이 장에서는 dplyr 파이프라인을 다시 살펴보고, 도우미 함수와 정규표현식을 활용해 열 선택 실력을 높여 봅니다.

알차게 열매 맺는 dplyr 사용법

select() vs. filter()

멋진 선택

필요한 변형(Mutation)

헬퍼 함수의 도움받기

시작부터 막히지 마세요

어떻게 끝났는지 살펴봐요

완벽한 매칭 찾기

Contain-ted love

일치 항목 찾기

선택한 리더에게 책임을 묻기

여기서는 데이터의 열을 재배치하는 방법과 여러 열에 동일한 변환을 적용하는 방법을 배웁니다. 또한 하나 이상의 열 기준과 일치하는 행을 선택하는 법도 익혀요.

열 재배치 도와주기

select()와 everything()으로 옮기기

select()와 last_col()으로 재배치하기

relocate()로 열 위치 바꾸기

선을 넘었네요

여러 열에 대해 mutate 적용하기

여러 변수를 한꺼번에 요약하기

count()와 across() 결합하기

Animal crossing: 새 rowwise 사용하기

across() vs. c_across()

rowwise()로 집계하기

하나는 어느 하나라도, 또 하나는 모두에게

열을 척척 이동시키기

이 단원에서는 dplyr 조인을 다시 학습합니다. 더 나아가 집합 이론 절(clause)을 사용해 데이터셋 간의 겹침과 차이를 살펴봅니다.

재미있게 조인해 봐요

함께 조인해 봐요

추가 조사

교차하는 직선에는 평행이 없어요

옵션

intersect()

inner_join()

교집합 vs. inner join

교차점 빠르게 점검하기

국가 현황 전달하기

합집합 저장하기

지역 노동조합에 모두 가입해요

EXCEPT를 너무 많이 썼네요

동일한 집합인지 확인하기

차이점 확인하기

집합 이론 산타와 북극

과정의 마지막 부분에서는 rlang 연산자를 사용해 인수를 변수로 바꾸고, dplyr과 ggplot2 코드를 통합한 함수를 만들어 봅니다.

가장 큰 오동작은 무엇인가요?

지역별 실업률

그룹별 실업률 중앙값

뱅뱅!!

rlang 연산자 맞추기

꽝꽝, 방으로 들어가요

흔들의자에서 rlang과 함께

You are the walrus

지역별 결과 분석하기

멋진 ggplot 변주

Plotting and scheming

점점 흥미로워지는 플롯 제목

축하합니다!

새로운 rlang 언어로 말하기

World Bank

International Monetary Fund (IMF)

tidyverse에는 데이터를 쉽고 빠르게 다룰 수 있게 해 주는 훌륭한 패키지들이 모여 있어요. 하지만 dplyr 함수를 다른 함수 안에 넣어 쓰다가 이상한 오류나 예상치 못한 결과를 본 적이 있나요? 그런 오류는 대부분 ‘tidy evaluation’ 때문이며, 이를 다루려면 약간의 추가 작업이 필요해요. Programming with dplyr에서는 rlang 패키지를 통해 이런 오류를 해결하는 전략을 익히게 됩니다. 또한 World Bank와 International Monetary Fund의 데이터를 활용해 전 세계 동향을 분석하면서 dplyr로 프로그래밍하는 다양한 기법도 배워요. 이 과정을 마치면 tidyverse 함수 작성에 능숙한 달인이 되어 있을 거예요!

Joining Data with dplyr

Introduction to Writing Functions in R

고급 dplyr 변환을 수행하고 dplyr 및 ggplot2 코드를 함수에 통합하는 방법을 배우세요.

dplyr로 하는 프로그래밍

고급 dplyr 변환을 익히고, 함수에 dplyr 및 ggplot2 코드를 통합하는 방법을 배웁니다.

두 tibble의 열 이름이 동일할 때만 작동해요.

열 이름이 같은 두 tibble `df1`과 `df2`에 대해, 항상 `df1`과 `df2` 사이에 공통으로 존재하는 모든 행을 반환해요.

두 인수가 가진 열 개수가 달라도 작동해요.

두 tibble `df1`과 `df2`에 대해, 키 값이 일치하는 모든 행을 반환해요.

교집합 vs. inner join

dplyr로 하는 프로그래밍

실습형 인터랙티브 연습문제