💡 R 프로그램이란?

R은 통계 컴퓨팅과 그래픽을 위한 프로그래밍 언어이자 소프트웨어 환경이야.

뉴질랜드 오클랜드 대학의 로버트 젠틀맨(Robert Gentleman)과 로스 이하카(Ross Ihaka)가 S 언어를 기반으로 개발했어.

📥 R 설치와 실행

CRAN(Comprehensive R Archive Network)에서 R을 다운로드할 수 있어.

주소: http://www.r-project.org

> 1 + 2
[1] 3
> 1 * 2
[1] 2
> 1 / 2
[1] 0.5

📝 변수 할당과 기본 활용

R에서는 <- 또는 =를 사용해서 변수에 값을 할당해.

> a <- 1
> b <- 2
> a + b
[1] 3

> a = 1; b = 2; a + b
[1] 3

🗂️ 데이터 타입

📌 1강 핵심 정리

1. R은 통계 컴퓨팅 + 그래픽 전용 프로그래밍 언어 (오픈소스)
2. CRAN에서 설치, 콘솔에서 대화형으로 명령 실행
3. <- 또는 =로 변수에 값 할당
4. 스크립트 편집기로 여러 명령을 저장·실행
5. 데이터 타입: 숫자형, 문자형, 논리형

📂 작업폴더와 작업공간

> save.image(file = "mydata.RData")   # 저장
> load(file = "mydata.RData")         # 불러오기

📦 패키지 설치와 활용

패키지란 특정 분석을 수행할 수 있는 함수, 객체, 도움말, 데이터 등의 집합이야.

> install.packages("tidyverse")
> library(tidyverse)
> AirPassengers %>% log() %>% aggregate() %>% plot()

🖥️ RStudio

RStudio는 R의 사용 편의성을 강화한 IDE(통합개발환경)로, 현재 Posit으로 사명이 변경됐어.

📌 2강 핵심 정리

1. setwd() / getwd()로 작업폴더 관리
2. install.packages()로 설치, library()로 활성화
3. 파이프 연산자(%>% / |>)로 함수 체이닝
4. RStudio = R의 편의 IDE (코드 작성 + 실행 + 시각화 + 패키지 관리)

⌨️ 데이터 입력 함수

> x <- c(1, 2, 3, 4, 5)       # 숫자형 벡터
> x1 <- c("a", "b", "c")      # 문자형 벡터
> x2 <- c(T, F, T, T)         # 논리형 벡터

> z1 <- scan()      # 숫자 입력 후 빈 줄에서 Enter로 종료
> z2 <- scan(what=" ")   # 문자형 데이터 입력

> dat1 <- data.frame()
> dat1 <- edit(dat1)    # 스프레드시트 형태로 편집

📄 데이터 불러오기

> read.table("example1.txt", header=T)
> read.csv("data.csv")
> setwd("C:/data")   # 작업경로 지정 후 파일명만으로 불러오기

💾 데이터 저장하기

📌 3강 핵심 정리

1. c(): 벡터 생성의 기본 함수
2. read.table(): header와 sep 옵션이 핵심
3. read.csv(): CSV 전용 (sep=","가 기본값)
4. 작업경로를 setwd()로 지정하면 파일명만으로 불러오기 가능

🔢 벡터(Vector)

벡터는 1개 이상의 원소로 구성된 R의 가장 기본 자료 객체야. 하나의 벡터 안에는 한 가지 형태(mode)만 가능해.

> seq(from=3, to=7, by=1)      # [1] 3 4 5 6 7
> seq(from=3, to=7, length=3)  # [1] 3 5 7
> seq(from=1, by=0.05, along=1:5)  # [1] 1.00 1.05 1.10 1.15 1.20

> rep(c(1,2), times=2)      # [1] 1 2 1 2
> rep(c(2,4), each=2)       # [1] 2 2 4 4
> rep(c(2,4,8), length=5)   # [1] 2 4 8 2 4

✂️ 벡터 자료 편집

📊 행렬(Matrix)

행렬은 행(row)과 열(column)로 구성된 2차원 자료 구조야. 벡터와 마찬가지로 한 가지 형태(mode)만 가능해.

