# 아래 주석은 콘솔 값 입니다.
# csv 로드를 위해 워크스페이스 바꿈
getwd()
setwd('D:/Rwork/bigdata')

# header = 컬럼명 대로 정렬해줌.
abc.csv = read.csv('abc.csv', header = T)
abc.csv
#   gender job age position address total check price survey
# 1      1   1  10        2   seoul    50     5  1200      3
# 2      1   2  20        5   busan    80    NA    NA     NA
# 3      1   2  30        4   daegu    60     5  2500      2
# 4      1   3  40        4   busan    70     3  1200      5
# 5      2   3  50        5   seoul    50     3  1400      6
# 6      2   2  60        7   daegu    40     3  3000      1
# 이게 데이터 프레임 구조 이다.

str(abc.csv)
# 'data.frame':	6 obs. of  9 variables:
#  $ gender  : int  1 1 1 1 2 2
#  $ job     : int  1 2 2 3 3 2
#  $ age     : int  10 20 30 40 50 60
#  $ position: int  2 5 4 4 5 7
#  $ address : Factor w/ 3 levels "busan","daegu",..: 3 1 2 1 3 2
#  $ total   : int  50 80 60 70 50 40
#  $ check   : int  5 NA 5 3 3 3
#  $ price   : int  1200 NA 2500 1200 1400 3000
#  $ survey  : int  3 NA 2 5 6 1
# 낯 설다. 그런데 맨 윗줄 만 알면된다. 6행(obs) 9열(variables)
# 아! abc.csv 데이터 프레임은 6행 9열의 구조이구나.
# 젠더 컬럼의 속성 자료형은 int형이구나!
# 중간에 address 속성의 자료형은 Factor 인데 Factor는 레이블이 있는 구조이다.
# 즉, 그룹핑이 가능하다는 이야기이다. 부산의 레벨값은 3이므로 3의 갯수를 카운트 한다면.
# 부산은 몇명 이런식의 나열이 가능하다는 이야기이다.

# 클래스
culAdd <- factor(abc.csv$address, levels = c("seoul", "busan", "daegu"))
culAdd
# [1] seoul busan daegu busan seoul daegu
# Levels: seoul busan daegu
qplot(culAdd) # 차트 그리기.


# 클래스2
culGender2 <- factor(abc.csv$gender, levels = c(2, 1), labels = c("여", "남"))
culGender2
# [1] 남 남 남 남 여 여
# Levels: 여 남
qplot(culGender2) # 차트 그리기.

# print 는 콘솔 출력
print(abc.csv) # 반복문장 에서 유용하다. 여기선 그냥 abc.csv를 쓰는것과 같다.

# View(대소문자 조심) 는 Excel 처럼 테이블 View로 출력
# 따로 탭에 나온다.
View(abc.csv)

# 튜플 을 출력 해줌
# 튜플 앞에서 6개 출력
head(abc.csv)
#   gender job age position address total check price survey
# 1      1   1  10        2   seoul    50     5  1200      3
# 2      1   2  20        5   busan    80    NA    NA     NA
# 3      1   2  30        4   daegu    60     5  2500      2
# 4      1   3  40        4   busan    70     3  1200      5
# 5      2   3  50        5   seoul    50     3  1400      6
# 6      2   2  60        7   daegu    40     3  3000      1

# 튜플 앞에서 3개 출력
head(abc.csv, 3)
#   gender job age position address total check price survey
# 1      1   1  10        2   seoul    50     5  1200      3
# 2      1   2  20        5   busan    80    NA    NA     NA
# 3      1   2  30        4   daegu    60     5  2500      2

# 튜플 뒤에서 6개 출력
# 현재 DB자체는 6줄 이라 앞뒤 다 같음.
tail(abc.csv, 6)
#   gender job age position address total check price survey
# 4      1   3  40        4   busan    70     3  1200      5
# 5      2   3  50        5   seoul    50     3  1400      6
# 6      2   2  60        7   daegu    40     3  3000      1

