는 결과를 얻을 것입니다.

## [1] FALSE

apples <- 4 
oranges <- TRUE 
apples + oranges

## [1] 5

## 대문자와 소문자를 가리는 R
oranges <- "six" 
Oranges <- "Six" 
oranges == Oranges # six와 Six는 앞의 문자가 하나 다르기 때문에 

## [1] FALSE

                   # FALSE라는 결과를 얻을 것입니다.

벡터 (Vectors)

앞서 변수에 대해서 얘기했는데, 이번에는 벡터에 대해서 살펴볼 것입니다. 벡터는 원하는 만큼 많은 데이터를 일차원(one-dimension)에 배열할 수 있는 형태의 자료로, R에서 벡터를 만들기 위해서는 c() 형태의 함수를 이용합니다. 이 함수의 괄호 내부에 원하는 요소들을 콤마(,)를 이용해 배열하면 하나의 벡터에 담을 수 있습니다.

## 숫자형 자료들이 담긴 벡터를 만들어 보겠습니다.
num_vec <- c(1, 2, 3)

이번에는 문자형 자료가 담긴 벡터와 논리형(부울리안) 값을 가진 벡터를 만들어 보겠습니다. 만들고 난 이후에 class()나 typeof() 함수를 이용하여 벡터에 어떠한 형태의 자료가 담겼는지를 확인할 수 있습니다.

## 여러 자료 유형을 이용하여 벡터를 만들어 보겠습니다.
mix_vec <- c(1, "Hi", TRUE)
class(mix_vec)  # Character라는 답을 얻게 됩니다.

## [1] "character"

typeof(mix_vec)

## [1] "character"

하나라도 다른 유형의 자료가 벡터 안에 포함되면 기대한 결과를 얻지 못할 수 있기 때문에 항상 class() 함수로 확인해주는 것이 필요합니다. 그리고 벡터도 수학연산자들을 이용해 일종의 계산이 가능한데, 단, R은 굉장히 ’까다롭다’는 것을 기억하셔야 합니다. 벡터의 경우에는 요소 하나하나를 구별해서 인식하기 때문입니다. 다음의 예를 살펴 보겠습니다.

c(1, 2, 3) + c(4, 5, 6) 

## [1] 5 7 9

c(1 + 4, 2 + 5, 3 + 6)

## [1] 5 7 9

위의 두 결과는 동일합니다. 정확히는 위의 식을 아래와 같은 식으로 R이 계산하여 결과를 보여준다고 하는 것이 맞을 것입니다. 다른 연산자들은 어떨까요? 그리고 만약 벡터의 요소 개수가 서로 다르면(보통 길이가 다르다고 한다) 어떻게 될까요? 다음 코드를 통해 한 번 살펴 보겠습니다.

c(1, 2, 3) * c(4, 5, 6)     # 4, 10, 18의 결과값을 얻게 될 것입니다

## [1]  4 10 18

c(1, 2) + c(4, 5, 6, 7, 8)  

## [1] 5 7 7 9 9

## 5, 7, 7, 9, 9의 결과를 얻게 되고, 두 벡터의 길이가
## 다르다는 경고 메시지를 보게 될 것입니다.

c(1, 2) * c(4, 5, 6, 7, 8)  # 4, 10, 6, 14, 8

## [1]  4 10  6 14  8

아래의 두 코드를 살펴보면 짧은 길이의 벡터가 긴 길이의 벡터에 반복해서 계산되는 것을 알 수 있습니다. 벡터는 여러 개의 요소 값(element value)을 가질 수 있는데, 그 중에서 하나의 값을 원할 경우에는 대괄호를 이용합니다.

num_vec <- c(11, 21, 63, 44, 95, 86)
num_vec[3]        # 63이라는 값, 벡터의 세 번째 값을 얻게 됩니다.

## [1] 63

num_vec[c(1,4)]   # c(1, 4)는 첫 번째와 네 번째의 값을 산출하라는 뜻으로 11, 44라는 결과를 얻게될 것입니다.

