기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

R 제어구문(Control flow)과 사용자정의함수

내용

제어구문(Control flow)과 사용자정의함수

일반적으로 R 프로그램의 명령문은 프로그램의 상단에서 하단으로 순차적으로 실행됩니다. 그러나 특정 조건이 충족되는 경우에만 다른 명령문을 실행하면서 일부 명령문을 반복적으로 실행할 수 있습니다. 이것이 제어 흐름 구조가 들어오는 곳입니다. 이 제어흐름은 조건을 판단하기 위한 조건문과 유사한 명령을 반복적으로 실행할 수 있는 반복문이 있습니다. R에서 명령을 전달하는 구문을 크게 구분하면 다음과 같습니다.
  • statement: 단일 문과 복합문이 있습니다. 여러 문들을 같이 입력하는 복합문의 경우 중간괄호('{ }')로 묶여있거나 세미콜론(';')으로 구분합니다.
  • cond: true 또는 false로 확인되는 표현식(expression)입니다.
  • expr: 숫자 또는 문자열로 평가되는 명령문입니다.
  • seq: 일련의 숫자 또는 문자열입니다.

반복문

유사한 명령을 반복하는 문으로 for문과 while 문을 사용합니다.

for 문

for (변수 in seq) statement
seq에 포함된 모든 요소들을 사용할 때까지 statement가 지속됩니다.
for (i in 1:5) print(i)
[1] 1
[1] 2
[1] 3
[1] 4
[1] 5

while 문

while (cond) statement
cond 즉, 조건이 FALSE가 될 때까지 statement가 지속됩니다.
i<-0
while(i < 5) {
    print(i)
    i<-i+1
}
[1] 0
[1] 1
[1] 2
[1] 3
[1] 4
이러한 반복문은 apply 계열의 함수들로 대체할 수 있으며 규모가 큰 데이터의 경우 apply()함수를 사용하는 것이 더 효율적일 수 있습니다.
set.seed(1)
x<-matrix(1:100, 10, 10)
dim(x)
[1] 10 10
system.time(for (i in 1:10) mean(x[, i]))
 사용자  시스템 elapsed 
   0.01    0.00    0.01
system.time(apply(x, 2, mean))
 사용자  시스템 elapsed 
      0       0       0

조건문

조건의 TRUE, FALSE를 결정하는 문으로 if-else, ifelse, switch 문을 사용할 수 있습니다. 조건문은 원자를 평가합니다. 그러므로 두개 이상의 원자를 갖는 벡터나 다른 구조의 자료에 대해 적용하기 위해서는 반복문 또는 apply 계열의 함수들을 같이 적용하여야 합니다.

if ~ else

if(cond) statement
조건이 true이면 statement 실행
if(cond) statement1 else statement2
조건이 true이면 statement1 실행, false이면 statement2 실행
if(cond1) statement1 else if (cond2) statement2 else statement3
조건1이 true이면 statement1 실행, 조건2가 true이면 statement1 실행, 두 조건이 false이면 statement3 실행
x<-sample(c('black', 'white', 'blue', 'green'), 20, replace=TRUE)
class(x)
[1] "character"
if(is.character(x)) x<-as.factor(x)
class(x)
[1] "factor"
if(!is.factor(x)) x<-as.factor(x) else print('already factor')
[1] "already factor"
score<-35
state<-c()
if(score >= 80) {
state<-append(state, 'pass') 
} else if ((score >= 50) & (score < 80)) {
state<-append(state, 're-exam') 
} else {
state<-append(state, 'fail')
}
state
[1] "fail"
set.seed(3)
score<-sample(seq(0, 100, 10), 10, replace=TRUE)
state<-c()
for(i in score){
if(i >= 80) {
state<-append(state, 'pass') 
} else if ((i >= 50) & (i < 80)) {
state<-append(state, 'reExam') 
} else {
state<-append(state, 'fail')
}}
state
 [1] "fail"    "pass"    "reExam" "fail"    "pass"    "re-exam" "pass"
 [8] "reExam" "fail"    "pass"
reExam<-function(x){
    if(x>= 80) {
return('pass') 
} else if ((x >= 50) & (x< 80)) {
return('reExam') 
} else {
return('fail')}}
sapply(score, reExam)
[1] "fail"    "pass"    "re-exam" "fail"    "pass"    "re-exam" "pass"
 [8] "re-exam" "fail"    "pass"

ifelse

ifelse() 함수는 if~else구문을 벡터화한 것입니다.
ifelse(cond, statement1, statement2)
cond: true → statement1
cond: false → statement2
state1<-c()
for(i in 1:length(score)){
state1[i]<-ifelse(score[i] >= 70, 'pass', 'fail')
}
state1
[1] "fail" "pass" "fail" "fail" "pass" "pass" "pass" "pass" "fail" "pass"

switch

switch는 표현식의 값에 따라 명령문을 선택합니다.
witch(expr, case1=statement1, case2=statement2 ...)
표현(expr)과 같은 경우(case)에 할당된 statement를 반환
state
 [1] "fail"   "pass"   "reExam" "fail"   "pass"   "reExam" "pass"   "reExam"
 [9] "fail"   "pass"
feel<-c()
n<-1 for(i in state){ feel[n]<-switch(i, pass='good', reExam='more', fail='bad') n<-n+1}
 [1] "bad"  "good" "more" "bad"  "good" "more" "good" "more" "bad"  "good"

