[ 데이터 과학 ] 7. Tidiness of Data

 

 

- class : 해당 변수가 어떤 타입인지

- dim : 몇 개의 Column과 Row가 있는지

- names : Column들의 이름

- str    : 위 내용들을 다 알려줌

- summary : 각 Column에 대해 평균,최대,최소 등을 알려준다.

 

 

 

- glimpse : str 명령어와 같은데, 얘는 화면 크기가 허용하는 한 다 보여주려고 함

- str  : 대충 자기가 보여주다가 어느 정도 된다 싶으면 끊어버림

 

---

Visualization

hist( 변수명 ) 

: 하나의 데이터에 대한 흐름을 보고 싶다.

 

---

plot( x = 변수1, y= 변수2 ) 

: 두 개의 변수에 대해 plot을 보여줌

 

 

 

---

look at some dirty data

분석하기 좋은 데이터는 head 쪽에 있다.

밑에는 찌꺼기들이 많음.

---

Tidy Data

 

- Value가 Attribute인 경우

- Attribute가 Value인 경우

- 한 Attribute에 2개의 Value가 있는 경우

'

 

행 = Observation

열 = Attribute or Variable

 

인 상태인 데이터들이 가장 Clean하다고 한다.

 

이렇게 같은 value로 들어가야 하는 것이 Attribute로 되어 있는 것은 깨끗하다고 하지 못한다.

아래와 같이 깨끗하게 만들 수 있다.

 

반대인 경우도 있다.

Variable이어야 하는 것이 Value인 경우도 있다

 

 

하나의 Attribute에서 2개의 값을 받을 때 Tidy하지 않다.

두 개로 나눠주자

 

 

크게 공통점이 없거나 주제가 다른 내용이 한 테이블에 있을 때

이를 나눠야 한다.

 

 

 

해결 방법

 

 

value로 들어가야 하는 것이 Attribute로 되어 있는 것은 깨끗하다고 하지 못한다.

아래와 같은 방법으로 바꿀 수 있다.

 

col을 기준으로 합쳐주는 걸 생각하자.

마지막 인자는 합치는 기준이 되어준다.

gather(데이터 , 첫 데이터 , 그에 매칭되는 값 , 매칭 기준 )

 

반대로도 하는 걸 보자.

spread를 사용하면 된다.

 

spread( 데이터 , 첫 데이터 , 그에 매칭되는 값 )

 

 

---

Separate랑 Unite는 좀 직관적이다.

 

 

 

 

 

 

 

 

 

문제 풀어보자! gather / spread가 약간 어렵다.

 

---

(자료 출처)

한동대학교 김현정교수님 - 데이터과학