4.3 데이터 프레임의 컬럼 선택: select()
4.3.1 select() 함수의 기본 형식
select(dataframe, VAR1, VAR2, ...)
- dataframe : 데이터 세트
- VAR1, VAR2 : 선택하고자 하는 컬럼 이름 기입
Cars93_1 데이터 세트로부터 제조사명(Manufacturer), 최대가격(Max.Price), 고속도로연비(MPG.highway) 3개 변수(칼럼)를 선택해 보자.
# select() : Select columns by name
# select(Cars93_1, Manufacturer, Max.Price, MPG.highway)# 또는
# Cars93_1 %>%
# select(Manufacturer, Max.Price, MPG.highway)- 위의 스크립트를 실행하면 다음과 같은 에러메시지가 나온다.
Error in select(Cars93_1, Manufacturer, Max.Price, MPG.highway) :
사용되지 않은 인자 (Manufacturer, Max.Price, MPG.highway)- 이는
dplyr패키지의select()함수와MASS패키지의select()함수가 충돌하기 때문이다.
이러한 패키지 간의 충돌을 방지하기 위한 해결 방법은 다음과 같다.
- (방법 1)
dplyr::select():select()함수에 명시적으로dplyr패키지 명을 지정하는 방법
a1 <- dplyr::select(Cars93_1, Manufacturer, Max.Price, MPG.highway)
head(a1)## Manufacturer Max.Price MPG.highway
## 1 Acura 18.8 31
## 2 Acura 38.7 25
## 3 Audi 32.3 26
## 4 Audi 44.6 26
## 5 BMW 36.2 30
## 6 Buick 17.3 31- (방법 2)
select <- dplyr::select:select()함수가dplyr패키지의select()함수임을 명시적으로 지정
select <- dplyr::select
a2 <- select(Cars93_1, Manufacturer, Max.Price, MPG.highway)
head(a2)## Manufacturer Max.Price MPG.highway
## 1 Acura 18.8 31
## 2 Acura 38.7 25
## 3 Audi 32.3 26
## 4 Audi 44.6 26
## 5 BMW 36.2 30
## 6 Buick 17.3 31 # 또는
a3 <- Cars93_1 %>%
select(Manufacturer, Max.Price, MPG.highway)
head(a3)## Manufacturer Max.Price MPG.highway
## 1 Acura 18.8 31
## 2 Acura 38.7 25
## 3 Audi 32.3 26
## 4 Audi 44.6 26
## 5 BMW 36.2 30
## 6 Buick 17.3 31- (방법 3)
MASS패키지를 먼저 로딩하고, 나중에dplyr패키지를 로딩하기
library(MASS)
library(dplyr) # dplyr loading after MASS
a4 <- select(Cars93, Manufacturer, Max.Price, MPG.highway)
head(a4)## Manufacturer Max.Price MPG.highway
## 1 Acura 18.8 31
## 2 Acura 38.7 25
## 3 Audi 32.3 26
## 4 Audi 44.6 26
## 5 BMW 36.2 30
## 6 Buick 17.3 31이제 정상적으로 3개의 컬럼이 선택되어 출력이 된다.
4.3.2 a번째 부터 n번째의 연속적 컬럼 선택
select(dataframe, VAR_a:VAR_n, ...)
dataframe : 데이터 세트
VAR_a:VAR_n : a번째부터 n번째 변수
서로 인접한 연속된 변수들을 선택하고자 할 때는 예시처럼 ‘:’를 사용한다.
Cars93_1 데이터 세트에서 1번째에 위치한 제조사(Manufacturer) ~ 5번째에 위치한 가격(Price)까지 연속적으로 5개의 변수들을 선택해 보자. (컬럼의 이름으로)
a5 <- select(Cars93_1, Manufacturer:Price)
head(a5)## Manufacturer Model Type Min.Price Price
## 1 Acura Integra Small 12.9 15.9
## 2 Acura Legend Midsize 29.2 33.9
## 3 Audi 90 Compact 25.9 29.1
## 4 Audi 100 Midsize 30.8 37.7
## 5 BMW 535i Midsize 23.7 30.0
## 6 Buick Century Midsize 14.2 15.7# 또는
a6 <- Cars93_1 %>%
select(Manufacturer:Price)
head(a6)## Manufacturer Model Type Min.Price Price
## 1 Acura Integra Small 12.9 15.9
## 2 Acura Legend Midsize 29.2 33.9
## 3 Audi 90 Compact 25.9 29.1
## 4 Audi 100 Midsize 30.8 37.7
## 5 BMW 535i Midsize 23.7 30.0
## 6 Buick Century Midsize 14.2 15.7- 위의 결과로
Manufacturer,Model,Type,Min.Price, 그리고Price등의 5개의 컬럼이 선택된다.
