SlideShare a Scribd company logo
1 of 32
Download to read offline
Ch. 3,4 Matrix / Factor
유덕
R Moon.D
Moon.D
질문&토론과 함께~
R
Today
Ch. 3 행렬(Matrix)
Ch. 4 요소(Factor)
Moon.DR
Matrix
Moon.DR
Matrix = 행렬
Moon.DR
Moon.DR
Matrix
ㄱ나니..?
Moon.DR
Matrix
행
열
row
column
matrix()
?matrix
Moon.DR
• matrix creates a matrix from the given set of values
matrix()
Moon.DR
• matrix(data = NA, nrow = 1, ncol = 1, byrow = FALS
E, dimnames = NULL)
nrow = row 갯수 / ncos = column 갯수
byrow = row 기준?
dimnames = 행, 열의 명칭들
str(matrix)
matrix 만들기
matrix(1:24, nrow=3, ncol=8, byrow=TRUE)
Moon.DR
Q. 1부터 24까지 3행 8열로 만들어보기 / 행 기준 정렬
Q. 1부터 24까지 3행 8열로 만들어보기 / 열 기준 정렬
matrix(1:24, nrow=3, ncol=8, byrow=FALSE)
Moon.DR
문디 실습.R
> star1
US non-US
A New Hope 461.0 314.4
The Empire Strikes Back 290.5 247.9
Return of the Jedi 309.3 165.8
Moon.DR
rowSums()
Moon.DR
US non-US
A New Hope 461.0 314.4
The Empire Strikes Back 290.5 247.9
Return of the Jedi 309.3 165.8
World <- rowSums(star1)
A New Hope The Empire Strikes Back Return of the Jedi
775.4 538.4 475.1
cbind(_,_)
Moon.DR
column을 기준으로 묶어준다.
Q. star1, World를 cbind()으로 묶어보자
rbind(_,_)
Moon.DR
row를 기준으로 묶어준다.
Q. star1, star2를 rbind()으로 묶어보자
Q. star2를 출력해보자
colSums()
Moon.DR
column의 총합
rowSums()
row의 총합
Moon.DR
Q. star1에서 US, non-US 총합 각각?
Q. star1에서 영화 1,2,3편 수익 총합 각각?
mean()
Moon.DR
평균
Q. star1에서 US 평균?
Q. star1에서 Return of the Jedi(3편)의 평균?
matrix 연산
Moon.DR
+ - x /
Q. star1에서 모든 영화 표값이 10. 관람객 수?
Factor
Moon.DR
Factor = 요소?
Moon.DR
Factor in R
= categorical variable
Moon.DR
데이터 유형
Moon.DR
Data
Quantitative
(numerical)
Qualitative
(categorical)
Discrete
(count)
Continuous OrdinalNominal
Binary
한국 방문자 수 몸무게, 키
머리 색 상/ 중/ 하
남성 / 여성
factor()
?factor
Moon.DR
• factor() is used to encode a vector as a factor
binary factor()
Moon.DR
> factor(gender_vector)
gender_vector <- c("Male", "Female", "Female", "Male", "Male")
nominal factor()
Moon.DR
> factor(animals_vector)
animals_vector <- c("Elephant", "Giraffe", "Donkey", "Horse")
ordianl factor()
Moon.DR
> factor(temperature_vector, order=TRUE, levels = c("Low", "Medium", "High"))
temperature_vector <- c("High", "Low", "High","Low", "Medium")
factor level 이름 변경
levels(factor_vector) <- c(“name1”, “name2”, …)
Moon.DR
1. gen 출력해보기
2. factor(gen) 만들기
3. gen의 levels “Female”, “Male”로 바꿔보기
summary()
Moon.DR
• produce result summaries of the results of various model
?summary
summary(x)
Moon.DR
c(1, 4, 6, 9, 10 ,14, 17, 19, 20, 23, 26, 30, 43)
x <- c(1, 4, 6, 9, 10 ,14, 17, 19, 20, 23, 26, 30, 43)
Median MaxMin 1st Qu. 3st Qu.
Moon.DR
Q. sang “하” < “중” < “상” ordinal factor 만들기
Q. “상” > “하” 맞는지 테스트하기
Quiz
sang <- c("중", "상", "하")
((미리 정의 돼있음))
Moon.D
수고하셨습니다
R

More Related Content

What's hot

차원축소 훑어보기 (PCA, SVD, NMF)
차원축소 훑어보기 (PCA, SVD, NMF)차원축소 훑어보기 (PCA, SVD, NMF)
차원축소 훑어보기 (PCA, SVD, NMF)beom kyun choi
 
R 프로그래밍-향상된 데이타 조작
R 프로그래밍-향상된 데이타 조작R 프로그래밍-향상된 데이타 조작
R 프로그래밍-향상된 데이타 조작Terry Cho
 
R 스터디 네번째
R 스터디 네번째R 스터디 네번째
R 스터디 네번째Jaeseok Park
 
R 프로그램의 이해와 활용 v1.1
R 프로그램의 이해와 활용 v1.1R 프로그램의 이해와 활용 v1.1
R 프로그램의 이해와 활용 v1.1happychallenge
 
통계자료 분석을 위한 R
통계자료 분석을 위한 R통계자료 분석을 위한 R
통계자료 분석을 위한 RYoonwhan Lee
 
4 python기초 리스트+for문
4 python기초 리스트+for문4 python기초 리스트+for문
4 python기초 리스트+for문cpt mobilex
 
[D2CAMPUS] Algorithm tips - ALGOS
[D2CAMPUS] Algorithm tips - ALGOS[D2CAMPUS] Algorithm tips - ALGOS
[D2CAMPUS] Algorithm tips - ALGOSNAVER D2
 
