01. Big Data_R Basics and R Objects

Posted Nov 4, 2026

By younghoonko

26 min read

[toc]

학습 목표

R의 데이터 속성(자료형)과 데이터 구조(벡터, 행렬, 데이터프레임, 리스트, 요인) 구분
범주형 데이터와 연속형 데이터의 차이 이해
벡터의 크기, 길이, 내적과 행렬 연산(곱, 행렬식, 역행렬)을 R로 계산
수열, 반복, 조건문, 반복문, 함수 작성
curve()로 2차원 함수, wireframe()으로 3차원 함수 그리기
Cars93 데이터와 ggpairs()로 여러 변수의 관계를 한 번에 보기
2주차 과제(3D plot, ggpairs) 풀이

R의 객체 (R Object)

R에서 다루는 모든 것(숫자, 문자, 표, 함수)은 객체(object)이며, 객체는 속성(type)과 구조(structure)로 구분함

데이터 속성 (Data Attributes)

속성	의미	예
numeric	숫자, 실수	`3.14`
integer	정수	`3L`
character	문자	`"Alice"`
logical	논리	`TRUE`, `FALSE`
factor	요인 (범주형)	`factor(c("low", "high"))`
complex	복소수	`1 + 2i`

데이터의 의미적 유형 (Semantic Data Type) ⭐️

유형	의미	예	R에서
범주형 데이터 (Categorical, Qualitative)	집단을 표현하는 변수, 셀 수 있는 데이터	성별, 질병 여부, 직업, 인종	`factor`, 값의 종류를 `level`(수준)이라고 함
연속형 데이터 (Continuous, Quantitative)	셀 수 없는 측정값	길이, 무게, 부피, 밀도, 시간, 임금	`numeric`, `integer`

(중요!!)

이 수업 전체가 “변수가 범주형인가 연속형인가“에 따라 분석 방법과 그래프를 고르는 구조
범주형 → 빈도, 비율, 막대그래프 / 연속형 → 평균, 표준편차, 히스토그램, 상자도표

데이터 구조 (Data Structure)

객체 유형	차원	구성 요소	특징 및 용도	예시 코드
Vector	1차원	동일 자료형	R의 가장 기본 구조, 하나의 자료형만 가능	`c(1, 2, 3)`
Matrix	2차원	동일 자료형	행렬, 수치 연산 등에서 사용	`matrix(1:6, nrow = 2)`
Array	다차원	동일 자료형	2차원 이상의 배열 구조	`array(1:8, dim = c(2, 2, 2))`
List	1차원	다양한 자료형	서로 다른 타입을 저장, 복잡한 데이터 저장에 유용	`list(name = "Tom", score = c(90, 80))`
Data Frame	2차원	열마다 다른 자료형	표 형식 데이터 저장에 가장 많이 사용	`data.frame(name = c("A", "B"), score = c(80, 90))`
Factor	1차원	범주형 데이터	범주형/명목형 변수 표현 (순서 가능)	`factor(c("low", "medium", "high"))`
Function	N/A	함수 코드	사용자 정의 및 내장 함수	`function(x) x^2`
S3 객체	다양	리스트 기반	R의 기본 객체지향 시스템 (예: `lm` 모델 객체)	`model <- lm(y ~ x)`
S4 객체	다양	슬롯 기반	좀 더 엄격한 OOP 시스템	`setClass()`, `new("MyClass")`
Environment	N/A	변수 집합	객체들이 저장되는 공간 (변수 저장소 역할)	`globalenv()`, `environment()`

이 밖에 tidyverse의 티블(tibble)은 데이터프레임을 개선한 표 구조 (5주차 이후 dplyr에서 자주 등장)

기본 계산과 변수

R을 계산기처럼 쓰기

  
2 + 3
2^3
1 / 2
3 - 2 * 1 + 4
sqrt(2)
pi
sin(pi)
log(10, base = 10)
abs(-1)
factorial(5)
exp(1)

