티스토리

IT stuff

검색하기

블로그 홈

IT stuff

www.dataforinsight.com/m

IT Stuff (created '08.7.28., restart on '23.7.29)

구독자: 0

방명록 방문하기

주요 글 목록

'ggplot2' 표현에 대해 자세히 알아보자 - Part1: qplot (출처: R내 swirl package) # # swirl()내 탐색적 데이터 분석(Exploratory Data Course)를 실행해보자. # # library("swirl") swirl() Exploratory Graphs 과정에서 8번 플로팅 시스템(8. GGPlot2 Part1)을 선택한다. 탐색적 분석 과정의 여덟번째 섹션 'ggplot2' 표현 - Part1(요약) ggplot2는 최신의 플로팅 패키지로, qplot, ggplot을 통해 그래프를 그린다. qplot을 통해, 스캐터플롯, 히스토그램, 박스플롯을 쉽게 표현할 수 있다. ggplot2란? ggplot2는 R의 3가지 플로팅 시스템 중 가장 최신의 플로팅 패키지이다. gg는 grammar of graphics의 약자로, 그래픽에 대한 표현방법을 쉽게 구현했다. ggplot.. 공감수 1 댓글수 0 2020. 2. 23.
'색상' 표현에 대해 자세히 알아보자 - RcolorBrewer(출처: R내 swirl package) # # swirl()내 탐색적 데이터 분석(Exploratory Data Course)를 실행해보자. # # library("swirl") swirl() Exploratory Graphs 과정에서 7번 플로팅 시스템(7. Working with Colors)을 선택한다. 탐색적 분석 과정의 일곱번째 섹션 '색상' 표현 - RcolorBrewer(요약) RcolorBrewer는 CRAN에 있는 패키지로, 3가지 형태 순차적(sequential), 분기적(divergent), 질적(qualitative)으로 표현 가능하다. RcolorBrewer RcolorBrewer는 CRAN에 있는 패키지로, 3가지 형태로 표현 가능하다. - 순차적(sequential): 아래 그림에서 제일 윗 부분. 왼쪽에서 오른쪽으.. 공감수 2 댓글수 0 2020. 2. 23.
'색상' 표현에 대해 자세히 알아보자 - alpha값 불투명 설정(출처: R내 swirl package) # # swirl()내 탐색적 데이터 분석(Exploratory Data Course)를 실행해보자. # # library("swirl") swirl() Exploratory Graphs 과정에서 7번 플로팅 시스템(7. Working with Colors)을 선택한다. 탐색적 분석 과정의 일곱번째 섹션 '색상' 표현 - alpha값 불투명 설정(요약) - 데이터 표현시, alpha값을 통해 데이터 표현을 보다 명확히 할 수 있다. alpha값을 통해 불투명도 설정 > p1 # p1을 실행해보자. function (n) { x ?rgb # rgb 값을 실행해보자. rgb(red, green, blue, alpha, names = NULL, maxColorValue = 1) rgb값은 6개 변수를 가지며,.. 공감수 2 댓글수 0 2020. 2. 17.
'색상' 표현에 대해 자세히 알아보자 - colorRampPalette (출처: R내 swirl package) # # swirl()내 탐색적 데이터 분석(Exploratory Data Course)를 실행해보자. # # library("swirl") swirl() Exploratory Graphs 과정에서 7번 플로팅 시스템(7. Working with Colors)을 선택한다. 탐색적 분석 과정의 일곱번째 섹션 '색상' 표현 - colorRampPalette (요약) - colorRampPalette도 colorRamp와 마찬가지로 색상의 조합으로 새로운 색상을 만든다. 리턴값으로 정수값을 갖고, 색상별 벡터값을 갖는다. - 각 리턴값은 24비트로 구성되며, 0에서 F값을 갖는다. 6개의 헥사값은 빨간색, 파란색, 파란색 강도를 표현한다. colorRampPalette colorRampPalette도 color.. 공감수 2 댓글수 0 2020. 2. 16.