아래와 같이 연속적인 컬럼의 위치를 알고 있으면 (가령 a부터 n번째 위치) ‘a:n’처럼 숫자를 직접 입력해주면 바로 위의 결과와 동일한 결과를 얻을 수 있다.
a7 <- select(Cars93_1, 1:5)
head(a7)## Manufacturer Model Type Min.Price Price
## 1 Acura Integra Small 12.9 15.9
## 2 Acura Legend Midsize 29.2 33.9
## 3 Audi 90 Compact 25.9 29.1
## 4 Audi 100 Midsize 30.8 37.7
## 5 BMW 535i Midsize 23.7 30.0
## 6 Buick Century Midsize 14.2 15.7# 또는
a8 <- Cars93_1 %>%
select(1:5)
head(a8)## Manufacturer Model Type Min.Price Price
## 1 Acura Integra Small 12.9 15.9
## 2 Acura Legend Midsize 29.2 33.9
## 3 Audi 90 Compact 25.9 29.1
## 4 Audi 100 Midsize 30.8 37.7
## 5 BMW 535i Midsize 23.7 30.0
## 6 Buick Century Midsize 14.2 15.7참고로, dplyr 패키지의 select() 함수는 base패키지에 내장되어 있는 subset(dataframe, select=...) 함수와 기능이 같다. 아래의 subset() 함수의 결과와 비교해 보면, 그 결과가 위와 같다.
a9 <- subset(Cars93_1, select = c(Manufacturer:Price))
head(a9)## Manufacturer Model Type Min.Price Price
## 1 Acura Integra Small 12.9 15.9
## 2 Acura Legend Midsize 29.2 33.9
## 3 Audi 90 Compact 25.9 29.1
## 4 Audi 100 Midsize 30.8 37.7
## 5 BMW 535i Midsize 23.7 30.0
## 6 Buick Century Midsize 14.2 15.7# 또는
a10 <- Cars93_1 %>%
subset(select = c(Manufacturer:Price))
head(a10)## Manufacturer Model Type Min.Price Price
## 1 Acura Integra Small 12.9 15.9
## 2 Acura Legend Midsize 29.2 33.9
## 3 Audi 90 Compact 25.9 29.1
## 4 Audi 100 Midsize 30.8 37.7
## 5 BMW 535i Midsize 23.7 30.0
## 6 Buick Century Midsize 14.2 15.7a11 <- subset(Cars93_1, select = c(1:5))
head(a11)## Manufacturer Model Type Min.Price Price
## 1 Acura Integra Small 12.9 15.9
## 2 Acura Legend Midsize 29.2 33.9
## 3 Audi 90 Compact 25.9 29.1
## 4 Audi 100 Midsize 30.8 37.7
## 5 BMW 535i Midsize 23.7 30.0
## 6 Buick Century Midsize 14.2 15.7# 또는
a12 <- Cars93_1 %>%
subset(select = c(1:5))
head(a12)## Manufacturer Model Type Min.Price Price
## 1 Acura Integra Small 12.9 15.9
## 2 Acura Legend Midsize 29.2 33.9
## 3 Audi 90 Compact 25.9 29.1
## 4 Audi 100 Midsize 30.8 37.7
## 5 BMW 535i Midsize 23.7 30.0
## 6 Buick Century Midsize 14.2 15.74.3.3 a번째 부터 n번째의 연속적 컬럼을 제외한 선택
select(dataframe, -(VAR_a:VAR_n, …))
dataframe : 데이터 세트
VAR_a:VAR_n : a번째부터 n번째 변수
컬럼 이름 앞에 ‘-’(minus) 부호를 사용하면, 그 컬럼은 제외하고 선택하게 된다.
