내장함수를 이용한 데이터 프레임 조작.

1 2 3 4 5

exam = read.csv("Data/csv_exam.csv") exam exam[2,]  #특정 row만 출력 #조건부 행 추출. exam$class==1 exam[exam$class==1 , ] exam[exam$math    >= 80                      , ] exam[exam$english >= 70 & exam$class   == 2  , ] exam[exam$english <  90 | exam$science <  50 , ] #열 추출. exam[ , 1] exam[ , "id"] #조건부 열 추출 exam[ , c("class" , "math")]  #c 함수로 묶어야 한다..! #조건부 데이터 추출. exam[1,3] exam[5,"math"] exam[exam$id == 10,"math"] exam[exam$math >= 80 , c("id", "english")] #DPLYR exam %>%    filter(exam$math >= 50 & exam$english >= 80) %>%    mutate(tot = (math + english + science) / 3) %>%    group_by(class) %>%    summarise(myMean = mean(tot))  #그룹단위 평균 mean 사용가능!      #  summarise( avg = sum(tot) / n() ) #내장함수 exam$tot = (exam$math + exam$english + exam$science) / 3  #fomular 해석법 : 물결무늬 오른쪽에 대해서 그룹화 해서 왼쪽 변수에 대해 특정 함수를 적용하라. aggregate(data=exam[ exam$math >= 50 & exam$english >= 80 , ] ,  tot~class     ,  mean ) ### 그룹 함수와 개별 함수를 잘 구분해서 볼것. mpg %>% filter(class %in% c("compact", "suv")) %>% group_by(class) %>% summarise(meanTot = mean( (cty + hwy) / 2 ) )