R 프로그래밍의 기초

R & Rstudio

우선 R이 뭔지 알아야겠죠? 다음 웹사이트를 방문해봅시다.
https://www.r-project.org/about.html

Rstudio에 대해서도 알아봅시다.
https://www.rstudio.com/products/rstudio/

[Note]
R은 “통계와 그래픽을 위한 프로그래밍 언어와 환경” 정도로 이해하고, Rstudio는 R을 효과적으로 사용하게 해주는 통합개발환경(integrated development environment, IDE) - 쉽게 도구 - 라고 이해하시면 좋겠습니다.

R & Rstudio 설치하기

R을 설치하는 것은 어렵지 않아요. 다음 웹사이트에 가서 R을 다운로드하고 설치합시다.
The R Project for Statistical Computing https://www.r-project.org/

Rstudio 설치도 간단합니다. 다음 웹사이트에 가서 Rstudio를 다운로드하고 설치합시다.
An integrated development environment (IDE) for R https://www.rstudio.com/

R GUI

다음으로 R (GUI 프로그램)을 실행해봅시다.
다음과 같은 화면이 나타날거예요.

R은 간단한 계산기로 사용될 수 있습니다. 다음 산술 연산자를 사용해보세요.

• Addition: +
• Subtraction: -
• Multiplication: *
• Division: /
• Exponentiation: ^
• Modulo: %%

<조교>
Basics of R

변수

(통계) 프로그래밍의 기본 개념 중에 변수(variable)라는 것이 있습니다. 변수를 사용하여 값(Value) 또는 객체(Object)를 저장할 수 있습니다. 아직은 “객체”라는 것이 무엇인지 잘 모를텐데, 우선은 R에서 사용되는 모든 유형의 데이터 구조(data structure)를 지칭한다고 이해하시면 좋겠습니다 (이에 대해서는 아래에서 다시 설명합니다), 아무튼 여기서 중요한 것은 변수를 만든다는 것은 메모리의 일부 공간을 확보한다는 것입니다. 나중에 이 변수의 이름을 사용하여 이 변수에 저장된 값이나 객체에 접근할 수 있습니다.

다음 명령을 사용하여 변수 my_var에 값 4를 할당할 수 있습니다.

my_var <- 4 # <- 대신에 = 를 사용할 수도 있습니다.   
my_var
## [1] 4

R의 기본 데이터 유형 (Basic data types)

R의 기본 data type은 다음과 같습니다.

• Numerics (숫자)
• Integers (정수)
• Booleans (논리값, ex. TRUE or FALSE)
• Characters (문자, 문자열)

<조교>
The basic data types in R

객체(Objects)

앞에서 객체에 대해 잠깐 언급하였는데, R에서 사용되는 객체, 즉 데이터 구조에는 다음과 같은 유형들이 있습니다. 이중에서 가장 기본적인 것이 Vector 입니다.

• Vector
• Factor
• Matrix
• Data frame
• List

[Note]
참고로 array 라는 것이 있는데, matrix 는 2차원 array 를, vector 는 1차원 array 를 지칭합니다.

Vector

my_vec1 = c(2, 4, 6, 8)  

my_vec2 = c("apple", "orange", "banana", "grape")
my_vec3 = c(TRUE, FALSE, TRUE, FALSE)

my_vec2[2] 
## [1] "orange"
my_vec2[-2] # the second from the last 
## [1] "apple"  "banana" "grape"
my_vec2[c(1,3)] 
## [1] "apple"  "banana"
my_vec2[2:4] # from the second through to the 4th element
## [1] "orange" "banana" "grape"
my_vec2[-c(2,4)] # exclude the 2nd and 4th elements 
## [1] "apple"  "banana"

my_vec1[my_vec1 == 6] # equal 
## [1] 6
my_vec1[my_vec1 < 10] # less than 
## [1] 2 4 6 8
my_vec1[my_vec1 %in% c(1, 2, 5)] # membership  
## [1] 2

Factor

Factor는 vector의 한 형태인데, 제한된 수의 값을 요소로 취하는 R의 변수(객체)입니다. 따라서, factor는 범주형 변수입니다.

vec = c(1,2,3,1,1,2,2,3,2,3)
fvec1 = factor(vec) # convert numeric vector to factor  
fvec1 
##  [1] 1 2 3 1 1 2 2 3 2 3
## Levels: 1 2 3

factor 함수의 labels 라는 argument 를 사용해서 범주(levels)의 이름을 변경할 수 있습니다.