'색상' 표현에 대해 자세히 알아보자 - colorRamp (출처: R내 swirl package) # # swirl()내 탐색적 데이터 분석(Exploratory Data Course)를 실행해보자. # # library("swirl") swirl() Exploratory Graphs 과정에서 7번 플로팅 시스템(7. Working with Colors)을 선택한다. 탐색적 분석 과정의 일곱번째 섹션 '색상' 표현 - colorRamp (요약) - 색상 표현은 데이터 분석 결과 표현 또는 강조하는 등 의사결정 표현에 좀 더 도움을 준다. - colorRamp는 RGB(red, green, blue)에 대한 값들을 통해 색상을 생성한다. 기본 색상 표현 기본적으로, R은 Col 값을 통해 색상을 표현한다. 기본 값 3가지는 다음과 같다. col = 1 : 검정 col = 2 : 빨강 col = 3 : .. 공감수 2 댓글수 0 2020. 2. 15.
'Lattice' 시스템에 대해 자세히 알아보자 - 그래픽 예시 (출처: R내 swirl package) # # swirl()내 탐색적 데이터 분석(Exploratory Data Course)를 실행해보자. # # library("swirl") swirl() Exploratory Graphs 과정에서 6번 플로팅 시스템(6. Lattice Plotting System)을 선택한다. 탐색적 분석 과정의 여섰번째 섹션: 'Lattice' 시스템 - 그래픽 예시(요약) - ggplot2내의 diamonds 데이터를 통해 xyplot 그래프 표현 예시를 살펴본다. 그래픽 예시 ggplot2에 담긴 diamonds 데이터를 통해 Lattice 그래프를 확인해보자. > str(diamonds) # diamonds 데이터의 구성을 살펴보자 > table(diamonds$color) # diamonds 데이터의 칼라를 살.. 공감수 2 댓글수 0 2020. 2. 14.
R의 기본 플로팅 시스템에 대해 좀 더 자세히 알아보자 - mfrow, mtext 예시 (출처: R내 swirl package) # # swirl()내 탐색적 데이터 분석(Exploratory Data Course)를 실행해보자. # # library("swirl") swirl() Exploratory Graphs 과정에서 5번 플로팅 시스템(5. Base Plotting System)을 선택한다. 탐색적 분석 과정의 다섯번째 섹션: 기본 플로팅 시스템 - par의 mfrow(요약) mfrow를 통해 그래프 표시 방법을 세팅한다. mfrow 값 변경을 통한 그래프 표시 변경 예시 par(mfrow = c(1,2)) # 행 1나에 그래프 2개를 표시하도록 세팅한다. plot(airquality$Wind, airquality$Ozone, main = "Ozone and Wind") # 그래프 1개를 그린다. plot(airqualit.. 공감수 3 댓글수 0 2020. 2. 11.
R의 기본 플로팅 시스템에 대해 좀 더 자세히 알아보자 - legend, abline! (출처: R내 swirl package) # # swirl()내 탐색적 데이터 분석(Exploratory Data Course)를 실행해보자. # # library("swirl") swirl() Exploratory Graphs 과정에서 5번 플로팅 시스템(5. Base Plotting System)을 선택한다. 탐색적 분석 과정의 다섯번째 섹션: 기본 플로팅 시스템 - legend(요약) legend란 함수를 통해 범례를 추가할 수 있다. '범례(legend)' 추가 예시 legend("topright", pch=c(17, 8), col=c("blue", "red"), legend=c("May","Other Months")) # 오른쪽 위에 범례를 추가한다. 'abline' 추가 예시 abline(v=median(airquality$Wind).. 공감수 2 댓글수 0 2020. 2. 10.
R의 기본 플로팅 시스템에 대해 좀 더 자세히 알아보자 - 그래프화 단계별 예시! (출처: R내 swirl package) # # swirl()내 탐색적 데이터 분석(Exploratory Data Course)를 실행해보자. # # library("swirl") swirl() Exploratory Graphs 과정에서 5번 플로팅 시스템(5. Base Plotting System)을 선택한다. 탐색적 분석 과정의 다섯번째 섹션: 기본 플로팅 시스템 - 그래프 예시(요약) plot -> title -> points 로 단계별 그래프화 예시를 보여주낟. 단계별 그래프화 예시 plot(airquality$Wind, airquality$Ozone, type = "n") # 데이터를 넣지 않은 상태로, 그래프를 그린다. title(main = "Wind and Ozone in NYC") # 제목을 그래프에 추가한다. may 공감수 2 댓글수 0 2020. 2. 9.