## [1] 11 44

매트릭스 (Matrices)

이번에는 매트릭스를 살펴보겠습니다. 매트릭스는 일정한 수의 열과 행으로 이루어진 두 차원(two dimension)의 집합이라고 할 수 있습니다. 이때, 매트릭스를 이루는 요소들은 같은 유형의 자료들이어야 합니다. 매트릭스는 다음과 같은 함수를 통해 만들어볼 수 있습니다.

matrix(1:12, byrow=TRUE, nrow=3)

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

매트릭스 함수를 이용하지 않고서라도 벡터들을 cbind(), 즉 열(column) 결합 또는 rbind(), 행(row) 결합 함수를 이용하여 합쳐 매트릭스를 만들 수 있습니다.

c1 <- 1:3  # 1, 2, 3
c2 <- 4:6  # 4, 5, 6
c3 <- 7:9  # 7, 8, 9
cbind(c1,c2,c3)

##      c1 c2 c3
## [1,]  1  4  7
## [2,]  2  5  8
## [3,]  3  6  9

rbind(c1,c2,c3)

##    [,1] [,2] [,3]
## c1    1    2    3
## c2    4    5    6
## c3    7    8    9

매트릭스를 구성하는 요소 중 하나만 선택하기 위해서 우리는 대괄호(square brackets)를 사용합니다. 대괄호라고 하지만 이 과정은 R 프로그래밍에서 인덱싱(indexing)이라고 하는 것입니다. 즉, 행과 열의 목록에서 필요한 요소만을 지정해서 꺼낼 수 있도록 하는 기능입니다. 매트릭스는 두 차원으로 이루어져 있기 때문에, 특정 요소 하나만을 뽑아내기 위해서는 각각 차원에 배정된 숫자, 열 번호와 행 번호가 모두 필요합니다.

matrix <- matrix(1:12, byrow=TRUE, nrow=3) # matrix라는 객체에 결과를 저장합니다.
matrix[1, 2]

## [1] 2

matrix[1:2, 2:3]  # 더 작은 형태의 매트릭스로 추출되는 것을 확인할 수 있습니다.

##      [,1] [,2]
## [1,]    2    3
## [2,]    6    7

기본적인 수학연산자를 이용하여 매트릭스도 요소들 간 계산을 할 수 있습니다.

11 + matrix #아까 저장해 둔 matrix 객체에 11을 더하면 모든 요소에 11이 더해집니다.

##      [,1] [,2] [,3] [,4]
## [1,]   12   13   14   15
## [2,]   16   17   18   19
## [3,]   20   21   22   23

매트릭스를 이용한 계산을 자세하게 알고 싶다면 다음의 링크를 참조하면 좋을 듯합니다.

데이터프레임 (Data frame)

아마 사회과학 연구를 하게 되면 가장 많이 다루게 되는 자료 유형 중 하나일 것입니다. 일반적으로 우리가 사용하는 데이터셋은 거의 데이터 프레임 형태로 불러오게 됩니다. 데이터셋하면 일반적으로 행과 열이 있는 엑셀이 생각나 매트릭스랑 뭐가 다르지? 할 수 있는데, 아까도 말했다시피 매트릭스의 모든 요소는 동일한 유형의 자료여야 합니다. 정치학에서 많이 쓰는 자료 중 COW 데이터를 예로 들어보자면 COW 국가 코드(ccode)는 숫자형인 반면에, 국가 이름(cname)은 문자형입니다. 하나의 데이터셋에 서로 다른 유형의 자료가 담기게 되는 것입니다.

• 국가명: 문자형
• 국가의 GDP: 숫자형
• 어떤 국가가 민주주의인지 여부: 논리형

데이터 프레임은 다양한 유형의 자료를 열과 행의 틀 안에서 저장할 수 있도록 돕습니다.

# R에 내장되어 있는 데이터 프레임을 불러들여 보겠습니다
knitr::kable(mtcars)

데이터 프레임을 분석하는 데에는 여러 가지 이용가능한 함수들이 있습니다. 대표적인 것은 데이터셋의 상위 행 일부로 자료를 간략하게 보여주는 head(), 반대로 아래의 행들을 보여주는 tail(), 데이터셋이 몇개의 관측치(obs.)와 변수들로 이루어져 있는지 그 구조(structure)를 보여주는 str(), 요약통계치들을 제시하는 summary() 등이 대표적입니다.

만약 어떤 함수였는지, 어떤 자료 유형이었는지 헷갈린다면 R 콘솔 창에다가 물음표 뒤에 함수 이름을 쳐보면 자세한 정보를 확인할 수 있습니다.

그러나 데이터 프레임보다 자료를 불러올 때, tidyverse 패키지에 속한 티블 유형으로 불러올 것을 추천합니다.

