[빅데이터분석] R _ 29. 집합연산(rbind, rbind + unique,intersect,setdiff)

※ 집합연산자
SQL	VS	R
union all		rbind
union		rbind + unique	※ RBIND 는 두개의 결합집합을 위아래 출력하고 싶을 때 사용하는 함수 ※ CBIND는 두개의 결과 집합을 양 옆으로 출력하고 싶을 때 사용하는 함수
intersect		intersect
minus		setdiff	※ SETDIFF 의 경우 R에 내장된 SETDIFF를 사용하면 안되고 DPLYR패키지에서의 SETDIFF를 사용해야함

■ RBIND

문제1. 아래의 SQL을 R로 구현하시오.

1) SQL

 select  ename, sal, deptno
           from  emp
           where  deptno  in  ( 10 , 20 )
         union  all
         select  ename, sal, deptno
           from  emp
           where deptno = 20;​

2) R

x1 <- emp[emp$deptno %in% c(10,20),c('ename','sal','deptno')]
x2 <- emp[emp$deptno ==20 ,c('ename','sal','deptno')]
rbind(x1,x2)​

설명: rbind(x1,x2) 는 x1의 결과와 x2의 결과를 위아래로 출력하겠다는 뜻임

문제2. 아래의 SQL을 R로 구현하시오.

1) SQL

select  deptno, sum(sal)
           from  emp
           group  by  rollup(deptno);​

2) R

x1 <- aggregate(sal~deptno, emp,sum)
x2 <- c(' ', sum(emp$sal))
x3 <- rbind(x1,x2)
colnames(x3) <- c('부서번호','토탈월급')
x3​

문제3. 아래의 SQL의 결과를 R 로 구현하시오 ! 
1) SQL

select job, sum(sal) from emp group by cube(job);​

2) R

x1 <- aggregate(sal~deptno, emp,sum)
x2 <- c(' ', sum(emp$sal))
x3 <- rbind(x2,x1)
colnames(x3) <- c('부서번호','토탈월급')
x3​

---

■ RBIND + UNIQUE (중복제거)

문제 1. 아래의 SQL의 결과를 R 로 구현하시오 ! 
1) SQL

select  ename, sal, deptno
          from emp
          where deptno  in  ( 10, 20 )
        union
        select  ename, sal, deptno
          from  emp
         where deptno = 10;​

2) R

x1 <- emp[emp$deptno %in% c(10,20),c('ename','sal','deptno')]
x2 <- emp[emp$deptno ==20 ,c('ename','sal','deptno')]
unique(rbind(x1,x2))​

---

■ SETDIFF

문제1. 아래의 SQL의 결과를 R 로 구현하시오 ! 

1) SQL

select   ename, sal, deptno
          from  emp
          where deptno  in  ( 10, 20 )
         minus
         select  ename, sal, deptno
           from  emp
          where deptno = 10;​

2) R

# dplyr 패키지 설치
install.packages('dplyr')
library(dplyr)

# 차집합
x1 <- emp[emp$deptno  %in% c(10,20),c('ename','sal','deptno')]
x2 <- emp[emp$deptno ==20 ,c('ename','sal','deptno')]
setdiff(x1,x2)​

※ setdiff 함수가 이름이 중복되어 있습니다. 내장 함수 setdiff 도 있고 dplyr 패키지의 setdiff 도 있습니다. 그런데 dplyr 의 setdiff 를 쓰기 위해서 library(dplyr) 를 해주면 내장 함수를 불러오지 않고 dplyr 패키지의 setdiff 를 불러옵니다. ※ 코렙에서는 그냥 library(dplyr) 만 하면 됩니다.

문제2. emp2.csv에는 존재하는데 emp.csv에는 존재하지 않는 데이터가 무엇인지 출력하시오.

# emp.csv와 emp2.csv 파일 읽기
emp <- read.csv("emp.csv", header=T)
emp2 <- read.csv("emp2.csv", header=T)

# emp2에만 존재하는 데이터 찾기
setdiff(emp2, emp)
setdiff(emp, emp2)

---

■  INTERSECT

문제1. 아래의 SQL의 결과를 R 로 구현하시오 ! 

1) SQL

select   ename, sal, deptno
          from  emp
          where deptno  in  ( 10, 20 )
         intersect
         select  ename, sal, deptno
           from  emp
          where deptno = 10;​

2) R

# 패키지 불러오기
library(dplyr)

# 교집합
x1 <- emp[emp$deptno %in% c(10,20),c('ename','sal','deptno')]
x2 <- emp[emp$deptno ==20 ,c('ename','sal','deptno')]
intersect(x1,x2)

문제 2. emp2.csv과 emp.csv 테이블의 교집합은?

intersect(emp2, emp)​

문제 3. (빅분기 유형1번) emp.csv 와 emp2.csv 와의 교집합의 갯수를 출력하시오! 

library(dplyr)
cnt <- intersect(emp2, emp)
print(nrow(cnt))

## nrow 함수: 데이터 프레임의 건수를 세는 힘수
## ncol 함수: 데이터 프레임의 컬럼수를 세는 함수​

-> 컬럼 하나의 갯수를 구할 때는 length를 쓰고 데이터 프레임의 전체 건수를 구할때는 nrow를 씁니다.

length(emp$empno)​