> matrix(1:6, nrow=2, ncol=3)           # 2x3 행렬
> matrix(1:6, nrow=2, byrow=TRUE)       # 행 우선 채우기
> rbind(c(1,2,3), c(4,5,6))             # 행 결합
> cbind(c(1,4), c(2,5), c(3,6))         # 열 결합

📌 4강 핵심 정리

1. 벡터: R의 가장 기본 자료 객체, 한 가지 타입만 가능
2. c(), seq(), rep()으로 벡터 생성
3. [ ]로 추출/삭제, sort()/rank()/order()로 정렬
4. matrix(), rbind(), cbind()로 행렬 생성
5. *(원소별) vs %*%(행렬 곱) 구분 필수!

🧊 배열(Array)

배열은 행렬을 2차원 이상으로 확장한 객체야. 3차원 배열 = 행렬 여러 개를 겹쳐 놓은 것!

> arr <- array(1:24, c(3, 3, 2))   # 3행 3열 행렬 2개
> dim(arr)                           # [1] 3 3 2
> arr[,,1]                           # 첫 번째 행렬만 추출
> arr[1,1,]                          # 1행 1열의 모든 행렬

📋 리스트(List)

서로 다른 형태(mode)의 데이터로 구성 가능! 벡터·행렬과 달리 성분마다 타입과 길이가 달라도 돼.

> newlist <- list(1:10, 11:15, "string")
> newlist[[1]]          # 첫 번째 성분 추출 (벡터)
> newlist[[2]][3]       # 두 번째 성분의 3번째 원소
> newlist$name          # 이름이 있으면 $ 연산자로 접근

📊 데이터프레임(Data Frame)

데이터프레임은 열(변수)마다 다른 타입이 가능한 2차원 구조야. 통계 분석에서 가장 많이 사용되는 형태!

> df <- data.frame(
+   name = c("Kim", "Lee", "Park"),
+   score = c(85, 90, 78),
+   pass = c(TRUE, TRUE, FALSE)
+ )
> df$name        # 열 접근
> df[1, ]        # 1행 추출
> df[, 2]        # 2열 추출

📌 5강 핵심 정리

1. 배열: 행렬의 다차원 확장, array()로 생성
2. 리스트: 서로 다른 타입·길이의 성분 저장 가능
3. 데이터프레임: 열마다 다른 타입 가능, 통계 분석의 핵심 구조
4. [[ ]] vs [ ] vs $ 접근법 구분

🌐 Tidyverse 생태계

Tidyverse는 데이터 과학을 위해 자주 쓰이는 패키지를 묶어 제공하는 통합 생태계야.

📐 Tibble: 개선된 데이터프레임

tibble은 기존 data.frame의 한계를 극복한 개선된 구조야.

> tb1 <- tibble(학번 = 101:103, 국어 = c(85,90,78), 수학 = c(92,88,81))
> tb1
# A tibble: 3 x 3
  학번  국어  수학
 <int> <dbl> <dbl>
1  101    85    92
2  102    90    88
3  103    78    81

📌 6강 핵심 정리

1. Tidyverse = 데이터 과학 패키지 통합 생태계
2. tibble은 data.frame의 개선판 (문자열 보존, 요약 출력)
3. tibble(): 열 단위 생성, tribble(): 행 단위 생성
4. as_tibble() / as.data.frame()으로 상호 변환

📥 readr 패키지 — 데이터 불러오기/저장하기

readr은 데이터를 tibble 형태로 빠르게 읽어오는 패키지야.

🔧 dplyr 패키지 — 데이터 다루기

dplyr은 직관적인 문법으로 데이터를 선택, 필터링, 정렬, 요약, 변환하는 패키지야.

> storms %>%
+   filter(wind >= 100, pressure <= 950) %>%
+   select(name, year, wind, pressure) %>%
+   arrange(desc(wind))

📌 7강 핵심 정리

1. readr: read_csv()/read_tsv()/read_delim()으로 tibble 형태 읽기
2. dplyr 5대 함수: filter, select, arrange, mutate, summarise
3. 파이프(%>%)와 결합하면 여러 단계를 자연스럽게 연결

➕ 산술 연산자

R의 모든 일반 연산자는 Componentwise(같은 위치 원소끼리) 연산이야!

