19x) 혹시 R언어(R스튜디오) 고수분 계신가요..

29 Bobong 잡담고민 8 2205 1 2023.06.14 19:46

2023.06.14 19:46 happiness.xlsx (29.4K) + 2

학교 과제로 R언어 과제가 나왔는데 혹시 도와주실 고수님 계신가요..

문제는 아래와 같습니다..
정말로 도움이 필요합니다
도와주시면 정말 감사하겠습니다.

8 Comments

31 huyn22222 2023.06.14 19:52

과제란건 본인이 하시는거 아닌가요? 흠? 그냥 타인한테 숙제 다 풀어달라는거 같은데...
능력치 올리시려면 직접 찾아가면서 해보세요. 학교에서 시간도 안주고 안되는 과제를 내준건 아닐꺼 같은데...

39 hhaaqs 2023.06.14 20:00

회사에서 R 쓰고 있는데 이정도면 매우 쉬운편이나 바쁜 관계로 ;;

29 Bobong (작성자) 2023.06.14 20:43

혹시 도움을 주실수 있나요?
제발 부탁드립니다..

22 사회문제분석탐구 2023.06.14 20:47

챗 gpt에 그대로 붙여넣으세요

29 Bobong (작성자) 2023.06.14 20:52

엑셀파일은 첨부가 안되더라구요
혹시 방법이 있을까요?

22 사회문제분석탐구 2023.06.14 21:13

아 엑셀 데이터가 엄청 많네요 2번 예제같은거 gpt에 R에서 region 변수를 팩터형으로 변환하는법 이런식으로 질문하고 답변 받아서 직접 푸셔야 겠네요 .. 저도 R을 교양으로만 해서 ..

31 우이니디 2023.06.14 22:06

library(dplyr)
library(data.table)
library(ggplot2)
library("xlsx")
library(MASS)
library(corrplot)
# set working directory
getwd()
setwd("C:/Users/************/Desktop")
dir()

# load data

# 1.
raw_df <- read.xlsx("happiness.xlsx",1)
raw_df <- raw_df %>% select(-No)
raw_df %>% head

# 2.
dim(raw_df); str(raw_df)
raw_df$region <- raw_df$region %>% as.factor

str(raw_df)

# 3.
apply(raw_df,2, function(x){sum(is.na(x))}) # eco, health, security, leisure, environment, relationship, education 각각 1개씩 결측치 존재
df <- raw_df %>% na.omit
apply(df,2, function(x){sum(is.na(x))})

# 4.
# 무슨 기술통계량을 원하는지 모르겠음
df$region %>% table
df$gugun %>% table
df %>% names
apply(df[,-c(1,2)], 2, function(x){sum(x)}) #total
apply(df[,-c(1,2)], 2, function(x){mean(x)}) # average
apply(df[,-c(1,2)], 2, function(x){var(x)}) # variance

# 5.
df$happiness <- rowSums(df[,-c(1,2)])

# 5-2.
df$happiness %>% mean # average
df$happiness %>% sum() #total
df$happiness %>% var #variance

hist(df$happiness) # 오른쪽으로 살짝 치우쳐진 분포로 보여지지만 정규분포처럼 보인다. 하지만 데이터 특성상 양의값만 가지기떄문에 추후 모델링을 할때 분포가정에서 주의를 할 필요가 있다.
boxplot(df$happiness) # boxplot을 통해 IQR을 벗어나는 점이 2개 있는 것으로 보아 해당 데이터에 이상치로 보여지는 포인트가 2개 있는것으로 판단된다.

# 6.
df %>% arrange(desc(happiness)) %>% head(5)
# 서울특별시 종로구, 경기도 과천시, 서울특별시 중구, 강원도 영월군, 충청북도 옥천군

# 7.
(df %>% filter(region == "서울특별시"))$happiness %>% hist(.,breaks = seq(0,6,by = 0.5))
abline(h = (df %>% filter(region == "서울특별시"))$happiness %>% mean, col = "red", lty = 2, lwd = 2)

# 8.
df_subset <- subset(df,select = -c(gugun, region))

corrplot(cor(df_subset))

# environment 와 eco가 다른 변수들간에 상관계수의 비해 음의 상관계수가 큰 것을 알 수 있다 즉 eco만족도가 높으면 environment가 대체로 낮다고 말 할 수 있다.
# 이는 eco만족도가 높을 경우 도심지가 아니여서 사람도 적고 교통량도 적어 eco 만족도가 높을 것으로 생각되는데 이는 반대로 주변편의시설에 부족으로 인해 environment 만족도가 낮아져 이와 같은 강한 음의 상관계수가 나타나는 것으로 보여진다.