R의 기본 플로팅 시스템에 대해 좀 더 자세히 알아보자 - text, title, points, lines, mtext(출처: R내 swirl package) # # swirl()내 탐색적 데이터 분석(Exploratory Data Course)를 실행해보자. # # library("swirl") swirl() Exploratory Graphs 과정에서 5번 플로팅 시스템(5. Base Plotting System)을 선택한다. 탐색적 분석 과정의 다섯번째 섹션: 기본 플로팅 시스템 - text, title, points, lines(요약) 기본 그래프에 텍스트, 제목, 포인트, 라인, 그리고 mtext를 통한 축 관련 정보를 추가 할 수 있다. 그래프 추가(Annotating) 기능 - x, y 축 레이블: 레이블명 추가 - 제목: 제목을 추가 - 부제목(subtitle): 부제목을 추가 - 마진: 마진을 추가 - mtext: 내/외부 마진에 축 tick 및.. 공감수 3 댓글수 0 2020. 2. 8.
R의 기본 플로팅 시스템에 대해 좀 더 자세히 알아보자 - par (출처: R내 swirl package) # # swirl()내 탐색적 데이터 분석(Exploratory Data Course)를 실행해보자. # # library("swirl") swirl() Exploratory Graphs 과정에서 5번 플로팅 시스템(5. Base Plotting System)을 선택한다. 탐색적 분석 과정의 다섯번째 섹션: 기본 플로팅 시스템 - par(요약) par를 통해 그래프변수를 다양하게 설정 가능하다. par()를 통해 설정한 값은 모든 그래프를 그리는데 영향을 미친다. R 그래프 변수를 설정하는 'par()' 예시 length(par()) #par 변수의 숫자를 파악해보자. [1] 72 총 72개 변수를 설정할 수 있다. names(par()) #par 변수명을 확인해보자. ?par #par에 대해 궁금할 때.. 공감수 1 댓글수 0 2020. 2. 7.
R의 기본 플로팅 시스템에 대해 좀 더 자세히 알아보자 - scatterplot(출처: R내 swirl package) # # swirl()내 탐색적 데이터 분석(Exploratory Data Course)를 실행해보자. # # library("swirl") swirl() Exploratory Graphs 과정에서 5번 플로팅 시스템(5. Base Plotting System)을 선택한다. 탐색적 분석 과정의 다섯번째 섹션: 기본 플로팅 시스템 - scatterplot (요약) with(데이터명, plot(x축 변수명, y축 변수명))을 통해 2개 변수에 대해 그래프를 그린다. 간단한 2개 변수 그리기 작업 예시 with(airquality, plot(Wind, Ozone)) # airquality 데이터에 대해 Wind와 Ozone간의 관계를 그래프로 보여준다. 대소문자에 유의한다. title(main="Ozone an.. 공감수 0 댓글수 0 2020. 2. 6.
R의 기본 플로팅 시스템에 대해 좀 더 자세히 알아보자- plot, boxplot (출처: R내 swirl package) # # swirl()내 탐색적 데이터 분석(Exploratory Data Course)를 실행해보자. # # library("swirl") swirl() Exploratory Graphs 과정에서 5번 플로팅 시스템(5. Base Plotting System)을 선택한다. 탐색적 분석 과정의 다섯번째 섹션: 기본 플로팅 시스템 - plot, hist, boxplot(요약) 기본 플로팅 함수는 단계별로 기본함수(plot, hist, boxplot 등)를 그리고, 추가 작업(text, abline, points)을 그래프에 더해 보고자 하는 그래프를 완성한다. 기본 플로팅 시스템은 크게 'graphics' 패키지, 'grDevices' 패키지가 있다. 'graphics' 패키지에는, plot, hist, b.. 공감수 0 댓글수 0 2020. 2. 5.
