[빅데이터분석] R _ 46. R 자료구조 팩터 /데이터를 로드 방법

＊ R의 자료구조의 종류 

 팩터(factor) 란?

1.  범주 변수나 순위 변수를 나타내는 특별한 종류의 벡터입니다.

머신러닝을 할 때, 기계에게 학습 데이터를 제공할 때는 반드시 팩터 형태로 제공해야 합니다.
이는 기계가 학습할 때 범주 형태의 데이터를 기대하기 때문입니다.

2. 일반 벡터(vector)에 범주의 수준(level) 정보가 추가된 형태입니다.

기계를 학습시킬 때는 데이터와 그에 대응하는 정답을 함께 제공하여 학습시켜야 합니다.
예를 들어, 암환자 데이터를 사용하여 암 판정을 기계에게 학습시키고자 할 때,
우리는 암을 1로, 정상환자를 0으로 지정한 종속 변수(타깃 변수)를 팩터 형태로 제공해야 합니다.

 

 

 

문법 1. R을 활용한 머신러닝 책 p83~84

a <- c("middle", "low", "high")
a
typeof(a)   # 문자형 벡터 입니다.  
str(a)

a2 <- factor(a)  # a 벡터를 팩터로 변환합니다.
a2​

※ 문자형 벡터를 팩터로 변환하게 되면 기본 순서는 알파벳 순서로 부여됨

a3 <- factor(a, order =TRUE , level = c('low','middle','high'))
a3

설명: 기계에게 데이터를 줄 때는 정답 데이터를 반드시 팩터로 제공해 줘야 정답 데이터에 대한 순서를 기계가 이해할 수 있습니다. 안 그러며 기계학습이 안됨.

문제 1. 아래의 벡터를 팩터로 생성하는데 순서를 부여해서 생성하시오.

b <- c('large',',mideium','small')
b
b2 <- factor(b, order =TRUE , level = c('small',',mideium','large'))
b2​

 

 

팩터 데이터 유형을 사용하는 이유?

1. 기계에게 정답을 줄 때는 반드시 순서를 부여한 벡터를 제공해야 하기 때문
2. 현재 데이터에는 없는데 전체 데이터의 종류를 알려주기 위해

예: 학습데이터에는 a, ab, o 형 밖에 없는데 실제로는 a, b, o, ab 형이 있다는 것을 학습시켜야 됨

blood <-  factor( c("O", "AB", "A"), levels=c("A", "B", "AB","O"))
blood   

table(blood)

문제 2. 위 혈액형에 RH +와 RH- 도 추가해서 팩터 변수를 완성하시오.

blood <-  factor( c("O", "AB", "A"), levels=c("A", "B", "AB","O", " RH+"," RH-"))
blood   

table(blood)​

---

＊ R에서 데이터를 로드하는 4가지 방법

목차
1. csv 파일을 R로 불러오는 방법 
2. xlsx 파일을 R 로 불러오는 방법 
3. txt 파일을 R 로 불러오는 방법
4. 오라클 database와 연동해서 테이블을 R로 불러오는 방법 (현업에서 필수 사용 기술)

 

 1. csv 파일을 R로 불러오는 방법

예: 건강보험 심사 평가원에 database에는 환자들의 폐사진 데이터가 숫자로 변환되어서 테이블에 들어있음. 질 폐사진을 기계학습 활용 홈페이지에 올리면 어느 질병인지 알려줌

유방암 데이터 설명 : 위스콘신 유방암 진단 데이터셋이며 이 데이터는 569개의 암조직 검사예시가 들어있으며, 각 예시는 32개의 특징을 갖는다. 그 특징은 디지털 이미지에 존재하는 세포핵의 특성을 나타냅니다.

wisc_bc_data.csv

0.12MB

 독립변수                                           종속변수
1. 반지름                                           diagnosis :  양성(B), 악성(M)
2. 질감
3. 둘레
4. 넓이
5. 매끄러움
6. 조밀성
7. 오목함
8. 오목점
9. 대칭성
10. 프랙털 차원

setwd('c:\\data')
wisc <- read.csv('c:\\data\\wisc_bc_data.csv',header =T, stringsAsFactors = TRUE) 
head(wisc)
str(wisc)

