해당 포스트에서는 데이터 처리 전문 패키지인 dplyr의 mutate 함수 활용에 대해 소개합니다.
INTRO
R에서 데이터 처리를 한다면 많은 분들이 dplyr 패키지를 먼저 설치하게 됩니다. 유용한 함수들이 많이 포함되어 있기도 하지만 tidyverse 생태계에 포함되어 있어 타 패키지들과의 호환성이 뛰어나다는 장점이 있습니다.
아래에서는 dplyr 패키지에서 제공되는 함수들 중 mutate() 계열의 함수들을 예제 코드와 함께 소개합니다.
mutate()?
dplyr 패키지에서 제공되는 mutate() 함수는 데이터 프레임(Data Frame)에 변수를 추가할 때 사용됩니다.
mutate 계열 함수
mutate(): 기존 변수를 유지하면서 새로운 변수 추가transmute(): 기존 변수는 제거하고 새로운 변수 추가mutate_all(): 모든 변수 변경mutate_at(): 정확한 컬럼명을 기준 변수 변경mutate_if(): 조건에 만족하는 변수에 대해 변경
1. mutate()
mutate() 함수는 데이터 프레임(Data Frame)에 존재하는 기존 변수는 유지하며 새로운 변수를 생성합니다.
기본 사용법
library(dplyr)
data <- mutate(new_variable = existing_variable/3)data: 새롭게 생성된 데이터 프레임new_variable: 새로운 변수의 이름existing_variable: 현재 데이터 프레임 내 변수로 새로운 변수로 변경하려는 대상
iris 데이터에 새로운 변수 생성
아래에서는 R에서 제공되는 기본 데이터셋인 iris 데이터에 새로운 root_sepal_width 변수를 추가하는 과정을 설명합니다.
data <- head(iris)
dataSepal.Length Sepal.Width Petal.Length Petal.Width Species 1 5.1 3.5 1.4 0.2 setosa 2 4.9 3.0 1.4 0.2 setosa 3 4.7 3.2 1.3 0.2 setosa 4 4.6 3.1 1.5 0.2 setosa 5 5.0 3.6 1.4 0.2 setosa 6 5.4 3.9 1.7 0.4 setosa
새로운 변수 root_sepal_width는 기존 Sepal.Width 변수에 root를 적용하여 생성합니다.
data %>% mutate(root_sepal_width = sqrt(Sepal.Width))Sepal.Length Sepal.Width Petal.Length Petal.Width Species root_sepal_width 1 5.1 3.5 1.4 0.2 setosa 1.870829 2 4.9 3.0 1.4 0.2 setosa 1.732051 3 4.7 3.2 1.3 0.2 setosa 1.788854 4 4.6 3.1 1.5 0.2 setosa 1.760682 5 5.0 3.6 1.4 0.2 setosa 1.897367 6 5.4 3.9 1.7 0.4 setosa 1.974842
출력 결과를 보면, 기존 Sepal.Width 변수가 유지되면서 맨 마지막 위치에 root_sepal_width라는 새로운 변수가 추가된 것을 볼 수 있습니다.
2. transmute()
transmute() 함수는 mutate()와 같이 새로운 변수를 생성한다는 동작은 동일하지만, 과정에 사용된 기존 변수는 제거된다는 차이가 있습니다. 아래에서는 transmute() 함수를 이용해 새로운 2개의 변수를 생성하는 과정을 설명합니다.
data <- head(iris)
dataSepal.Length Sepal.Width Petal.Length Petal.Width Species 1 5.1 3.5 1.4 0.2 setosa 2 4.9 3.0 1.4 0.2 setosa 3 4.7 3.2 1.3 0.2 setosa 4 4.6 3.1 1.5 0.2 setosa 5 5.0 3.6 1.4 0.2 setosa 6 5.4 3.9 1.7 0.4 setosa
위에서 확인한 iris 데이터의 Sepal.Width와 Petal.Width 변수를 이용하여 2개의 새로운 변수를 생성합니다. 아래 결과를 보면 새롭게 생성된 2개 변수 외의 모든 변수가 제거된 것을 볼 수 있습니다.
data %>% transmute(root_sepal_width = sqrt(Sepal.Width),
root_petal_width = sqrt(Petal.Width))root_sepal_width root_petal_width 1 1.870829 0.4472136 2 1.732051 0.4472136 3 1.788854 0.4472136 4 1.760682 0.4472136 5 1.897367 0.4472136 6 1.974842 0.6324555
3. mutate_all()
mutate_all() 함수는 데이터 프레임 내의 모든 변수를 한번에 변경할 수 있습니다. funs() 함수와 함께 사용한다면 apply 함수처럼 적용도 가능합니다.