# select(dataframe, -var1, -var2, ...) : to drop variables
a13 <- select(Cars93_1, -(Manufacturer:Price)); head(a13)## Max.Price MPG.city MPG.highway
## 1 18.8 25 31
## 2 38.7 18 25
## 3 32.3 20 26
## 4 44.6 19 26
## 5 36.2 22 30
## 6 17.3 22 31# 또는
a14 <- select(Cars93_1, -(1:5)); head(a14)## Max.Price MPG.city MPG.highway
## 1 18.8 25 31
## 2 38.7 18 25
## 3 32.3 20 26
## 4 44.6 19 26
## 5 36.2 22 30
## 6 17.3 22 31# 또는
a15 <- Cars93_1 %>%
select(-(Manufacturer:Price))
head(a15)## Max.Price MPG.city MPG.highway
## 1 18.8 25 31
## 2 38.7 18 25
## 3 32.3 20 26
## 4 44.6 19 26
## 5 36.2 22 30
## 6 17.3 22 31# 또는
a16 <- Cars93_1 %>%
select(-(1:5))
head(a16) ## Max.Price MPG.city MPG.highway
## 1 18.8 25 31
## 2 38.7 18 25
## 3 32.3 20 26
## 4 44.6 19 26
## 5 36.2 22 30
## 6 17.3 22 314.3.4 컬럼 이름의 ’앞 부분’을 지정하여 선택
select(dataframe, starts_with(“xx_name”))
- dataframe : 데이터 세트
- starts_with(“xx_name”) :컬럼 이름이 “
xx_name”으로 시작하는 모든 컬럼 선택
select() 함수의 인수로 starts_with() 를 사용하여 “xx_name”으로 시작하는 모든 컬럼을 선택할 수 있다.
Cars93_1 데이터 프레임에서 “MPG”로 시작하는 모든 변수를 선택해 보자.
# select(dataframe, starts_with("xx_name"))
# : select all variables, starting with a "xx_name" prefix
a17 <- select(Cars93_1, starts_with("MPG"))
head(a17)## MPG.city MPG.highway
## 1 25 31
## 2 18 25
## 3 20 26
## 4 19 26
## 5 22 30
## 6 22 31# 또는
a18 <- Cars93_1 %>%
select(starts_with("MPG"))
head(a18)## MPG.city MPG.highway
## 1 25 31
## 2 18 25
## 3 20 26
## 4 19 26
## 5 22 30
## 6 22 31- “
MPG”로 시작하는 컬럼으로 “MPG.city”(도시 연비), “MPG.highway”(고속도로 연비) 두 개의 컬럼이 출력된다.
4.3.5 컬럼 이름의 ’끝 부분’을 지정하여 선택
select(dataframe, ends_with(“xx_name”))
- dataframe : 데이터 세트
- ends_with(“xx_name”) :컬럼 이름이 “
xx_name”으로 끝나는 모든 컬럼 선택
starts_with가() 있으면 ends_with()도 있다. “xx_name”으로 끝나는 모든 컬럼을 선택하고 싶다면 select() 함수 안에 인수로 ends_with() 를 추가해주면 된다.
Cars93_1 데이터 프레임에서 “Price”로 끝나는 모든 변수를 선택해 보자
# select(dataframe, ends_with("xx_name"))
# : select all variables, ending with a "xx_name" prefix
a19 <- select(Cars93_1, ends_with("Price"))
head(a19)## Min.Price Price Max.Price
## 1 12.9 15.9 18.8
## 2 29.2 33.9 38.7
## 3 25.9 29.1 32.3
## 4 30.8 37.7 44.6
## 5 23.7 30.0 36.2
## 6 14.2 15.7 17.3# 또는
a20 <- Cars93_1 %>%
select(ends_with("Price"))
head(a20)## Min.Price Price Max.Price
## 1 12.9 15.9 18.8
## 2 29.2 33.9 38.7
## 3 25.9 29.1 32.3
## 4 30.8 37.7 44.6
## 5 23.7 30.0 36.2
## 6 14.2 15.7 17.3- “
Price”로 끝나는 컬럼이 “Min.Price,” “Price,” “Max.Price” 등 3개가 있음을 알 수 있다.
4.3.6 컬럼 이름의 일부를 포함하는 컬럼 선택
select(dataframe, contains(“xx_name”))
- dataframe : 데이터 세트
- contains(“xx_name”) : 컬럼 이름이 “xx_name”을 포함하는 모든 컬럼 선택
select() 함수에 contains() 인수를 사용하면 특정 문자열을 포함하는 모든 컬럼을 선택할 수 있다.
이때 “xx_name”은 대소문자를 구분하지 않는다.
Cars93_1 데이터 프레임에 있는 컬럼들 중에서 “P”를 포함하는 모든 컬럼을 선택해 보자.
