RLab01 - 6장
# 2019년 하반기 패밀리 레스토랑 온라인 예약 및 매출 데이터와 관련된 데이터.
# customer_r : 고객 정보(183행,데이터수)
# item_r : 메뉴 상품 정보(10)
# order_info_r : 주문 상세세 정보(391)
# reservation_r : 주문 예약,취소 정보(396)
# dplyr 패키지
# : 데이터 조작과 처리에 특화된 R 패키지.(디플라이알)
# : 데이터 처리하는 주요 패키지로 자리 잡음.
# 열이름을 소문자로 변환 (결과출력안함함)
colnames(customer_r) <- tolower(colnames(customer_r))
colnames(reservation_r) <- tolower(colnames(reservation_r))
colnames(order_info_r) <- tolower(colnames(order_info_r))
colnames(item_r) <- tolower(colnames(item_r))
head(customer_r)
# dplyr 패키지 설치
install.packages("dplyr")
# 패키지 로딩
library(dplyr)
# 파이프 연산자 ( %>% ) : 데이터 전달하기
# = 체인 연산자(chain operator), 파이프
# 내용 표현방법
# F(x) x %>% F
# G(F(x)) x %>% F %>% G
# count()함수 : 데이터를 세는 함수
# customer_r 데이터 셋을 count() 함수로 전달함함
customer_r %>% count()
exam <- read.csv("csv_exam.csv")
exam %>%filter(class == 1)
# filter()함수 : 조건으로 행 선택하기
head(order_info_r)
# item_id값이 m0001인 행만 선택출력
order_info_r %>% filter(item_id == "M0001")
order_info_r %>% filter(item_id == "M0001" &
sales >= 150000)
# 2반인 경우만 출력
head(exam)
exam %>% filter(class == 2)
# 1반이 아닌경우만 출력
exam %>% filter(class != 1)
# 3반이 아닌경우만 출력
exam %>% filter(class != 3)
# 수학점수가 50점을 초과한 경우
exam %>% filter(math > 50)
# 수학점수가 50점 미만인 경우
exam %>% filter(math < 50)
# 영어점수가 80점 이상인 경우
exam %>% filter(english >= 80)
# 영어점수가 80점 이하인 경우
exam %>% filter(english <= 80)
# 1반이면서 수학점수가 50점 이상인 경우
exam %>% filter(class == 1 & math >= 50)
# 2반이면서 영어점수가 80점 이상인 경우
exam %>% filter(class == 2 & english >= 80)
# 수학 점수가 90점 이상이거나 영어점수가 90점 이상인 경우
exam %>% filter(math >= 90 | english >= 90)
# 영어 점수가 90점 미만이거나 과학점수가 50점 이상인 경우
exam %>% filter(english < 90 | science >= 50)
# 1, 3, 5반에 해당되면 추출
# %in% (매치 오퍼레이터)
exam %>% filter(class ==1 | class == 3 | class == 5)
exam %>% filter(class %in% c(1,3,5))
# 추출한 행으로 데이터 만들기
# class가 1인 행 추출, class1에 할당
class1 <- exam %>% filter(class == 1)
# class가 2인 행 추출, class1에 할당
class2 <- exam %>% filter(class == 2)
# 1반 수학점수 평균구하기
mean(class1$math)
# 2반 수학점수 평균구하기
mean(class2$math)
#------------------------------------------------------------
# 혼자서 해보기 133p
# Q1.
library(ggplot2)
mpg <- as.data.frame(ggplot2::mpg)
head(mpg)
# 1)배기량이 4이하인 자동차의 고속도로 연비 평균이 더 높은것
displ1 <- mpg %>% filter(displ <= 4)
displ2 <- mpg %>% filter(displ >= 5)
head(displ1)
mean(displ1$hwy)
mean(displ2$hwy)
# Q2.
cty1 <- mpg %>% filter( cty<= 4)
manufacturer1 <- mpg %>% filter(manufacturer == "audi")
manufacturer2 <- mpg %>% filter(manufacturer == "toyota")
mean(manufacturer1$cty)
mean(manufacturer2$cty)
# Q3.
manufacturer3 <- mpg %>% filter(manufacturer == "chevrolet")
manufacturer4 <- mpg %>% filter(manufacturer == "ford")
manufacturer5 <- mpg %>% filter(manufacturer == "honda")
mean(manufacturer3$hwy)
mean(manufacturer4$hwy)
mean(manufacturer5$hwy)
mpg_new <- mpg %>% filter(manufacturer %in% c("chevrolet","ford","honda"))
mean(mpg_new$hwy)
#=============================================================
# select() 함수 : (테이블에서)열 선택하기기
head(order_info_r)
# order_info_r 테이블에서 reserv_no열과 reserv_no열을 선택하라
order_info_r %>% select(reserv_no, sales)
# math 추출
exam %>% select(math)
# class, math, english 변수 추출
exam %>% select(class, math, english)
# 변수 제외하기
# math 제외하고 출력
exam %>% select(-math)
# math, english 제외하고 출력
exam %>% select(-math,-english)
# class가 1인 행만 추출한 다음 english 추출
exam %>% filter(class == 1) %>% select(english)
# 가독성
exam %>%
filter(class == 1) %>%
select(english)
# id, math 추출하고 앞부분 6행까지 추출
exam %>%
select(id, math) %>%
head(6)
# id, math 추출하고 앞부분 10행까지 추출
exam %>%
select(id, math) %>%
head(10)
# 혼자서 해보기 138p
# Q1
df <- mpg %>%
select(class, cty)
head(df,20)
# Q2
library(dplyr)
df_suv <- df %>% filter(class == 'suv')
df_suv
df_compact <- df %>% filter(class == 'compact')
df_compact
mean(df_suv$cty)
mean(df_compact$cty)