티블 (Tibbles)

티블은 tidyverse 패키지의 속한 함수로 티블로 저장한 자료의 유형은 데이터프레임과는 약간 차이가 있습니다. 우선 티블의 장점은 더 유저 친화적이라는 것입니다. 예를 들어, 티블은 R 콘솔창에서 한 눈에 확인할 수 있을 정도로 데이터의 구조를 출력해주고, 각 열의 변수들이 가지는 자료 유형이 어떤 것인지를 보여줍니다. 종종 데이터프레임으로 구성된 자료 유형을 티블로 강제 변환해야 할 경우가 있는데, 이때는 as_tibble() 함수를 사용하면 된다.

일단 tidyverse 패키지는 R에 내장된 것이 아니라 Hadley Wickham이 개발한 것이기 때문에 별도로 불러와야 합니다. 패키지를 설치할 때는 install.packages(), 설치된 패키지를 불러올 때는 library() 혹은 require() 함수를 사용합니다.

## install.packages("tidyverse")
library(tidyverse)
mtcars <- as_tibble(mtcars)
mtcars %>% knitr::kable()

패키지 (Packages)

위의 tidyverse 패키지에 대한 설명이 사실 여기 들어와야 하는데, 티블을 설명하느라 조금 당겨서 적었습니다. 이 섹션에서 패키지에 대한 내용을 조금 더 자세하게 들여다 보도록 하겠습니다.

R의 패키지는 함수와 객체의 모음(collection of functions and objects)이라고 할 수 있습니다. RStudio나 R을 열때마다, 여러 개의 패키지들이 자동으로 로드(load)됩니다. 어떤 패키지들이 로드되어 있는지 확인하고 싶으면 sessionInfo() 라는 함수를 사용하면 됩니다.

좀 더 복잡한 문제를 해결하기 위해서는 R에 기본적으로 탑재된 함수/패키지 이외에 추가적인 패키지를 필요로 할 때가 있습니다. 이 경우에는 다음과 같은 함수를 사용합니다.: install.package()

그리고 R에서는 패키지의 설치와 사용은 별개의 작업으로 설치된 패키지를 사용하기 위해서는 그 패키지를 로딩해야 하는데 이때는 library() 함수를 사용하시면 됩니다. 한 번 패키지를 설치하면 다시 설치할 필요는 없지만 새로운 R 세션을 시작할 때마다 매번 library() 함수를 이용해서 로딩을 해주어야 합니다.

또, R에서는 서로 다른 패키지에 내장된 함수의 이름이 같을 경우가 있습니다. 예를 들어 select()라는 함수는 dplyr 패키지에 속한 함수로 데이터의 열(column)을 선택할 수 있게 해주는 함수인데, R의 base에도 기능은 다른데 이름은 같은 함수가 존재합니다. 이처럼 특정 패키지에 속한 함수를 불러내서 사용하고 싶은데 그냥 library()로 불러주면 함수들 간의 충돌이 일어나 원하는 결과를 얻지 못할 수 있습니다. 그때는 패키지를 ::를 통해 지정해서 특정 함수를 불러올 수 있습니다. 예를 들면, dplyr::select()는 dplyr 패키지에 속한 select() 함수를 불러오라는 명령어입니다.

## R 패키지 설치 예시
## foreign 함수는 version 12 이하의 STATA 파일(.dta)을 로딩할 수 있게 도와줍니다.
## install.packages("foreign")
## plyr 함수는 좀 더 복잡하고 고급스러운 자료 조작(manipulation)을 가능하게 합니다.
## install.packages("plyr")
## ggplot2 함수는 함수 가시화(visualization)를 돕습니다.
## install.packages("ggplot2")

# 설치한 패키지들을 사용하기 위하여 라이브러리(libraries)를 로드한다.
library(foreign)
library(plyr)
library(ggplot2)

이렇게 로드된 패키지들의 상태와 작업창을 한 번에 저장하고 다음에 불러오고 싶을 때, 다음과 같은 패키지를 사용해 패키지들을 관리할 수도 있습니다.

