#1 1일차_R, Rstudio설치, 기본 기능

01. 환경 구성 및 설치

02. 기본 경로 설정

03. 기본 설정 및 단축키

---

01. 환경 구성 및 설치

  R 설치 : https://cran.r-project.org/

  R-studio 설치 : https://posit.co/

Posit | The Open-Source Data Science Company

  java 설치 : https://www.java.com/

Java | Oracle

 

 ** 인코딩의 경우 CP949로 선택한다.

---

02. 기본 경로 설정

R 설치 경로 확인 -> 시스템 환경 변수 편집 -> R 설치 경로 추가 -> 실행 창에서 R 실행 여부 확인

R 설치 경로 확인

시스템 환경 변수 편집

 R 설치 경로 추가

 

실행 창에서 R 실행 여부 확인

 

---

03. 기본 설정 및 단축키
# 현재 작업 디렉토리 확인
getwd()

# 작업 디렉토리 변경은 setwd()로 진행하나, 매번 리셋되므로 rstudio 내에서 기본 경로로 변경 진행하는 것이 편하다.
 Tools->Global option->Default Working Directory

 

지정해놓은 기본 경로에서 바로 실습파일을 불러올 수 있다.

 

setwd()
read.csv('emp.csv')

 

#  패키지 
 패키지는 함수의 묶음이며, R은 내장함수뿐 아니라 다양한 외부 패키지의 함수를 사용하는 구조이다.

패키지는 최초 한 번만 설치를 진행하며 이후 사용할 패키지를 부착한다.

install.packages()
install.packages('stringr') # 패키지 설치
library(stringr)                  # 패키지 부착

install.packages('rJava')
library(rJava)

# 패키지 내 함수목록 확인
ls('package:stringr')

ls('package:rJava')

# Java 설치 후 rJava 로딩 안되는 경우는 다음 세 가지 방법을 통해 해결이 가능하다. :
 1. Rstudio 재시작
 2. 컴퓨터 재시작
 3. 수동으로 자바 PATH 등록(시스템 환경 변수의 PATH에 자바 설치 위치 등록)

---

#  Rstudio 단축키 

Ctrl + shift + C	주석 처리 및 해제
Ctrl + O	파일 열기
Ctrl + S	파일 저장
Ctrl + Enter	실행
Ctrl + +/-	화면 확대 /  축소
Ctrl + Shift + N	새 편집기 열기
Alt + -	<- 입력
Ctrl + Shift + M	%>% 입력
Ctrl + Shift + U	소문자 변환

#  단축키 설정 
 기존에 사용하던 단축키를 삭제 / 변경 이후 진행한다.
 Tools -> Modify Keyboard Shortcuts -> 검색창에 upper 입력 후 등록 (yank 검색 후 ctrl+d로 변경 필요)

#  R
 - 인터프리터 언어(한 줄 단위로 실행하는 언어)

 - 변수 선언 가능

#  변수 
 - 명령어 결과 혹은 상수에 이름을 붙여 저장하는 역할
 - 같은 변수에 다른 값을 덮어쓸 수 있음
 - ' <- ' 또는 ' = ' 변수 선언 ( <-  사용 권고)

a1 <- 2*100*8*10
a1+100

a1 <- 600
a1 = 600     # =는 변수 선언
a1 == 600

일치여부는 '=='로 물어봐야함

#  변수의 명명규칙 
 1. 숫자 시작 불가
 2. 특수기호 포함 불가(_제외, . 사용 지양)
 3. 예약어 사용 자제
 4. 한 자리 이름 사용 자제

---

 1. 생성
 문자상수 전달 시 ' ' 또는 " " 사용
var1 <- 100
var2 <- 200
var3 <- 'abc'
var4 <- "abc"
var5 <- Sys.Date()

 2. 활용
 숫자상수를 갖는 변수끼리의 연산
var1 + var2
 날짜상수와 숫자상수 +/- 가능(100일 후)
var5 + 100

 3. 타입 확인
class(var1) # "numeric"
class(var3) # "character"
class(var5) # "Date"

 4. 형 변환 함수
 1) 문자로 변경
as.character(100)
 error (묵시적 형 변환이 발생하지 않는다.)
'100' + 1  

 2) 숫자로 변경
as.numeric('100') + 1

 3) 날짜로 변환(날짜 파싱)
as.Date('2026/01/01')   # 날짜로 변경(포맷 생략 시 연-월-일 순서대로 해석함)
as.Date('12/05/15')     # '0012-05-15' (두 자리 연도 해석이 애매함)
as.Date('12/05/15', '%y/%m/%d')  # '2012-05-15' (올바른 포맷 전달 필요)

strptime(x,         # 대상
         format = ) # 포맷(생략 불가)

strptime('12/05/15') # error
strptime('12/05/15', '%y/%m/%d') # 포맷 전달 필수!