실행 결과

[1] 5
[1] 8
[1] 0.5
[1] 5
[1] 1.414214
[1] 3.141593
[1] 1.224647e-16
[1] 1
[1] 1
[1] 120
[1] 2.718282

sin(pi)가 정확히 0이 아니라 1.224647e-16인 것은 컴퓨터의 부동소수점 오차 (사실상 0)
콘솔 창 정리 단축키: Ctrl + L

변수 정의와 작업환경 관리

R에서는 <- 기호로 변수에 값을 저장 (=도 가능하지만 <-가 R의 관례)

  
x <- 3
y <- 2.1 * (x + 4)^3.1
y

ls()             # 지금 저장된 객체 목록
rm(list = ls())  # 모두 삭제
ls()

실행 결과

[1] 875.0306
[1] "x" "y"
character(0)

함수	기능
`ls()`	현재 저장된 변수(객체) 목록 보기
`rm(x, y)`	변수 `x`, `y` 삭제
`rm(list = ls())`	모든 변수 삭제 (초기화)

벡터 (Vector)

벡터의 크기, 길이, 내적

시작점 A와 끝점 B를 갖는 벡터 $\vec{x} = \overrightarrow{AB}$는 성분으로 $\vec{x} = (x_1, x_2, \dots, x_n)$처럼 표현

개념	수식	의미	R 함수
크기	$\lvert\vec{x}\rvert = \sqrt{x_1^2 + \cdots + x_n^2}$	화살표의 길이	`norm(x, type = "2")`
길이	$n$	성분 개수 = 데이터 크기 = 차원	`length(x)`
내적	$\vec{x}\cdot\vec{y} = \sum x_i y_i$	같은 성분끼리 곱해서 다 더하기	`crossprod(x, y)`

  
x <- c(3, 4)
y <- c(-1, 1)

x[1]
x[c(1, 2)]
norm(x, type = "2")   # 벡터의 크기 = sqrt(3^2 + 4^2)
length(x)             # 성분의 개수
crossprod(x, y)       # 내적 = 3*(-1) + 4*1

# 두 벡터 사이 각도 (cos theta = 내적 / (크기 * 크기))
cos_theta <- sum(x * y) / (sqrt(sum(x^2)) * sqrt(sum(y^2)))
cos_theta
acos(cos_theta) * 180 / pi   # 각도(도)

실행 결과

[1] 3
[1] 3 4
[1] 5
[1] 2
     [,1]
[1,]    1
[1] 0.1414214
[1] 81.8699

내적의 기하학적 의미: $\vec{x}\cdot\vec{y} = \lvert\vec{x}\rvert\lvert\vec{y}\rvert\cos\theta$
$\theta$가 작을수록(같은 방향일수록) 두 벡터의 상관성이 높음
검색엔진은 문서와 검색어를 키워드 벡터로 만들고, 이 각도(코사인 유사도)로 비슷한 문서를 찾음

왼쪽: $\vec{x} = (3, 4)$의 크기는 $\sqrt{3^2 + 4^2} = 5$, $\vec{y} = (-1, 1)$과의 내적은 $1$, 사이각은 약 $81.9°$
오른쪽 그림은 아래 행렬식 부분에서 설명

수열과 반복 벡터

  
seq(1, 10)
seq(1, 100, 3)[1:10]       # 1부터 3 간격 (앞 10개만 출력)
seq(15, 209, 6)[1:10]

rep(c(1, 2, 3), each = 3)        # 각 요소를 3번씩
rep(c(1, 2, 3), times = 3)       # 묶음을 3번
rep(c(1, 2, 3), times = c(5, 2, 1))

실행 결과

 [1]  1  2  3  4  5  6  7  8  9 10
 [1]  1  4  7 10 13 16 19 22 25 28
 [1] 15 21 27 33 39 45 51 57 63 69
[1] 1 1 1 2 2 2 3 3 3
[1] 1 2 3 1 2 3 1 2 3
[1] 1 1 1 1 1 2 2 3

