입문자를 위한 R 프로그래밍 기초 강좌

R이란 무엇이고 어디에 쓰는가

R은 통계 계산과 그래픽을 위한 무료 오픈 소스 언어이자 환경입니다. 벨 연구소에서 개발한 S 언어에서 유래했으며 R Core Team이 관리합니다. R은 벡터화되어 있어 대부분의 연산이 데이터 벡터 전체에 한 번에 적용되므로 데이터 분석 코드가 짧아집니다.

R은 통계학자, 데이터 과학자, 생물정보학자, 경제학자, 연구자들이 데이터 정제, 통계 모델링, 시각화, 재현 가능한 보고서를 만드는 데 사용합니다. CRAN(Comprehensive R Archive Network)과 Bioconductor에서 수천 개의 추가 패키지를 받을 수 있습니다.

R 설치와 Hello, world 실행

Windows, macOS, Linux용 R을 CRAN에서 내려받으세요. 에디터, 콘솔, 플롯 뷰어, 도움말 창을 갖춘 IDE인 RStudio나 Positron도 많이 설치합니다. 코드를 R 콘솔에 직접 입력하거나 .R 파일에 저장해 실행할 수 있습니다.

# hello.R
print("Hello, world!")
cat("Hello, world!\n")

Rscript hello.R
# [1] "Hello, world!"
# Hello, world!

print는 콘솔에 표시되는 방식 그대로 값을 보여 주며 [1] 같은 인덱스 접두사가 붙습니다. cat은 일반 텍스트를 출력하므로 줄바꿈은 직접 넣어야 합니다.

변수, 기본 타입, 벡터

<-(관례적인 방식) 또는 =로 값을 할당합니다. R에는 스칼라가 없고, 숫자 하나는 길이가 1인 벡터입니다. c()는 값들을 벡터로 묶으며, 산술 연산은 원소별로 적용됩니다.

x <- 42                 # numeric (double)
n <- 7L                 # integer (L suffix)
name <- "Ada"           # character
ok <- TRUE              # logical
class(x); class(n); class(name)   # "numeric" "integer" "character"
v <- c(2, 4, 6, 8)
v * 10                  # [1] 20 40 60 80
v[2]                    # [1] 4   (indexing starts at 1)
v[v > 4]                # [1] 6 8
length(v); sum(v); mean(v)        # 4 20 5
1:5                     # [1] 1 2 3 4 5
seq(0, 1, by = 0.25)    # [1] 0.00 0.25 0.50 0.75 1.00

제어 흐름

R에는 if/else, for, while, repeat가 있습니다. 벡터에는 반복문보다 벡터화된 ifelse()가 더 나은 경우가 많습니다.

temp <- 25
if (temp > 30) {
  print("hot")
} else if (temp > 15) {
  print("mild")         # [1] "mild"
} else {
  print("cold")
}
for (i in 1:3) {
  cat("step", i, "\n")  # step 1 / step 2 / step 3
}
scores <- c(45, 80, 62)
ifelse(scores >= 50, "pass", "fail")
# [1] "fail" "pass" "pass"

if에는 TRUE 또는 FALSE 하나가 필요합니다. R 4.2 이상에서는 더 긴 벡터를 if에 넘기면 오류가 발생하므로 any(), all(), ifelse()를 대신 사용하세요.

함수

함수는 function으로 만들어 이름에 할당합니다. 마지막으로 평가된 식이 자동으로 반환되며, return()은 중간에 빠져나올 때만 필요합니다. 인자에는 기본값을 줄 수 있고 이름으로 전달할 수 있습니다.

bmi <- function(weight_kg, height_m = 1.75) {
  weight_kg / height_m^2
}
bmi(70)                          # [1] 22.85714
bmi(height_m = 1.6, weight_kg = 60)  # [1] 23.4375
square <- function(x) x^2
square(1:4)                      # [1] 1 4 9 16 (vectorized)
sapply(c(1, 4, 9), sqrt)         # [1] 1 2 3
(\(x) x + 1)(10)                 # [1] 11 (short lambda syntax)

짧은 람다 문법 \(x)와 왼쪽 값을 첫 번째 인자로 넘기는 네이티브 파이프 |>는 R 4.1부터 사용할 수 있습니다. c(1, 4, 9) |> sqrt() |> sum()은 6을 반환합니다.