⚖️ 비교 연산자와 논리 연산자

🔗 집합 연산

R에서 벡터를 집합으로 간주하여 연산할 수 있어.

🧮 내장 함수

📌 8강 핵심 정리

1. R 연산은 기본적으로 Componentwise (같은 위치 원소끼리)
2. 행렬 곱(%*%)만 유일하게 수학적 행렬 곱셈
3. 비교: ==(두 개) vs 할당: =(한 개) 구분
4. 논리: 스칼라는 &&/||, 벡터는 &/|
5. setdiff는 순서에 따라 결과가 달라짐

🔀 조건문 (Conditional Statements)

# 기본 if
if (조건) {
  실행문
}

# if-else
if (조건) {
  실행문1
} else {
  실행문2
}

ifelse(조건, 참일 때 값, 거짓일 때 값)

# 중첩 가능 (구간 분류)
ifelse(temp > 30, "hot", ifelse(temp > 15, "mild", "cold"))

switch(매개변수,
  이름1 = 실행1,
  이름2 = 실행2,
  ...
)

🔄 반복문 (Loop Statements)

for (i in 1:5) {
  print(i)
}

i <- 1
while (i <= 5) {
  print(i)
  i <- i + 1
}

i <- 1
repeat {
  print(i)
  i <- i + 1
  if (i > 5) break
}

🚦 break와 next

# break: 누적합이 25 초과하면 탈출
x <- 0
for (i in 1:10) {
  x <- x + i
  if (x > 25) break
}

# next: 8 미만은 건너뛰고 8 이상만 출력
for (i in 1:10) {
  if (i < 8) next
  print(i)
}

🛠️ 사용자 정의 함수

함수이름 <- function(매개변수) {
  함수 몸체 (실행 코드)
  return(결과값)
}

📌 9강 핵심 정리

📈 단일 변수 시각화의 목적

변수가 1개인 데이터의 분포, 중심, 산포를 시각적으로 파악하는 거야.

📊 막대 그림과 원형 그림

barplot(height, names, col,
  beside=T, horiz=F,
  main="제목")

pie(x, labels, col,
  main="제목")

📉 히스토그램과 상자 그림

hist(x, breaks=10,
  col="skyblue",
  main="제목", xlab="X축")

boxplot(x, main="제목")

🖼️ 그래픽 레이아웃

par(mfrow = c(1, 2))   # 1행 2열 (좌우 나란히)
par(mfrow = c(2, 1))   # 2행 1열 (위아래)
par(mfrow = c(2, 2))   # 2행 2열 (4분할)

📌 10강 핵심 정리

🔵 산점도와 plot() 함수

산점도(Scatter Plot)는 두 변수 간 관계를 파악하는 가장 기초적이고 중요한 그래프야. 모형 적합(fitting) 전에 반드시 먼저 그려봐야 해!

plot(x, y, main="제목", xlab="X축", ylab="Y축", sub="부제목")

🎨 부가 그래픽 함수

기본 plot() 위에 추가로 덧그리는 함수들이야.

curve(sin(x), from=0, to=2*pi, col="blue", lwd=2)
curve(x^2, add=TRUE, col="red")   # 기존 위에 겹쳐 그리기

🖼️ layout() 함수

par(mfrow)보다 유연한 레이아웃을 설계할 수 있어!

# 1번 그래프는 위쪽 전체, 2·3번은 아래쪽 좌우 분할
layout(matrix(c(1,1,2,3), 2, 2, byrow=TRUE),
       widths=c(3,1), heights=c(1,2))

📌 11강 핵심 정리

1. 산점도(plot)는 두 변수 관계 탐색의 첫 단계 — 모형 적합 전 필수
2. type 옵션으로 그래프 형태 변경 (p, l, b, o, h, s, n)
3. type="n" + points()/lines() 조합으로 깔끔한 커스텀
4. curve(add=TRUE)로 이론적 함수를 데이터 위에 겹쳐 표현
5. par(mfrow): 균등 분할, layout(): 유연한 레이아웃