# select(dataframe, contains("xx_string"))
# : select all variables which contains a "xx_string" literal string
a21 <- select(Cars93_1, contains("P"))
head(a21)## Type Min.Price Price Max.Price MPG.city MPG.highway
## 1 Small 12.9 15.9 18.8 25 31
## 2 Midsize 29.2 33.9 38.7 18 25
## 3 Compact 25.9 29.1 32.3 20 26
## 4 Midsize 30.8 37.7 44.6 19 26
## 5 Midsize 23.7 30.0 36.2 22 30
## 6 Midsize 14.2 15.7 17.3 22 31# 또는
a22 <- Cars93_1 %>%
select(contains("P"))
head(a22)## Type Min.Price Price Max.Price MPG.city MPG.highway
## 1 Small 12.9 15.9 18.8 25 31
## 2 Midsize 29.2 33.9 38.7 18 25
## 3 Compact 25.9 29.1 32.3 20 26
## 4 Midsize 30.8 37.7 44.6 19 26
## 5 Midsize 23.7 30.0 36.2 22 30
## 6 Midsize 14.2 15.7 17.3 22 31- “
P”를 포함하는 컬럼으로 “Type”(소문자 ‘p’ 포함, 대소문자 구분 안함), “Min.Price,” “Price,” “Max.Price,” “MPG.city,” “MPG.highway” 등 총 6개의 컬럼이 있다.
4.3.7 정규 표현식과 일치하는 문자열을 포함하는 컬럼 선택
select(dataframe, matches(“.xx_string.”))
dataframe : 데이터 세트
matches(“.xx_string.”) : 정규 표현식과 일치하는 문자열이 포함된 모든 컬럼 선택
여기서도 대소문자는 구분하지 않는다. 정규 표현식(regular expressions)에 대해서는 추후에 학습하기로 한다.
Cars93_1의 데이터 프레임에 있는 컬럼 중 그 이름의 중간에 “P”를 포함하는(정규표현식 - “.P.”) 모든 컬럼을 선택해 보자.
# select(dataframe, matches(".xx_string."))
# : Select columns that match a regular expression
a23 <- select(Cars93_1, matches(".P.")); head(a23)## Type Min.Price Max.Price MPG.city MPG.highway
## 1 Small 12.9 18.8 25 31
## 2 Midsize 29.2 38.7 18 25
## 3 Compact 25.9 32.3 20 26
## 4 Midsize 30.8 44.6 19 26
## 5 Midsize 23.7 36.2 22 30
## 6 Midsize 14.2 17.3 22 31a24 <- select(Cars93_1, matches("P")); head(a24) # exactly the same with contains("P")## Type Min.Price Price Max.Price MPG.city MPG.highway
## 1 Small 12.9 15.9 18.8 25 31
## 2 Midsize 29.2 33.9 38.7 18 25
## 3 Compact 25.9 29.1 32.3 20 26
## 4 Midsize 30.8 37.7 44.6 19 26
## 5 Midsize 23.7 30.0 36.2 22 30
## 6 Midsize 14.2 15.7 17.3 22 31# 또는
a25 <- Cars93_1 %>%
select(matches(".P."))
head(a25)## Type Min.Price Max.Price MPG.city MPG.highway
## 1 Small 12.9 18.8 25 31
## 2 Midsize 29.2 38.7 18 25
## 3 Compact 25.9 32.3 20 26
## 4 Midsize 30.8 44.6 19 26
## 5 Midsize 23.7 36.2 22 30
## 6 Midsize 14.2 17.3 22 31a26 <- Cars93_1 %>%
select(matches("P"))
head(a26)## Type Min.Price Price Max.Price MPG.city MPG.highway
## 1 Small 12.9 15.9 18.8 25 31
## 2 Midsize 29.2 33.9 38.7 18 25
## 3 Compact 25.9 29.1 32.3 20 26
## 4 Midsize 30.8 37.7 44.6 19 26
## 5 Midsize 23.7 30.0 36.2 22 30
## 6 Midsize 14.2 15.7 17.3 22 31위에
match()옵션 안에 첫 예제는 (“.P.”)를, 두번 째 예제는 점이 없이 (“P”)를 사용했다.앞 뒤로 ‘
.’(dot) 을 붙이면 시작과 끝 말고 컬럼명의 중간에 특정 문자열이 포함된 컬럼을 선택하라는 뜻이다.matches(".P.")로 한 경우에는 “P”로 시작하는 “Price” 컬럼이 선택되지 않지만, 그냥matches("P")로 한 경우는 “P”로 시작하는 “Price” 컬럼도 포함되어 있음을 알 수 있다.참고로, ‘
.’(dot) 이 없이matches()를 쓰면contains()와 동일한 결과를 반환합니다.