아래 코드는 Species 컬럼을 제외한 iris 데이터의 모든 변수를 10으로 나눈 결과입니다. 먼저, Species를 제외한 iris 데이터를data2라는 새로운 객체로 생성합니다.
data2 <- head(iris) %>% select(-Species)
data2Sepal.Length Sepal.Width Petal.Length Petal.Width 1 5.1 3.5 1.4 0.2 2 4.9 3.0 1.4 0.2 3 4.7 3.2 1.3 0.2 4 4.6 3.1 1.5 0.2 5 5.0 3.6 1.4 0.2 6 5.4 3.9 1.7 0.4
데이터 프레임(Data Frame)의 모든 변수를 10으로 나누어 줍니다.
data2 %>% mutate_all(funs(./10))Sepal.Length Sepal.Width Petal.Length Petal.Width 1 0.51 0.35 0.14 0.02 2 0.49 0.30 0.14 0.02 3 0.47 0.32 0.13 0.02 4 0.46 0.31 0.15 0.02 5 0.50 0.36 0.14 0.02 6 0.54 0.39 0.17 0.04
위와 같은 출력 결과를 얻었으나 하단에 경고 메시지가 출력되었을 겁니다. 아래 경고 메세지는 dplyr 패키지의 버전이 0.8.0부터는 funs() 함수가 지원되지 않을 예정이라는 내용으로, 변경된 사용법을 안내합니다.
Warning message:
`funs()` was deprecated in dplyr 0.8.0.
Please use a list of either functions or lambdas:
# Simple named list:
list(mean = mean, median = median)
# Auto named with `tibble::lst()`:
tibble::lst(mean, median)
# Using lambdas
list(~ mean(., trim = .2), ~ median(., na.rm = TRUE))4. mutate_at()
mutate_at()는 선택한 컬럼들을 부분적으로 변경할 수 있습니다. 아래 예시는 2개의 컬럼(Sepal.Length, Sepal.Width)에만 나누기 10을 적용하고 컬럼명 뒤에 _mod를 붙이는 코드입니다.
data2 %>% mutate_at(c("Sepal.Length", "Sepal.Width"), funs(mod = ./10))Sepal.Length Sepal.Width Petal.Length Petal.Width Sepal.Length_mod Sepal.Width_mod 1 5.1 3.5 1.4 0.2 0.51 0.35 2 4.9 3.0 1.4 0.2 0.49 0.30 3 4.7 3.2 1.3 0.2 0.47 0.32 4 4.6 3.1 1.5 0.2 0.46 0.31 5 5.0 3.6 1.4 0.2 0.50 0.36 6 5.4 3.9 1.7 0.4 0.54 0.39
5. mutate_if()
mutate_if()는 조건에 부합하는 변수들을 선택적으로 변경할 수 있습니다. 아래 코드는 데이터 프레임(Data Frame)에서 변수의 타입(type)이 factor인 경우 character로 변경해 줍니다.
data <- head(iris)
sapply(data, class)Sepal.Length Sepal.Width Petal.Length Petal.Width Species "numeric" "numeric" "numeric" "numeric" "factor"
위 결과를 보면 Species 변수의 타입(type)이 factor인 것을 알 수 있습니다. 이제 mutate_if() 함수를 사용해 해당 컬럼의 타입을 변경해 보겠습니다.
new_data <- data %>% mutate_if(is.factor, as.character)
sapply(new_data, class)Sepal.Length Sepal.Width Petal.Length Petal.Width Species "numeric" "numeric" "numeric" "numeric" "character"
또한 mutate_if() 함수는 숫자형 변수들에만 반올림 함수(round())를 적용할 수 있습니다.
data <- head(iris)
dataSepal.Length Sepal.Width Petal.Length Petal.Width Species 1 5.1 3.5 1.4 0.2 setosa 2 4.9 3.0 1.4 0.2 setosa 3 4.7 3.2 1.3 0.2 setosa 4 4.6 3.1 1.5 0.2 setosa 5 5.0 3.6 1.4 0.2 setosa 6 5.4 3.9 1.7 0.4 setosa
data %>% mutate_if(is.numeric, round, digits = 0)Sepal.Length Sepal.Width Petal.Length Petal.Width Species 1 5 4 1 0 setosa 2 5 3 1 0 setosa 3 5 3 1 0 setosa 4 5 3 2 0 setosa 5 5 4 1 0 setosa 6 5 4 2 0 setosa
마무리
이번 포스트에서는 dplyr에서 많이 사용되는 mutate 계열 함수들의 사용법을 설명하였습니다. 기본형인 mutate로도 많은 처리를 수행할 수 있으나 패키지에서 제공되는 함수들을 공부하고 활용한다면 보다 효율적인 코딩 및 분석이 가능합니다.
관련 링크
[1] [R-bloggers] How to Use Mutate function in R
