데이터 타입, 산술과 논리 연산자

이 튜토리얼에서는 다음에 대하여 학습한다.

• 기본 데이터 타입
• 변수
• 벡터
• 산술 연산자
• 논리 연산자

기본 데이터 타입

R 프로그래밍은 다음과 같은 다양한 데이터 타입을 처리한다:

• 스칼라 (Scalars)
• 벡터 (수치, 문자, 논리)
• 행렬 (Matrices)
• 데이터 프레임 (Data frames)
• 리스트 (Lists)

기본 타입

• 4.5 : 수치(numerics)라 불리는 십진수이다.
• 4 : 정수(integers)라 불리는 자연수이다. 정수도 숫자이다.
• TRUE 또는 FALSE : 논리(logical)라 불리는 불리안 값(Boolean value)이다.
• " "나 ' '안에 있는 값 : 텍스트(문자열)이다. 이것들은 문자(characters)라 불린다.

우리는 class() 함수를 이용하여 변수의 타입을 확인할 수 있다.

예제 1:

xxxxxxxxxx
# Declare variables of different types
# Numeric
x <- 28
class(x)

결과:

xxxxxxxxxx
## [1] "numeric"

예제 2:

xxxxxxxxxx
# String
y <- "R is Fantastic"
class(y)

결과:

xxxxxxxxxx
## [1] "character"

예제 3:

xxxxxxxxxx
# Boolean
z <- TRUE
class(z)

결과:

xxxxxxxxxx
## [1] "logical"

우리는 str() 함수를 이용하여 변수의 데이터 구조를 확인할 수 있다.

예제 4:

xxxxxxxxxx
# Declare variables of different types
# Numeric
x <- 28
str(x)

결과 :

xxxxxxxxxx
## num 28

예제 5:

xxxxxxxxxx
# String
y <- "R is Fantastic"
str(y)

결과:

xxxxxxxxxx
## chr "R is Fantastic"

예제 6:

xxxxxxxxxx
# Boolean
z <- TRUE
str(z)

결과:

xxxxxxxxxx
## logi TRUE

변수

변수(variable)는 데이터를 저장하고 특히 데이터 과학자들에게는 중요한 구성요소이다. 하나의 변수는 하나의 숫자, 오브젝트, 통계 결과, 벡터, 데이터 세트, 그리고 기본적으로 R이 출력하는 모델 예측치 등을 저장할 수 있다. 우리는 단순히 변수명을 호출함으로써 나중에 그 변수를 사용할 수 있다.

변수를 선언하기 위해서는 '변수의 이름'을 지정해야 한다. 변수 이름은 공란이 있어서는 안된다. 단어를 연결하기 위해 _를 사용할 수 있다.

변수에 데이터를 저장하기 위해 <- 또는 =를 사용한다.

여기에 사용방법이 있다:

xxxxxxxxxx
# First way to declare a variable:  use the `<-`
name_of_variable <- value
​
# Second way to declare a variable:  use the `=`
name_of_variable = value

command 라인에서 우리는 다음과 같이 어떠한 일이 벌어지는지 알아보기 위해 다음의 코드를 작성할 수 있다:

예제 1:

xxxxxxxxxx
# Print variable x
x <- 42
x

결과:

xxxxxxxxxx
## [1] 42

예제 2:

xxxxxxxxxx
y  <- 10
y

결과:

xxxxxxxxxx
## [1] 10

예제 3:

xxxxxxxxxx
# We call x and y and apply a subtraction
x-y

결과:

xxxxxxxxxx
## [1] 32

벡터

벡터(vector)는 일차원 배열(array)이다. 우리는 앞에서 배운 모든 기본 데이터를 이용하여 벡터를 생성할 수 있다.

벡터의 생성

R에서 벡서를 만드는 가장 간단한 방법은 c( ) 함수(c : combine)를 사용하는 것이다.

참고 : 벡터(vector)와 리스트(list)의 공통적인 특성

• 유형 : typeof(), 어떤 유형인가?
• 길이 : length(), 얼마나 많은 요소를 갖고 있는가?
• 속성 : attributes(), 임의의 추가적 메타 데이터는 무엇인가?

