차이

문서의 선택한 두 판 사이의 차이를 보여줍니다.

--- wiki:hr:r_programming_guide [2025/07/03 05:08] – 만듦 - 바깥 편집 127.0.0.1
+++ wiki:hr:r_programming_guide [알 수 없는 날짜] (현재) – 제거됨 - 바깥 편집 (알 수 없는 날짜) 127.0.0.1
@@ 줄 1: / 줄 1: @@
-====== R 프로그래밍 실무 가이드 ======
-**이 문서는 업무에서 R을 활용한 데이터 분석을 위한 실용적인 가이드입니다.**
-----
-===== 🚀 R 시작하기 =====
-==== R 설치 및 환경 설정 ====
-**R 설치**
-  * [[https://cran.r-project.org/|CRAN 공식 사이트]]에서 다운로드
-  * Windows, macOS, Linux 지원
-  * 최신 안정 버전 권장
-**RStudio 설치**
-  * [[https://posit.co/download/rstudio-desktop/|RStudio 공식 사이트]]에서 다운로드
-  * 통합 개발 환경 (IDE)
-  * 코드 편집, 시각화, 패키지 관리 등 편리한 기능 제공
-**필수 패키지 설치**
-<code>
-# 데이터 처리
-install.packages("dplyr")
-install.packages("tidyr")
-install.packages("readr")
-# 시각화
-install.packages("ggplot2")
-install.packages("plotly")
-# 통계 분석
-install.packages("car")
-install.packages("psych")
-# 머신러닝
-install.packages("caret")
-install.packages("randomForest")
-</code>
-----
-===== 📊 데이터 불러오기 및 전처리 =====
-==== 데이터 불러오기 ====
-**CSV 파일 읽기**
-<code>
-# 기본 방법
-data <- read.csv("data.csv")
-# readr 패키지 사용 (더 빠름)
-library(readr)
-data <- read_csv("data.csv")
-# 엑셀 파일 읽기
-library(readxl)
-data <- read_excel("data.xlsx", sheet = 1)
-</code>
-**데이터베이스 연결**
-<code>
-# MySQL 연결
-library(RMySQL)
-con <- dbConnect(MySQL(),
-                 host = "localhost",
-                 dbname = "database_name",
-                 user = "username",
-                 password = "password")
-data <- dbGetQuery(con, "SELECT * FROM table_name")
-</code>
-==== 데이터 탐색 ====
-**기본 정보 확인**
-<code>
-# 데이터 구조 확인
-str(data)
-dim(data)
-head(data)
-tail(data)
-# 요약 통계
-summary(data)
-# 결측치 확인
-colSums(is.na(data))
-</code>
-**데이터 타입 변환**
-<code>
-# 문자형을 숫자형으로
-data$column <- as.numeric(data$column)
-# 숫자형을 문자형으로
-data$column <- as.character(data$column)
-# 문자형을 날짜형으로
-library(lubridate)
-data$date <- ymd(data$date)
-</code>
-----
-===== 🔧 데이터 전처리 =====
-==== 결측치 처리 ====
-**결측치 확인 및 처리**
-<code>
-# 결측치 개수 확인
-sum(is.na(data$column))
-# 결측치 제거
-data_clean <- na.omit(data)
-# 평균으로 대체
-data$column[is.na(data$column)] <- mean(data$column, na.rm = TRUE)
-# 중앙값으로 대체
-data$column[is.na(data$column)] <- median(data$column, na.rm = TRUE)
-</code>
-==== 이상치 탐지 및 처리 ====
-**IQR 방법으로 이상치 탐지**
-<code>
-# 박스플롯으로 시각적 확인
-boxplot(data$column)
-# IQR 계산
-Q1 <- quantile(data$column, 0.25, na.rm = TRUE)
-Q3 <- quantile(data$column, 0.75, na.rm = TRUE)
-IQR <- Q3 - Q1
-# 이상치 경계
-lower_bound <- Q1 - 1.5 * IQR
-upper_bound <- Q3 + 1.5 * IQR
-# 이상치 제거
-data_clean <- data[data$column >= lower_bound & data$column <= upper_bound, ]
-</code>
-**Z-score 방법**
-<code>
-# Z-score 계산
-z_scores <- scale(data$column)
-# 절댓값이 3 이상인 경우 이상치로 간주
-outliers <- abs(z_scores) > 3
-data_clean <- data[!outliers, ]
-</code>
-----
-===== 📈 기술통계 및 시각화 =====
-==== 기술통계 ====
-**기본 통계량**
-<code>
-# 기술통계
-mean(data$column, na.rm = TRUE)
-median(data$column, na.rm = TRUE)
-sd(data$column, na.rm = TRUE)
-var(data$column, na.rm = TRUE)
-# 사분위수
-quantile(data$column, probs = c(0.25, 0.5, 0.75), na.rm = TRUE)
-# psych 패키지로 상세 통계
-library(psych)
-describe(data)
-</code>
-**그룹별 통계**
-<code>
-# dplyr 패키지 사용
-library(dplyr)
