[ R ] 주요 내장함수

주요 내장함수

 

(1) 기술통계량 처리 관련 내장함수

• min(vec), max(vec), range(vec), mean(vec), median(vec), sum(vec), sort(x), order(x): 벡터의 정렬된 값의 index를 보여주는 함수
• rank(x), sd(x), summary(x), table(x), sample(x,y): x범위에서 y만큼 sample데이터를 생성하는 함수

 

ex ) 행/컬럼 단위의 합계와 평균 구하기

library(RSADBE) data("Bug_Metrics_Software") Bug_Metrics_Software[ , , 1] #  Bugs # Software   Bugs NT.Bugs Major Critical H.Priority # JDT     11605   10119  1135      432        459 # PDE      5803    4191   362      100         96 # Equinox   325    1393   156       71         14 # Lucene   1714    1714     0        0          0 # Mylyn   14577    6806   592      235       8804

#1 행 단위 합계와 평균 구하기

rowSums(Bug_Metrics_Software[,,1]) #   JDT     PDE Equinox  Lucene   Mylyn  # 23750   10552    1959    3428   31014  rowMeans(Bug_Metrics_Software[,,1]) #    JDT     PDE Equinox  Lucene   Mylyn  # 4750.0  2110.4   391.8   685.6  6202.8

 

#\2 열 단위 합계와 평균 구하기

colSums(Bug_Metrics_Software[ , , 1]) #  Bugs    NT.Bugs      Major   Critical H.Priority  # 34024      24223       2245        838       9373  colMeans(Bug_Metrics_Software[ , , 1]) #   Bugs    NT.Bugs      Major   Critical H.Priority  # 6804.8     4844.6      449.0      167.6     1874.6

• rowSums()함수: 행 단위 합계
• rowMeans()함수: 행단위 평균
• colSums()함수: 열 단위 합계
• colMeans()함수: 열 단위 평균

 

ex ) 기술통계량 관련 내장함수 사용하기

seq(-2, 2, by = .2)  # [1] -2.0 -1.8 -1.6 -1.4 -1.2 -1.0 -0.8 -0.6 -0.4 -0.2  0.0  0.2  0.4 # [14]  0.6  0.8  1.0  1.2  1.4  1.6  1.8  2.0 vec <- 1:10  min(vec)  # [1] 1 max(vec)  # [1] 10 range(vec) # [1]  1 10 mean(vec)  # [1] 5.5 median(vec)  # [1] 5.5 sum(vec)  # [1] 55 sd(rnorm(10))  # [1] 1.106399 table(vec) # vec # 1  2  3  4  5  6  7  8  9 10  # 1  1  1  1  1  1  1  1  1  1

ex ) 정규분포의 난수 생성

n <- 1000 rnorm(n, mean = 0, sd = 1) # [1] -1.5819162794 -1.4636645806  0.6356763391 -0.6909254936 # [5]  0.1827160398  0.3247198464  1.3189940544  0.4820108120 # [9] -0.3504090516 -0.7553309475  1.7931453812 -0.0846528568 #                                                  ... # [989] -1.0200738335 -1.2600623873 -0.6815866979  0.6193155104 # [993] -1.1114083366  0.5968691113 -0.4569059239  0.5785676314 # [997] -0.6087455611  1.5691507395 -1.6128050872  0.5541534259 hist(rnorm(n, mean = 0, sd = 1))

• rnorm()함수:  rnorm(n, mean, sd)      #평균과 표준편차 이용

ex ) 균등분포의 난수 생성하기

n <- 1000 runif(n, min = 0, max = 10) # [1] 8.7372130156 9.9497853452 5.9499506280 4.3300856370 # [5] 2.6185516058 1.8008810724 7.3364510643 8.5163394222 # [9] 0.3423158615 3.8630999438 7.6968584303 7.6367642009 #                                                   ... # [989] 9.3462432572 4.5198559482 9.1954133334 0.2619184717 # [993] 8.6162055982 2.8446740727 4.6599535085 2.5132839591 # [997] 4.7290140647 7.9416073067 4.5055965125 5.3943388537 hist(runif(n, min = 0, max = 10))

