기본 콘텐츠로 건너뛰기

R에서 데이터 저장하기와 불러내기



 앞서 데이터의 특성을 살펴보는 예제를 실행해봤습니다. 하지만 사실 더 중요한 이야기가 빠졌습니다. 그것은 바로 데이터를 불러내거나 혹은 저장하는 일이죠. 처음에 R을 공부할 때 데이터를 어떻게 불러내는지를 몰라서 고생했던 기억이 있습니다. R은 현존하는 거의 모든 데이터 파일을 불러낼 수 있는 능력이 있지만, 기본적으로 많이 사용하는 파일 구조는 CSV 입니다. 


 CSV에 익숙하지 않은 분들도 있겠지만, 사실 데이터에 있어서 여러 소프트웨어와 어플리케이션에서 취급하는 범용 형식입니다. Comma Separated Value 의 약자로 쉼표를 기준으로 항목을 구분하여 저장한 데이터를 이야기 합니다. 사실 엑셀에서도 기본 저장 형식인 xlsx 외에 csv 형식으로 파일 저장이 가능합니다. 


 일단 첫 번째 단계로 csv 형식으로 파일을 저장해 보겠습니다. 저장할 데이터는 앞서 다룬 예제인 다이아몬드입니다. 


library("ggplot2")
write.csv(diamonds,"H:/data/diamond.csv",row.names=F,na="")


 저장을 위한 기본 명령은 write.csv 입니다. 간단하죠. () 안에 저장할 데이터 프레임 이름을 적고 그 다음에 "" 안에 경로를 지정합니다. row.names=F,na="" 를 지정한 이유는 R 이 기본 상태에서는 열 이름과 더불어 NA (결측값) 을 같이 저장하기 때문입니다. 그러면 데이터가 변형될 뿐 아니라 데이터 크기가 커지면서 본래 원하는 형태와 데이터가 달라질 수 있습니다. 물론 반대로 이것을 원할 때는 지정하지 않아도 됩니다. 아무튼 이렇게 저장한 파일을 한 번 열어보겠습니다. 




 우리가 흔히 보는 엑셀에서 파일을 열어서 볼 수 있습니다. 사용하는 사람 입장에서는 xlsx 파일이나 csv 파일이나 사실 체감되는 차이는 없습니다. 하지만 R에서 불러내는 속도는 csv 파일이 훨씬 빠릅니다. 따라서 왠만하면 엑셀 파일이더라도 다른 이름으로 저장을 눌러서 csv 파일로 변환해서 처리하는 것이 훨씬 좋습니다. 


 여기서 한 가지 더 사족이라고 하면 이렇게 실제 데이터를 저장한 후 엑셀 같은 스프레드시트 프로그램에서 한번 데이터를 보는 것이 좋다는 것입니다. 앞서 본 데이터 기본 구조를 보는 과정에서 누락된 사실이 여기서 밝혀질 수 있습니다. 데이터 구조 파악을 위해서는 실제 데이터를 육안으로 한 번 확인하는 과정이 필요하다는 것이 개인적인 경험에서 나온 생각입니다. 


 이제 이렇게 저장한 파일을 읽어보겠습니다. 읽기 명령어 역시 간단합니다. read.csv를 사용하면 됩니다. 경로와 데이터를 지정하면 끝입니다. 


data=read.csv("H:/data/diamond.csv")


 데이터라는 새로운 데이터 프레임에 저장한 내용을 로드했습니다. 그러면 R 스튜디오에서는 이 데이터 프레임을 직접 볼 수 있는 스프레드시트를 제공합니다. 기본적인 환경에서는 우측 상단에 데이터 프레임이 표시되고 이를 클릭하면 좌측 상단에 그 내용이 표시됩니다. 따라서 엑셀 없이도 저장된 파일을 직접 볼 수 있는 것이죠. 다만 자세히 보려면 엑셀이 더 편할 수 있습니다. (아래 그림. 클릭하면 원본) 