예제 1: (정수형)

xxxxxxxxxx
# Numerical
vec_num <- c(1, 10, 49)
vec_num

결과:

xxxxxxxxxx
## [1]  1 10 49

예제 2:(문자형)

xxxxxxxxxx
# Character 
vec_chr <- c("a", "b", "c")
vec_chr

결과:

xxxxxxxxxx
## [1] "a" "b" "c"

예제 3: (논리형)

xxxxxxxxxx
# Boolean 
vec_bool <-  c(TRUE, FALSE, TRUE)
vec_bool

결과:

xxxxxxxxxx
## [1] TRUE FALSE TRUE

예제 4: (더블 형*)

xxxxxxxxxx
# Double
dbl_var <- c(1, 2.5, 4.5)
dbl_var

결과:

xxxxxxxxxx
## [1] 1.0 2.5 4.5

변수 값의 출력 방법

 

[방법 1] 변수명을 기입하는 방법

xxxxxxxxxx
# Numerical
vec_num <- c(1, 10, 49)
vec_num

 

[방법 2] ; 을 이용하여 같은 줄에 변수명을 기입하는 방법

xxxxxxxxxx
# Numerical : 
vec_num <- c(1, 10, 49); vec_num

 

[방법 3] ()를 이용하는 방법

xxxxxxxxxx
# Numerical
( vec_num <- c(1, 10, 49) )

 

예제 5:

xxxxxxxxxx
c(1, c(2, c(3,4)))    # c(1, 2, 3, 4)와 같음

결과:

xxxxxxxxxx
## [1] 1 2 3 4

벡터의 유형 검증

• typeof() 함수로 그 벡터의 유형을 지정할 수 있다.

• is 함수를 사용하여 그 벡터가 어떤 유형인지 검증할 수 있다.

  • is.character()
  • is.double()
  • is.integer()
  • is.numeric()
  • is.logical()
  • is.atomic()

예제 6:

xxxxxxxxxx
vec_num <- c(1, 10, 49)
vec_num
typeof(vec_num)
is.integer(vec_num)
is.atomic(vec_num)

결과:

xxxxxxxxxx
> vec_num
## [1]  1 10 49
> typeof(vec_num)
## [1] "double"
> is.integer(vec_num)
## [1] FALSE
> is.atomic(vec_num)
## [1] TRUE
> is.atomic(vec_num)
## [1] TRUE

벡터의 (강제) 형 변환

벡터의 모든 요소는 같은 유형을 가져야 한다. 따라서 서로 다른 유형을 결합하려고 할 때 그 요소를 가장 유연한 유형으로 강제형변환(coersion)된다.

( 유연성 정도의 순서) 문자형 > 더블형 > 정수형 > 논리형

예제 7: 문자형과 숫자형의 결합

xxxxxxxxxx
str(c("a", 1))

결과: 숫자형이 문자형으로 강제변환된다.

xxxxxxxxxx
## chr [1:2] "a" "1"

다음의 함수를 이용하여 명시적으로 데이터의 형변환을 할 수 있다.

• as.character()
• as.double()
• as.integer()
• as.logical()

예제 8: as.numeric()

xxxxxxxxxx
x <- c(FALSE, FALSE, TRUE)
as.numeric(x)

결과 :

xxxxxxxxxx
[1] 0 0 1

산술 연산자

먼저 R에서 사용되는 기본적인 산술 연산자를 살펴볼 것이다.

우리는 벡터의 산술 연산을 수행할 수 있다.

예제 1:

xxxxxxxxxx
# Create the vectors
vect_1 <- c(1, 3, 5)
vect_2 <- c(2, 4, 6)
# Take the sum of A_vector and B_vector
sum_vect <- vect_1 + vect_2
​
# Print out total_vector
sum_vect

결과:

xxxxxxxxxx
## [1]  3  7 11

예제 2:

xxxxxxxxxx
# An addition
3 + 4

결과:

xxxxxxxxxx
## [1] 7

여러분은 R 코드를 Rstudio Console에 쉽게 복사해서 붙여 넣기할 수 있다. 결과는 # 기호 다음에 표시가 된다. 예 들어, print('Guru99')라고 코드를 작성하면 결과는 ## [1] Guru99가 될 것이다.