fvec2 = factor(vec, labels = c("mild", "moderate", "severe"))
fvec2 
##  [1] mild     moderate severe   mild     mild     moderate moderate
##  [8] severe   moderate severe  
## Levels: mild moderate severe

levels() 함수를 이용해서 범주의 이름을 변경할 수도 있습니다.

levels(fvec1) = c("I", "II", "III")
fvec1
##  [1] I   II  III I   I   II  II  III II  III
## Levels: I II III

factor 함수는 기본적으로(default) numeric 에 대해서는 오름차순으로, character 에 대해서는 alphabet 순으로 levels를 정렬합니다. 상황에 따라 levels 의 순서를 새로 정의해주어야 할 필요가 생기는데, 다음 예를 봅시다.

mon = c("Jan", "Feb", "Jan", "Mar", "Feb", "Jan", "Jul", "Aug", "Nov", "Dec", "Apr", "May", "Jun", "Oct", "Sep")
fmon1 = factor(mon) 
fmon1
##  [1] Jan Feb Jan Mar Feb Jan Jul Aug Nov Dec Apr May Jun Oct Sep
## Levels: Apr Aug Dec Feb Jan Jul Jun Mar May Nov Oct Sep

levels argument 를 이용해서 순서를 정해줄 수 있습니다.

fmon2 = factor(mon, levels = c("Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec")) 
fmon2
##  [1] Jan Feb Jan Mar Feb Jan Jul Aug Nov Dec Apr May Jun Oct Sep
## Levels: Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec

서로 다른 범주를 묶어서 새로운 범주로 조직할 수도 있습니다.

levels(fmon2) = list(Spring = c("Mar", "Apr", "May"), 
                     Summer = c("Jun", "Jul", "Aug"),
                     Autumn = c("Sep", "Oct", "Nov"),
                     Winter = c("Dec", "Jan", "Feb")) # list 에 대해서는 아래에서 다룹니다. 
fmon2
##  [1] Winter Winter Winter Spring Winter Winter Summer Summer Autumn Winter
## [11] Spring Spring Summer Autumn Autumn
## Levels: Spring Summer Autumn Winter

<조교>
Using factors in R

Matrix

Matrix 는 2차원 array 입니다. 다음은 matrix 를 만드는 방법, 특정 행(row)이나 열(column), 요소(element)를 선별하는 방법, matrix의 전치(transpose)와 곱(multiplication) 연산자들의 사용예입니다.

# create a matrix from x
x = 1:12
mat = matrix(x, ncol = 3)
# select rows/columns/elements
mat[1,]
## [1] 1 5 9
mat[,3]
## [1]  9 10 11 12
mat[3,2]
## [1] 7
t(mat) # transpose 
##      [,1] [,2] [,3] [,4]
## [1,]    1    2    3    4
## [2,]    5    6    7    8
## [3,]    9   10   11   12
mat %*% t(mat) # matrix multiplication
##      [,1] [,2] [,3] [,4]
## [1,]  107  122  137  152
## [2,]  122  140  158  176
## [3,]  137  158  179  200
## [4,]  152  176  200  224

<조교>
- How to create and name matrices in R
- Matrix arithmetic in R

List

List는 일반 벡터형 객체입니다. 요소로 여러 유형의 데이터구조 - 즉 벡터, matrix, 혹은 다른 list 등 - 를 포함할 수 있습니다.
List 객체는 list() 함수로 생성합니다.
다음 예는 숫자형 벡터와 문자 벡터를 각각 첫번째와 두번째 요소로 갖는 list 객체를 만드는 예입니다.

lst <- list(1:5, c('a', 'b'))
names(lst) <- c("x", "y") # name list elements (vector에서의 element naming 방식과 동일합니다.)