## install.packages("session")
library(session)
save.session(file="test.Rda") # 현재까지 불러온 패키지와 객체들이 R 스크립트가 저장된
                              # 디렉토리에 test.Rda라는 이름으로 저장됩니다.
## 나중에 Rstudio 종료 후 다시 켰을 때,
restore.session(file="test.Rda") # 기존에 저장되었던 test.Rda를 불러옵니다.
## 이때, 주의해야할 점은 R 스크립트가 저장된 디렉토리가 세션 정보를 담은 Rda가 저장된
## 디렉토리와 같아야 한다는 점입니다. 만약 다르다면 file="다른 디렉토리/file.Rda"로 
## 별도로 지정해주어야 합니다.

패키지들에 대한 더 자세한 내용을 알고 싶다면 다음의 링크를 참고하면 좋습니다.

그리고 R이 여러 패키지를 설치하는 데 제약이 없다고는 하지만 로드는 개별 패키지별로 해야합니다. 마지막으로 한 번에 여러 개의 패키지들을 설치 및 로드할 수 있게 도와주는 패키지(패키지의 패키지…)가 있는데, 그건 여기에서 살펴볼 수 있습니다.³

디렉토리 생성 코드

R 스크립트의 작성을 시작하기에 앞서, 디렉토리 생성 코드를 살펴보는 이유는 코딩하는 데 있어서 깔끔한 파일 구조를 설정하는 법을 숙지해야 효율적인 작업이 가능하기 때문입니다. 논문을 쓰는 입장이기 때문에 제 경우는 다음과 같이 폴더 구조를 정리합니다.

• Main project directory \(\leftarrow\) 예를 들어, [2018_FALL_Regime_Growth]
  • 폴더명 command file subdirectory \(\leftarrow\) R 스크립트를 여기다 저장합니다.
  • 폴더명 original data와 analysis data subdirectory \(\leftarrow\) 각각 원자료와 분석을 위해 전처리한 자료를 저장합니다.
  • 폴더명 documents subdirectory \(\leftarrow\) 논문 본문을 작성하는 tex 파일을 저장합니다.⁴
    • 하위에 폴더명 tables subdirectory \(\leftarrow\) R에서 만든 표를 저장합니다.
    • 하위에 폴더명 figures subdirectory \(\leftarrow\) R에서 만든 그래프 등을 저장합니다.

하나 하나 윈도우 폴더 탐색기에서 만들 수도 있는데, R을 가지고도 편하게 만들 수 있습니다. 사실 익숙해져야 편하고 익숙해지기 전에는 약간 노가다 느낌나서 뭐하러 이짓하나 싶기도 합니다. 근데 익숙해지면 구조화된 폴더 트리 속에서 규칙적으로 네이밍되는 각 가지들로 이름만 바꾸면 되기 때문에 굉장히 편하다는 것을 알게 되실 겁니다.

• 예를 들어서, 원래 하던 프로젝트가 Main이라는 폴더의 P1이라면 그 다음은 P2니까 P1의 R 스크립트에서 디렉토리를 P2로 주소를 바꾸기만 하면 됩니다.

## 현재 R 콘솔에 저장된 모든 값, 모델 등을 제거하는 코드
rm(list=ls())

## 현재 작업중인 디렉토리가 어딘지 확인하는 코드
getwd()

## 새롭게 작업 디렉토리를 설정하는 코드
## 작업하고자 하는 폴더 우클릭 후 경로보기 하면 나옴
setwd("/Users/Documents")

## 패키지를 이용하는 방법: here
## install.packages("here")
here::here() %>% setwd() 
## 현재 R 스크립트가 위치한 디렉토리를 작업 디렉토리로 설정

## Rproj를 사용하는 방법: 따로 설명

## 표와 그래프를 위한 폴더를 만들기
dir.create("./documents")
dir.create("./documents/tables")
dir.create("./documents/figures")

용례 (A working example)

아래는 실제로 코딩을 이용해서 자료를 요약하거나 가시화하는 사례들입니다. 앞으로는 다음과 같은 내용들을 차근차근 다루어볼 것입니다.

## 먼저 깔끔하게 R-콘솔 창을 정리합니다.
rm(list = ls())

## diamonds라는 데이터셋을 로드합니다. 이 데이터셋을 불러오려면 먼저 ggplot2를 설치하고
## 로드해야 합니다. ggplot2라는 패키지에 포함된 예제 데이터셋이기 때문입니다.
## install.packages("ggplot2") # 저는 이미 설치되어 있습니다.
library(ggplot2)
data(diamonds)
names(diamonds) # 데이터셋에 포함된 변수들의 이름을 확인할 수 있습니다.

