변환 지정자

데이터의 시간 범위와 샘플링 주기처럼 시계열의 핵심 속성을 파악해 데이터를 더 잘 이해하는 방법을 배웁니다. 시계열 객체를 생성하고 조작하는 도구와 함수를 제공하는 zoo 패키지도 소개합니다. R의 많은 데이터 사이언스 작업이 데이터 프레임 패러다임을 사용하므로, 데이터 프레임과 시계열 객체 간 변환 방법도 익힙니다.

Exercise 1: 시계열 속성 Exercise 2: 시간 속성 및 소수 날짜 Exercise 3: 시간 속성 비교하기 Exercise 4: zoo 패키지로 다루는 시계열 객체 Exercise 5: zoo 만들기 Exercise 6: zoo와 ggplot2 Exercise 7: zoo 객체 다루기 Exercise 8: 인덱스 업데이트와 교체 Exercise 9: 겹치는 인덱스 찾기 Exercise 10: zoo와 데이터 프레임 간 변환 Exercise 11: data.frame과 zoo 간 전환

관심 있는 특정 기간에 집중할 수 있도록 시계열에서 윈도를 부분 선택하는 방법을 다룹니다. 실제 시계열 데이터를 다룰 때는 데이터셋의 기간이 필요 이상으로 길어 시각화를 복잡하게 만들 수 있음을 확인합니다. 매분, 매시간, 매월, 매년 등 다양한 주기로 시계열을 리샘플링하고, 데이터를 집계해 xts 패키지를 통해 전반적인 추세를 파악하는 법을 배웁니다. 또한 결측값을 일정값 채우기, LOCF, 선형 보간 등으로 보완하는(imputing) 방법도 학습합니다.

Exercise 1: 관측 구간 부분집합 만들기 Exercise 2: 시계열에서 특정 구간 선택하기 Exercise 3: 특정 날짜의 관측값 찾기 Exercise 4: 논리식과 부분 선택 Exercise 5: 월별 및 분기별 데이터 Exercise 6: zoo::yearmon Exercise 7: zoo::yearqtr Exercise 8: 재샘플링과 관측치 집계 Exercise 9: 데이터 집계 Exercise 10: 사용자 지정 집계 수준 Exercise 11: ggplot2로 집계된 시계열 그리기 Exercise 12: 결측값 보간(대체)하기 Exercise 13: 결측값 보간(Imputation) 방법 Exercise 14: 상수로 채우기 (Constant Fill)Exercise 15: 마지막 관측값 전진 대치(LOCF)Exercise 16: 선형 보간

데이터와 함께 이동(roll)하는 시계열의 “롤링” 윈도를 만들어, 연속된 몇 달의 관측치 평균이나 몇 주간의 매출 합계처럼 시간에 따른 추세를 요약하는 방법을 배웁니다. 평균, 중앙값, 합계, 최댓값 등의 전체 요약 통계만으로는 시간에 따른 변화 양상을 파악하기 어렵기 때문에, 롤링 윈도를 사용해 동적으로 통계를 계산할 수 있습니다. 롤링 윈도와 함께, 요약 통계가 최종값에 수렴하는 과정을 보여 주는 확장 윈도를 만드는 방법도 학습합니다.

Exercise 1: 롤링 윈도우란 무엇인가요?Exercise 2: 롤링 윈도 함수 Exercise 3: 롤링 윈도우 vs. 집계 Exercise 4: 롤링 윈도우에 함수 적용하기 Exercise 5: 구르는 최소값(rolling minimum)Exercise 6: 사용자 정의 함수로 Rolling apply 적용하기 Exercise 7: 확장 윈도우 Exercise 8: 롤링 윈도우 vs. 확장 윈도우 Exercise 9: 확장 합계 Exercise 10: 확장 평균 Exercise 11: 축하합니다!