-data %>%
-  group_by(group_column) %>%
-  summarise(
-    mean_value = mean(value_column, na.rm = TRUE),
-    sd_value = sd(value_column, na.rm = TRUE),
-    count = n()
-  )
-</code>
-==== 데이터 시각화 ====
-**ggplot2 기본 사용법**
-<code>
-library(ggplot2)
-# 히스토그램
-ggplot(data, aes(x = column)) +
-  geom_histogram(bins = 30, fill = "steelblue", alpha = 0.7) +
-  labs(title = "히스토그램", x = "값", y = "빈도") +
-  theme_minimal()
-# 박스플롯
-ggplot(data, aes(x = group, y = value)) +
-  geom_boxplot(fill = "lightblue") +
-  labs(title = "박스플롯", x = "그룹", y = "값") +
-  theme_minimal()
-# 산점도
-ggplot(data, aes(x = x_column, y = y_column)) +
-  geom_point(alpha = 0.6) +
-  geom_smooth(method = "lm", se = TRUE) +
-  labs(title = "산점도", x = "X", y = "Y") +
-  theme_minimal()
-</code>
-**상관관계 분석**
-<code>
-# 상관계수 계산
-cor(data$column1, data$column2, use = "complete.obs")
-# 상관관계 행렬
-cor_matrix <- cor(data[, c("col1", "col2", "col3")], use = "complete.obs")
-# 상관관계 히트맵
-library(corrplot)
-corrplot(cor_matrix, method = "color", type = "upper")
-</code>
-----
-===== 🔍 통계 검정 =====
-==== t-검정 ====
-**독립표본 t-검정**
-<code>
-# 두 그룹 간 평균 비교
-t_test_result <- t.test(value ~ group, data = data)
-print(t_test_result)
-# 결과 해석
-cat("t-통계량:", t_test_result$statistic, "\n")
-cat("p-value:", t_test_result$p.value, "\n")
-cat("신뢰구간:", t_test_result$conf.int, "\n")
-</code>
-**대응표본 t-검정**
-<code>
-# 같은 대상의 전후 비교
-t_test_paired <- t.test(data$before, data$after, paired = TRUE)
-print(t_test_paired)
-</code>
-==== 분산분석 (ANOVA) ====
-**일원배치 분산분석**
-<code>
-# 세 그룹 이상의 평균 비교
-anova_result <- aov(value ~ group, data = data)
-summary(anova_result)
-# 사후검정 (Tukey HSD)
-library(multcomp)
-tukey_result <- glht(anova_result, linfct = mcp(group = "Tukey"))
-summary(tukey_result)
-</code>
-==== 카이제곱 검정 ====
-**독립성 검정**
-<code>
-# 교차표 생성
-contingency_table <- table(data$row_var, data$col_var)
-# 카이제곱 검정
-chi_test <- chisq.test(contingency_table)
-print(chi_test)
-</code>
-----
-===== 📊 회귀분석 =====
-==== 선형회귀 ====
-**단순선형회귀**
-<code>
-# 모델 적합
-model <- lm(y ~ x, data = data)
-# 모델 요약
-summary(model)
-# 회귀계수
-coef(model)
-# R² 값
-summary(model)$r.squared
-# 잔차 확인
-residuals(model)
-</code>
-**다중선형회귀**
-<code>
-# 여러 독립변수
-model_multiple <- lm(y ~ x1 + x2 + x3, data = data)
-summary(model_multiple)
-# 변수 선택 (단계적 회귀)
-step_model <- step(model_multiple, direction = "both")
-</code>
-==== 회귀진단 ====
-**잔차 분석**
-<code>
-# 잔차 플롯
-par(mfrow = c(2, 2))
-plot(model)
-# 정규성 검정
-shapiro.test(residuals(model))
-# 다중공선성 검정
-library(car)
-vif(model_multiple)
-</code>
-----
-===== 🤖 머신러닝 =====
-==== 분류 ====
-**로지스틱 회귀**
-<code>
-# 이진 분류
-logistic_model <- glm(target ~ ., data = train_data, family = "binomial")
-summary(logistic_model)
-# 예측
-predictions <- predict(logistic_model, newdata = test_data, type = "response")
-predicted_class <- ifelse(predictions > 0.5, 1, 0)
-</code>
-**랜덤 포레스트**
-<code>
-library(randomForest)
-# 모델 학습
-rf_model <- randomForest(target ~ ., data = train_data, ntree = 500)
-# 예측
-rf_predictions <- predict(rf_model, newdata = test_data)
-# 변수 중요도
-importance(rf_model)
-varImpPlot(rf_model)
-</code>
-==== 클러스터링 ====