 

 활용 예)
 error (날짜처럼 생긴 문자상수와 숫자상수의 연산 불가)
'2026/03/30' + 100

 날짜처럼 생긴 문자상수를 먼저 날짜로 변환 필요
date1 <- as.Date(x= '2026/03/30')
class(date1)
date1 + 100

 [ 날짜 포맷 ]

%y	두 자리 연도  (00 to 68 are prefixed by 20 and 69 to 99 by 19)
%Y	네 자리 연도
%m	두 자리(숫자) 월
%d	두 자리(숫자) 일
%H	시
%M	분
%S	초
%A	요일 (문자형식으로 출력)
%w	요일 (숫자, 일요일 : 0, 월요일 : 1...)

 # 날짜 포맷 변경
as.Character(Sys.Date(), '%Y') # error
* 과거 버전에서는 가능했었으나 현재는 불가능

문자	--- to_date (파싱) --->	날짜
	<--- to_char (포맷 변경) ---

strptime : 날짜 파싱(문자 -> 날짜)
help(strftime)
strftime(x,            # 변환대상(날짜타입)
         format = )    #포맷

strftime(Sys.Date(), '%A')    # '월요일'
strftime(Sys.Date(), '%Y')    # '2026'
strftime(Sys.Date(), '%Y')-10 # error (문자타입)
as.numeric(strftime(Sys.Date(), '%Y')) - 10
# strftime : 날짜 포맷 변경(날짜 -> 문자)

#  함수 메뉴얼 
help(as.Date)

##### [ 연습문제 ]
# 1) '2026/01/25' 를 date1 변수 선언
date1 <- '2026/01/25'

# 2) 오늘날짜와 '2026/01/25' 까지의 일(day)수 출력
Sys.Date() - date1  # error
Sys.Date() - as.Date(date1, '%Y/%m/%d')
class(date1)
class(Sys.Date() - date1)   # error

date1 <- as.Date(date1, '%Y/%m/%d')
class(Sys.Date() - date1)  # difftime(날짜-날짜의 리턴 타입)
as.numeric(Sys.Date() - date1) # 숫자타입으로 변경 가능

# 3) '2026/01/25' 날짜의 요일 출력
strftime(date1,'%A')


# [ 참고 - 날짜 언어 변경 ]
 ** 기본적으로 날짜 언어가 "한국어"로 세팅됨
Sys.getlocale() # 기본 세팅 확인

strftime(Sys.Date(), '%B') # 3월(March)
strftime(Sys.Date(), '%b') # 3(Mar)
strftime(Sys.Date(), '%A') # '월요일(Monday)'

Sys.setlocale("LC_TIME", "C") # 영어로 변경
Sys.setlocale("LC_TIME", "Korean_Korea.utf8") # 한글로 변경

---

#  R의 자료구조 
 0. 스칼라(상수)
'a'
"abc"
100

NA  # 결측치(미정,) 표현 방식
NULL # 0 길이의 대상

 1. 벡터
 - 1차원(여러 개의 상수가 모인 자료구조)
 - 단 하나의 데이터타입만 허용
 - c로 생성

a1 <- 1         # 스칼라
a2 <- c(1,2,3)  # 벡터
a3 <- c(1,2,3,'a')

class(a1)       # numeric
class(a2)       # numeric(벡터를 구성하는 요소들의 데이터타입이 리턴됨)
class(a3)       # character

length(a1)      # 상수는 1로 리턴
length(a2)      # 벡터의 원소의 수 리턴

# 색인(indexing)
a2[1]           # positional indexing
a2[1:2]         # slice indexing
a2[1,3]         # error
a2[c(1,3)]      # 첫번째와 세번째 원소 추출

names(a2)       # 벡터의 원소 이름 확인
names(a2) <- c('a','b','c') # 벡터의 원소 이름 부여
names(a2)

a2['a']         # label indexing
a2[c('a','c')]  # label indexing(여러개 추출 가능)
a2['a':'b']     # label indexing의 경우 slice로 연속적인 추출 불가

a2[-1]          # - 는 제외의 의미를 가진다. (첫 번째 원소 제외)
a2[3:1]         # reverse indexing

a3 <- 1:10
a3[a3 > 5]      # 조건에 만족하는 대상만 추출 가능


#  데이터 프레임 
 - 2차원 구조(RDBMS의 테이블과 유사)
 - 각 컬럼(열) 별로 서로 다른 데이터 타입 전달 가능
 - 하나의 열에는 같은 데이터 타입만 전달 가능

getwd()
emp <- read.csv('emp.csv')
emp
class(emp)
str(emp)            # 각 컬럼별 데이터 타입 확인(구조보기)
head(emp)        # 앞에서 6개 행만 출력
length(emp)      # 컬럼의 수 출력
nrow(emp)        # 행의 수 출력
ncol(emp)         # 컬럼의 수 출력

