데이터마이너를 꿈꾸며

1. 타이타닉 선실 등급 별 생존 여부

#Class=1st, 2nd, 3rd, Crew / Survived=Yes, No
> data("Titanic")
> str(Titanic)
 table [1:4, 1:2, 1:2, 1:2] 0 0 35 0 0 0 17 0 118 154 ...
 - attr(*, "dimnames")=List of 4
  ..$ Class   : chr [1:4] "1st" "2nd" "3rd" "Crew"
  ..$ Sex     : chr [1:2] "Male" "Female"
  ..$ Age     : chr [1:2] "Child" "Adult"
  ..$ Survived: chr [1:2] "No" "Yes"
> apply(Titanic,c(1,4),sum)
      Survived
Class   No Yes
  1st  122 203
  2nd  167 118
  3rd  528 178
  Crew 673 212
> addmargins(apply(Titanic,c(1,4),sum))
      Survived
Class    No Yes  Sum
  1st   122 203  325
  2nd   167 118  285
  3rd   528 178  706
  Crew  673 212  885
  Sum  1490 711 2201
> par(mfrow=c(1,2))
> mosaicplot(~Class+Survived,data=Titanic)
> mosaicplot(~Class+Survived,data=Titanic,color=c('grey','red'))

2. 타이타닉 성별/연령 별 생존 여부

> mosaicplot(~Sex+Survived,data=Titanic,color=c('grey','red'))
> mosaicplot(~Age+Survived,data=Titanic,color=c('grey','red'))

 3. 타이타닉 성인 남성 / 성인 여성 생존 여부

> mosaicplot(~Class+Survived,data=as.table(Titanic[,'Male','Adult',]),color=c('grey','red'), main="Male+Adult")
> mosaicplot(~Class+Survived,data=as.table(Titanic[,'Female','Adult',]),color=c('grey','red'), main="Female+Adult")

1. 집합

> library(prob)
> U=c('a','b','c','d','e','f')
> A=c('a','b','c','d')
> B=c('a','d','e','f')
> C=c('a','b','c')
> union(A,B) #AUB
[1] "a" "b" "c" "d" "e" "f"
> intersect(A,B) #A∩B
[1] "a" "d"
> intersect(union(A,B),C) #(AUB)∩C
[1] "a" "b" "c"
> setdiff(A,B) #A-B
[1] "b" "c"
> setdiff(union(A,B),C) #(AUB)-C
[1] "d" "e" "f"

2. 벤 다이어그램

> library(VennDiagram)
> grid.newpage() #새페이지
> venn.plot<-draw.triple.venn(area1=65,area2=75,area3=85,n12=35,n23=15,n13=25,n123=5,
+ category=c('First','Second','Third'),
+ fill=c('blue','red','green'),lty='blank',
+ cex=2,cat.cex=2,cat.col=c('blue','red','green')) #cex=숫자크기, cat.cex=카테고리크기
> grid.draw(venn.plot)

1. 혈액형 분석

> setwd('d:/temp/r_temp')
> bloodtype<-read.csv('혈액형.csv')
> head(bloodtype)
  혈액형
1      A
2      B
3      B
4      A
5      A
6      O
> sort(table(bloodtype$혈액형),decreasing = T)

 A  O  B AB 
34 28 27 11 
> sort.bloodtype<-sort(table(bloodtype),decreasing = T)
> par(mfrow=c(1,2))
> barplot(sort.bloodtype,main='혈액형 별 막대그래프')

> slices=c('red','blue','yellow','green')
> barplot(sort.bloodtype,col=slices,main='혈액형 별 막대그래프')

2.국회의원 정당별 의석수 분석

> pie.vote<-c(0.5067, 0.0167, 0.0100, 0.0433, 0.4233)
> names(pie.vote)<-c('새누리152명','선진5명','무3명','진보13명','민주127명')
> par(mfrow=c(1,2))
> pie(pie.vote,col=c('red3','blue','green3','magenta','yellow'),radius=1,main='19대 국회의원 선거')

> slices=c('#FFFF00','#FF0000','#0000FF','#00FFFF','#00FF00') #RGB 체계
> barplot(pie.vote,col=slices,main='19대 국회의원 선거')

R이 컬러 체계

R의 컬러는 Red, Green, Blue로 각 16진법으로 구분

#FF0000 -> 앞 두 자리의 Red는 꽉 차고, Green, Blue는 비어 있음. 따라서 Red

#00FFFF-> 앞 두 자리의 Red는 비어 있지만, Green, Blue는 꽉 참.따라서 하늘색