함수	기능
`seq(from, to, by)`	`from`부터 `to`까지 `by` 간격의 수열 (`1:10`은 `seq(1, 10)`과 같음)
`rep(x, each = n)`	각 원소를 $n$번씩 반복
`rep(x, times = n)`	전체 묶음을 $n$번 반복
`rep(x, times = c(...))`	원소마다 반복 횟수를 다르게

조건문과 반복문

조건문과 나머지 연산자

  
x <- 10
y <- 5
if (x > y) {
  print("x가 y보다 크다")
}

10 %% 3
15 %% 5
1034637 %% 876

# 1~100 중 10개를 뽑아 홀짝 판별 (시험문제)
set.seed(20260908)
num <- sample(1:100, 10)
num
ifelse(num %% 2 == 0, "짝수", "홀수")

실행 결과

[1] "x가 y보다 크다"
[1] 1
[1] 0
[1] 81
 [1] 56 18 25 95 45 61  9 10 30 47
 [1] "짝수" "짝수" "홀수" "홀수" "홀수" "홀수" "홀수" "짝수" "짝수" "홀수"

%%: 나머지 연산자 ($10 \div 3$의 나머지 1)
ifelse(조건, 참일 때, 거짓일 때): 벡터의 모든 원소에 한 번에 조건을 적용
set.seed()로 난수의 시작점을 고정하면 실행할 때마다 같은 결과가 나옴 (재현성)

(중요!!) 시험문제로 표시된 부분

“1과 100 사이에서 10개 수를 랜덤하게 뽑아서 홀짝을 판별하라”
핵심은 sample(1:100, 10) + num %% 2 == 0 + ifelse()의 조합

반복문

  
total <- 0
for (i in 1:10) {
  total <- total + i
}
print(total)
sum(1:10)
sum(1:100)

실행 결과

[1] 55
[1] 55
[1] 5050

for문으로 직접 더해도 되지만, R은 sum(1:10)처럼 벡터 연산으로 한 번에 계산하는 것이 일반적이고 빠름

함수와 그래프

함수 정의와 `curve()`

function(x) { ... }로 함수를 만들고, curve(함수, 시작, 끝)으로 그래프를 그림
abline(h = 0)은 수평선, abline(v = 0)은 수직선, lty는 선 종류

  
par(mfrow = c(2, 2), mar = c(4, 4, 2, 1))
f1 <- function(x) {-3 - 2*x + x^2}
curve(f1, -2, 4, main = "f1 = -3 - 2x + x^2")
abline(h = 0, lty = 2); abline(v = 0, lty = 2)

f2 <- function(x) {-3 + 2*x - 2*x^2 + x^3}
curve(f2, -2, 4, main = "f2 = -3 + 2x - 2x^2 + x^3")
abline(h = 0, lty = 3); abline(v = 0, lty = 3)

f3 <- function(x) {2 - 3*x + 2*x^2 - 4*x^3 + x^4}
curve(f3, -2, 4, main = "f3 = 2 - 3x + 2x^2 - 4x^3 + x^4")
abline(h = 0, lty = 2); abline(v = 0, lty = 2)

curve(cos(2*x - pi/4), -2*pi, 2*pi, main = "cos(2x - pi/4)")
abline(h = 0, lty = 2); abline(v = 0, lty = 2)

$f_1 = x^2 - 2x - 3 = (x - 3)(x + 1)$: $x = -1, 3$에서 0, $x = 1$에서 최솟값 $-4$
curve(cos(2*x - pi/4), ...)처럼 함수를 따로 만들지 않고 식을 바로 넣을 수도 있음