R 기본-데이타형 소개
R 기본-데이타형 소개R 기본-데이타형 소개
R 기본-데이타형 소개Terry Cho
 
R 프로그래밍을 이용한 야생동물 행동권(HR) 분석
R 프로그래밍을 이용한 야생동물 행동권(HR) 분석R 프로그래밍을 이용한 야생동물 행동권(HR) 분석
R 프로그래밍을 이용한 야생동물 행동권(HR) 분석Byeong-Hyeok Yu
 
머신 러닝 입문 #1-머신러닝 소개와 kNN 소개
머신 러닝 입문 #1-머신러닝 소개와 kNN 소개머신 러닝 입문 #1-머신러닝 소개와 kNN 소개
머신 러닝 입문 #1-머신러닝 소개와 kNN 소개Terry Cho
 
R 기초 : R Basics
R 기초 : R BasicsR 기초 : R Basics
R 기초 : R BasicsYoonwhan Lee
 
R을 이용한 데이터 분석
R을 이용한 데이터 분석R을 이용한 데이터 분석
R을 이용한 데이터 분석simon park
 
R 스터디 두번째
R 스터디 두번째R 스터디 두번째
R 스터디 두번째Jaeseok Park
 
R 프로그래밍 기본 문법
R 프로그래밍 기본 문법R 프로그래밍 기본 문법
R 프로그래밍 기본 문법Terry Cho
 
[신경망기초] 신경망의시작-퍼셉트론
[신경망기초] 신경망의시작-퍼셉트론[신경망기초] 신경망의시작-퍼셉트론
[신경망기초] 신경망의시작-퍼셉트론jaypi Ko
 
R 스터디 첫번째
R 스터디 첫번째R 스터디 첫번째
R 스터디 첫번째Jaeseok Park
 
2.linear regression and logistic regression
2.linear regression and logistic regression2.linear regression and logistic regression
2.linear regression and logistic regressionHaesun Park
 
[한양대 aloha] 프로그래밍 경진대회 문제_Advanced part
[한양대 aloha] 프로그래밍 경진대회 문제_Advanced part[한양대 aloha] 프로그래밍 경진대회 문제_Advanced part
[한양대 aloha] 프로그래밍 경진대회 문제_Advanced partNAVER D2
 

What's hot (20)

차원축소 훑어보기 (PCA, SVD, NMF)
차원축소 훑어보기 (PCA, SVD, NMF)차원축소 훑어보기 (PCA, SVD, NMF)
차원축소 훑어보기 (PCA, SVD, NMF)
 
R 프로그래밍-향상된 데이타 조작
R 프로그래밍-향상된 데이타 조작R 프로그래밍-향상된 데이타 조작
R 프로그래밍-향상된 데이타 조작
 
R 스터디 네번째
R 스터디 네번째R 스터디 네번째
R 스터디 네번째
 
R 프로그램의 이해와 활용 v1.1
R 프로그램의 이해와 활용 v1.1R 프로그램의 이해와 활용 v1.1
R 프로그램의 이해와 활용 v1.1
 
통계자료 분석을 위한 R
통계자료 분석을 위한 R통계자료 분석을 위한 R
통계자료 분석을 위한 R
 
4 python기초 리스트+for문
4 python기초 리스트+for문4 python기초 리스트+for문
4 python기초 리스트+for문
 
R 기초 II
R 기초 IIR 기초 II
R 기초 II
 
[D2CAMPUS] Algorithm tips - ALGOS
[D2CAMPUS] Algorithm tips - ALGOS[D2CAMPUS] Algorithm tips - ALGOS
[D2CAMPUS] Algorithm tips - ALGOS
 
R 기본-데이타형 소개
R 기본-데이타형 소개R 기본-데이타형 소개
R 기본-데이타형 소개
 
R 프로그래밍을 이용한 야생동물 행동권(HR) 분석
R 프로그래밍을 이용한 야생동물 행동권(HR) 분석R 프로그래밍을 이용한 야생동물 행동권(HR) 분석
R 프로그래밍을 이용한 야생동물 행동권(HR) 분석
 
머신 러닝 입문 #1-머신러닝 소개와 kNN 소개
머신 러닝 입문 #1-머신러닝 소개와 kNN 소개머신 러닝 입문 #1-머신러닝 소개와 kNN 소개
머신 러닝 입문 #1-머신러닝 소개와 kNN 소개
 
R 기초 : R Basics
R 기초 : R BasicsR 기초 : R Basics
R 기초 : R Basics
 
R을 이용한 데이터 분석
R을 이용한 데이터 분석R을 이용한 데이터 분석
R을 이용한 데이터 분석
 
R 스터디 두번째
R 스터디 두번째R 스터디 두번째
R 스터디 두번째
 
R 프로그래밍 기본 문법
R 프로그래밍 기본 문법R 프로그래밍 기본 문법
R 프로그래밍 기본 문법
 
[신경망기초] 신경망의시작-퍼셉트론
[신경망기초] 신경망의시작-퍼셉트론[신경망기초] 신경망의시작-퍼셉트론
[신경망기초] 신경망의시작-퍼셉트론
 
R 스터디 첫번째
R 스터디 첫번째R 스터디 첫번째
R 스터디 첫번째
 
2.linear regression and logistic regression
2.linear regression and logistic regression2.linear regression and logistic regression
2.linear regression and logistic regression
 
Example
ExampleExample
Example
 
[한양대 aloha] 프로그래밍 경진대회 문제_Advanced part
[한양대 aloha] 프로그래밍 경진대회 문제_Advanced part[한양대 aloha] 프로그래밍 경진대회 문제_Advanced part
[한양대 aloha] 프로그래밍 경진대회 문제_Advanced part
 

R 2주차 matrix : factor