##  [1] "carat"   "cut"     "color"   "clarity" "depth"   "table"   "price"  
##  [8] "x"       "y"       "z"

## 맨 위 몇 개 행의 특성을 간략하게 보여줍니다.
head(diamonds) %>% knitr::kable()

str(diamonds) # 데이터셋의 구조(관측치의 수, 변수의 수, 자료유형 등)를 보여줍니다.

## tibble[,10] [53,940 x 10] (S3: tbl_df/tbl/data.frame)
##  $ carat  : num [1:53940] 0.23 0.21 0.23 0.29 0.31 0.24 0.24 0.26 0.22 0.23 ...
##  $ cut    : Ord.factor w/ 5 levels "Fair"<"Good"<..: 5 4 2 4 2 3 3 3 1 3 ...
##  $ color  : Ord.factor w/ 7 levels "D"<"E"<"F"<"G"<..: 2 2 2 6 7 7 6 5 2 5 ...
##  $ clarity: Ord.factor w/ 8 levels "I1"<"SI2"<"SI1"<..: 2 3 5 4 2 6 7 3 4 5 ...
##  $ depth  : num [1:53940] 61.5 59.8 56.9 62.4 63.3 62.8 62.3 61.9 65.1 59.4 ...
##  $ table  : num [1:53940] 55 61 65 58 58 57 57 55 61 61 ...
##  $ price  : int [1:53940] 326 326 327 334 335 336 336 337 337 338 ...
##  $ x      : num [1:53940] 3.95 3.89 4.05 4.2 4.34 3.94 3.95 4.07 3.87 4 ...
##  $ y      : num [1:53940] 3.98 3.84 4.07 4.23 4.35 3.96 3.98 4.11 3.78 4.05 ...
##  $ z      : num [1:53940] 2.43 2.31 2.31 2.63 2.75 2.48 2.47 2.53 2.49 2.39 ...

summary(diamonds) # 데이터셋의 요약통계치(평균, 중간값, 분위수 등)를 보여줍니다.

##      carat               cut        color        clarity          depth      
##  Min.   :0.2000   Fair     : 1610   D: 6775   SI1    :13065   Min.   :43.00  
##  1st Qu.:0.4000   Good     : 4906   E: 9797   VS2    :12258   1st Qu.:61.00  
##  Median :0.7000   Very Good:12082   F: 9542   SI2    : 9194   Median :61.80  
##  Mean   :0.7979   Premium  :13791   G:11292   VS1    : 8171   Mean   :61.75  
##  3rd Qu.:1.0400   Ideal    :21551   H: 8304   VVS2   : 5066   3rd Qu.:62.50  
##  Max.   :5.0100                     I: 5422   VVS1   : 3655   Max.   :79.00  
##                                     J: 2808   (Other): 2531                  
##      table           price             x                y         
##  Min.   :43.00   Min.   :  326   Min.   : 0.000   Min.   : 0.000  
##  1st Qu.:56.00   1st Qu.:  950   1st Qu.: 4.710   1st Qu.: 4.720  
##  Median :57.00   Median : 2401   Median : 5.700   Median : 5.710  
##  Mean   :57.46   Mean   : 3933   Mean   : 5.731   Mean   : 5.735  
##  3rd Qu.:59.00   3rd Qu.: 5324   3rd Qu.: 6.540   3rd Qu.: 6.540  
##  Max.   :95.00   Max.   :18823   Max.   :10.740   Max.   :58.900  
##                                                                   
##        z         
##  Min.   : 0.000  
##  1st Qu.: 2.910  
##  Median : 3.530  
##  Mean   : 3.539  
##  3rd Qu.: 4.040  
##  Max.   :31.800  
## 

## 라벨을 포함한 R 히스토그램
hist(diamonds$carat, main = "Carat Histogram", xlab = "Carat")

## R에 내장된 기본 함수가 아니라 ggplot2를 이용해서 똑같은 히스토그램 만들어 보겠습니다.
ggplot(data = diamonds) + geom_histogram(aes(x = carat))

## ggplot2는 "+"를 이용해서 다양한 형태의 추가적인 정보를 레이어 형식으로 더할 수 있습니다.
ggplot(data = diamonds) + 
  geom_histogram(aes(x = carat), fill = "grey50") + # 히스토그램 막대색 변경
  ylab("Frequency") + xlab("Carots") +
  ggtitle("Count of diamonds by size") +
  theme_bw() # 그래프 배경색 변경