3차원 그래프: `outer()`와 `wireframe()` (2주차 과제)

outer(x, y, f): 격자 위의 모든 $(x, y)$ 조합에 대해 $f(x, y)$를 계산해서 행렬로 반환
lattice 패키지의 wireframe()으로 그 행렬을 3차원 곡면으로 그림
drape = TRUE는 높이에 따라 색을 입히고, col.regions = rainbow(100)은 그 색 팔레트

  
library(lattice)
x <- seq(-10, 10, length = 30)
y <- x

f_a <- function(x, y) {x^2 + y^2}     # 아래로 볼록 (그릇)
f_b <- function(x, y) {-x^2 - y^2}    # 위로 볼록 (산)
f_c <- function(x, y) {-x^2 + y^2}    # 말안장

z <- outer(x, y, f_a)                 # 격자의 모든 (x, y)에 대해 z 계산
wireframe(z, drape = TRUE, col.regions = rainbow(100), main = "z = x^2 + y^2")

z <- outer(x, y, f_b)
wireframe(z, drape = TRUE, col.regions = rainbow(100), main = "z = -x^2 - y^2")

z <- outer(x, y, f_c)
wireframe(z, drape = TRUE, col.regions = rainbow(100), main = "z = -x^2 + y^2")

함수	모양	특징
$z = x^2 + y^2$	아래로 볼록 (그릇)	원점이 최솟값
$z = -x^2 - y^2$	위로 볼록 (산)	원점이 최댓값
$z = -x^2 + y^2$	말안장 (saddle)	원점이 한 방향으로는 최대, 다른 방향으로는 최소

행렬 (Matrix)

행렬 만들기와 인덱싱

모든 성분이 숫자이거나 모두 문자인 2차원 구조, matrix(값, 행 수, 열 수)
기본은 열 방향으로 채우고, byrow = TRUE이면 행 방향으로 채움

  
A <- matrix(1:16, 4, 4)            # 열 방향으로 채움
A
matrix(1:16, 4, 4, byrow = TRUE)   # 행 방향으로 채움

A[2, 3]            # 2행 3열
A[1, ]             # 1행 전체
A[, 2]             # 2열 전체
A[1:2, 3:4]        # 부분행렬
A[c(2, 4), c(1, 3)]
dim(A)

실행 결과

     [,1] [,2] [,3] [,4]
[1,]    1    5    9   13
[2,]    2    6   10   14
[3,]    3    7   11   15
[4,]    4    8   12   16
     [,1] [,2] [,3] [,4]
[1,]    1    2    3    4
[2,]    5    6    7    8
[3,]    9   10   11   12
[4,]   13   14   15   16
[1] 10
[1]  1  5  9 13
[1] 5 6 7 8
     [,1] [,2]
[1,]    9   13
[2,]   10   14
     [,1] [,2]
[1,]    2   10
[2,]    4   12
[1] 4 4

코드	의미
`A[2, 3]`	2행 3열 원소
`A[1, ]`	1행 전체
`A[, 2]`	2열 전체
`A[1:2, 3:4]`	1~2행, 3~4열 부분행렬
`A[c(2, 4), c(1, 3)]`	2·4행, 1·3열
`A[-c(1, 3), ]`	1·3행 제외

행렬 연산

강의 자료의 예: $A = \begin{pmatrix}1 & 2\\3 & 1\end{pmatrix}$, $B = \begin{pmatrix}1 & 0\\-1 & 1\end{pmatrix}$

  
A <- matrix(c(1, 2,
              3, 1), 2, 2, byrow = TRUE)
B <- matrix(c(1, 0,
              -1, 1), 2, 2, byrow = TRUE)

A - 2 * B         # 행렬 연산
A %*% B           # 행렬 곱 (* 는 원소끼리 곱)
A * B
det(A)            # 행렬식 = 1*1 - 2*3
solve(A)          # 역행렬
solve(A) %*% A    # 단위행렬