 그런데 사용하다보면 부득이 엑셀 파일을 바로 읽어들이거나 저장해야 하는 경우도 있을 것입니다. 이 경우 xlsx 패키지를 설치한 후 write.xlsx와 read.xlsx를 사용해서 같은 방식으로 저장하고 불러올 수 있습니다. 


install.packages("xlsx")
require(xlsx)
write.xlsx(diamonds,"H:/data/diamond.xlsx",row.names=F)
data=read.xlsx("H:/data/diamond.xlsx")


 그런데 한 번 해보면 알겠지만, xlsx는 생각보다 저장에 시간이 오래 걸립니다. R에서는 csv 파일이 훨씬 편리하기 때문에 가능하면 엑셀 파일이더라도 csv 파일로 변경해서 사용하는 것이 좋습니다. 변경하는 것은 매우 간단합니다. 그냥 다른 이름으로 저장을 하면서 파일 형식에서 csv (쉼표로 분리)를 선택하면 그만입니다. 


 데이터를 입력할 때는 분명 엑셀이 좋은 도구입니다. 하지만 파일이 커질수록 속도가 상당히 느려지는 단점이 있어 빅데이터 처리를 위해서 좋은 도구라고 보기는 어렵습니다. 따라서 마이크로소프트도 액세스(Access)라는 별도의 프로그램을 개발한 것이죠. 액세스 파일은 물론 다양한 파일을 R에서 불러올 수 있으나 속도면에서는 csv 파일이 가장 좋다고 말씀드리고 싶습니다. 엑셀 파일을 R에서 저장하면 엑셀에서 하는 것보다 훨씬 오랜 시간이 걸립니다. 





댓글

이 블로그의 인기 게시물

통계 공부는 어떻게 하는 것이 좋을까?

 사실 저도 통계 전문가가 아니기 때문에 이런 주제로 글을 쓰기가 다소 애매하지만, 그래도 누군가에게 도움이 될 수 있다고 생각해서 글을 올려봅니다. 통계학, 특히 수학적인 의미에서의 통계학을 공부하게 되는 계기는 사람마다 다르긴 하겠지만, 아마도 비교적 흔하고 난감한 경우는 논문을 써야 하는 경우일 것입니다. 오늘날의 학문적 연구는 집단간 혹은 방법간의 차이가 있다는 것을 객관적으로 보여줘야 하는데, 그려면 불가피하게 통계적인 방법을 쓸 수 밖에 없게 됩니다. 이런 이유로 분야와 주제에 따라서는 아닌 경우도 있겠지만, 상당수 논문에서는 통계학이 들어가게 됩니다.   문제는 데이터를 처리하고 분석하는 방법을 익히는 데도 상당한 시간과 노력이 필요하다는 점입니다. 물론 대부분의 학과에서 통계 수업이 들어가기는 하지만, 그것만으로는 충분하지 않은 경우가 많습니다. 대학 학부 과정에서는 대부분 논문 제출이 필요없거나 필요하다고 해도 그렇게 높은 수준을 요구하지 않지만, 대학원 이상 과정에서는 SCI/SCIE 급 논문이 필요하게 되어 처음 논문을 작성하는 입장에서는 상당히 부담되는 상황에 놓이게 됩니다.  그리고 이후 논문을 계속해서 쓰게 될 경우 통계 문제는 항상 나를 따라다니면서 괴롭히게 될 것입니다.  사정이 이렇다보니 간혹 통계 공부를 어떻게 하는 것이 좋겠냐는 질문이 들어옵니다. 사실 저는 통계 전문가라고 하기에는 실력은 모자라지만, 대신 앞서서 삽질을 한 경험이 있기 때문에 몇 가지 조언을 해줄 수 있을 것 같습니다.  1. 입문자를 위한 책을 추천해달라  사실 예습을 위해서 미리 공부하는 것은 추천하지 않습니다. 기본적인 통계는 학과별로 다르지 않더라도 주로 쓰는 분석방법은 분야별로 상당한 차이가 있을 수 있어 결국은 자신이 주로 하는 부분을 잘 해야 하기 때문입니다. 그러기 위해서는 학과 커리큘럼에 들어있는 통계 수업을 듣는 것이 더 유리합니다. 잘 쓰지도 않을 방법을 열심히 공부하는 것은 아무래도 효율

