[Chapter 09: 연습문제] 난생처음 R 코딩 & 데이터 분석

https://www.aladin.co.kr/shop/wproduct.aspx?ItemId=257831838&start=slayer

난생처음 R 코딩 & 데이터 분석

01 carData 패키지의 MplsStops 데이터셋은 차량이나 사람의 수상한 멈춤 행동에 대한 미니애폴리스 경찰의 보고 데이터를 저장하고 있다. 다음의 물음에 답하기 위한 R코드를 작성하시오.

# 패키지 설치
install.packages("carData")

# carData 패키지 로드
library(carData)

# MplsStops 데이터셋 로드
data("MplsStops")

 

(1) 수상한 행동을 한 행인의 인종 비율(race)을 원그래프로 나타내시오.

# race 열 벡터
race <- MplsStops$race

# race 도수분포
freq_race <- table(race)

# 원 그래프
pie(freq_race,
    main='수상한 행동을 한 행인의 인종 비율',
    )

 

(2) 수상한 멈춤인지 교통신호에 의한 멈춤인지(problem)의 비율을 원그래프로 나타내시오. 단, 수상한 멈춤(suspicious)은 빨간색으로, 교통신호에 의한 멈춤(traffic)은 파란색으로 나타낸다.

# problem 열 벡터
problem <- MplsStops$problem

# problem 도수분포
freq_problem <- table(problem)

# 원 그래프
pie(freq_problem,
    main='멈춤 비율',
    col=c('red', 'blue')
    )

 

(3) 수상한 멈춤을 한 사람에 대한 수색여부(personSearch) 비율을 원그래프로 나타내시오.

# personSearch 열 벡터
ps <- MplsStops$personSearch

# personSearch 도수분포
freq_ps <- table(ps)

# 원 그래프
pie(freq_ps,
    main='수색여부 비율'
    )

 

(4) 수상한 멈춤을 한 사람의 성별(gender) 비율을 3차원 원그래프로 나타내시오. 단, 파이의 색을 남성은 오렌지색, 여성은 초록색, 기타는 노란색으로 지정한다.

# plotrix 패키지 설치
install.packages('plotrix')

# plotrix 패키지 로드
library(plotrix)

# gender 열 벡터
gender <- MplsStops$gender

# gender 도수분포
freq_gender <- table(gender)

# 3D 원 그래프
pie3D(freq_gender,
      main='성별 비율',
      labels=c('Female', 'Male', 'Unknown'), # 파이별 레이블 명
      labelcex=1.0, # 레이블 폰트 크기
      col=c('green', 'orange', 'yellow')
      )

02 DAAG 패키지의 greatLakes 데이터셋은 1918~2009년 사시의 4개 호수에 대한 수위 측정 데이터를 저장하고 있다. 다음과 같이 ds를 생성한 뒤 다음 물음에 답하기 위한 R 코드를 작성하시오.

# 패키지 로드
library(DAAG)

# greatLakes 데이터셋 로드
data("greatLakes")

ds <- data.frame(year=1918:2009, greatLakes)

 

(1) Erie호의 연도별 수위 변화를 선그래프로 나타내시오.

# year 열 벡터
year <- ds$year

# Erie 호수 열 벡터
erie <- ds$Erie

# 선 그래프
plot(year, # x data
     erie, # y data
     main='Erie 호수의 연도별 수위 변화',
     type='l', # 선 그래프 종류
     xlab='연도',
     ylab='수위'
     )

 

(2) michHuron호의 수위 변화를 다음과 같은 모양의 그래프로 작성하시오.

# year 열 벡터
year <- ds$year

# michHuron 호수 열 벡터
mh <- ds$michHuron

# 선 그래프
plot(year, # x data
     mh, # y data
     main='michHuron 호 수위',
     type='b', # 선 그래프 종류
     lty=5, # 선의 종류
     col='red',
     xlab='연도',
     ylab='수위'
     )

 

(3) Erie, michHuron, StClair 호수의 연도별 수위 변화를 하나의 그래프로 작성하되 호수별로 선의 색을 다르게 하시오(y축 값의 범위는 173~177.5, 선의 종류(type)는 'b'로 설정).

# year 열 벡터
year <- ds$year

# 각 호수의 열 벡터
erie <- ds$Erie
mh <- ds$michHuron
sc <- ds$StClair

plot(year, # x data
     erie, # y data
     main='연도별 수위 변화',
     type='b', 
     col='red',
     xlab='연도',
     ylab='수위',
     ylim=c(173, 177.5) # y값 범위
     )

lines(year, # x data
      mh, # y data
      type='b',
      col='green')

lines(year, # x data
      sc, # y data
      type='b',
      col='blue')

03 DAAG 패키지의 cfseal 데이터셋은 상업적 포획에 의해 죽은 물개에 대한 데이터를 저장하고 있다. 다음 물음에 답하기 위한 R 코드를 작성하시오.

# DAAG 패키지 설치
install.packages('DAAG')

# DAAG 패키지 로드
library(DAAG)

# cfseal 데이터셋 로드
data("cfseal")

 

(1) 물개의 체중(weight) 분포를 상자그림으로 나타내시오.

