R 언어

1. R이란

R 은 통계 계산·그래픽·데이터 분석을 위한 오픈소스 언어.

• 통계학자들이 만들고 유지
• 패키지 생태계가 강력
• ADsP 3과목 실기 문제의 기준 언어

2. 기본 문법

2-1. 할당

x <- 5       # 권장
y = 10        # 가능 (함수 인자에선 이것)
assign("z", 3)

2-2. 산술·비교·논리 연산자

• 산술: +, -, *, /, ^, %% (나머지), %/% (몫)
• 비교: ==, !=, >, <, >=, <=
• 논리: &, |, ! (벡터) / &&, || (스칼라)

3. 자료형

자료형	예	확인
numeric	3.14	is.numeric()
integer	5L	is.integer()
character	"abc"	is.character()
logical	TRUE	is.logical()
factor	범주	is.factor()

4. 자료구조

4-1. 벡터

v <- c(1, 2, 3)
v[2]           # 2
v[v > 1]       # 인덱싱
length(v)

4-2. 행렬

m <- matrix(1:12, nrow = 3, ncol = 4)
m[1,]          # 1행
m[,2]          # 2열

4-3. 리스트

lst <- list(name = "kim", age = 30, hobbies = c("coding", "reading"))
lst$name
lst[["age"]]

4-4. 데이터프레임

df <- data.frame(
  id = 1:3,
  name = c("a","b","c"),
  score = c(90, 85, 88)
)
df$name
df[df$score > 85, ]

4-5. 팩터

• 범주형. 레벨 순서 지정 가능.

grade <- factor(c("A","B","C","A"), levels = c("C","B","A"), ordered = TRUE)

5. 제어문

# if
if (x > 0) {
  print("positive")
} else {
  print("not positive")
}

# for
for (i in 1:5) print(i)

# while
i <- 1
while (i <= 3) {
  print(i); i <- i + 1
}

# apply 계열 (반복문 대체)
apply(m, 1, sum)          # 행 합
sapply(v, function(x) x^2)

6. 함수 정의

mean2 <- function(x, trim = 0) {
  x <- sort(x)
  n <- length(x)
  k <- floor(n * trim)
  mean(x[(k+1):(n-k)])
}
mean2(1:10, trim = 0.1)

7. 패키지 생태계

7-1. base R

• 기본 내장

7-2. tidyverse (dplyr, tidyr, ggplot2, readr, purrr)

library(dplyr)
df |>
  filter(score > 80) |>
  group_by(grade) |>
  summarise(avg = mean(score))

7-3. 시각화 — ggplot2

library(ggplot2)
ggplot(mtcars, aes(mpg, hp, color = as.factor(cyl))) +
  geom_point() +
  geom_smooth(method = "lm") +
  theme_minimal()

7-4. 모델링

• stats: lm, glm, aov
• randomForest
• caret (표준 인터페이스)
• xgboost

8. 데이터 입출력

# CSV
df <- read.csv("data.csv")
write.csv(df, "out.csv", row.names = FALSE)

# Excel
library(readxl); read_excel("data.xlsx")

# DB
library(DBI); dbConnect(RSQLite::SQLite(), ":memory:")

9. 대표 분석 예

9-1. 단순 회귀

model <- lm(mpg ~ hp + wt, data = mtcars)
summary(model)
predict(model, newdata = data.frame(hp = 120, wt = 3))

9-2. 분류

library(randomForest)
rf <- randomForest(Species ~ ., data = iris, ntree = 300)
importance(rf)

9-3. 군집

km <- kmeans(iris[,1:4], centers = 3)
table(km$cluster, iris$Species)

9-4. 시계열

library(forecast)
fit <- auto.arima(AirPassengers)
plot(forecast(fit, h = 12))

10. R 함수 외우기 빈출

함수	역할
str()	구조 확인
summary()	요약 통계
head(), tail()	앞/뒤
table()	빈도표
cor()	상관
cbind(), rbind()	결합
merge()	조인
NA, is.na(), na.omit()	결측

11. R vs Python

축	R	Python
강점	통계·시각화·논문	범용·ML·딥러닝·서비스
커뮤니티	학계·통계	산업·AI
문법	벡터 중심	객체 지향
ADsP	기본 언어	출제 낮음

12. 출제 포인트

• 대표 자료구조(벡터·리스트·데이터프레임)
• 팩터의 의미
• apply 계열 함수
• tidyverse 파이프 문법
• 기초 모델링 함수(lm, glm, kmeans, randomForest)

요약 체크리스트

• R에서 할당 연산자 형태
• 벡터·리스트·데이터프레임 차이
• apply/sapply/lapply 구분
• lm/glm의 용도
• ggplot2의 기본 구조(ggplot + geom + aes)