# 컬럼 명만 출력
names(abc.csv)
# [1] "gender"   "job"      "age"      "position" "address"  "total"    "check"    "price"    "survey"  

# 컬럼 출력
colnames(abc.csv, do.NULL = T)
# [1] "gender"   "job"      "age"      "position" "address"  "total"    "check"    "price"    "survey" 

# 튜플 이름 출력
row.names(abc.csv)
# [1] "1" "2" "3" "4" "5" "6"

# 속성 집합 출력, 행이 몇개 인지, 어떤 형태의 구조인지, 컬럼은 뭐가 있는지
# mode : 자료형
# class : 자료구조
attributes(abc.csv)
# $names
# [1] "gender"   "job"      "age"      "position" "address"  "total"    "check"    "price"    "survey"  
# $class
# [1] "data.frame"
# $row.names
# [1] 1 2 3 4 5 6

# abc.csv$[cul] $는 직접참조(불러온 객체의 컬럼 접근)
abc.csv$job
# [1] 1 2 2 3 3 2
abc.csv$total
# [1] 50 80 60 70 50 40
# $가 R에선 직접참조 이다.
# 구조$컬럼

mytotal <- abc.csv$total # 토탈컬럼 "값 만" 따로 추출.
mytotal
# [1] 50 80 60 70 50 40

# 컬럼 접근의 또 다른 방식
# 배열 접근 방식.
abc.csv[6]
#  total
# 1    50
# 2    80
# 3    60
# 4    70
# 5    50
# 6    40

# 여러 컬럼 접근하는 방법
abc.csv[c("job", "total")]
#   job total
# 1   1    50
# 2   2    80
# 3   2    60
# 4   3    70
# 5   3    50
# 6   2    40

abc.csv[c("gender", "age", "position")]

# 숫자로 여러 컬럼 접근하는 방법
abc.csv[c(1, 3:4)]
#   gender age position
# 1      1  10        2
# 2      1  20        5
# 3      1  30        4
# 4      1  40        4
# 5      2  50        5
# 6      2  60        7 

abc.csv[ ,2] # 열 단독 접근
# [1] 1 2 2 3 3 2
abc.csv[ ,3]
# [1] 10 20 30 40 50 60
abc.csv[2] # 열 단독 접근(컬럼명 포함)
#   job
# 1   1
# 2   2
# 3   2
# 4   3
# 5   3
# 6   2
abc.csv[3]
#   age
# 1  10
# 2  20
# 3  30
# 4  40
# 5  50
# 6  60
 
abc.csv[2, ] # 행 단독 접근
#   gender job age position address total check price survey
# 2      1   2  20        5   busan    80    NA    NA     NA
abc.csv[3, ]
#   gender job age position address total check price survey
# 3      1   2  30        4   daegu    60     5  2500      2

# 1, 3행만 보여주세요.
abc.csv[c(1, 3), ]
#   gender job age position address total check price survey
# 1      1   1  10        2   seoul    50     5  1200      3
# 3      1   2  30        4   daegu    60     5  2500      2

# 2, 4열을 보여주세요.
abc.csv[ ,c(2, 4)]
#   job position
# 1   1        2
# 2   2        5
# 3   2        4
# 4   3        4
# 5   3        5
# 6   2        7
 
# 2, 5, 6열을 보여주세요.
abc.csv[ ,c(2, 5:6)]
#   job address total
# 1   1   seoul    50
# 2   2   busan    80
# 3   2   daegu    60
# 4   3   busan    70
# 5   3   seoul    50
# 6   2   daegu    40

# 마이너스가 붙으면 exclude(2, 5, 6열 제외하고)
abc.csv[ ,-c(2, 5:6)]
#   gender age position check price survey
# 1      1  10        2     5  1200      3
# 2      1  20        5    NA    NA     NA
# 3      1  30        4     5  2500      2
# 4      1  40        4     3  1200      5
# 5      2  50        5     3  1400      6
# 6      2  60        7     3  3000      1