과제하시는데 참고만하시는게 좋을 것 같네요 윗분 말씀처럼 과제를 본인이 할 수 없으면 의미가 전혀없어요..

library(dplyr)
library(data.table)
library(ggplot2)
library("xlsx")
library(MASS)
library(corrplot)
# set working directory
getwd()
setwd("C:/Users/************/Desktop")
dir()

# load data

# 1.
raw_df <- read.xlsx("happiness.xlsx",1)
raw_df <- raw_df %>% select(-No)
raw_df %>% head

# 2.
dim(raw_df); str(raw_df)
raw_df$region <- raw_df$region %>% as.factor

str(raw_df)

# 3. 
apply(raw_df,2, function(x){sum(is.na(x))}) # eco, health, security, leisure, environment, relationship, education 각각 1개씩 결측치 존재
df <- raw_df %>% na.omit
apply(df,2, function(x){sum(is.na(x))})

# 4. 
# 무슨 기술통계량을 원하는지 모르겠음
df$region %>% table
df$gugun %>% table
df %>% names
apply(df[,-c(1,2)], 2, function(x){sum(x)}) #total
apply(df[,-c(1,2)], 2, function(x){mean(x)}) # average
apply(df[,-c(1,2)], 2, function(x){var(x)}) # variance

# 5.
df$happiness <- rowSums(df[,-c(1,2)])

# 5-2.
df$happiness %>% mean # average
df$happiness %>% sum() #total
df$happiness %>% var #variance

hist(df$happiness) # 오른쪽으로 살짝 치우쳐진 분포로 보여지지만 정규분포처럼 보인다. 하지만 데이터 특성상 양의값만 가지기떄문에 추후 모델링을 할때 분포가정에서 주의를 할 필요가 있다.
boxplot(df$happiness) # boxplot을 통해 IQR을 벗어나는 점이 2개 있는 것으로 보아 해당 데이터에 이상치로 보여지는 포인트가 2개 있는것으로 판단된다.

# 6.
df %>% arrange(desc(happiness)) %>% head(5)
# 서울특별시 종로구, 경기도 과천시, 서울특별시 중구, 강원도 영월군, 충청북도 옥천군

# 7.
(df %>% filter(region == "서울특별시"))$happiness %>% hist(.,breaks = seq(0,6,by = 0.5))
abline(h = (df %>% filter(region == "서울특별시"))$happiness %>% mean, col = "red", lty = 2, lwd = 2)

# 8.
df_subset <- subset(df,select = -c(gugun, region))

corrplot(cor(df_subset))

# environment 와 eco가 다른 변수들간에 상관계수의 비해 음의 상관계수가 큰 것을 알 수 있다 즉 eco만족도가 높으면 environment가 대체로 낮다고 말 할 수 있다.
# 이는 eco만족도가 높을 경우 도심지가 아니여서 사람도 적고 교통량도 적어 eco 만족도가 높을 것으로 생각되는데 이는 반대로 주변편의시설에 부족으로 인해 environment 만족도가 낮아져 이와 같은 강한 음의 상관계수가 나타나는 것으로 보여진다.

과제하시는데  참고만하시는게 좋을 것 같네요 윗분 말씀처럼 과제를 본인이 할 수 없으면 의미가 전혀없어요..

54 우연한우연 2023.06.14 22:40

과제는 직접 하세요. 공부해보시고 학교 과제를 직접 할 실력이 안된다 싶으시면 전공 바꾸는걸 고려해보시는걸 추천드립니다.

로그인한 회원만 댓글 등록이 가능합니다.

이전 다음 목록