[R] dplyr 패키지의 _at 함수들

시작하며

요즘 R에서 이루어지는 대부분의 데이터 전처리에 dplyr 패키지를 이용하고 있다.

보통 간단한 집계나 기초통계량은 함수 summarise()를 이용하여 새로운 데이터 프레임을 만들거나, 함수 mutate() 함수를 이용하여 기존 데이터 프레임에 새로운 열을 추가하곤 한다. 이때 하나의 변수에 대한 처리는 앞 두 함수를 쓰면 문제가 없는데 두 개 이상의 변수에 대한 처리에 유용하게 쓸 수 있는 함수가 있으니 바로 summarise_at()와 mutate_at() 이다.

dplyr 패키지가 세상에 처음 모습을 드러냈을 때는 없었던 함수라 패키지 소개 글에는 빠져 있으니 이번 기회에 정리해 보자.

summarise_at()의 사용법

예를 들어 다음과 같이 하나의 변수에 대해 복수의 통계치를 구한다 하자.

> library(dplyr)
> iris %>% group_by(Species) %>% 
+   summarise(min.sl=min(Sepal.Length),
+   mean.sl=mean(Sepal.Length),
+   median.sl=median(Sepal.Length),
+   max.sl=max(Sepal.Length))

#> # A tibble: 3 x 5
#>   Species    min.sl mean.sl median.sl max.sl
#>   <fct>       <dbl>   <dbl>     <dbl>  <dbl>
#> 1 setosa        4.3    5.01       5      5.8
#> 2 versicolor    4.9    5.94       5.9    7  
#> 3 virginica     4.9    6.59       6.5    7.9

하나의 변수라면 이 정도야 하고 넘어가겠지만, 이것이 여러 변수에 같은 처리를 하고자 하면 갑자기 암울해 지고 일하기 싫어지기 마련이다.

> iris %>% group_by(Species) %>% 
+   summarise(min.sl=min(Sepal.Length),
+             mean.sl=mean(Sepal.Length),
+             median.sl=median(Sepal.Length),
+             max.sl=max(Sepal.Length),
+             min.sw=min(Sepal.Width),
+             mean.sw=mean(Sepal.Width),
+             median.sw=median(Sepal.Width),
+             max.sw=max(Sepal.Width)) 

#> # A tibble: 3 x 9
#>   Species  min.sl mean.sl median.sl max.sl min.sw mean.sw median.sw max.sw
#>   <fct>     <dbl>   <dbl>     <dbl>  <dbl>  <dbl>   <dbl>     <dbl>  <dbl>
#> 1 setosa      4.3    5.01       5      5.8    2.3    3.43       3.4    4.4
#> 2 versico…    4.9    5.94       5.9    7      2      2.77       2.8    3.4
#> 3 virgini…    4.9    6.59       6.5    7.9    2.2    2.97       3      3.8

요즘 우리나라 언론에서 절찬리에 사용되고 있는 Copy & Paste 기술을 시전하여 변수명만 바꾸면 되겠지만, 이것도 중간에 빼먹고 바꾸지 않은 변수가 섞여 있기도 쉽고 일단 하다 보면 귀찮다. 이럴 때 함수 summarise_at()를 이용하면 간단하게 처리할 수 있다.

> iris %>% group_by(Species) %>% 
+   summarise_at(vars(Sepal.Length, Sepal.Width), funs(min, mean, median, max))

#> # A tibble: 3 x 9
#>   Species    Sepal.Length_min Sepal.Width_min Sepal.Length_mean
#>   <fct>                 <dbl>           <dbl>             <dbl>
#> 1 setosa                  4.3             2.3              5.01
#> 2 versicolor              4.9             2                5.94
#> 3 virginica               4.9             2.2              6.59
#> # ... with 5 more variables: Sepal.Width_mean <dbl>,
#> #   Sepal.Length_median <dbl>, Sepal.Width_median <dbl>,
#> #   Sepal.Length_max <dbl>, Sepal.Width_max <dbl>

함수 summarise_at()의 첫번째 인자에 대상이 되는 변수를 나열하고, 구하고 싶은 함수를 funs()안에 넣으면 된다.

> iris %>% group_by(Species) %>% 
+   mutate_at(vars(Sepal.Length, Sepal.Width), funs(min_rank, cume_dist))

#> # A tibble: 150 x 9
#> # Groups:   Species [3]
#>    Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#>           <dbl>       <dbl>        <dbl>       <dbl> <fct>  
#>  1          5.1         3.5          1.4         0.2 setosa 
#>  2          4.9         3            1.4         0.2 setosa 
#>  3          4.7         3.2          1.3         0.2 setosa 
#>  4          4.6         3.1          1.5         0.2 setosa 
#>  5          5           3.6          1.4         0.2 setosa 
#>  6          5.4         3.9          1.7         0.4 setosa 
#>  7          4.6         3.4          1.4         0.3 setosa 
#>  8          5           3.4          1.5         0.2 setosa 
#>  9          4.4         2.9          1.4         0.2 setosa 
#> 10          4.9         3.1          1.5         0.1 setosa 
#> # ... with 140 more rows, and 4 more variables:
#> #   Sepal.Length_min_rank <int>, Sepal.Width_min_rank <int>,
#> #   Sepal.Length_cume_dist <dbl>, Sepal.Width_cume_dist <dbl>

names(iris)

#> [1] "Sepal.Length" "Sepal.Width"  "Petal.Length" "Petal.Width" 
#> [5] "Species"

iris %>% group_by(Species) %>% 
  summarise_at(vars(starts_with("Sepal")), funs(min, mean, median, max))

#> # A tibble: 3 x 9
#>   Species    Sepal.Length_min Sepal.Width_min Sepal.Length_mean
#>   <fct>                 <dbl>           <dbl>             <dbl>
#> 1 setosa                  4.3             2.3              5.01
#> 2 versicolor              4.9             2                5.94
#> 3 virginica               4.9             2.2              6.59
#> # ... with 5 more variables: Sepal.Width_mean <dbl>,
#> #   Sepal.Length_median <dbl>, Sepal.Width_median <dbl>,
#> #   Sepal.Length_max <dbl>, Sepal.Width_max <dbl>