R 스튜디오 설치 및 업데이트

 R을 설치한 후 기본으로 제공되는 R 콘솔창에서 코드를 입력해 작업을 수행할 수도 있지만, 보통은 그렇게 하기 보다는 가장 널리 사용되는 R 개발환경인 R 스튜디오가 널리 사용됩니다. 오픈 소스 무료 버전의 R 스튜디오는 누구나 설치가 가능하며 편리한 작업 환경을 제공하기 때문에 R을 위한 IDE에서 가장 널리 사용되어 있습니다. 아래 링크에서 다운로드 받습니다.    https://www.rstudio.com/  다운로드 R 이나 혹은 Powerful IDE for R로 들어가 일반 사용자 버전을 받습니다. 오픈 소스 버전과 상업용 버전, 그리고 데스크탑 버전과 서버 버전이 있는데, 일반적으로는 오픈 소스 버전에 데스크탑 버전을 다운로드 받습니다. 상업 버전의 경우 데스크탑 버전의 경우 년간 995달러, 서버 버전은 9995달러를 받고 여러 가지 기술 지원 및 자문을 해주는 기능이 있습니다.   데스크탑 버전을 설치하는 과정은 매우 쉽기 때문에 별도의 설명이 필요하지 않을 것 같습니다. 인스톨은 윈도우, 맥, 리눅스 (우분투/페도라)에 따라 설치 파일이 나뉘지만 설치가 어렵지는 않을 것입니다. 한 가지 주의할 점이라면 R은 사전에 반드시 따로 설치해야 한다는 점입니다. R 스튜디오만 단독 설치하면 아무것도 할 수 없습니다. 뭐 당연한 이야기죠.   설치된 R 스튜디오는 자동으로 업데이틀 체크하지 않습니다. 따라서 업데이트를 위해서는 R 스튜디오에서 Help 로 들어가 업데이트를 확인해야 합니다.     만약 업데이트 할 내용이 없다면 최신 버전이라고 알려줄 것이고 업데이트가 있다면 업데이트를 진행할 수 있도록 도와주게 됩니다. R의 업데이트와 R 스튜디오의 업데이트는 모두 개별적이며 앞서 설명했듯이 R 업데이트는 사실 기존 버전과 병행해서 새로운 버전을 새롭게 설치하는 것입니다. R 스튜디오는 실제로 업데이트가 이뤄지기 때문에 구버전을 지워줄 필요는

R 패키지 설치 및 업데이트 오류 (1)

 R 패키지를 설치하거나 업데이트 하다보면 여러 가지 문제가 생기는 경우들이 있습니다. 이 경우 아예 R을 재설치하는 것도 방법이지만, 어떤 경우에는 이렇게해도 해결이 안되고 계속해서 사용자는 괴롭히는 경우도 있습니다. 이런 경우 중 하나를 소개합니다.  새로운 패키지를 설치, 혹은 업데이트 하는 과정에서 같이 설치하는 패키지 중 하나가 설치가 되지 않는다는 메세지가 계속 나왔는데, 사실은 백신 프로그램 때문이었던 경우입니다.   dplyr 패키지를 업데이트 하려고 했는데, 제대로 되지 않아 다시 설치를 진행했습니다. 그런데 일부 패키지가 제대로 설치되지 않는다는 메세지가 나왔습니다.  > install.packages("dplyr") Error in install.packages : Updating loaded packages > install.packages("dplyr") Installing package into ‘C:/Users/jjy05_000/Documents/R/win-library/3.4’ (as ‘lib’ is unspecified) also installing the dependencies ‘bindr’, ‘bindrcpp’, ‘Rcpp’, ‘rlang’, ‘plogr’ trying URL ' https://cran.rstudio.com/bin/windows/contrib/3.4/bindr_0.1.1.zip ' Content type 'application/zip' length 15285 bytes (14 KB) downloaded 14 KB trying URL ' https://cran.rstudio.com/bin/windows/contrib/3.4/bindrcpp_0.2.2.zip ' Content type 'application/zip' length 620344 b