4.3.8 원하는 컬럼 명의 그룹에 포함된 컬럼 선택
select(dataframe, one_of(vars))
- dataframe : 데이터 세트
- one_of(vars) : 컬럼 이름의 그룹(vars)에 포함된 모든 컬럼 선택
Cars93_1의 데이터 프레임 중에서 “Manufacturer,” “MAX.Price,” “MPG.highway” 등 3개의 컬럼 이름을 포함하는 컬럼 그룹이 있다고 할 때, Cars93_1 데이터 프레임에서 이 컬럼 그룹에 있는 컬럼이 있다면(<- 즉, 있을 수도 있지만 없을 수도 있다는 뜻임!) 모두 선택해 보자.
# select(dataframe, one_of(vars))
# : Select columns that are from a group of names
vars <- c("Manufacturer", "MAX.Price", "MPG.highway")
a27 <- select(Cars93_1, one_of(vars))## Warning: Unknown columns: `MAX.Price`head(a27)## Manufacturer MPG.highway
## 1 Acura 31
## 2 Acura 25
## 3 Audi 26
## 4 Audi 26
## 5 BMW 30
## 6 Buick 31# 또는
vars <- c("Manufacturer", "MAX.Price", "MPG.highway")
a28 <- Cars93_1 %>%
select(one_of(vars))## Warning: Unknown columns: `MAX.Price`head(a28)## Manufacturer MPG.highway
## 1 Acura 31
## 2 Acura 25
## 3 Audi 26
## 4 Audi 26
## 5 BMW 30
## 6 Buick 31위의 결과로 “
MAX.Price”라는 컬럼에 대해서는 “Unknown variables”라고 해서 Warning mesage가 뜬다.Cars93_1에 보면 “Max.Price”라는 컬럼은 있어도 “MAX.Price”라는 컬럼이 없다.이처럼 변수 그룹vars에 나열된 이름 중에서 데이터 프레임에 포함된 컬럼에 대해서는 선택되지만. 해당 컬럼이 없다면 Warning message를 보여준다.
반면에 그냥 select() 함수로 위의 컬럼 그룹을 선택해보면, 아래처럼 “Error: Can’t subset columns that don’t exist. x Column MAX.Price doesn’t exist.” error 메시지만 표시가 된다.
# select(Cars93_1, Manufacturer, MAX.Price, MPG.highway)4.3.9 컬럼 이름의 접두사와 숫자 범위를 조합하여 컬럼 선택
select(dataframe, num_range("V", a:n))
dataframe: 데이터 세트num_range("V", a:n): 접두사(“V”)와 숫자 범위(“a:n”)를 조합하여Va컬럼 부터Vn컬럼까지 선택
변수 이름이 동일하게 특정 접두사로 시작하는 데이터 프레임의 경우 이 기능을 유용하게 사용할 수 있다.
“V1,” “V2,” “V3,” “V4” 등의 4개 변수를 가진 df 데이터 프레임에서 “V2,” “V3” 변수를 선택해 보자. 단, 이때 접두사 “V”와 숫자 범위 2:3 을 조합해서 쓰는 num_range() 옵션을 사용하면 다음과 같다.
# select(df, num_range("V", a:n))
# : Select columns from num_range a to n with a prefix
V1 <- c(rep(1, 10))
V2 <- c(rep(1:2, 5))
V3 <- c(rep(1:5, 2))
V4 <- c(rep(1:10))
df <- data.frame(V1, V2, V3, V4)
df## V1 V2 V3 V4
## 1 1 1 1 1
## 2 1 2 2 2
## 3 1 1 3 3
## 4 1 2 4 4
## 5 1 1 5 5
## 6 1 2 1 6
## 7 1 1 2 7
## 8 1 2 3 8
## 9 1 1 4 9
## 10 1 2 5 10a29 <- select(df, num_range("V", 2:3))
head(a29)## V2 V3
## 1 1 1
## 2 2 2
## 3 1 3
## 4 2 4
## 5 1 5
## 6 2 1# 또는
a30 <- df %>%
select(num_range("V", 2:3))
head(a30)## V2 V3
## 1 1 1
## 2 2 2
## 3 1 3
## 4 2 4
## 5 1 5
## 6 2 1