R. 연속형 변수 특성 요약과 시각화(비율형)

비율형 척도 변수컬럼 특성 파악하기

 

비율형 척도 (ratio) 중에서 지출경비(expense)변수를 선정하여 지출경비 수치들이 가진 중심성, 변동성, 정규성 분포 특성을 파악합니다.

 

먼저 expense 컬럼을 뽑아내서 어떤 데이터인지 파악하겠습니다.

library(Hmisc)
Hmisc::describe(cnt$expense)

이제 산술평균, 중앙값, 최빈값을 파악하겠습니다.

 

1. 산술평균

mean(cnt$expense)
mean(cnt$expense, na.rm = TRUE)
mean(cnt$expense, na.rm = TRUE, trim = 0.3)

여기서 trim = 0.3을 적용한 mean을 보면 다른 값들에 비해서 현저히 낮은 것을 확인할 수가 있습니다. 이것은 평균에 비해서 극값이 있다는 사실을 파악할 수 있습니다.

 

2. 중앙값 확인하기

median(cnt$expense)

값은 1015.68이 출력됩니다.

 

3. 최빈값 출력하기

 

먼저 최빈값을 구하기 위해 expense컬럼으로 된 값을 테이블로 볼 수 있는 변수로 만들겠습니다.

expense_freq <- table(cnt$expense)
expense_freq

그러면 다음과 같이 값들이 오름 차순으로 된 것을 확인할 수 있습니다.

 

이제 sort함수를 통해 이것을 내림차순으로 변경하겠습니다.

sort(expense_freq, decreasing = TRUE)

그러면 이런식으로 내림차순으로 변경된 것을 확인할 수 있습니다. 그러면 어떤 값이 최빈값인지 확인할 수 있습니다.

아니면 which.max함수를 통해 어느값이 최빈값인지 확인할 수 있습니다.

names(which.max(expense_freq))

값은 1000이 나오는 것을 확인할 수 있습니다.

 

4. 분산, 표준편차, 범위, (최대,최소) 확인하기

 

분산

var(cnt$expense)
var(cnt$expense, na.rm = TRUE)

분산 값이 엄청 크게 나타난 것을 확인할 수 있습니다. 이말은 데이터가 엄청 다양하게 분포되어 있음을 확인할 수 있습니다.

 

표준편차

sd(cnt$expense)
sd(cnt$expense, na.rm = TRUE)

마찬가지로 표준편차 값이 크므로 데이터가 다양하게 분포되어 있음을 확인할 수 있습니다.

 

범위

range(cnt$expense)
range(cnt$expense, na.rm = TRUE)

최대/최소

max(cnt$expense)
min(cnt$expense)

5. 왜도와 첨도

 

왜도

skewness(cnt$expense)
skewness(cnt$expense, na.rm = TRUE)

값들이 양수로 되어 있으므로 중앙값을 기준으로 좌측으로 밀집됨을 확인할 수 있습니다.

 

첨도

kurtosis(cnt$expense)
kurtosis(cnt$expense, na.rm = TRUE)

첨도값이 큰값으로 되어 있으므로 중앙 값으로 엄청 뾰족할수도 있다는 것을 예상할 수 있습니다.

 

이제 시각화를 통해 예상한 것들이 맞는지 확인하겠습니다.

 

⭐️ 비율형 척도 변수컬럼 시각화하기

 

먼저 간단한 플로팅 후 가이드 라인과 같이 표현하겠습니다.

plot(cnt$expense, type = "p", 
     pch = 21, bg = "green")

# abline()을 이용한 가이드라인(안내선)을 그리기
abline(h = seq(from = 1, 
               to = 13000000, 
               by = 1000000), 
       col = "gray", lty = 2)
abline(v = seq(from = 1000, 
               to = 14000, 
               by = 1000), 
       col = "gray", lty = 2)

값이 다음과 같이 나온것을 확인할 수 있습니다.

 

다음은 히스토그램을 그려서 파악해보겠습니다.

par(mfrow=c(2, 2))

hist(cnt$expense, main="hist(), Frequency 옵션")
hist(cnt$expense, probability=TRUE,
     main="hist(), Probabilty 옵션")
plot(density(cnt$expense), main="density() 확률밀도 옵션")

hist(cnt$expense, probability=TRUE,
     main="hist() 히스토그램과 density() 확률밀도함수 통합")
lines(density(cnt$expense))

 

---

이 자료는 https://www.youtube.com/channel/UChPuesN49tcqQqYRQHrLCuw를 참조하여 작성하였습니다.

 

K-ICT 빅데이터센터