## 아까 만들었던 그래프 폴더에 그래프를 저장할 수 있습니다.
# ggsave(file="./figures/figure1.pdf", width=6.5, height=5)
# ggsave(file="./figures/figure1a.png", width=6.5, height=5, device = "png")

## 표 폴더 만든 것에다가 요약통계표를 저장하기
library(psych) # 기술통계표를 작성하는 데 특화된 패키지입니다.

## 세 가지 변수에 대해 요약통계치를 확인하기
diamonds <- subset(diamonds, select = c("carat", "depth", "price"))
## 몇몇 R 예제 데이터들은 티블로 저장되어 있지 않을 수 있습니다. 
## 이 경우에는 자료를 먼저 티블 유형으로 바꿔주고 시작하는 게 좋습니다.
## 자료 유형을 확인하는 함수는 class(), 혹은 typeof()입니다.
## library(tidyverse) # 아까 불러왔지만, 여기서는 로드하지 않았다고 가정합시다.
class(diamonds)

## [1] "tbl_df"     "tbl"        "data.frame"

diamonds <- as_tibble(diamonds)

descriptive_statistics <- describe(diamonds)
descriptive_statistics %>% knitr::kable()

# 좀 더 깔끔한 표로 만들어줄 수도 있습니다.

descriptive_statistics %>% knitr::kable(
  digits = 3,
  caption = "Summary Statistics of Diamonds"
)

# 필요한 열만 따로 보여줄 수도 있습니다.

descriptive_statistics %>% 
  dplyr::select(n, mean, sd, min, max) %>%
  knitr::kable(
  digits = 3,
  caption = "Summary Statistics of Diamonds"
)

# 변수명을 바꿔줄 수도 있습니다.
descriptive_statistics$Variables <- row.names(descriptive_statistics)
descriptive_statistics %>% 
  dplyr::select(Variables, Obs = n, Mean = mean, 
                St.Dev = sd, Min = min, Max = max) %>%
  knitr::kable(
  digits = 3,
  caption = "Summary Statistics of Diamonds"
)

# 만약 stargazer로 생산한 객체를 sum.table1이라는 이름으로 저장했다면,
# write(x=sum.table1, file="./tables/Summary1.tex") 
# 위의 코드로 tex파일로 저장, LaTex로 열고 편집할 수 있습니다.

기타 참고자료

여기서 정리한 Introduction to R의 내용은 모두 DataCamp와 R for Everyone이라는 자료의 내용을 요약, 정리한 것입니다. 책(R for Everyone; R4E1)이야 구매할 수밖에 없지만 DataCamp 사이트의 강의들 중에는 무료강의가 많으니까 한 번쯤 확인해보는 것도 큰 도움이 될 거라고 생각합니다.

RStudio 홈페이지도 두 개의 기초강의를 제공하는데, RStudio Cloud에 가입하여 Primers를 클릭하면 됩니다. Primers에서 Basics를 선택하면 두 개 강의를 볼 수 있는데, R-coding에 도움이 되는 건 Programming Basics Course입니다.

데이터의 구조

가장 기본적으로(그리고 중요하게) 알아두어야 할 데이터 구조는 바로 원자 벡터(atomic vectors), 리스트(lists), 그리고 데이터프레임(dataframes)과 티블(tibbles)입니다. 이제부터는 거의 모든 데이터를 관리하는 데 있어 tidyverse 패키지를 적극적으로 사용하도록 하겠습니다.

library(tidyverse)

## 원자 벡터는 c() 라는 함수로 만들 수 있습니다.
my_vector <- c(1, 2, 3) # 벡터는 반드시 동일한 유형의 요소들만을 가져야 합니다.
typeof(my_vector)

## [1] "double"

## 연산자들은 벡터 전체에 걸쳐서 적용됩니다.
my_vector * 2

## [1] 2 4 6

## 벡터는 1차원의 자료만을 가집니다. 
## 즉, 벡터 안에 다른 벡터를 중첩하여 만들 수 없습니다(cannot nest).
new_vector <- c(my_vector, c(4, 5), c(6, 7)) # 자, 어디 중첩이 되나 보겠습니다.