R의 플로팅 시스템에 대해 배워보자! (출처: R내 swirl package) # # swirl()내 탐색적 데이터 분석(Exploratory Data Course)를 실행해보자. # # library("swirl") swirl() Exploratory Graphs 과정에서 4번 플로팅 시스템(4. Plotting Systems)을 선택한다. 탐색적 분석 과정의 네번째 섹션: 플로팅 시스템(요약) R 플로팅 시스템은 크게 3가지, '기본 시스템', 'Lattice 패키지', 'ggplot2 패키지'로 구현 가능하다. 1. 기본 플로팅 시스템 기본 플로팅 시스템은 'Artist's palette' 모델을 사용한다. 아무 것도 없는 데서 단계별로 그래프를 그려나간단 말이다. 장점은 매우 직관적이고 사용하기 쉽다는 것이고, 단점으로는 전에 그래프 단계로 돌아갈 수 없다. 예) with(.. 공감수 2 댓글수 0 2020. 2. 4.
R의 그래픽 디바이스에 대해 배워보자(출처: R내 swirl package) # # swirl()내 탐색적 데이터 분석(Exploratory Data Course)를 실행해보자. # # library("swirl") swirl() Exploratory Graphs 과정에서 3번 그래픽 디바이스 R(3. Graphics Devices in R)을 선택한다. 탐색적 분석 과정의 세번째 섹션: 그래픽 디바이스 in R(요약) R 그래픽은 크게 '컴퓨터 스크린 화면' 또는 '파일'로 출력한다. R 그래픽은 크게 '화면' 또는 '파일'로 출력한다. ?Devices # 사용 가능한 디바이스를 확인한다. 그래픽은 한번에 하나의 디바이스에만 보낼 수 있다. dev.cur() # 현재 사용하는 디바이스 정보를 출력한다. dev.set()을 통해 R에서 출력하고자 하는 디바이스를 세팅할 수 있다... 공감수 2 댓글수 0 2020. 2. 3.
탐색적 데이터 분석 코스를 배워보자 : 탐색적 그래프 -2차원 정보 표현(출처: R내 swirl package) # # swirl()내 탐색적 데이터 분석(Exploratory Data Course)를 실행해보자. # # library("swirl") swirl() 탐색적 분석 과정의 두번째 섹션: 탐색적 그래프 - 2차원 정보 표현 방법들(요약) boxplot() # 2개 데이터 항목에 대해 boxplot 형태를 보여준다. par() # r에서 그래프를 보여주는 레이아웃을 정한다. 예를 들어 그래프 레이아웃과 그래프 아래, 왼쪽, 위, 오른쪽 순으로 마진 크기을 정한다. subset() # 데이터 프레임, 벡터, 또는 메트릭스에서 원하는 데이터를 추출한다. with() # 데이터 항목을 메모리 상에 로딩한다. plot() # x, y 형태로 그래프 점으로 표현한다. boxplot() # 2개 데이터 항목에 대해 .. 공감수 1 댓글수 0 2020. 2. 2.
탐색적 데이터 분석 코스를 배워보자 : 탐색적 그래프 -1차원 정보 표현(출처: R내 swirl package) # # swirl()내 탐색적 데이터 분석(Exploratory Data Course)를 실행해보자. # # library("swirl") swirl() 탐색적 분석 과정의 두번째 섹션: 탐색적 그래프 - 1차원 정보 표현 방법들(요약) head() # 데이터의 가장 위에서부터 데이터 항목을 O개 보여준다. dim() # 데이터의 길이를 파악할 수 있다. summary() # 특정 데이터에 대해 6가지 항목, 최소치, 25%값, 중간값, 평균값, 75% 값, 최대치를 보여준다. quantile() # 데이터의 사분위수(quantile)를 보여준다. boxplot() # R의 기본 함수로 데이터의 사분위로 표현하는 박스플롯 그래프를 보여준다. abline() # 특정 값에 대해 직선을 그린다. hist().. 공감수 1 댓글수 0 2020. 2. 1.