사용자 정의 함수(user-written function)

사용자의 필요에 따라 함수를 작성 할 수 있습니다. 이 함수의 기본 구조는 다음과 같습니다.
함수이름<-function(인수1, 인수2, ...){
    statement
    return(결과)
}
statSummay<-function(x){
    if (anyNA(x)) {
        x<-na.omit(x)
    }else {
        x<-x
    }
    n<-length(x)
    mu<-mean(x)
    medi<-median(x)
    sigma<-sd(x)
    skew<-sum((x-mu)^3/sigma^3)/n
    kurto<-sum((x-mu)^4/sigma^4)/n
    return(c(size=n,  mean=mu, median=medi, std=sigma, skew=skew, kurtosis=kurto))
}
set.seed(4)
x<-matrix(rnorm(100), nrow=20);x
apply(x, 2, statSummay)
                [,1]        [,2]        [,3]        [,4]       [,5]
size     20.00000000 20.00000000 20.00000000 20.00000000 20.0000000
mean     -0.09112079 -0.01366633  0.07024675 -0.15860301 -0.1892235
median    0.17607971 -0.28223164  0.18539902 -0.05325685 -0.1067961
std       1.10604986  0.86311186  0.78229639  1.07002236  1.0627715
skew     -0.83991495  0.11297402 -0.59804775 -0.03626457  0.4993966
kurtosis  3.22600714  1.48409915  2.41566327  1.96281809  2.5255122

댓글

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. $$\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B $$ 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. \begin{align}\tag{식 2} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align} 식 2의 행렬식은 식 3과 같이 정리됩니다. \begin{align} &\begin{aligned}\textsf{det}(B - \lambda I ) & = \textsf{det}(P^{-1}(AP – \lambda P))\\ &= \textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ &= \textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ &= \textsf{det}(A – \lambda I)\end{aligned}\\ &\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P) &= \textsf{det}(P^{-1}P)\\ &= \textsf{det}(I)\end{aligned}\end{align} 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같...

[sympy] Sympy객체의 표현을 위한 함수들

Sympy객체의 표현을 위한 함수들 General simplify(x): 식 x(sympy 객체)를 간단히 정리 합니다. import numpy as np from sympy import * x=symbols("x") a=sin(x)**2+cos(x)**2 a $\sin^{2}{\left(x \right)} + \cos^{2}{\left(x \right)}$ simplify(a) 1 simplify(b) $\frac{x^{3} + x^{2} - x - 1}{x^{2} + 2 x + 1}$ simplify(b) x - 1 c=gamma(x)/gamma(x-2) c $\frac{\Gamma\left(x\right)}{\Gamma\left(x - 2\right)}$ simplify(c) $\displaystyle \left(x - 2\right) \left(x - 1\right)$ 위의 예들 중 객체 c의 감마함수(gamma(x))는 확률분포 등 여러 부분에서 사용되는 표현식으로 다음과 같이 정의 됩니다. 감마함수는 음이 아닌 정수를 제외한 모든 수에서 정의됩니다. 식 1과 같이 자연수에서 감마함수는 factorial(!), 부동소수(양의 실수)인 경우 적분을 적용하여 계산합니다. $$\tag{식 1}\Gamma(n) =\begin{cases}(n-1)!& n:\text{자연수}\\\int^\infty_0x^{n-1}e^{-x}\,dx& n:\text{부동소수}\end{cases}$$ x=symbols('x') gamma(x).subs(x,4) $\displaystyle 6$ factorial 계산은 math.factorial() 함수를 사용할 수 있습니다. import math math.factorial(3) 6 a=gamma(x).subs(x,4.5) a.evalf(3) 11.6 simpilfy() 함수의 알고리즘은 식에서 공통사항을 찾아 정리하...

유리함수 그래프와 점근선 그리기

내용 유리함수(Rational Function) 점근선(asymptote) 유리함수 그래프와 점근선 그리기 유리함수(Rational Function) 유리함수는 분수형태의 함수를 의미합니다. 예를들어 다음 함수는 분수형태의 유리함수입니다. $$f(x)=\frac{x^{2} - 1}{x^{2} + x - 6}$$ 분수의 경우 분모가 0인 경우 정의할 수 없습니다. 이와 마찬가지로 유리함수 f(x)의 정의역은 분모가 0이 아닌 부분이어야 합니다. 그러므로 위함수의 정의역은 분모가 0인 부분을 제외한 부분들로 구성됩니다. sympt=solve(denom(f), a); asympt [-3, 2] $$-\infty \lt x \lt -3, \quad -3 \lt x \lt 2, \quad 2 \lt x \lt \infty$$ 이 정의역을 고려해 그래프를 작성을 위한 사용자 정의함수는 다음과 같습니다. def validX(x, f, symbol): ① a=[] b=[] for i in x: try: b.append(float(f.subs(symbol, i))) a.append(i) except: pass return(a, b) #x는 임의로 지정한 정의역으로 불연속선점을 기준으로 구분된 몇개의 구간으로 전달할 수 있습니다. #그러므로 인수 x는 2차원이어야 합니다. def RationalPlot(x, f, sym, dp=100): fig, ax=plt.subplots(dpi=dp) # ② for k in x: #③ x4, y4=validX(k, f, sym) ax.plot(x4, y4) ax.spines['left'].set_position(('data', 0)) ax.spines['right...