핵심 자료구조: 벡터, 리스트, 데이터 프레임

원자 벡터 외에도 R에는 서로 다른 타입의 값을 담을 수 있는 리스트, 행렬, 데이터 프레임이 있습니다. 데이터 프레임은 각 열이 같은 길이의 벡터인 표이며, 데이터 분석의 중심 자료구조입니다.

person <- list(name = "Ann", age = 31, langs = c("R", "SQL"))
person$name                 # [1] "Ann"
person[["langs"]][2]        # [1] "SQL"
df <- data.frame(
  name  = c("Ann", "Bo", "Cy"),
  age   = c(31, 25, 40),
  city  = c("Oslo", "Rome", "Oslo")
)
nrow(df)                    # [1] 3
df$age                      # [1] 31 25 40
df[df$age > 30, "name"]     # [1] "Ann" "Cy"
df$senior <- df$age >= 40   # add a column
aggregate(age ~ city, data = df, FUN = mean)
#   city  age
# 1 Oslo 35.5
# 2 Rome 25.0
str(df)                     # compact structure summary

df[rows, columns]는 위치, 이름, 논리 조건으로 선택합니다. df[1, ]처럼 한쪽을 비워 두면 모든 행 또는 모든 열을 뜻합니다.

통계와 그래프 그리기

summary, sd, quantile, cor, t.test, lm(선형 모델) 등 통계 함수가 기본으로 내장되어 있습니다. 기본 그래픽은 함수 한 번 호출로 그래프를 그립니다.

set.seed(1)
x <- 1:20
y <- 3 * x + rnorm(20, sd = 2)
model <- lm(y ~ x)
round(coef(model), 2)       # intercept near 0, slope near 3
summary(model)$r.squared    # close to 1
plot(x, y, main = "y vs x")
abline(model, col = "red")

수식 문법 y ~ x는 「y를 x의 함수로 모델링한다」는 뜻이며 여러 모델링 함수에서 공통으로 쓰입니다. 고급 차트와 데이터 가공에는 대부분 install.packages("tidyverse")로 ggplot2, dplyr 같은 tidyverse 패키지를 설치해 사용합니다.

오류 처리

stop()으로 오류를, warning()으로 경고를 발생시킵니다. tryCatch()로 잡을 수 있으며, error, warning 핸들러 함수와 선택적인 finally 블록을 받습니다.

safe_log <- function(x) {
  if (!is.numeric(x)) stop("x must be numeric")
  if (any(x <= 0)) warning("non-positive values give NaN or -Inf")
  log(x)
}
result <- tryCatch(
  safe_log("ten"),
  error = function(e) {
    message("Caught: ", conditionMessage(e))
    NA
  },
  finally = message("done")
)
# Caught: x must be numeric
# done
result                      # [1] NA

작은 완성 프로그램: 매출 요약

이 스크립트는 작은 매출 표를 만들고, 기본 R로 지역별 매출을 계산한 뒤 가장 매출이 높은 지역을 출력합니다.

sales <- data.frame(
  region = c("North", "South", "North", "East", "South"),
  units  = c(10, 4, 6, 8, 12),
  price  = c(2.5, 3.0, 2.5, 4.0, 3.0)
)
sales$revenue <- sales$units * sales$price
by_region <- aggregate(revenue ~ region, data = sales, FUN = sum)
by_region <- by_region[order(-by_region$revenue), ]
print(by_region, row.names = FALSE)
#  region revenue
#   South      48
#   North      40
#    East      32
best <- by_region$region[1]
cat(sprintf("Best region: %s (%.2f)\n", best, max(by_region$revenue)))
# Best region: South (48.00)

다음 단계

• CRAN의 공식 매뉴얼 An Introduction to R.
• 내장 도움말: 콘솔에서 ?mean 또는 help("lm")을 입력하세요.
• tidyverse 방식을 배울 수 있는 Hadley Wickham 등의 R for Data Science(온라인 무료).
• 계량경제학, 머신러닝 같은 분야별로 패키지를 정리한 CRAN Task Views.