dplyr 함수들을 조합한 실전 데이터 다루기 2 - 2
6번 문제
구별 판매건수의 합을 남 녀 별로 비교해주세요.
group_by, summarise
구별이니 group_by에 구가 들어가고, 남녀별로 라고 했으니깐 뒤에 gender가 들어간다. 그리고 summarise, sum를 해주면 된다.
sales %>%
group_by(district, gender) %>%
summarise(sum.sales.num = sum(sales.num, na.rm = T))
district gender sum.sales.num 1 강남구 NA 261586 2 강남구 남 1182813 3 강남구 여 1188579 4 강동구 NA 267583 ...
NA 값 처리
filter(!is.na(gender))로 NA가 아닌 것을 추려낸다.
sales %>%
filter(!is.na(gender)) %>%
group_by(district, gender) %>%
summarise(sum.sales.num = sum(sales.num, na.rm = T))
district gender sum.sales.num 1 강남구 남 1182813 2 강남구 여 1188579 3 강동구 남 1173535 4 강동구 여 1181975 ...
7번 문제
강남구에서 월별 판매건수의 합을 남 녀 별로 비교해주세요.
filter
filter를 해서 강남구를 선택한다.
sales %>%
filter(district == '강남구')
city district gender sales.nm sales.cd ymd sales.num 1 서울특별시 강남구 남 스탑버스 12AA02 20140101 103 2 서울특별시 강남구 여 키즈랜드 100101 20140101 309 3 서울특별시 강남구 여 키즈랜드 100101 20140101 365 4 서울특별시 강남구 남 스탑버스 12AA02 20140101 421 ...
mutate
데이터가 일별 데이터이기 때문에 m(월) 변수를 만들어준다. mutate, substr을 사용해 ymd를 잘라 만든다.
sales %>%
filter(district == '강남구') %>%
mutate(m = substr(ymd, 5, 6))
city district gender sales.nm sales.cd ymd sales.num m 1 서울특별시 강남구 남 스탑버스 12AA02 20140101 103 01 2 서울특별시 강남구 여 키즈랜드 100101 20140101 309 01 3 서울특별시 강남구 여 키즈랜드 100101 20140101 365 01 4 서울특별시 강남구 남 스탑버스 12AA02 20140101 421 01 ...
강남구 조건에 !is.na를 하면 NA가 아닌 데이터를 추출된다.
sales %>%
filter(district == '강남구' & !is.na(gender)) %>%
mutate(m = substr(ymd, 5, 6)) %>%
group_by(m, gender) %>%
summarise(sum.sales.num = sum(sales.num, na.rm = T))
m gender sum.sales.num 1 01 남 124241 2 01 여 119220 3 02 남 82757 4 02 여 80253 5 03 남 95705 6 03 여 98662 7 04 남 94527 8 04 여 92161 9 05 남 108618 10 05 여 103917 11 06 남 95979 12 06 여 102209 13 07 남 95862 14 07 여 96153 15 08 남 96305 16 08 여 105486 17 09 남 92653 18 09 여 99071 19 10 남 96847 20 10 여 96261 21 11 남 102357 22 11 여 97655 23 12 남 96962 24 12 여 97531
8번 문제
관악구와 강남구에서 구별로 일별 판매건수가 가장 큰 점포와 해당 날짜를 추출하세요.
filter
district %in%을 사용해 관악구와 강남구의 데이터만 선택한다.
sales %>%
filter(district %in% c('관악구', '강남구'))
city district gender sales.nm sales.cd ymd sales.num 1 서울특별시 강남구 남 스탑버스 12AA02 20140101 103 2 서울특별시 강남구 여 키즈랜드 100101 20140101 309 3 서울특별시 강남구 여 키즈랜드 100101 20140101 365 4 서울특별시 강남구 남 스탑버스 12AA02 20140101 421 ...
group_by, arrange(desc), slice
group_by로 구별로 그룹핑을 한후
sales %>%
filter(district %in% c('관악구', '강남구')) %>%
group_by(district)
city district gender sales.nm sales.cd ymd sales.num 1 서울특별시 강남구 남 스탑버스 12AA02 20140101 103 2 서울특별시 강남구 여 키즈랜드 100101 20140101 309 3 서울특별시 강남구 여 키즈랜드 100101 20140101 365 4 서울특별시 강남구 남 스탑버스 12AA02 20140101 421 ...
arrange(desc)으로 sales.num(판매건수)를 내림차순 정렬한다. 그리고 첫번째 데이터를 슬라이싱한다.
sales %>%
filter(district %in% c('관악구', '강남구')) %>%
group_by(district) %>%
arrange(desc(sales.num)) %>%
slice(1)
city district gender sales.nm sales.cd ymd sales.num 1 서울특별시 강남구 여 원조한식 100201 20140116 500 2 서울특별시 관악구 여 키즈랜드 100101 20140520 500
문제 해결 1
성별에 관계없이 일별 판매건수 합을 구해야 한다.
group_by에 구별, 일별, 점포명을 넘겨줘야한다. 지역의 city가 겹칠 수 있으니 city도 넣어줘야한다.
sales %>%
filter(district %in% c('관악구', '강남구')) %>%
group_by(city, district, sales.nm, ymd) %>%
summarise(sum.sales.num = sum(sales.num, na.rm = T)) %>%
group_by(district) %>%
arrange(desc(sum.sales.num)) %>%
slice(1)
city district sales.nm ymd sum.sales.num 1 서울특별시 강남구 @ 20141107 7140 2 서울특별시 관악구 스탑버스 20141111 7264
문제 해결 2
동률에 대한 데이터
이 부분을 mutate와 rank를 이용하여 구별로 순위를 매긴다. 높은 것에서 낮은 순으로 순위를 매기고 동률이 날 경우 최소값을 넣어주도록 한다.
