이 챕터에서는 factor에 대해 자세히 배웁니다. 범주형 변수와 서열형 변수의 차이, R이 이를 어떻게 표현하는지, 그리고 수준(level)의 수와 이름을 확인하는 방법을 알아봅니다. 마지막으로 tidyverse 패키지인 forcats가 변수의 빈도로 빠르게 재정렬할 수 있게 해주어 그래프를 어떻게 개선하는지 살펴봅니다.

질적 변수 소개

요인 변수 알아보기

이론으로 살펴보는 질적 변수

질적 변수를 이해해 봅시다

수준 개수 구하기

수준 개수 살펴보기

수준 살펴보기

더 나은 플롯 만들기

빈도순으로 변수 재정렬하기

다른 변수를 기준으로 변수 순서 정하기

Factor 변수 소개

forcats 패키지를 더 깊게 파고들며 수준(level)의 순서와 이름을 바꾸는 법, 나아가 수준들을 서로 묶어 합치는 방법까지 배웁니다.

범주형 변수의 순서 재정의

범주 수준의 순서 바꾸기

fct_relevel() 요령 익히기

요인 수준 이름 바꾸기

forcats 함수 구분하기

일부 수준 이름 바꾸기

오타가 있을 때

범주 수준 묶어 합치기

수준 직접 합치기

비율 기준으로 변수 묶기

가장 흔한 수준 유지하기

Factor 변수 조작하기

forcats에 익숙해졌다면 tidyverse의 다른 구성 요소로 확장해 dplyr, tidyr, stringr의 함수들을 학습하고 복습합니다. ggplot2로 축을 백분율 스케일로 바꾸고, 텍스트 레이아웃을 편집하는 등 그래프를 한층 더 다듬습니다.

공통 주제의 변수를 살펴보기

비슷한 열 묶기와 형태 변환

데이터 요약하기

초기 플롯 만들기

ggplot2 활용 팁

플롯 텍스트 편집하기

그래프 재정렬

case_when()으로 변수 변경 및 생성하기

단일 변수로 case_when() 사용하기

여러 열을 활용한 case_when()

Factor 변수 만들기

마지막 챕터에서는 배운 내용을 사례 연구에 적용합니다. 문자열 처리와 데이터 요약을 더 익히고, 출판 수준의 538 스타일 그래프를 재현해 봅니다.

사례 연구 소개

문자형을 팩터로 바꾸기

데이터 정리하기

데이터 준비와 정규식

문자열 정리하기

변수 이분화하기

플롯 재현하기

초기 그래프 만들기

레이블 다듬기

축을 뒤집어 보기

차트 마무리하기

과정 마무리 요약

항공편 에티켓 사례 연구

538 Flying Etiquette survey

Kaggle multiple choice responses

데이터 과학자는 직업명, 설문 응답, 인구통계 정보처럼 숫자가 아닌 데이터를 자주 다루게 됩니다. R에는 이를 표현하는 특별한 방식인 factor가 있으며, 이 강의는 tidyverse의 forcats 패키지를 사용해 factor를 능숙하게 다루는 방법을 안내합니다. 또한 ggplot2, dplyr, stringr, tidyr 등 다른 tidyverse 패키지와 fivethirtyeight의 항공편 데이터셋, Kaggle의 State of Data Science and ML Survey 같은 실제 데이터도 활용합니다. 이 과정을 마치면 factor 변수를 식별하고 조작하며, 데이터를 빠르고 효율적으로 시각화하고, 결과를 효과적으로 전달할 수 있게 됩니다. 이제 분류를 시작해 볼까요?

Reshaping Data with tidyr

범주화를 준비하세요! 이 과정에서는 Tidyverse로 직함이나 설문 응답 같은 비수치 데이터를 다룹니다.

Tidyverse로 배우는 범주형 데이터

분류를 시작하세요! 이 과정에서는 직함, 설문 응답 등 비수치형 데이터를 Tidyverse 환경에서 다루는 법을 학습합니다.

case_when()으로 변수 변경 및 생성하기

Create Your Free Account