## 는 결과를 프린트하는 것을 그리고 대괄호([ ]) 안의 숫자는 출력물의 갯수를 의미한다.

# 로 시작하는 문장은 주석(annotation)이다. R 스크립트 내에 우리가 원하는 주석(설명)을 추가하기 위해 #를 사용할 수 있다. R은 실행하는 동안 그 이하의 문장을 읽지 않을 것이다.

예제 3:

xxxxxxxxxx
# A multiplication
3*5

결과:

xxxxxxxxxx
## [1] 15

예제 4:

xxxxxxxxxx
# A division
(5+5)/2

결과:

xxxxxxxxxx
## [1] 5

예제 5:

xxxxxxxxxx
# Exponentiation
2^5
# or
2**5

결과:

xxxxxxxxxx
## [1] 32

예제 6:

xxxxxxxxxx
# Modulo : %% (나머지)
27%%6

결과:

xxxxxxxxxx
## [1] 3

예제 7:

xxxxxxxxxx
# Quotient : %/% (몫)
27%/%6

결과:

xxxxxxxxxx
## [1] 4

논리 연산자

논리 연산자를 가지고 논리 조건식에 기반하여 벡터 내의 값들을 반환하고자 한다. 다음은 R에서 사용할 수 있는 논리 연산자의 상세 목록이다.

R에서의 논리문은 대괄호([ ]) 안에 둘러 싸여 있다. 우리가 원하는 만큼의 조건 문장을 추가할 수 있지만 그 조건들을 괄호(())안에 포함시켜야 한다. 우리는 조건문을 생성하기 위해 다음의 구조를 따를 수 있다:

xxxxxxxxxx
variable_name[(conditional_statement)]

변수(variable)를 참조하는 변수명(variable_name)을 가지고 우리는 문장에 사용하고자 한다. 우리는 variable_name > 0 같은 논리 문장을 생성한다. 끝으로, 논리문을 종료하기 위해 대괄호([ ])를 사용한다. 아래에 논리문의 예가 있다.

예제 1:

xxxxxxxxxx
# Create a vector from 1 to 10
logical_vector <- 1:10
​
# logical statement
logical_vector > 5

결과:

xxxxxxxxxx
## [1] FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE

위의 결과에서 R은 벡터 내의 각각의 요소를 읽고 그것을 logical_vector > 5와 비교한다. 만일 벡터의 원소 값이 5보다 크면 조건은 TRUE이고, 그렇지 않으면 FALSE이다. 즉 R은 TRUE와 FALSE로 구성된 벡터를 출력한다.

예제 2:

아래의 예에서 우리는 '5보다 큰' 조건을 만족하는 값들만을 추출하고자 한다. 이를 위해, 우리는 값을 포함하는 벡터 다음의 대괄호 안에 조건을 삽입할 수 있다.

xxxxxxxxxx
# Print value strictly above 5
logical_vector[(logical_vector>5)]

결과:

xxxxxxxxxx
## [1]  6  7  8  9 10

예제 3:

xxxxxxxxxx
# Print 5 and 6
logical_vector <- 1:10
logical_vector[(logical_vector>4) & (logical_vector<7)]

결과:

xxxxxxxxxx
## [1] 5 6

기타 : Subsetting, Sequence

벡터 잘라내기

예제 1: [Subsetting]

R에서는 벡터를 잘라낼 수 있다. 어떤 경우에는 벡터의 첫 다섯 행만 관심이 있을 수 있다. 그런 경우 1에서 5까지의 값을 추출하기 위해 우리는 [1:5] 명령을 사용할 수 있다.

xxxxxxxxxx
# Slice the first five rows of the vector
slice_vector <- c(1,2,3,4,5,6,7,8,9,10)
slice_vector[1:5]

결과:

xxxxxxxxxx
## [1] 1 2 3 4 5

예제 2: which() 함수의 이용

xxxxxxxxxx
slice_vector <- c(1,2,3,4,5,6,7,8,9,10)
slice_vector[which(slice_vector %% 3 == 0)]  # 3의 배수만 출력

결과:

xxxxxxxxxx
## [1] 3 6 9

값의 범위 생성

예제 3: 값의 범위 생성

값의 범위를 생성하는 가장 간단한 방법은 두 개의 수 사이에 :를 사용하는 것이다. 예를 들어, 위의 예에서와 같이 우리는 1부터 10까지의 숫자 벡터를 생성하기 위해 c(1:10) 또는 1:10이라고 작성할 수 있다.

xxxxxxxxxx
# Faster way to create adjacent values
c(1:10)
​
# or
1:10
​
# or
seq(1,10)

결과:

xxxxxxxxxx
## [1]  1  2  3  4  5  6  7  8  9 10

예제 4: seq() 함수의 이용 예

xxxxxxxxxx
seq(0, 1, length.out = 11)
seq(stats::rnorm(20)) # effectively 'along'
seq(1, 9, by = 2)     # matches 'end'
seq(1, 9, by = pi)    # stays below 'end'
seq(1, 6, by = 3)
seq(1.575, 5.125, by = 0.05)
seq(17) # same as 1:17, or even better seq_len(17)