실행 결과

     [,1] [,2]
[1,]   -1    2
[2,]    5   -1
     [,1] [,2]
[1,]   -1    2
[2,]    2    1
     [,1] [,2]
[1,]    1    0
[2,]   -3    1
[1] -5
     [,1] [,2]
[1,] -0.2  0.4
[2,]  0.6 -0.2
     [,1] [,2]
[1,]    1    0
[2,]    0    1

손으로 확인

\[A - 2B = \begin{pmatrix}1 & 2\\3 & 1\end{pmatrix} - 2\begin{pmatrix}1 & 0\\-1 & 1\end{pmatrix} = \begin{pmatrix}-1 & 2\\5 & -1\end{pmatrix}\] \[AB = \begin{pmatrix}1 \times 1 + 2 \times (-1) & 1 \times 0 + 2 \times 1\\3 \times 1 + 1 \times (-1) & 3 \times 0 + 1 \times 1\end{pmatrix} = \begin{pmatrix}-1 & 2\\2 & 1\end{pmatrix}\] \[\det(A) = \begin{vmatrix}1 & 2\\3 & 1\end{vmatrix} = (1)(1) - (2)(3) = -5, \qquad A^{-1} = \frac{1}{\det A}\begin{pmatrix}1 & -2\\-3 & 1\end{pmatrix} = \begin{pmatrix}-0.2 & 0.4\\0.6 & -0.2\end{pmatrix}\]

연산	R 코드	주의
행렬 곱	`A %*% B`	`A * B`는 같은 위치 원소끼리 곱 (행렬 곱이 아님)
행렬식	`det(A)`
역행렬	`solve(A)`	$A^{-1}A = I$ (단위행렬)
벡터 합치기	`cbind(x, y)`, `rbind(x, y)`	열로 붙이기, 행으로 붙이기

평행사변형의 넓이 = 행렬식의 절댓값: $A$의 두 열벡터 $(1, 3)$, $(2, 1)$이 만드는 평행사변형의 넓이는 $\lvert -5 \rvert = 5$ (위 그림 오른쪽)

연습 문제 (강의 자료 7쪽)

x <- seq(-6, 10, 0.05), y <- 3 + x - 2*x^2일 때 x[2], y[7]은?
1부터 909까지 3간격으로 띄워서 1 + 4 + 7 + 10 + … 더하기
$A = \begin{pmatrix}1 & 2\\3 & 4\end{pmatrix}$, $B = \begin{pmatrix}-1 & 0\\0 & 2\end{pmatrix}$일 때 $C = A - 2B$의 C[2, 1]은?

  
x <- seq(-6, 10, 0.05)
y <- 3 + x - 2*x^2
x[2]
y[7]

s <- seq(1, 909, 3)    # 1, 4, 7, ..., 907
tail(s, 3)
length(s)
sum(s)

A <- matrix(c(1, 2,
              3, 4), 2, 2, byrow = TRUE)
B <- matrix(c(-1, 0,
              0, 2), 2, 2, byrow = TRUE)
C <- A - 2*B
C
C[2, 1]

실행 결과

[1] -5.95
[1] -67.68
[1] 901 904 907
[1] 303
[1] 137562
     [,1] [,2]
[1,]    3    2
[2,]    3    0
[1] 3

1번: x[2] $= -6 + 0.05 = -5.95$, x[7] $= -6 + 6 \times 0.05 = -5.7$이므로 y[7] $= 3 - 5.7 - 2(5.7)^2 = -67.68$
2번: 909는 포함되지 않음 (1, 4, 7, …, 907까지 303개), 합 $= \frac{303 \times (1 + 907)}{2} = 137{,}562$
3번: $C = \begin{pmatrix}3 & 2\\3 & 0\end{pmatrix}$이므로 C[2, 1] $= 3$

데이터프레임, 리스트, 요인

데이터프레임 (data.frame)