• runif(n, min, max)         #최소값, 최대값 이용

 

ex ) 이항분포의 난수 생성하기

n <- 20 rbinom(n, 1, prob = 1 /2 ) # [1] 0 1 0 0 1 1 1 1 0 0 1 1 1 0 0 1 1 0 0 1 rbinom(n, 2, 0.5) # [1] 1 0 1 1 2 1 0 2 1 1 0 1 1 1 0 2 2 2 1 1 rbinom(n, 10, 0.5) # [1] 3 5 5 3 5 5 6 7 5 6 4 7 4 3 8 5 5 7 3 6 n <- 1000 rbinom(n, 5, prob = 1 / 6) # [1] 0 2 0 1 0 1 0 0 1 1 1 1 0 0 1 0 0 1 2 1 1 1 0 1 1 1 # [27] 1 1 0 0 0 1 2 2 0 1 0 0 1 2 1 0 0 2 0 1 1 0 1 2 2 1 #                                       ....      ...

• rbinom(n, size, prob)         #독립적 n의 반복

 

 

ex ) 종자값으로 동일한 난수 생성

• 종자(seed)값을 지정하면 동일한 난수 발생 가능
• 종자(seed)값 지정을 위해 seed()함수 사용
• set.seed(임의의 정수)             #임의의 정수를 종자값으로 하여 동일한 난수 생성

rnorm(5, mean = 0, sd = 1) set.seed(123) rnorm(5, mean = 0, sd = 1) set.seed(123) rnorm(5, mean = 0, sd = 1) set.seed(345) rnorm(5, mean = 0, sd = 1)

 

 

(2) 수학 관련 내장함수

• abs(x), sqrt(x), ceiling(x), floor(), round(), factorial(x), which.min(x), which.max(x): 벡터 내 최소값과 최대값의 인덱스를 구하는 함수
• pmin(x, pmax(x): 여러 벡터에서의 원소 단위 최소값과 최대값을 구하는 함수
• Prod(): 곱 cumsum(), cumprod(), cos(x), sin(x), tan(x), log(x), log10(x), exp(x)

 

ex ) 수학 관련 내장함수 사용

 

 

(3) 행렬연산 관련 내장함수

• 행렬 분해(matrix decomposition)는 행렬을 특정한 구조를 가진 다른 행렬의 곱으로 나타내는 것
• eigen(), svd(), qr(), chol()
• ncol(x), nrow(x), t(x), cbind(…), rbind(…), diag(x), det(x), appply(x, m, fun), solve(x): 역행렬
• eigen(x): 정방행렬을 대상으로 고유값 분해하는 함수
• svd(x): mxn 행렬을 대상으로 특이값을 분해하는 함수
• x%*%y: 두 행렬의 곱을 구하는 수식

 

ex ) 행렬연산 내장함수 사용하기

x <- matrix(1:9, nrow = 3, ncol = 3, byrow = T)  y <- matrix(1:3, nrow = 3) ncol(x) # [1] 3 nrow(x) # [1] 3 t(x) #      [,1] [,2] [,3] # [1,]    1    4    7 # [2,]    2    5    8 # [3,]    3    6    9 cbind(x, 1:3)  #      [,1] [,2] [,3] [,4] # [1,]    1    2    3    1 # [2,]    4    5    6    2 # [3,]    7    8    9    3 rbind(x, 10:12)  #      [,1] [,2] [,3] # [1,]    1    2    3 # [2,]    4    5    6 # [3,]    7    8    9 # [4,]   10   11   12 diag(x) # [1] 1 5 9 det(x) # [1] 6.661338e-16 apply(x, 1, sum)  # [1]  6 15 24 apply(x, 2, mean)  # [1] 4 5 6 svd(x) # $d # [1] 1.684810e+01 1.068370e+00 4.418425e-16 #  # $u #            [,1]       [,2]       [,3] # [1,] -0.2148372  0.8872307  0.4082483 # [2,] -0.5205874  0.2496440 -0.8164966 # [3,] -0.8263375 -0.3879428  0.4082483 #  # $v #            [,1]        [,2]       [,3] # [1,] -0.4796712 -0.77669099 -0.4082483 # [2,] -0.5723678 -0.07568647  0.8164966 # [3,] -0.6650644  0.62531805 -0.4082483 eigen(x) # eigen() decomposition # $values # [1]  1.611684e+01 -1.116844e+00 -1.303678e-15 #  # $vectors #            [,1]        [,2]       [,3] # [1,] -0.2319707 -0.78583024  0.4082483 # [2,] -0.5253221 -0.08675134 -0.8164966 # [3,] -0.8186735  0.61232756  0.4082483 x %*% y #      [,1] # [1,]   14 # [2,]   32 # [3,]   50