탐색적 데이터 분석 코스를 배워보자 : 분석적 그래프의 기본 원칙(출처: R내 swirl package) # # swirl()내 탐색적 데이터 분석(Exploratory Data Course)를 실행해보자. # jpeg 나 ggplot2 패키지가 안깔려있으면 함께 설치해준다. # install.packages("jpeg") install.ggplot2("ggplot2") library("swirl") swirl() 탐색적 분석 과정의 첫번째 섹션: 분석적 그래프의 기본 원칙(요약) 1. 첫번째 원칙: 비교하기 2. 두번째 원칙: 데이터 비교 결과에 대한 메커니즘을 보여준다. 3. 세번째 원칙: 다변수(multivariate)를 그래프로 보여준다. 4. 네번째 원칙: "증거(evidence)"를 다양한 방법(글, 숫자, 도형 등)으로 표현한다. 5. 다섯번째 원칙: "증거(evidence)"에 대한 출처, 적.. 공감수 2 댓글수 0 2020. 1. 31.
swirl() 패키지를 통해 R의 기본 및 데이터 과학 기본 지식을 배워보자! R 자체의 패키지 중 swirl이란게 있다. R-studio에서 install.packages("swirl") # swirl를 설치하고, library("swirl") # swirl를 로딩한 후, swirl() #swirl를 실행한다. swirl는 R 프로그래밍과 데이터 과학에 대해 인터랙티브하게 배울 수 있게 구성한 패키지이다. 처음 실행하면, 아래와 같은 화면이 나온다. 어떤 이름으로 불릴지 물어본다. '...'이 보이면 엔터를 누르면 다음 화면으로 넘어간다. | Welcome to swirl! Please sign in. If you've been here before, use the same name as you did then. If you | are new, call yourself somet.. 공감수 2 댓글수 0 2020. 1. 30.
R로 간단한 그래프 표현 시 참고할만한 사이트 간단한 그래프에 대한 전반적인 설명은 아래 사이트 참조하면 좋을 듯 하다. Producing Simple Graphs with R Producing Simple Graphs with R Let's add a title, a line to connect the points, and some color: cars 공감수 2 댓글수 0 2020. 1. 29.
Plot 함수로 표현 가능한 그래픽 모양은? # # plot 함수로 표현 시 pch 숫자값에 따른 모양임. 기본값은 1로 빈 원을 출력함. # pchShow() # pch값에 따른 그래픽 모양 출력 (참조: [Coursera]Data Science Specialization 내 Exploratory Data Analysis) 공감수 0 댓글수 0 2020. 1. 26.
X와 Y로 된 값 그래프로 표현 시 ## X, Y로 된 값 그래프로 표현 시 x 공감수 1 댓글수 0 2020. 1. 26.
히드토그램 R코드 ## 히스토그램 기본 x 공감수 1 댓글수 0 2020. 1. 25.
간단한 회귀분석 시 샘플 R코드(2번째) # # datasets내 airquality란 데이터 세트를 통해, 바람(wind), 자외선(solar radiation) 및 온도(temperature)가 ozone에 # 얼마나 영향을 미치는 지 회귀분석 식으로 파악할 때 쓰는 코드 # library(datasets) # datasets란 library를 읽기 data(airquality) # datasets내 airquality 읽기 summary(airqualtiy) # airquality 데이터 파악하기 library(stats) # 통계분석 library 읽기 fit |t|) (Intercept) -64.34208 23.05472 -2.791 0.00623 ** Wind -3.33359 0.65441 -5.094 1.52e-06 *** Sola.. 공감수 1 댓글수 0 2020. 1. 24.
간단한 회귀분석 시 R코드 # # mtcars란 데이터를 읽어드린 후, mtcars 데이터 항목 중 wt가 mpg에 미치는 영향을 식으로 표현... # data(mtcars) # mtcars 데이터 읽기 lm(mtcars$mpg ~ mtcars$wt) # wt가 mpg 변수에 미치는 영향을 파악하기 위한 회귀분석 식.. # 결과 Call: lm(formula = mtcars$mpg ~ mtcars$wt) Coefficients: (Intercept) mtcars$wt 37.285 -5.344 (참조: [Coursera]Data Science Specialization 내 Regression Models) 공감수 1 댓글수 0 2020. 1. 23.