## 여기서의 벡터 결과는 중첩되지 않고 단지 1차원의 단순 벡터일 뿐입니다.
## (리스트는 이 결과와는 달리 자료 내에 중첩이 가능합니다.)
print(new_vector)

## [1] 1 2 3 4 5 6 7

리스트

리스트는 서로 다른 유형의 데이터, R에서 지원하는 모든 유형의 데이터를 담을 수 있습니다.

my_list <- list(1, 3L, 'hello, world', TRUE)
print(my_list)

## [[1]]
## [1] 1
## 
## [[2]]
## [1] 3
## 
## [[3]]
## [1] "hello, world"
## 
## [[4]]
## [1] TRUE

print(map_chr(my_list, function(x) typeof(x))) # 이건 잠시 후에 좀 더 살펴보겠습니다.

## [1] "double"    "integer"   "character" "logical"

데이터프레임

데이터프레임은 데이터 분석에서 앞으로 종종 사용하게 될 리스트에 속한 자료 유형이라고 할 수 있습니다.

df <- data.frame(
  age = c(sample(20:40, 15, replace = T)),
  collgrad = sample(c('No', 'Yes'), 15, replace = T)
)
print(df)

##    age collgrad
## 1   30       No
## 2   24      Yes
## 3   24       No
## 4   32      Yes
## 5   32       No
## 6   27      Yes
## 7   39       No
## 8   26      Yes
## 9   36      Yes
## 10  27       No
## 11  28      Yes
## 12  36      Yes
## 13  28       No
## 14  27      Yes
## 15  36      Yes

티블

티블은 tidyverse가 제공하는 데이터프레임이 좀 더 발전한 형태의 자료 유형입니다. 우선 티블의 장점은 더 유저 친화적이라는 것입니다. 예를 들어, 티블은 R 콘솔창에서 한 눈에 확인할 수 있을 정도로 데이터의 구조를 출력해주고, 행 이름을 생성하지 않습니다. 그리고 변수들의 자료유형이 어떤 것인지를 보여줍니다. 만약 데이터프레임을 티블로 바꾸고 싶다면 as_tibble() 함수를 사용하면 됩니다.

tb <- tibble(
  age = c(sample(20:40, 15, replace = T)),
  collgrad = sample(c('No', 'Yes'), 15, replace = T)
)
print(tb)

## # A tibble: 15 x 2
##      age collgrad
##    <int> <chr>   
##  1    33 Yes     
##  2    36 No      
##  3    32 Yes     
##  4    32 Yes     
##  5    23 No      
##  6    38 Yes     
##  7    29 Yes     
##  8    40 Yes     
##  9    26 No      
## 10    38 Yes     
## 11    23 No      
## 12    31 No      
## 13    30 No      
## 14    38 Yes     
## 15    29 No

## 함수를 만드는 방법은 다음과 같습니다.
greeting <- function(name) { #내가 만들 함수이름 (내가 집어넣을 객체)
  result <- paste0('Hello ', name, '!') # '결과'라는 객체에 우측의 함수를 수행하고
  return(result) # 그 결과를 반환하라는 명령어입니다.
}

## 자, 이제 위의 'greeting'이라는 함수는 {} 안의 작업을 수행하는 하나의 함수입니다.
## 이제 'Robert'라는 객체에 그 함수를 적용해보겠습니다.
greeting('Robert')

## [1] "Hello Robert!"

루프와 함수형 프로그래밍(Loops & functionals)

루프는 R에서 일정한 횟수의 과정을 반복하도록 하게하는 프로그래밍을 말합니다.

## 몇 개의 이름을 가지고 있는 벡터에 새롭게 만든 인삿말을 표현하도록 만든 함수와 결합해보겠습니다.
## 벡터의 각각의 이름들을 해당 함수에 집어넣는 과정을 자동으로 반복되게 해보겠습니다.
my_names <- c('Robert', 'James', 'Liz', 'Jennifer', 'Oscar')
results1 <- c(NA, NA, NA, NA, NA)
for (i in 1:length(my_names)) {
  results1[i] <- greeting(my_names[i])
}
print(results1)

## [1] "Hello Robert!"   "Hello James!"    "Hello Liz!"      "Hello Jennifer!"
## [5] "Hello Oscar!"

여기서 한 가지 알아두어야 할 사실은 우리가 만든 함수, 객체가 작동하는 범주(scope)가 중요하다는 것입니다. 변수가 실제로 유효하게 존재하는 범주는 어디인지를 파악하는 것이 중요합니다? 예를 들어, 앞의 greeting 함수에서 result 변수는 오직 그 함수를 정의하는 중괄호({}) 내부에서만 유효한 변수입니다다. 만약 우리가 print(result)를 이용해 result 변수를 출력하라고 해도, 우리는 아무것도 얻지 못 합니다. 왜냐하면 그 함수 안에서만 소모되는 변수이므로 우리의 작업 환경(environment)에는 별도로 저장되어 있지 않기 때문입니다.