sales %>%
filter(district %in% c('관악구', '강남구')) %>%
group_by(city, district, sales.nm, ymd) %>%
summarise(sum.sales.num = sum(sales.num, na.rm = T)) %>%
group_by(district) %>%
mutate(rank = rank(-sum.sales.num, ties.method = 'min'))
city district sales.nm ymd sum.sales.num rank 1 서울특별시 강남구 @ 20140101 3561 458 2 서울특별시 강남구 @ 20140106 4266 258 3 서울특별시 강남구 @ 20140111 2415 636 4 서울특별시 강남구 @ 20140116 4837 106 ...
filter를 하여 순위가 1인 것만 뽑도록 한다. 그리고 print를 한다.
sales %>%
filter(district %in% c('관악구', '강남구')) %>%
group_by(city, district, sales.nm, ymd) %>%
summarise(sum.sales.num = sum(sales.num, na.rm = T)) %>%
group_by(district) %>%
mutate(rank = rank(-sum.sales.num, ties.method = 'min')) %>%
filter(rank == 1) %>%
print(n = 100)
# A tibble: 2 x 6 # Groups: district [2] city district sales.nm ymd sum.sales.num rank <chr> <chr> <chr> <int> <int> <int> 1 서울특별시 강남구 @ 20141107 7140 1 ...
9-1번 문제
일별 평균 판매건수를 성별로 비교해보세요.
group_by에 성별을 넣고 summarise를 한다.
sales %>%
group_by(gender) %>%
summarise(mean.sales.num = mean(sales.num, na.rm =T))
gender mean.sales.num 1 NA 251.3390 2 남 250.6194 3 여 250.4969
9-2번 문제
일별 판매건수를 구, 연월일, 성별을 고려하여 최댓값을 만들고, 즉, 점포명을 무시하고 이 최댓값의 평균을 성별로 비교해보세요.
group_by를 사용하여 구별, 연월일별, 성별 변수를 넘겨주고 summarise에 max함수를 적용한다.
sales %>%
group_by(district, ymd, gender) %>%
summarise(max.sales.num = max(sales.num, na.rm = T))
district ymd gender max.sales.num 1 강남구 20140101 NA 463 2 강남구 20140101 남 496 3 강남구 20140101 여 496 4 강남구 20140106 NA 464 ...
그리고 다시 성별로 비교하는 것이기 때문에 성별로 묶어준다. 그리고 다시 summarise로 하여 max 값의 평균을 구한다.
sales %>%
group_by(district, ymd, gender) %>%
summarise(max.sales.num = max(sales.num, na.rm = T)) %>%
group_by(gender) %>%
summarise(mean.sales.num = mean(max.sales.num, na.rm = T))
gender mean.sales.num 1 NA 465.0252 2 남 493.2603 3 여 493.2164
10번 문제
판매건수를 기준으로 2014년 중 지역별 & 점포별로 성별 등은 무시하고 평균값을 구해 내림차순 정렬하되, 지역별 & 점포별로 TOP 2개만 뽑아주세요. 단, @ 점포는 제외하시오.
먼저 @로 되어있는 점포를 제외하자. filter로 @는 제외하고 mutate로 년 변수를 만들어준다.
sales %>% filter(sales.nm != '@') %>%
mutate(y = substr(ymd, 1, 4)) %>%
filter(y == '2014')
city district gender sales.nm sales.cd ymd sales.num y 1 서울특별시 강남구 남 스탑버스 12AA02 20140101 103 2014 2 서울특별시 강남구 여 키즈랜드 100101 20140101 309 2014 3 서울특별시 강남구 여 키즈랜드 100101 20140101 365 2014 4 서울특별시 강남구 남 스탑버스 12AA02 20140101 421 2014 ...
그 다음 filter를 이용해서 2014년도만 뽑아낸다. 그리고 group_by로 구별, 점포별를 넘겨주고 summarise로 평균을 구한다.
sales %>% filter(sales.nm != '@') %>%
mutate(y = substr(ymd, 1, 4)) %>%
filter(y == '2014') %>%
group_by(district, sales.nm) %>%
summarise(mean.sales.num = mean(sales.num, na.rm =T))
district sales.nm mean.sales.num 1 강남구 레스탑 245.9457 2 강남구 베타문구 245.6988 3 강남구 스탑버스 248.3998 4 강남구 원조백반 256.6305 ...
그리고 arrange와 desc를 사용하여 내림차순으로 정렬하고 slice로 첫 번째와 두 번째 데이터를 뽑아낸다.
sales %>% filter(sales.nm != '@') %>%
mutate(y = substr(ymd, 1, 4)) %>%
filter(y == '2014') %>%
group_by(district, sales.nm) %>%
summarise(mean.sales.num = mean(sales.num, na.rm =T)) %>%
arrange(desc(mean.sales.num)) %>%
slice(1:2)
district sales.nm mean.sales.num 1 강남구 원조한식 260.7767 2 강남구 원조백반 256.6305 3 강동구 전주비빔 256.2129 4 강동구 스탑버스 254.4223 ...
2014년이 데이터에 잘 들어가 있는지 확인한다.
sales %>% filter(sales.nm != '@') %>%
mutate(y = substr(ymd, 1, 4)) %>%
filter(y == '2014') %>%
group_by(y, district, sales.nm) %>%
summarise(mean.sales.num = mean(sales.num, na.rm =T)) %>%
arrange(desc(mean.sales.num)) %>%
slice(1:2) %>%
print(n = 100)
# A tibble: 50 x 4 # Groups: y, district [25] y district sales.nm mean.sales.num <chr> <chr> <chr> <dbl> 1 2014 강남구 원조한식 261. ...