 3. 색인
 데이터프레임[행 선택, 컬럼 선택]

emp[1,1]          # 행과 열의 위치로 선택
emp[1,]            # 출력할 컬럼을 선택하지 않으면 기본적으로 전체 컬럼이 선택됨
emp[,1]            # 출력할 행을 선택하지 않으면 기본적으로 전체 행이 선택됨(벡터 출력)
emp[1]             # 첫번째 컬럼 선택(데이터 프레임 출력)
emp$EMPNO  # Key indexing(특정 컬럼 하나 선택) 

emp[1,c(1,2,6,7)] # 첫 번째 행의 1,2,6,7번째 컬럼 선택
emp[1,c('EMPNO','ENAME','SAL','COMM')]  # 컬럼 이름 전달 가능
emp[1:5, c('EMPNO','ENAME','SAL','COMM')] # 1~5번 라인 선택택
head(emp)

# 급여가 3000 이상인 행 선택?
emp$SAL >= 3000 
# 급여가 3000 이상인 직원의 사번, 이름, 급여 출력
emp[emp$SAL>=3000, c('EMPNO','ENAME','SAL')]

head(emp)

# 10번 부서원의 이름, 급여, 부서번호 출력
emp['DEPTNO']
emp[, 'DEPTNO']
emp[emp$DEPTNO == 10, c('ENAME','SAL','DEPTNO')]

emp[ ...... , c(F,F,F,F,F,F,T,T)]


 4. 논리연산자
 AND, OR, NOT
v1 <- 1:10
v1 > 3 and v1<=7 # error (and 연산자 사용 불가)
v1 >= 3 or v1<=7 # or 사용 불가

v1 >= 3 & v1 <= 7 # and -> & 로 변경
v1 >= 3 | v1 <=7  # or -> | 로 변경

!(v1 >= 3)       # not 연산자

 5. 기타 연산자
 1) 포함연산자
%in%
v1 %in% c(3,5)
v1

 6. 수정
 1) 값 수정 : 수정범위선택 <- 수정값
emp$DEPTNO <- 10
emp[2, 'COMM'] <-3000
emp[1:3, 'SAL'] <- c(1000,2000,3000)
emp

 2) 컬럼 추가
emp$NEW_SAL <- emp$SAL * 1.1
emp[,c('SAL', 'NEW_SAL')]


##### [ 연습문제 ]
# 1) emp에서 이름이 SMITH 또는 ALLEN의 이름, 부서번호, 급여 출력
head(emp)
emp[(emp$ENAME == 'SMITH') | (emp$ENAME == 'ALLEN'), c('ENAME','DEPTNO','SAL')]

emp[emp$ENAME %in% c('SMITH', 'ALLEN'),c('ENAME','DEPTNO','SAL')]

# 2) 10번 또는 30번 부서원의 사번, 이름, 입사날짜, 부서번호 출력
head(emp)
emp[(emp$DEPTNO == 10) | (emp$DEPTNO == 30), c('EMPNO','ENAME','HIREDATE','DEPTNO')]

##### [ 연습문제 ]
emp<-read.csv('emp.csv')

# 1) 급여가 3000 미만인 직원들의 이름, 부서번호, 급여 출력, 입사요일 출력

	파싱		포맷변경
문자열(날짜형태)	---------->	날짜	---------->	문자
	as.Date, strptime		strftime

# STEP 1) HIREDATE 컬럼을 날짜타입으로 변환
emp$HIREDATE <- as.Date(emp$HIREDATE)
str(emp)
# STEP 2) 포맷변경(요일출력) 후 새로운 컬럼 저장
emp$DAY <- strftime(emp$HIREDATE, '%A') # R에서는 자동으로 날짜로 해석함(Python은 x)

# STEP 3) 대상선택
emp[emp$SAL < 3000, c('ENAME','DEPTNO','SAL','DAY')]

 7. 형 확인 함수
is.character(100)
is.numeric('a')
is.vector(emp)
is.na()

 [ NA 확인 및 치환 ]
v1 <- c(1, NA, 0, 100, NA, 2, 10, NA, 40)

 1) NA 확인
is.na(v1)
!is.na(v1)

 2) NA 개수 확인
sum(is.na(v1))

 3) NA 선택
v1[is.na(v1)]

 4) NA 수정
v1[is.na(v1)] <- 0
v1