List에서 특정 elements를 selection하는 방법은 아래와 같습니다. Return 값이 list라는 것에 주의해야 합니다.

lst[1] # select elements by position (indexing)
## $x
## [1] 1 2 3 4 5
lst["y"] # select elements by name
## $y
## [1] "a" "b"

만약, return 값을 list가 아닌 해당 elements의 데이터구조로 받고자 한다면, 다음과 같이 double square brackets[[]]를 사용하거나 $ 연산자를 사용해야 합니다.

lst[[1]]  
## [1] 1 2 3 4 5
lst$x
## [1] 1 2 3 4 5

<조교>
How to create and name lists in R

Data frame

<조교>
Using the data frame in R

data frame은 기본적으로 list의 elements를 column-wise 조직한 데이터구조입니다. list와 다른 점은 matrix와 같은 배열 구조를 가지고 있다는 것과, 각 elements(data frame에서는 columns)의 길이가 같아야 한다는 것입니다.
data.frame() 함수를 이용해서 생성합니다.

name = c("Kim", "Park", "Lee")
age = c(30, 38, 42)
child = c(TRUE, FALSE, TRUE)
df <- data.frame(name, age, child)
df
##   name age child
## 1  Kim  30  TRUE
## 2 Park  38 FALSE
## 3  Lee  42  TRUE

data frame의 행(row), 열(column), 특정 원소를 selection하는 방법은 아래와 같습니다.

df[1,]
##   name age child
## 1  Kim  30  TRUE
df[3,2]
## [1] 42
df[,1:2]
##   name age
## 1  Kim  30
## 2 Park  38
## 3  Lee  42

다음은 data frame의 구조, 크기, 요약 함수입니다.

str(df)
## 'data.frame':    3 obs. of  3 variables:
##  $ name : Factor w/ 3 levels "Kim","Lee","Park": 1 3 2
##  $ age  : num  30 38 42
##  $ child: logi  TRUE FALSE TRUE
dim(df)
## [1] 3 3
summary(df)
##    name        age          child        
##  Kim :1   Min.   :30.00   Mode :logical  
##  Lee :1   1st Qu.:34.00   FALSE:1        
##  Park:1   Median :38.00   TRUE :2        
##           Mean   :36.67                  
##           3rd Qu.:40.00                  
##           Max.   :42.00

Programming

프로그래밍은 기본적으로 순차진행, 반복문, 조건문으로 이루어집니다. 다음은 반복문과 조건문을 작성하기 위한 R의 문법입니다.

반복문 for loop

# summation 1 to 10
j = 0
for (i in 1:10){
  j = i + j
}
j
## [1] 55

<조교>
Working with for loops in R

반복문 while loop

i = 0; j = 0
while (i < 10){
  i = i + 1
  j = j + i
}
i; j
## [1] 10
## [1] 55

[Note] for loop vs. while loop
차이점이 보이시나요?
for: execute a loop a fixed number of times while: execute a loop while a condition is true

조건문
if… else…

if (i > 3){
  print("i larger than 3")
} else {
  print("i less than 3")
}
## [1] "i larger than 3"

함수(Functions)

프로그래밍을 하다보면 반복적으로 하게 되는 작업이 있습니다. 함수를 사용하면 이러한 작업을 위해 매번 같은 코드를 작성할 필요가 없어집니다.
먼저 R에는 기본적으로 자주 사용되는 함수들이 내장되어 있습니다. 다음은 몇 가지 내장 함수들의 예입니다.

# create vectors
seq(2, 10, by=0.5)  
##  [1]  2.0  2.5  3.0  3.5  4.0  4.5  5.0  5.5  6.0  6.5  7.0  7.5  8.0  8.5
## [15]  9.0  9.5 10.0
rep(1:3, times=3); rep(1:3, each=3) 
## [1] 1 2 3 1 2 3 1 2 3
## [1] 1 1 1 2 2 2 3 3 3
x <- c(10:20, 1, 3, 10, 12) # c() 도 함수입니다. 
# sorting 
sort(x); sort(x, decreasing = TRUE) # argument, 함수의 실행 방식을 특정하는 변수(parameter) 값이라고 알아둡시다.   
##  [1]  1  3 10 10 11 12 12 13 14 15 16 17 18 19 20
##  [1] 20 19 18 17 16 15 14 13 12 12 11 10 10  3  1
rev(x)
##  [1] 12 10  3  1 20 19 18 17 16 15 14 13 12 11 10
# summary
length(x); range(x)
## [1] 15
## [1]  1 20
table(x) # vounts of values
## x
##  1  3 10 11 12 13 14 15 16 17 18 19 20 
##  1  1  2  1  2  1  1  1  1  1  1  1  1
# subset
unique(x) # unique values
##  [1] 10 11 12 13 14 15 16 17 18 19 20  1  3
# Math functions 
sum(x)
## [1] 191
mean(x); median(x)
## [1] 12.73333
## [1] 13
max(x); min(x)
## [1] 20
## [1] 1
round(1.8734, 2)
## [1] 1.87
exp(x)
##  [1] 2.202647e+04 5.987414e+04 1.627548e+05 4.424134e+05 1.202604e+06
##  [6] 3.269017e+06 8.886111e+06 2.415495e+07 6.565997e+07 1.784823e+08
## [11] 4.851652e+08 2.718282e+00 2.008554e+01 2.202647e+04 1.627548e+05