-**K-means 클러스터링**
-<code>
-# 데이터 정규화
-scaled_data <- scale(data[, c("col1", "col2", "col3")])
-# K-means 실행
-kmeans_result <- kmeans(scaled_data, centers = 3, nstart = 25)
-# 결과 확인
-kmeans_result$cluster
-kmeans_result$centers
-</code>
-----
-===== 📋 실무 프로젝트 예제 =====
-==== 고객 만족도 분석 ====
-**데이터 불러오기 및 전처리**
-<code>
-# 데이터 불러오기
-satisfaction_data <- read_csv("customer_satisfaction.csv")
-# 결측치 확인
-colSums(is.na(satisfaction_data))
-# 기술통계
-summary(satisfaction_data)
-# 만족도 점수 분포
-ggplot(satisfaction_data, aes(x = satisfaction_score)) +
-  geom_histogram(bins = 20, fill = "steelblue", alpha = 0.7) +
-  labs(title = "고객 만족도 점수 분포", x = "만족도 점수", y = "빈도") +
-  theme_minimal()
-</code>
-**그룹별 분석**
-<code>
-# 연령대별 만족도 비교
-age_satisfaction <- satisfaction_data %>%
-  group_by(age_group) %>%
-  summarise(
-    mean_satisfaction = mean(satisfaction_score, na.rm = TRUE),
-    sd_satisfaction = sd(satisfaction_score, na.rm = TRUE),
-    count = n()
-  )
-# 시각화
-ggplot(age_satisfaction, aes(x = age_group, y = mean_satisfaction)) +
-  geom_bar(stat = "identity", fill = "lightblue") +
-  geom_errorbar(aes(ymin = mean_satisfaction - sd_satisfaction,
-                    ymax = mean_satisfaction + sd_satisfaction), width = 0.2) +
-  labs(title = "연령대별 평균 만족도", x = "연령대", y = "평균 만족도") +
-  theme_minimal()
-</code>
-**통계 검정**
-<code>
-# 연령대별 만족도 차이 검정 (ANOVA)
-anova_result <- aov(satisfaction_score ~ age_group, data = satisfaction_data)
-summary(anova_result)
-# 성별 만족도 차이 검정 (t-검정)
-t_test_result <- t.test(satisfaction_score ~ gender, data = satisfaction_data)
-print(t_test_result)
-</code>
-----
-===== 💡 실무 팁 =====
-==== 코드 효율성 ====
-**함수 작성**
-<code>
-# 재사용 가능한 함수 만들기
-analyze_satisfaction <- function(data, group_var) {
-  result <- data %>%
-    group_by(!!sym(group_var)) %>%
-    summarise(
-      mean_score = mean(satisfaction_score, na.rm = TRUE),
-      sd_score = sd(satisfaction_score, na.rm = TRUE),
-      count = n()
-    )
-  return(result)
-}
-# 함수 사용
-age_analysis <- analyze_satisfaction(satisfaction_data, "age_group")
-</code>
-**결과 저장**
-<code>
-# 결과를 파일로 저장
-write.csv(analysis_result, "analysis_result.csv", row.names = FALSE)
-# 그래프 저장
-ggsave("satisfaction_plot.png", plot = my_plot, width = 10, height = 6)
-</code>
-==== 성능 최적화 ====
-**대용량 데이터 처리**
-<code>
-# data.table 패키지 사용 (더 빠름)
-library(data.table)
-dt <- as.data.table(data)
-# 병렬 처리
-library(parallel)
-library(doParallel)
-cl <- makeCluster(detectCores() - 1)
-registerDoParallel(cl)
-</code>
-----
-===== 📚 학습 리소스 =====
-**온라인 강의**
-  * Coursera: "R Programming" by Johns Hopkins
-  * edX: "Introduction to R Programming"
-  * DataCamp: R 트랙
-**도서**
-  * "R을 이용한 데이터 분석" - 김진성
-  * "R Cookbook" - Paul Teetor
-  * "ggplot2: Elegant Graphics for Data Analysis" - Hadley Wickham
-**커뮤니티**
-  * Stack Overflow: R 태그
-  * R-bloggers: R 관련 블로그 모음
-  * 한국 R 사용자 그룹
-----
-===== 🔗 관련 문서 =====
-  * [[wiki:hr:statistics_glossary|통계 용어집]]
-  * [[wiki:it:excel_vba|Excel VBA 가이드]]
-  * [[wiki:it:excel_sumif|Excel SUMIF 함수]]
-----
-> **💡 팁**: R은 처음에는 어려워 보이지만, 기본 문법을 익히면 강력한 데이터 분석 도구가 됩니다. 작은 프로젝트부터 시작해서 점진적으로 복잡한 분석을 시도해보세요!