데이터의 형식은 다양하다. 피벗형태일수도 있고, 그냥 테이블과 같은 표형식일 수도 있고, 아니면 한 컬럼에 여러가지 항목들이 구분자로 뭉쳐져 있을 수도 있다. 그 데이터들을 본인이 분석하기 편한 데이터로 만들기 위해 분해하고 다시 조립하는 과정이 있는데, 그중에
피벗형태의 데이터를 테이블 형태로 변경하는 tidyr::pivot_longer 를 살펴보고자 한다.
pivot_longer 사용법
샘플로 데이터를 하나 만들어본다. 각 도시별로 년도별 임의의 통계치가 있다고 가정하고 만들었다. 잘보면 알겠지만, 피벗형태의 데이터이다. 이런 피벗형태의 데이터구조는 사람이 이해하기 쉬운 구조이긴한데, 여러 데이터를 비교하거나 분석하기에 좋은 구조는 아니다.
library(tidyr)
tb1 = tibble(년도 = 2017:2021,
서울 = seq(100, 140, 10),
대전 = seq(200, 240, 10),
대구 = seq(300, 340, 10),
광주 = seq(400, 440, 10),
부산 = seq(500, 540, 10))
# A tibble: 5 × 6
년도 서울 대전 대구 광주 부산
<int> <dbl> <dbl> <dbl> <dbl> <dbl>
1 2017 100 200 300 400 500
2 2018 110 210 310 410 510
3 2019 120 220 320 420 520
4 2020 130 230 330 430 530
5 2021 140 240 340 440 540
이런 피벗형태의 데이터는 tidyr::pivot_longer를 이용하면, 아래로(종의방향으로) 방향을 바꾸어 데이터의 형식을 변경할 수가 있다. 보통 표형태의 데이터로 바뀌게 되면 데이터 row 수가 많아지게 되지만, 다른 데이터를 join 해서 사용하기도 좋고, 특정데이터를 fliter 하거나 group_by 하기도 용이해진다.
pivot_longer(tb1, cols = 서울:부산)
# A tibble: 25 × 3
년도 name value
<int> <chr> <dbl>
1 2017 서울 100
2 2017 대전 200
3 2017 대구 300
4 2017 광주 400
5 2017 부산 500
6 2018 서울 110
7 2018 대전 210
8 2018 대구 310
9 2018 광주 410
10 2018 부산 510
# … with 15 more rows
names_to와 values_to 옵션을 추가로 지정하면, 데이터의 헤더정보로 바인딩되니 참고한다.
pivot_longer(tb1, cols = 서울:부산,
names_to = "도시",
values_to = "통계값")
# A tibble: 25 × 3
년도 도시 통계값
<int> <chr> <dbl>
1 2017 서울 100
2 2017 대전 200
3 2017 대구 300
4 2017 광주 400
5 2017 부산 500
실제 데이터로 적용해보자
e-나라지표 홈페이지에서 무선통신서비스 가입자 현황자료를 받을 수 있다. 파일링크는 여기를 클릭한다. 받아보면, 파일이 pdf 인데 아래 그림과 같이 피벗형태의 데이터로 되어 있다.
데이터가 엑셀형태가 아니다보니 일일이 손으로 옮겨서 초기 데이터를 만들었다. 이동통신 회선중에 2G/3G/4G/5G 의 연말자료만 가져와서 데이터를 구성했다.
tb1 = tibble(x = 2017:2021,
y_2G = c(2556242, 1672741, 1020510, 502585, 171930),
y_3G = c(10661556, 9549356, 7515903, 5604557, 3479622),
y_4G = c(50440880, 55133681, 55687974, 52555161, 48288764),
y_5G = c(0,0, 4668154, 11851373, 20915176))
# A tibble: 5 × 5
x y_2G y_3G y_4G y_5G
<int> <dbl> <dbl> <dbl> <dbl>
1 2017 2556242 10661556 50440880 0
2 2018 1672741 9549356 55133681 0
3 2019 1020510 7515903 55687974 4668154
4 2020 502585 5604557 52555161 11851373
5 2021 171930 3479622 48288764 20915176
이런식의 데이터 구성이라면, 선그래프를 그리기 너무 어려워진다. 아래와 같이 선마다 aes 를 셋팅해야 여러 선그래프를 그릴 수 있다.
ggplot(tb1) +
geom_line(aes(x, y_2G)) +
geom_line(aes(x, y_3G)) +
geom_line(aes(x, y_4G)) +
geom_line(aes(x, y_5G))
아까 설명한 tidyr::pivot_longer 그룹별로 선그래프를 그리기 편하게끔 데이터 구조를 변경해야 한다. 횡으로 펼쳐진 데이터를 종으로 구조를 바꿔준다. names_to 와 values_to 를 입력하면, 헤더정보가 그 이름으로 셋팅된다. 이 두개의 파라메터는 필수가 아니니 필요할때 넣어주면 된다.
tb2 = tb1 %>% pivot_longer(cols = y_2G:y_5G,
names_to = "code",
values_to = "count")
tb2
# A tibble: 20 × 3
x code count
<int> <chr> <dbl>
1 2017 y_2G 2556242
2 2017 y_3G 10661556
3 2017 y_4G 50440880
4 2017 y_5G 0
5 2018 y_2G 1672741
6 2018 y_3G 9549356
7 2018 y_4G 55133681
8 2018 y_5G 0
9 2019 y_2G 1020510
10 2019 y_3G 7515903
11 2019 y_4G 55687974
12 2019 y_5G 4668154
13 2020 y_2G 502585
14 2020 y_3G 5604557
15 2020 y_4G 52555161
16 2020 y_5G 11851373
17 2021 y_2G 171930
18 2021 y_3G 3479622
19 2021 y_4G 48288764
20 2021 y_5G 20915176
이런 데이터의 구조라면, 아래와 같이 그래프를 그리기위한 코딩이 단순해진다.
ggplot(tb2, aes(x, count, colour = code)) +
geom_line() +
geom_point()
폰트랑 색상 등을 수정하고나면 아래의 그림도 가능하다.