 

 

(3) 집합연산 관련 내장함수 

• 집합을 대상으로 합집합, 교집합, 차집합 등의 집합연산을 수행하는 R의 내장함수
• union(x,y), setequal(x,y), intersect(x,y), setdiff(x,y), c%in%y

 

%any%특별연산자

 

ex ) %% 나머지 연산자 :  a %% b

• a를 b로 나눈 나머지

x <-c(1,2,3,4,5) y <-c(5) x %% y # [1] 1 2 3 4 0

 

 

ex ) %*% 연산자 :  a %*% b

• 연산자는 a와 b를 곱한다

x <- matrix(c(1, 4, 2, 3), nrow = 2) x #      [,1] [,2] # [1,]    1    2 # [2,]    4    3 y <- matrix(c(1, 3, 2, 4, 5, 6), nrow = 2) y #      [,1] [,2] [,3] # [1,]    1    2    5 # [2,]    3    4    6

#1 2행 2열인 Matrix와 2행 3열인 Matrix를 곱하기 연산을 한다

x%*%y z <- matrix(c(1, 2, 3, 4, 5, 6, 7, 8, 9), nrow = 3) z #       [,1] [,2] [,3] # [1,]    1    4    7 # [2,]    2    5    8 # [3,]    3    6    9

 

#2 Error ; 2행 2열인 Matrix와 3행 3열인 Matrix를 곱하기 연산을 하면 오류가 발생한다.

x%*%z # non-conformable arguments

 

 

#3 2행 3열인 Matrix와 3행 3열인 Matrix를 곱하기 연산을 한다.

y%*%z #      [,1] [,2] [,3] # [1,]   20   44   68 # [2,]   29   68  107

 

 

#4 2행 3열인 Matrix와 3행 3열인 Matrix를 곱하기 연산을 한다.

c(1, 2, 3) %*% c(4, 5, 6) #       [,1] # [1,]   32

 

 

ex ) %/% 연산자  :  a %% b ;

• a %/% b A를 b로 나눈다.
• 요소별로 연산한다.
• %/% 연산자로 나눈 결과에서 소수점은 절삭을 하여 반환한다.

x <- matrix(c(1, 4, 2, 3), nrow = 2) x #      [,1] [,2] # [1,]    1    2 # [2,]    4    3 y <- matrix(c(1, 3, 2, 4), nrow = 2) y #      [,1] [,2] # [1,]    1    2 # [2,]    3    4

#1 나누기 연산을 한다

x %/% y #      [,1] [,2] # [1,]    1    1 # [2,]    1    0 z <- matrix(c(1, 2, 3, 4, 5, 6, 7, 8, 9), nrow = 3) #       [,1] [,2] [,3] # [1,]    1    4    7 # [2,]    2    5    8 # [3,]    3    6    9

 

 

#2 Error 크기가 맞지 않아 오류가 발생한다.

x %/% z # non-conformable arguments

 

 

ex )벡터 내 특정 값 포함 여부 확인 연산자 %in% :a %in% b

• 벡터 내 특정값이 포함되었는지 여부 확인
• TRUE, FALSE 논리형 벡터 출력

x %in% y [1] TRUE TRUE TRUE TRUE  sum(x %in% y) [1] 1