데이터프레임은 1차원 벡터와 함께 데이터 핸들링에 가장 많이 쓰이는 객체 중 하나이다. 먼저 데이터프레임의 생성에 대해 알아보자.
matrix 객체의 원소를 연산하기 위한 연산자와 함수를 알아보자.
행렬은 1차원 부터 n차원 까지 고차원의 데이터 표현이 가능하다. 그래서 보통 3차원 이상의 정보를 담고 있는 이미지 데이터 조작에도 많이 활용되기도 하고 각종 머신러닝 알고리즘 구현에 근간이 되는 행렬 연산을 지원하는 matrix 객체를 다뤄보자.
특정 객체 내용을 문자열을 활용해서 불러올 수 없을까? 반복문을 쓰려면 반드시 문자열 입력이 필요한데 일반적인 객체 호출은 그렇게 안된다. 관련 함수와 그 기능을 알아보자.
행렬은 1차원 부터 n차원 까지 고차원의 데이터 표현이 가능하다. 그래서 보통 3차원 이상의 정보를 담고 있는 이미지 데이터 조작에도 많이 활용되기도 하고 각종 머신러닝 알고리즘 구현에 근간이 되는 행렬 연산을 지원하는 matrix 객체를 알아보도록 하자.
1차원 백터 내부 원소의 원인모를 복제? 그것은 바로 벡터 리사이클링(vector recycling)이 원인이다. 어떤 상황에서 어떻게 동작하는지 알아보도록 하자.
R의 기본 1차원 벡터는 Python의 기본 객체인 리스트와 다르게 객체의 모든 원소에 일괄 연산이 가능하다. 물론 이것과 대응되는 Python의 객체는 NumPy라이브러리의 array가 있긴 하다. 보다 편리한 연산 기능을 지원하는 R 기본 1차원 벡터 연산을 알아보도록 하겠다.
이전 포스팅에서 알아본 1차원 벡터를 조작하는 다양한 방법을 알아보도록 하자.
R에는 많은 종류의 객체가 있다. 벡터(vector), 행렬(matrix), 데이터프레임(data.frame)등 다양하다. 그 중에서 데이터를 다루는데 있어 가장 기본이 된다고 할 수 있는 c() 함수로 만드는 1차원 벡터를 알아보도록 하겠다.
c()
분석을 하다 보면 생성한 다루고 있는 객체의 크기를 알아야 할 때가 있다. 특히나 RAM 용량이 작은 머신으로 분석할 경우 이는 더욱더 중요해진다. 이와 관련해서 알아보자.
Data Doctor
Diagnose and Treat via Data.
Seoul, Korea
포스트
287
카테고리
55
태그
639
Python / TextMining
Update your browser to view this website correctly. Update my browser now
×