끄적거림

data.table 패키지 유용하게 사용하기 1편 data.table 패키지 유용하게 사용하기 1편 나는 원래 R 사용자였으며, 나름 학부시절 잘하는 쪽에 속한다고 생각했다. 그것이 가능했던 것이 data.table 패키지를 어느정도 잘 사용하고 나서부터라고 생각한다. 그동안 내가 알고 있던 꿀팁 signing.tistory.com 지난 번 포스팅 이후로 오랜만에 data.table package에 대해 남은 얘기를 해보도록 하겠다. 3. Channing data.table 패키지는 chaining을 지원한다. 여기서 chaining이란 전 포스팅에서 봤던 조건, 연산, 그루핑 등을 연쇄적으로 붙여서 사용할 수 있음을 의미한다. iris[Species == 'setosa'][Sepal.Width > 3]..

$$ \approx ~~ \sum \frac \bar \hat $N\times N$ \begin{cases} 0 & if & male \\ 1 & if & female \end{cases} Gender = \begin{cases} 0 & if ~ male \\ 1 & if ~ female \end{cases} \cdot \partial $$ 참고 url

R에서 포멧에 맞게 문자열을 출력하는 방법을 알아보자. 가령 아래와 같이 일정한 포멧에 맞게끔 문자열을 출력해야하는 상황이 발생하면 어떻게 해야할까? ## ## ==== SUMMARY STATISTICS ==== ## ## MEAN : 5.5000 ## MEDIAN : 5.5000 ## VARIANCE : 9.1667 ## MAXIMUM : 10.0000 ## MINIMUM : 1.0000 1. sprintf( )함수 sprintf("happy", fmt = "%07s") ## [1] " happy" 출력할 문자열을 입력하고, "fmt=" 파라미터로 포멧을 지정해주면 된다. 2. str_pad( ) 함수 in stringr package str_pad(string = "happy" , width = 7 ..

내가 만든 프로그램이 잘 작동하는지, 또한 성능과 퍼포먼스가 어느정도 나오는지 혹은 여러 비슷한 함수나 프로세스가 성능 측면에서 어떤 차이를 보이는지 확인해야할 경우가 종종 생긴다. 이럴 때 성능 측정하여 비교하고 더 나은 방법을 추구하는 것을 흔히 벤치마크(benchmark)라한다. 그래서 R이나 기타 다른 언어에서도 내가 어떤 함수 혹은 어떤 기능에 대해 퍼포먼스적으로 수행하고 싶다면 구글링할 때 how to ~~ benchmark 이런식으로 검색해주면 전세계 많은 R user들이 발견해 놓은 좋은 방법들을 많이 찾을 수 있다. 간단한 실험으로 벤치마크를 어떻게 사용하는지 확인해보고자 한다. install.packages("microbenchmark") library(microbenchmark) 먼저..

분석을 처음 임하기 전에 가장 먼저 설정하는 것이 바로 작업환경 설정이다. R은 다른 언어에 비해 작업환경 경로를 세팅하여 작업하는 활용도가 높다. 작업환경을 설정하는 방법에 대해 몇 가지 방법을 설명하겠다. 1. 하드코딩 가장 쉬운 방법이자 가장 위험한 방법이다. 코드와 같이 원하는 경로를 직접 입력하는 방법이다. path

분석을 하다보면 여러 패키지들을 사용하기 마련이다. 그럴때마다 하나하나씩 install.package와 library함수를 사용하기도 힘들고, 간지도 안난다. 아래의 코드를 보면 많은 패키지들을 한 번에 설치하고 임포트할 뿐만 아니라 업데이트까지 진행해준다. req_lib