# weight 열 벡터
weight <- cfseal$weight

# 상자 그림
boxplot(weight,
        main='물개 체중'
        )

 

(2) 물개의 심장무게(heart) 분포에서 특이값을 찾아 출력하시오.

# heart 열 벡터
heart <- cfseal$heart

# 특이값 
print(boxplot.stats(heart)$out)

 

(3) 물개를 두 그룹으로 나누되 나이가 평균보다 적은 경우는 'young'으로, 평균 이상인 경우는 'old'로 지정한다. 그룹에 따라 무개의 몸무게(weight) 분포를 상자그림으로 나타내시오. 단, 상자의 색은 'old' 인 경우 오렌지색, 'young' 인 경우 초록색으로 한다.

• case 1

# age, weight 열 벡터
age <- cfseal$age
weight <- cfseal$weight

# 물개 평균 나이
mean_age <- mean(age, na.rm = TRUE)

# 두 그룹
group <- cfseal$group <- ifelse(age < mean_age, 'young', 'old')

boxplot(weight~group,
        main='물개 몸무게 분포',
        col=c('orange', 'green')
        )

• case 2

# 물개 평균 나이
mean_age <- mean(cfseal$age, na.rm = TRUE)

# 두 그룹
cfseal$group <- ifelse(cfseal$age < mean_age, 'young', 'old')

boxplot(weight~group,
        data=cfseal,
        main='물개 몸무게 분포',
        col=c('orange', 'green')
        )

 

(4) 물개를 세 그룹으로 나누되 몸무게가 Q1 미만인 경우는 'Low', Q1~Q3 사이인 경우는 'middle', Q3를 초과하는 경우는 'high'로 한다. 그룹에 따라 물개의 위(stomach) 무게 분포를 상자 그림으로 나타내시오.

# 몸무게 4분위수
q_weight <- quantile(cfseal$weight, na.rm = TRUE)

# 분위수 그룹
cfseal$group <- ifelse(cfseal$weight < q_weight[2], 'Low',
                       ifelse(cfseal$weight <= q_weight[4], 'middle', 'high'))

boxplot(stomach~group,
        data=cfseal,
        main='위 무게 분포',
        col=c('red', 'green', 'blue')
        )

04 DAAG 패키지의 greatLakes 데이터셋은 4개 호수의 수위 측정 데이터를 저장하고 있다. 다음과 같이 ds를 생성한 뒤 다음 물음에 답하기 위한 R 코드를 작성하시오.

# DAAG 패키지 설치 및 로드
install.packages('DAAG')
library(DAAG)

# greatLakes 데이터셋 로드
data("greatLakes")

ds <- data.frame(greatLakes)

 

(1) Erie호와 michHuron호의 수위 분포를 산점도로 나타내시오.

# 산점도
plot(ds$Erie, # x축
     ds$michHuron, # y축
     main='수위 분포')

 

(2) 4개 호수의 수위를 다중 산점도로 나타내시오.

# 다중 산점도
plot(ds,
     main='수위 분포')

05 DAAG 패키지의 grog 데이터셋은 호주와 뉴질랜드의 주류 소비에 대한 데이터를 저장하고 있다. 다음과 같이 데이터셋을 불러온 뒤, 다음 물음에 답하기 위한 R 코드를 작성하시오.

# DAAG 패키지 설치 및 로드
install.packages('DAAG')
library(DAAG)

# grog 데이터셋 로드
data("grog")

 

(1) 맥주(Beer)와 와인(Wine)에 대한 산점도를 작성하시오.

plot(grog$Beer,
     grog$Wine,
     main='Beer & Wine',
     xlab='Beer',
     ylab='Wine')

 

(2) 맥주(Beer), 와인(Wine), 스피릿(Spirit)에 대한 다중 산점도를 작성하되 점의 색을 호주는 빨간색, 뉴질랜드는 파란색으로 지정하시오. 그리고 나라에 따라 점의 모양도 다르게 하시오.

# 대상 데이터
ds <- grog[, 1:3]

# 그룹 확인
levels(grog$Country)

# 그룹 수치화
group <- as.numeric(grog$Country)

# 그룹 별 색상 및 점 모양
color <- c('red', 'blue')

# 다중 산점도
plot(ds,
     main='Beer & Wine & Spirit',
     pch=c(group), # 점 모양
     col=color[group] # 1: red, 2: blue
     )