결과:

xxxxxxxxxx
> seq(0, 1, length.out = 11)
## [1] 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
> seq(stats::rnorm(20)) # effectively 'along'
## [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20
> seq(1, 9, by = 2)     # matches 'end'
## [1] 1 3 5 7 9
> seq(1, 9, by = pi)    # stays below 'end'
## [1] 1.000000 4.141593 7.283185
> seq(1, 6, by = 3)
## [1] 1 4
> seq(1.575, 5.125, by = 0.05)
## [1] 1.575 1.625 1.675 1.725 1.775 1.825 1.875 1.925 1.975 2.025 2.075 2.125
## [13] 2.175 2.225 2.275 2.325 2.375 2.425 2.475 2.525 2.575 2.625 2.675 2.725
## [25] 2.775 2.825 2.875 2.925 2.975 3.025 3.075 3.125 3.175 3.225 3.275 3.325
## [37] 3.375 3.425 3.475 3.525 3.575 3.625 3.675 3.725 3.775 3.825 3.875 3.925
## [49] 3.975 4.025 4.075 4.125 4.175 4.225 4.275 4.325 4.375 4.425 4.475 4.525
## [61] 4.575 4.625 4.675 4.725 4.775 4.825 4.875 4.925 4.975 5.025 5.075 5.125
> seq(17) # same as 1:17, or even better seq_len(17)
## [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17

반복 요소 생성

예제 5: 반복적 요소 생성

xxxxxxxxxx
rep(1, 5)

결과:

xxxxxxxxxx
## [1] 1 1 1 1 1

예제 6: rep() 함수의 이용

xxxxxxxxxx
rep(1:4, 2)
rep(1:4, each = 2)       # not the same.
rep(1:4, c(2,2,2,2))     # same as second.
rep(1:4, c(2,1,2,1))
rep(1:4, each = 2, len = 4)    # first 4 only.
rep(1:4, each = 2, len = 10)   # 8 integers plus two recycled 1's.
rep(1:4, each = 2, times = 3)  # length 24, 3 complete replications
​
rep(1, 40*(1-.8)) # length 7 on most platforms
rep(1, 40*(1-.8)+1e-7) # bette

결과:

xxxxxxxxxx
> rep(1:4, 2)
## [1] 1 2 3 4 1 2 3 4
> rep(1:4, each = 2)       # not the same.
## [1] 1 1 2 2 3 3 4 4
> rep(1:4, c(2,2,2,2))     # same as second.
## [1] 1 1 2 2 3 3 4 4
> rep(1:4, c(2,1,2,1))
## [1] 1 1 2 3 3 4
> rep(1:4, each = 2, len = 4)    # first 4 only.
## [1] 1 1 2 2
> rep(1:4, each = 2, len = 10)   # 8 integers plus two recycled 1's.
## [1] 1 1 2 2 3 3 4 4 1 1
> rep(1:4, each = 2, times = 3)  # length 24, 3 complete replications
## [1] 1 1 2 2 3 3 4 4 1 1 2 2 3 3 4 4 1 1 2 2 3 3 4 4
> 
> rep(1, 40*(1-.8)) # length 7 on most platforms
## [1] 1 1 1 1 1 1 1
> rep(1, 40*(1-.8)+1e-7) # better
## [1] 1 1 1 1 1 1 1 1

벡터요소에 이름 붙이기

방법 1> 벡터를 생성할 때

xxxxxxxxxx
x <- c(a=1, b=2, c=3) ; x

결과 :

xxxxxxxxxx
## a b c 
## 1 2 3 

방법 2> 작업공간에 생성되어 있는 벡터 x 요소에 이름을 붙일 때 : names() 함수 이용

xxxxxxxxxx
x <- c(1, 2, 3); x
names(x) <- c("a", "b", "c") ; x

결과 :

xxxxxxxxxx
> x <- c(1, 2, 3); x
## [1] 1 2 3
> names(x) <- c("a", "b", "c") ; x
## a b c 
## 1 2 3 

방법 3> 벡터의 수정된 사본을 생성할 때 : setNames() 함수 이용

xxxxxxxxxx
x <- setNames(1:3, c("a", "b", "c"))

결과:

xxxxxxxxxx
## a b c 
## 1 2 3 

벡터 요소 갯수의 확인 : length() 함수 이용

예제 7:

xxxxxxxxxx
x <- c(1, 2, 3)
length(x)

결과:

xxxxxxxxxx
## [1] 3