온라인에서 'Zip파일'을 R로 다운로드 시 # 온라인 ZIP파일 수집할 때 쓰는 R 코드 # 파일을 다운로드할 폴더 생성.. 여기서는 데이터 폴더에 저장. f(!file.exists("./data")) {dir.create("./data")} # Data 폴더에 dataset.zip 형태로 온라인 zip파일 저장 fileURL 공감수 2 댓글수 0 2020. 1. 21.
온라인에 있는 'CSV' 데이터 수집 시 # 온라인 링크를 CSV로 수집할 때 쓰는 R 코드 URL 공감수 1 댓글수 0 2020. 1. 20.
데이터 분석 절차 앞으로 1주일간 데이터 분석에 대한 방법과 관련 자료를 포스팅 하고자 한다. 데이터 분석 절차 데이터 분석을 위해서는, 크게 위의 절차를 따른다고 보면 된다. 1. 분석 주제를 선정한다. 데이터 분석을 통해 수행할 분석의 목적과 분석하고자 하는 대상이 무엇인지 정의한다. 2. 데이터 수집 정의한 분석 주제에 적합한 데이터를 수집한다. 3. 데이터 해석 수집한 데이터에 대해 어떤 데이터로 구성됐는지 구조를 확인하며 필요시 가공한다. 4. 데이터 분석 수집한 데이터와 해석한 데이터 구조 및 가공한 데이터에 대해 분석을 진행한다. 5. 분석 결과 활용 데이터 분석 결과를 분석 목적에 맞게 활용한다. 데이터 수집, 해석, 분석 단계는 고도의 데이터 처리 및 통계에 대한 지식이 필요하다. 앞으로 R을 통한 데이터.. 공감수 2 댓글수 0 2020. 1. 19.
비트코인은 언제 다 채굴되고, 채굴되면 어떻게 될까? 비트코인의 3번째 반감기가 2020년 4월말 또는 5월로 예정돼있다. 앞으로도 최소 4년마다 비트코인 채굴 보상은 계속 반으로 줄어들 것이다. 그렇다면 언제쯤 예정된 2,100만 개 비트코인이 채굴이 될까? 비트코인 논문이 나오고 약 10년만에 1,800만개가 채굴됐지만, 전체가 채굴되는 시기는 대략 2,140년 그러니까 지금으로부터 약 120년 정도 후에 발생할 것으로 예상한다. 이는 앞으로 채굴에 따른 보상이 반으로 줄어들고 지금과 같은 채굴 매커니즘을 반영했을 떄의 시나리오이다. 채굴이 완료되면 어떻게 될까? 채굴에 따른 보상이 없는 경우 채굴자들은 점차 떠나서 비트코인 생태계가 무너지지는 않을까? 채굴자들이 떠나면 비트코인 거래에 대한 검증은 누가 할 것이며, 그들이 채굴을 지속할 보상이 없다면 .. 공감수 1 댓글수 0 2020. 1. 19.
비트코인의 실 거래량은? 현재까지 채굴된 비트코인 수는 18,169,375로 전체 2,100만 개중 86.521%가 채굴됐다. 블록수로는 613,550이이다. (출처: Buy Bitcoin Worldwide) 그렇다면 현재 실제로 유통되는 비트코인 수는 얼마일까? 일반적으로 생각하면 1,800만 개의 비트코인이 채굴됐으니, 이 만큼의 비트코인이 유통된다고 볼 수 있다. 하지만, 아래 요소들을 - 사토시 나가모토 지갑에 묻힌 110만개의 비트코인 수 - 불의의 사고로 세상을 떠난 자들의 비트코인 수 - 비트코인 지갑이 담긴 하드디스크를 폐기하면서 묻힌 비트코인 수 - 개인 키를 잃어버린 지갑에 묻힌 비트코인 수 등을 고려하면 시초자 지갑 110만개와 기타 잃어버린 수를 190만개로 가정하면, 대략 300만개의 비트코인이 실제로는 .. 공감수 1 댓글수 0 2020. 1. 17.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.