RLab03
# 데이터 정제 : 결측값(Missing value) 처리
# 결측값 : 데이터 중 고의 또는 실수로 누락된 값을 의미한다.
# 결측값을 그대로 놔둔채 데이터 가공 => 결과값에 오류, 잘못된 연산=> 적절한 정제처리가 필요하다.
# 결측값 처리방법
# is.na 함수 이용 : NA인 데이터가 있으면 T, 없으면 F로 나타낸다.
# na.omit 함수 이용 : NA인 데이터를 제거함.
# 함수의 속성이용 : na.rm = T로하여 함수 수행시, NA를 제외함.
airquality
# 데이터 구조를 살펴봄
str(airquality)
# airqaulity 데이터에서 NA인 것은 TRUE, 아니면 FALSE로 나타냄
is.na(airquality)
# NA가 총 44개 있음.
table(is.na(airquality))
# Temp에는 NA가 없다.
table(is.na(airquality$Temp))
# Ozone에는 NA가 37개 발견됨.
table(is.na(airquality$Ozone))
# NA가 없는 Temp는 평균이 구해짐
mean(airquality$Temp)
# NA가 있는 ozone은 평균이 NA로 나옴.
mean(airquality$Ozone)
# ozone 속성에서 NA가 없는 값만 추출함.
air_narm <- airquality[!is.na(airquality$Ozone),]
air_narm
# 결측값이 제거된 데이터에서는 mean함수가 정상적으로 동작함.
mean(air_narm$Ozone)
# na.omit함수를 이용해 결측값 처리하기
air_narm1 <- na.omit(airquality)
mean(air_narm1$Ozone)
# 함수 속성인 na.rm을 이용해 결측값 처리하기
mean(airquality$Ozone, na.rm = T)
# 결측치 만들기
# 결측치 표기 - 대문자 NA
df <- data.frame(sex = c("M", "F", NA,"M", "F"),
score = c(5, 4, 3, 4, NA))
df
# 결측치 확인하기
is.na(df)
# 결측치 빈도 출력
table(is.na(df))
# 변수별로 결측치 확인
# sex 결측치 빈도 출력
table(is.na(df$sex))
# score 결측치 빈도 출력
table(is.na(df$score))
# 결측치 포함된 상태로 분석
# 평균산출
mean(df$score)
# 합계산출
sum(df$score)
# 결측치 제거하기
# 결측치 있는 행 제거하기
library(dplyr)
# score가 NA인 데이터만 출력
df %>% filter(is.na(score))
# score 결측치제거하고 데이터 출력
df %>% filter(!is.na(score))
df
# score 결측치 제거한 데이터를 새로운 변수에 assign함.
df_nomiss <- df %>% filter(!is.na(score))
df_nomiss
# score 평균 산출
mean(df_nomiss$score)
# score 합계 산출
sum(df_nomiss$score)
# 여러변수 동시에 결측치 없는 데이터 추출하기
# score, sex 결측치 제외
df_nomiss <- df %>% filter(!is.na(score) & !is.na(sex))
df_nomiss
# 모든 변수에 결측치 없는 데이터 추출
df_nomiss <- na.omit(df)
df_nomiss
# 함수의 결측치 제외기능 이용하기 - na.rm = T
# 결측치 제외하고 평균 산출
mean(df$score, na.rm = T)
# 결측치 제외하고 합계 산출
sum(df$score, na.rm = T)
RLab04
# 데이터 불러오기
exam <- read.csv("csv_exam.csv")
exam
# 결측치 생성하기
# 3, 8, 15행의 math에 NA 할당
exam[c(3, 8, 15), "math"] <- NA
exam
# 평균 구하기
library(dplyr)
exam %>% summarise(mean_math = mean(math))
# 결측치 제외하고 평균 산출
exam %>% summarise(mean_math = mean(math, na.rm = T))
# 다른 함수들에 적용
exam %>% summarise(mean_math = mean(math, na.rm = T),
sum_math = sum(math, na.rm = T), # 합계산출
median_math = median(math, na.rm = T)) # 중앙값산출
#------------------------------------------------
# 결측치 대체하기 (평균값)
# 평균구하기
# 결측치 제외하고 math 평균 산출
mean(exam$math, na.rm = T) # 55
# 평균으로 대체하기
# math가 NA이면 55로 대체
exam$math <- ifelse(is.na(exam$math), 55, exam$math)
# 결측치 빈도표 생성
table(is.na(exam$math))
exam
mean(exam$math) # math 평균 산출
# 혼자서 해보기 170p
mpg <- as.data.frame(ggplot2::mpg)
mpg[c(65,124,131,153,212),"hwy"] <- NA
# 1) 두변수에 결측치가 있는지 확인
table(is.na(mpg$drv))
table(is.na(mpg$hwy))
# 2)
mpg %>% filter(!is.na(hwy)) %>%
group_by(drv) %>%
summarise(mena_hwy= mean(hwy))