엑셀 시트처럼 행과 열로 이루어진 표, 열마다 다른 자료형이 가능

  
name <- c("Jisoo", "Chulhee")
score <- c(90, 100)
my <- data.frame(name, score)
my
class(my)
str(my)

my[1, ]          # 1행
my[, 2]          # 2열
my$score         # 열 이름으로 접근

실행 결과

     name score
1   Jisoo    90
2 Chulhee   100
[1] "data.frame"
'data.frame':	2 obs. of  2 variables:
 $ name : chr  "Jisoo" "Chulhee"
 $ score: num  90 100
   name score
1 Jisoo    90
[1]  90 100
[1]  90 100

str(): 데이터의 구조(행·열 수, 각 열의 자료형)를 한 번에 확인 → 데이터를 처음 받으면 가장 먼저 실행
$: 열 이름으로 접근 (my$score)

리스트와 요인

  
my_list <- list(name = "Alice", age = 25,
                scores = c(90, 85, 88), passed = TRUE)
my_list$name
my_list[1]          # 리스트 형태로 추출
my_list[[1]]        # 값 자체를 추출
my_list$scores[1]
my_list[[3]][1]

f <- factor(c("low", "high", "medium", "low"),
            levels = c("low", "medium", "high"))
f
levels(f)
table(f)

실행 결과

[1] "Alice"
$name
[1] "Alice"

[1] "Alice"
[1] 90
[1] 90
[1] low    high   medium low   
Levels: low medium high
[1] "low"    "medium" "high"  
f
   low medium   high 
     2      1      1

코드	결과
`my_list$name`	`"Alice"` (이름으로 접근)
`my_list[1]`	리스트 형태로 추출 (class: list)
`my_list[[1]]`	값 자체를 추출 (class: character)
`my_list$scores[1]`	`scores` 벡터의 첫 번째 값 90

요인(factor)은 범주형 변수를 저장하는 구조이고, levels로 가능한 값의 목록과 순서를 정함

Cars93 데이터와 ggpairs (2주차 과제)

Cars93 데이터 살펴보기

MASS 패키지에 들어 있는 1993년 판매 자동차 93종의 데이터 (변수 27개)

  
library(MASS)
data(Cars93)
dim(Cars93)
class(Cars93$Type)         # 범주형 -> factor
class(Cars93$Horsepower)   # 연속형 -> integer
levels(Cars93$Type)
head(Cars93[, c("Manufacturer", "Model", "Type", "Price", "Horsepower")], 3)

실행 결과

[1] 93 27
[1] "factor"
[1] "integer"
[1] "Compact" "Large"   "Midsize" "Small"   "Sporty"  "Van"    
  Manufacturer   Model    Type Price Horsepower
1        Acura Integra   Small  15.9        140
2        Acura  Legend Midsize  33.9        200
3         Audi      90 Compact  29.1        172

Type은 factor(범주형), Horsepower는 integer(연속형)
앞으로의 분석에서 계속 이 두 종류를 구분해서 사용

여러 변수를 한 번에 보기: `ggpairs()`

GGally 패키지의 ggpairs()는 선택한 변수들의 모든 쌍에 대해 알맞은 그래프를 자동으로 그림
패키지는 install.packages("GGally")로 한 번만 설치하고, library(GGally)는 쓸 때마다 불러옴

  
library(MASS)
library(GGally)
my <- subset(Cars93, select = c(Type, Price, Horsepower, MPG.highway))
ggpairs(my)

위치	변수 조합	그래프
대각선	한 변수	범주형은 막대그래프, 연속형은 밀도 곡선
첫 행	범주형(Type) × 연속형	집단별 상자도표
첫 열	연속형 × 범주형(Type)	집단별 히스토그램
위쪽 삼각형	연속형 × 연속형	상관계수 (`***`는 매우 유의함)
아래쪽 삼각형	연속형 × 연속형	산점도

가격(Price)과 마력(Horsepower)의 상관계수 0.788 → 마력이 클수록 비쌈
마력과 고속도로 연비(MPG.highway)의 상관계수 −0.619 → 마력이 클수록 연비가 나쁨
한 장의 그림으로 3주차(1변수), 4주차(2변수)에서 배울 그래프를 모두 미리 볼 수 있음

