[R dplyr] 그룹별 관측치 개수 별로 DataFrame을 구분해서 생성하기

이번 포스팅에서는 데이터 전처리 과정 중에서

(1) 기준이 되는 단위나 그룹 별로 관측치의 개수를 구해서

(2) 그룹 별 관측치 개수가 1개인 그룹의 DataFrame 과 2개 이상인 그룹의 DataFrame을 구분

해서 생성하는 방법을 소개하겠습니다.

dplyr 패키지를 이용해서 chain operator (%>%) 로 한꺼번에 코드를 짜면 편리합니다. dplyr 패키지의 group_by(), mutate(), filter(), select() 등의 여러개의 함수를 사용하였습니다.

(그룹 별 관측치 개수를 구해서 먼저 DataFrame으로 만들어놓고, 그 다음에 merge 함수를 이용해서 그룹별로 관측치 개수를 원본 DataFrame에 합쳐준 후에, 조건문으로 그룹별 관측치 개수별로 DataFrame을 구분해서 생성해주는 방식으로 step by step 진행해도 됩니다.)

먼저, dplyr 패키지를 불러오고, 간단한 예제 DataFrame을 만들어보겠습니다. 이때 칼럼 'id'가 관측치 개수를 세는 기준이 되는 그룹이 되겠습니다.

library(dplyr) id <- c("A", "B", "C", "C", "D", "E", "E", "E") x1 <- c(3, 2, 1, 1, 3, 3, 2, 4) x2 <- c(60, 20, 30, 10, 70, 10, 20, 30) df <- data.frame(id, x1 x2) df # id x1 x2 # 1  A  3 60 # 2  B  2 20 # 3  C  1 30 # 4  C  1 10 # 5  D  3 70 # 6  E  3 10 # 7  E  2 20 # 8  E  4 30

(1) 단위 그룹별로 관측치 개수 구하기

(a) dplyr 패키지의 group_by() 함수에 관측치 개수를 세는 단위 기준이 되는 그룹변수 'id' 를 넣어주고,

(b) mutate() 함수의 n() 매개변수로 관측치 개수(number of rows)를 세어서 'n'이라는 이름의 새로운 변수를 만들어줍니다.

(c) 그리고 filter() 함수를 사용해서 위의 (b)에서 새로 만든 그룹별 관측치 개수 'n'에 대해 조건 '관측치 개수가 1개인 조건 (n == 1)' 을 만족하는 행만 걸러내는 원리입니다.

df %>%   group_by(id) %>%   mutate(n = n()) %>%   filter(n == 1) # # A tibble: 3 x 4 # # Groups:   id [3] # id       x1    x2     n # <chr> <dbl> <dbl> <int> # 1 A         3    60     1 # 2 B         2    20     1 # 3 D         3    70     1

(2) 단위 그룹별로 관측치 개수가 1개 vs. 2개 이상인 그룹 구분해서 DataFrame 만들기

우리가 원하는 최종 산출물은 단위 그룹별 관측치 개수는 필요하지 않으므로 (d) select(id, x1, x2) 함수를 사용해서 원본 데이터에 있는 변수들만 선택해서 가져오겠습니다.

그리고 그룹별 관측치 개수가 1개인 관측치만으로 이루어진 'df_1' 라는 이름의 DataFrame과, 그룹별 관측치 개수가 2개 이상인 관측치들로 이루어진 'df_2' 라는 이름의 DataFrame을 각각 구분해서 생성해보겠습니다.

dplyr 패키지의 체인 연산(%>%) 으로 한꺼번에 코드를 짤 수 있으므로 코드가 단순하고 가독성이 좋습니다.

## data.frame which has only 1 observation by x1 category df_1 <- df %>%   group_by(id) %>%   mutate(n = n()) %>%   filter(n == 1) %>%   select(id, x1, x2) df_1 # id       x1    x2 # <chr> <dbl> <dbl> # 1 A         3    60 # 2 B         2    20 # 3 D         3    70 # data.frame which has more than 2 observations by x1 categories df_2 <- df %>%   group_by(id) %>%   mutate(n = n()) %>%   filter(n >= 2) %>%   select(id, x1, x2) df_2 # id       x1    x2 # <chr> <dbl> <dbl> # 1 C         1    30 # 2 C         1    10 # 3 E         3    10 # 4 E         2    20 # 5 E         4    30

[ Reference ]

* R dplyr 패키지 기본함수 소개: https://rfriend.tistory.com/234

* R dplyr 패키지의 새로운 변수만들기 소개: https://rfriend.tistory.com/235

* R dplyr 패키지의 chain operator (or pipe operator) 소개: https://rfriend.tistory.com/236

* R dplyr 패키지의 그룹별 행의 개수 세기 소개: https://rfriend.tistory.com/240

다음 포스팅에서는 이번 포스팅과 동일한 결과를 얻기위해 R data.table 패키지를 사용해서 그룹별 관측치 개수별로 data.table을 구분해서 생성하는 방법(https://rfriend.tistory.com/607)을 소개하겠습니다.

이번 포스팅이 많은 도움이 되었기를 바랍니다.

행복한 데이터 과학자 되세요!  :-)