# 위의 루프문은 함수형을 이용하여 더 간략하고 파워풀하게 만들 수도 있습니다.
# 함수형은 tidyverse 패키지의 한 부류인 purrr package에서 지원됩니다.
greeting_list <- map(my_names, greeting) # 리스트로 저장
print(greeting_list)

## [[1]]
## [1] "Hello Robert!"
## 
## [[2]]
## [1] "Hello James!"
## 
## [[3]]
## [1] "Hello Liz!"
## 
## [[4]]
## [1] "Hello Jennifer!"
## 
## [[5]]
## [1] "Hello Oscar!"

greeting_vector <- map_chr(my_names, greeting) # 벡터로 저장
print(greeting_vector)

## [1] "Hello Robert!"   "Hello James!"    "Hello Liz!"      "Hello Jennifer!"
## [5] "Hello Oscar!"

위의 map()과 map_chr() 함수를 이용한 결과 둘 다, 우리가 원하는 루프의 결과와 동일한 값을 가집니다. 단지 자료 유형(나열의 방식)에서 차이가 있다고 할 수 있습니다. 함수형은 R 인터페이스에는 존재하지 않는, 사용자들의 편의 상 추가된 개념이라고 생각하면 됩니다(tidyverse).

파이프(%>%)

파이프는 앞으로 R 프로그래밍을 하는 데 있어 필수적인 기능입니다. tidyr 패키지(마찬가지로 tidyverse 패키지의 일부)로 불러올 수 있지만, 원래는 magrittr 패키지에 있는 함수입니다. 여러 패키지가 tidyverse의 철학에 따라서 만들어졌고, 현재 tidyverse family라는 이름으로 묶여있습니다.

library(magrittr)

# R은 함수를 가장 안쪽의 괄호에서부터 바깥쪽으로 순차적으로 읽어 나옵니다.
random_vector <- sample(1:100, 25, replace = T)
result <- sum(as.integer(is.na(unique(random_vector))))
print(result)

## [1] 0

원하는 결과를 얻을 수는 있지만 위의 두 번째 result 객체를 구성하는 함수는 한 줄로 나열되어 있어서 읽기 좀 어렵고, 왜 이렇게 코드를 짰는지 이해하기 어렵습니다. 만약 파이프 (%>%)를 이용하면 코드를 더 보기 좋게 짤 수 있습니다. 파이프에서 이전 데이터는 (.)으로 표현됩니다.

result <- unique(random_vector) %>% # random_vector의 중복값 없이 고유값만
  is.na(.) %>%  # 앞의 중복값을 없앤 random_vector 자료에 결측치가 있는지 확인
                # 이 경우 is.na는 논리형 연산자, 결측치는 TRUE, 아니면 FALSE
  as.integer(.) %>%  # 앞의 random_vector를 정수형으로 변환
                     # R에서 TRUE는 1, FALSE는 0
  sum(.)             # 변환한 결과의 총합을 계산. 결측치가 없으면 FALSE만 있을 것
print(result)        # 즉, result의 결과값은 데이터의 결측치(NA)의 수

## [1] 0

만약 첫 번째 주장(argument)가 데이터라면, .을 사용할 필요가 없습니다.

result <- unique(random_vector) %>%
  is.na() %>%
  as.integer() %>%
  sum()
print(result)

## [1] 0

Tidyverse를 위한 기타 참고자료

tidyverse에 대해 더 자세한 정보를 원하면, 다음의 무료 ebook R for Data Science을 참고해보기를 바랍니다. 국문의 경우 R을 활용한 데이터과학의 번역된 웹페이지가 존재합니다.

마찬가지로 프로그래밍 언어로서 R에 대해 더 자세히 알고자 한다면 다음의 ebook을 무료로 확인할 수 있습니다.: Advanced R 2nd Edition.