강의 자료에서 정정한 부분 정리

위치	강의 자료	정정	이유
2주차 수업자료 6쪽	$AB = \begin{pmatrix}1 & 2\\3 & 1\end{pmatrix}$	$AB = \begin{pmatrix}-1 & 2\\2 & 1\end{pmatrix}$	같은 쪽의 계산식 $1 \times 1 + 2 \times (-1) = -1$ 등을 끝까지 계산한 값, R의 `A %*% B`와 일치

최종 핵심 정리

R의 모든 것은 객체이며, 속성(numeric, character, factor 등)과 구조(벡터, 행렬, 데이터프레임, 리스트)로 구분
범주형(factor, 셀 수 있음)과 연속형(numeric, 측정값)의 구분이 이후 모든 분석의 출발점
벡터의 크기 norm(), 길이 length(), 내적 crossprod(), 내적은 $\lvert\vec{x}\rvert\lvert\vec{y}\rvert\cos\theta$로 두 벡터의 유사도를 나타냄
seq(), rep(), %%, ifelse(), for, sum()으로 수열·반복·조건 처리 (홀짝 판별은 시험문제)
function()으로 함수를 만들고 curve()로 2차원, outer() + wireframe()으로 3차원 그래프
행렬 곱은 %*%(*는 원소끼리 곱), 행렬식 det()은 평행사변형의 넓이, 역행렬은 solve()
데이터프레임은 열마다 다른 자료형을 담는 표이고, str()로 구조를, $로 열을 확인
ggpairs()는 변수 쌍마다 알맞은 그래프(막대, 상자도표, 산점도, 상관계수)를 한 번에 그려 줌

End.

University(2026-Second-Semester), Big Data

r bigdata

개념	수식	의미	R 함수
크기	\(\lvert\vec{x}\rvert = \sqrt{x_1^2 + \cdots + x_n^2}\)	화살표의 길이	`norm(x, type = "2")`
길이	\(n\)	성분 개수 = 데이터 크기 = 차원	`length(x)`
내적	\(\vec{x}\cdot\vec{y} = \sum x_i y_i\)	같은 성분끼리 곱해서 다 더하기	`crossprod(x, y)`

함수	모양	특징
\(z = x^2 + y^2\)	아래로 볼록 (그릇)	원점이 최솟값
\(z = -x^2 - y^2\)	위로 볼록 (산)	원점이 최댓값
\(z = -x^2 + y^2\)	말안장 (saddle)	원점이 한 방향으로는 최대, 다른 방향으로는 최소

학습 목표

R의 객체 (R Object)

데이터 속성 (Data Attributes)

데이터의 의미적 유형 (Semantic Data Type) ⭐️

데이터 구조 (Data Structure)

기본 계산과 변수

R을 계산기처럼 쓰기

변수 정의와 작업환경 관리

벡터 (Vector)

벡터의 크기, 길이, 내적

수열과 반복 벡터

조건문과 반복문

조건문과 나머지 연산자

반복문

함수와 그래프

함수 정의와 curve()

3차원 그래프: outer()와 wireframe() (2주차 과제)

행렬 (Matrix)

행렬 만들기와 인덱싱

행렬 연산

연습 문제 (강의 자료 7쪽)

데이터프레임, 리스트, 요인

데이터프레임 (data.frame)

리스트와 요인

Cars93 데이터와 ggpairs (2주차 과제)

Cars93 데이터 살펴보기

여러 변수를 한 번에 보기: ggpairs()

강의 자료에서 정정한 부분 정리

최종 핵심 정리

Trending Tags

함수 정의와 `curve()`

3차원 그래프: `outer()`와 `wireframe()` (2주차 과제)

여러 변수를 한 번에 보기: `ggpairs()`