설명: csv 파일 불러올 때 stringsAsFactors = TRUE를 쓰게 되면 데이터 프레임에서 문자열이 자동으로 팩터로 변환하게 됨.​

table(wisc$diagnosis)

a<- table(wisc$diagnosis)
prop.table(a) #비율 확인​

설명: 제일 좋은건 50%, 50% 씩 있는게 제일 좋은데 지금 보면 60%, 40% 로 구성되어있습니다. 이는 악성종양보다 양성 종양이 더 데이터 많으므로 양성 종양을 기계가 더 잘 공부하게 되는 상황이 됩니다. 

---

2. xlsx 파일을 R로 불러오는 방법

 install.packages("xlsx")
 library(xlsx)

 dept <- read.xlsx("c:\\data\\dept.xls",  1 )  
                                                     ↑
                                                  sheet 번호

 

---

3. txt 파일을 R 로 불러오는 방법

# 스티브 잡스 연설문을 R 로 로드 하시오 !

jobs <-  readLines("c:\\data\\jobs.txt")
jobs

---

4. 오라클 database와 연동해서 테이블을 R로 불러오는 방법

1. 먼저 오라클 db에 c##scott으로 접속이 되는지 확인 (명령프롬프트창에)

 

2. JDBC 드라이버를 사용하는 패키지 설치

install.packages('DBI')
install.packages('RJDBC')

library(DBI)
library(RJDBC)

3. 오라클과 R을 연동하려면 JDBC 드라이버를 다운로드하아야 됨

 1) 현재 내가 쓰고 있는 오라클의 버전을 확인하고 그 버전에 맞는 JDBC드라이버를 다운로드합니다,

  2) 21c 면 ojdbc8.jar을 다운로드하아야 됩니다.

https://www.oracle.com/database/technologies/appdev/jdbc-downloads.html

JDBC and UCP Downloads page

 

c 드라이브 data 파일에 다운받기

4. 오라클에 접속하기 위한 3가지 정보를 확인함.

   1) ip 주소  (건물 주소)   

   2) 포트번호 (그 건물의 층수)

   3) 서비스 이름 (회사이름)

lsnrctl status

 

5. 확인 후  명령 프롬프트 창에서 접속

sqlplus c##scott/tiger@127.0.0.1:1521/xe

 

6. R에서 오라클과 연동하기

Sys.setenv(JAVA_HOME='C:\\Program Files\\Java\\jre-1.8')

library(rJava)
library(DBI)
library(RJDBC)
library(DBI)
library(RJDBC)

driver <- JDBC('oracle.jdbc.driver.OracleDriver','c:\\data\\ojdbc8.jar')

oracle_db <- dbConnect(driver,'jdbc:oracle:thin:@127.0.0.1:1521/xe', 'c##scott','tiger')

emp_query <- 'select * from emp'

emp_data <- dbGetQuery(oracle_db, emp_query)

emp_data

문제 144. 아래의 SQL쿼리의 결과를 R에서 출력하시오!

 select e.ename, d.loc from emp e, dept d where e.deptno = d.deptno;​

답: 

library(rJava)
library(DBI)
library(RJDBC)

driver <- JDBC('oracle.jdbc.driver.OracleDriver', 'c:\\data\\ojdbc8.jar')

oracle_db <- dbConnect( driver, 'jdbc:oracle:thin:@127.0.0.1:1521/xe', 'c##scott','tiger')

emp_query <- 'select * from  emp'

emp_data <- dbGetQuery( oracle_db, emp_query)
emp_data​

문제 145. R의 데이터 프레임을 오라클의 테이블로 생성하시오.

library(rJava)
library(DBI)
library(RJDBC)

driver <- JDBC('oracle.jdbc.driver.OracleDriver', 'c:\\data\\ojdbc8.jar')

oracle_db <- dbConnect( driver, 'jdbc:oracle:thin:@127.0.0.1:1521/xe', 'c##scott','tiger')

wisc <- read.csv('c:\\data\\wisc_bc_data.csv')

dbWriteTable(oracle_db,name='wisc_table', value=wisc,row.names=FALUSE, overwrite =TRUE)​