데이터프레임의 열을 벡터로 변환

pull()

데이터 프레임의 특정 열을 벡터로 변환해야 할 때가 있다. 보통 자료형 변환을 위해서 R 자체적으로 제공하는 as.* 함수를 제공한다. 벡터로 변환하기 위해서도 as.vector()를 제공한다. 하지만 as.vector()는 행렬(matrix)을 벡터로 변환하는 함수이다.

R을 사용할 때 행렬도 많이 사용되지만 행렬보다 데이터프레임을 더 많이 사용한다. 사실 행렬로 표현할 수 있는 데이터도 데이터프레임을 사용하는 경우가 더 많은 것 같다. 이는 tidyverse 패밀리가 데이터 프레임에 적용이 되는 이유가 가장 큰 것같다. 데이터를 핸들링 하는 익숙한 방법을 사용자는 선호하기 때문이다.

## test.matrix를 생성
(test.matrix <- matrix(1:20, ncol = 4))

##      [,1] [,2] [,3] [,4]
## [1,]    1    6   11   16
## [2,]    2    7   12   17
## [3,]    3    8   13   18
## [4,]    4    9   14   19
## [5,]    5   10   15   20

(test.matrix2 <- matrix(c('a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'), ncol = 2))

##      [,1] [,2]
## [1,] "a"  "e" 
## [2,] "b"  "f" 
## [3,] "c"  "g" 
## [4,] "d"  "h"

(test.dataframe <- data.frame(col1 = 1:5, col2 = c('a', 'b', 'c', 'd', 'e'), col3 = 6:10, col4 = c('f', 'g', 'h', 'i', 'j')))

##   col1 col2 col3 col4
## 1    1    a    6    f
## 2    2    b    7    g
## 3    3    c    8    h
## 4    4    d    9    i
## 5    5    e   10    j

그렇다면 행렬과 데이터프레임의 차이는 무엇일까? 행렬은 그 안에 저장되는 모든 데이터는 같은 형태이어야 한다. 하지만 데이터 프레임은 열별로 같은 데이터 형태면 되고 여러 형태의 데이터를 동시에 저장할 수 있다.

## 같은 데이터 형태를 붙일 수 있다. 
cbind(test.matrix, c(1:5))

##      [,1] [,2] [,3] [,4] [,5]
## [1,]    1    6   11   16    1
## [2,]    2    7   12   17    2
## [3,]    3    8   13   18    3
## [4,]    4    9   14   19    4
## [5,]    5   10   15   20    5

rbind(test.matrix, c(1:4))

##      [,1] [,2] [,3] [,4]
## [1,]    1    6   11   16
## [2,]    2    7   12   17
## [3,]    3    8   13   18
## [4,]    4    9   14   19
## [5,]    5   10   15   20
## [6,]    1    2    3    4

## 다른 데이터 형태를 붙이면 전체 데이터의 변환이 일어나서 모두 같은 데이터 형태로 변환된다.  
cbind(test.matrix, c('a', 'b', 'c', 'd', 'e'))

##      [,1] [,2] [,3] [,4] [,5]
## [1,] "1"  "6"  "11" "16" "a" 
## [2,] "2"  "7"  "12" "17" "b" 
## [3,] "3"  "8"  "13" "18" "c" 
## [4,] "4"  "9"  "14" "19" "d" 
## [5,] "5"  "10" "15" "20" "e"

## rbin로 데이터프레임의 데이터 형태를 유지하기 위해서는 동일한 형태의 데이터 프레임을 붙여줘야 정상적으로 붙는다. 
rbind(test.dataframe, c(6, 'x', 11, 'y'))  ## 데이터프레임 데이터가 모두 변환된다.

##   col1 col2 col3 col4
## 1    1    a    6    f
## 2    2    b    7    g
## 3    3    c    8    h
## 4    4    d    9    i
## 5    5    e   10    j
## 6    6    x   11    y

rbind(test.dataframe, data.frame(col1 = 6, col2 = 'x', col3 = 11, col4 = 'y'))

##   col1 col2 col3 col4
## 1    1    a    6    f
## 2    2    b    7    g
## 3    3    c    8    h
## 4    4    d    9    i
## 5    5    e   10    j
## 6    6    x   11    y

거꾸로 매트릭스 데이터를 벡터로 만들기 위해서는 앞에서 설명한 바와 같이 as.vector()를 사용할 수 있다.

(test.vector <- as.vector(test.matrix))  ##전체를 ()로 싸면 실행결과가 프린트 된다. 

##  [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20

is.vector(test.vector)

## [1] TRUE

(test.vector <- as.vector(test.matrix[, 2]))  ##전체를 ()로 싸면 실행결과가 프린트 된다. 

## [1]  6  7  8  9 10

is.vector(test.vector)

## [1] TRUE

그럼 데이터프레임 데이터를 as.vector()를 사용해서 벡터로 만들면 다음과 같다.

(test.vector <- as.vector(test.dataframe))

##   col1 col2 col3 col4
## 1    1    a    6    f
## 2    2    b    7    g
## 3    3    c    8    h
## 4    4    d    9    i
## 5    5    e   10    j

is.vector(test.vector)   ## 벡터로 변환되지 않는다.

## [1] FALSE

(test.vector <- as.vector(test.dataframe[, 2]))

## [1] "a" "b" "c" "d" "e"

is.vector(test.vector)   ## 벡터로 변환된다.

## [1] TRUE

위와 같이 데이터프레임에서 특정 열의 벡터 변환은 as.vector()로 변환된다.

이 때에 사용되는 함수는 dplyr패키지의 pull()이다.

library(tidyverse)
(test.vector <- pull(test.dataframe, 2))

## [1] "a" "b" "c" "d" "e"

is.vector(test.vector)

## [1] TRUE

is.vector()와 pull()은 모두 데이터프레임의 특정 열을 벡터화하는 함수이다. 하지만 is.vector()는 dplyr의 파이프(%>% 또는 |>)에서 사용할 수 없지만 pull()은 파이프로 연결하여 사용할 수 있다.

(test.vector <- test.dataframe |> pull(2))

## [1] "a" "b" "c" "d" "e"

is.vector(test.vector)

## [1] TRUE

그런데 dplyr 패키지에는 특정 열을 선택하는 select()가 있는데 왜 또 pull()이 필요할까?

다음의 코드를 살펴보자.

test.dataframe |> select(2)

##   col2
## 1    a
## 2    b
## 3    c
## 4    d
## 5    e

test.dataframe |> pull(2)

## [1] "a" "b" "c" "d" "e"

class(test.dataframe |> select(2))

## [1] "data.frame"

class(test.dataframe |> pull(2))

## [1] "character"

select()는 결과가 데이터프레임으로 산출되고 pull()은 결과가 벡터 형태로 산출된다.