square = function(x){
  squared = x*x
  return(squared)
}
square(4)
## [1] 16
4^2 # 물론 이렇게 하면 됩니다. ^^ 
## [1] 16

Environment

다음은 작업공간(working directory) 설정, R 객체의 조회와 제거, 도움말에 대한 함수입니다.

getwd() # setwd() 
## [1] "/Users/hong/Documents/GitHub/tutorial"
ls() # list R objects
##  [1] "age"     "child"   "df"      "fmon1"   "fmon2"   "fvec1"   "fvec2"  
##  [8] "i"       "j"       "lst"     "mat"     "mon"     "my_var"  "my_vec1"
## [15] "my_vec2" "my_vec3" "name"    "square"  "vec"     "x"
rm(i) # remove R objects
?ls

데이터 불러오기

데이터 가공, 통계, 그래픽 등 작업을 위해 외부 데이터를 불러들이는 방법에 대해서 알아봅니다.

# read a comma separated value (csv) file
demograph = read.csv("Demographic.csv") # csv 파일을 data frame 으로 불러들입니다. 
head(demograph) # show the first 6 rows
##   SubjectID      Age Gender  Race
## 1    100256 53.00000      M White
## 2    100272 62.32877      M White
## 3     10059 69.00000      F White
## 4    100603 56.86849      M White
## 5    100626 58.00000      M White
## 6    100806 66.00000      M White

다음은 일반 text 파일을 불러들이는 함수입니다.

# read a delimited text file 
proact = read.delim("proact_sample.txt", sep="|") # sep은 delimiter를 가리키는 argument 입니다.  
# proact_sample.txt: random 1/20 sample of the PROACT dataset
str(proact)
## 'data.frame':    401372 obs. of  6 variables:
##  $ SubjectID    : int  917600 917600 917600 917600 917600 917600 917600 917600 917600 917600 ...
##  $ form_name    : Factor w/ 10 levels "ALSFRS","ALSHX",..: 6 6 6 6 6 6 6 6 6 6 ...
##  $ feature_name : Factor w/ 63 levels "Absolute Band Neutrophil Count",..: 13 31 33 14 31 13 13 14 33 33 ...
##  $ feature_value: Factor w/ 20834 levels "","-","-1","-10",..: 14933 8245 10180 9823 7937 19350 13377 9823 11938 12623 ...
##  $ feature_unit : Factor w/ 11 levels "# per minitue",..: 10 2 2 11 2 10 10 11 2 2 ...
##  $ feature_delta: int  313 133 313 201 0 201 0 313 133 0 ...

데이터 쓰기

R에서 생성하거나 가공한 data frame 등의 데이터구조 객체를 파일로 외부에 저장하는 방법입니다.

demograph$Age = round(demograph$Age) # demograph 데이터프레임에서 Age 변수(column name) 값을 소수점 반올림합니다. 
write.csv(demograph, file = "demograph_roundage.csv", row.names = F, quote = F) 
write.table(demograph, file = "demograph_roundage.txt", quote = F, row.names = F)

그래프

그래프는 탐색적 데이터 분석을 위한 매우 훌륭한 도구입니다. 우선 가장 기본적인 그래프인 scatter plot, histogram, bar plot, box plot 에 대해서 간단히 살펴봅시다.

alsfrs = read.csv("ALSFRS.csv")
attach(alsfrs)
plot(alsfrs.slope.before3mo, alsfrs.slope.after3mo)

hist(demograph$Age)

hist(demograph$Age, freq = F)

plot(density(demograph$Age))

counts <- table(demograph$Gender)
barplot(counts, main="Gender", 
    xlab="Number of patients")

boxplot(Age~Gender,data=demograph)