R에서 산술 연산자 및 논리 연산자 (+, -, *, ==, !=, &, |)

안녕하세요, 여러분! 😊 오늘은 R과 함께 신나는 데이터 분석 여행을 떠나볼까요? 데이터 분석에서 가장 기본적이면서도 중요한 친구, 바로 산술 연산자와 논리 연산자에 대해 알아보려고 해요. 마치 요리 레시피에서 꼭 필요한 재료들처럼, +, -, * 같은 산술 연산자와 ==, !=, &, | 와 같은 논리 연산자는 R을 이용한 데이터 분석에서 빼놓을 수 없답니다. R에서 이 연산자들을 어떻게 사용하는지, 또 어떤 마법같은 결과를 만들어낼 수 있는지 궁금하지 않으세요? 함께 연산자 우선순위도 살펴보고, 실제 데이터 분석 예시를 통해 그 활용법까지 쏙쏙 이해해 보도록 해요! 자, 그럼 R의 세계로 함께 풍덩 빠져볼까요? 😉

 

 

산술 연산자의 종류와 사용법

R은 통계 분석과 데이터 과학에 특화된 언어인 만큼, 다양한 산술 연산자를 지원해요. 마치 요리할 때 갖가지 재료를 능숙하게 다루는 셰프처럼, R의 산술 연산자들을 잘 활용하면 데이터를 자유자재로 다룰 수 있답니다! 자, 그럼 R에서 제공하는 산술 연산자들을 하나씩 살펴볼까요? ^^

기본적인 사칙연산

기본적인 사칙연산(+, -, *, /)은 워낙 익숙하실 테니, 몇 가지 예시만 짚고 넘어갈게요. 1 + 2는 당연히 3이 되고, 5 - 3은 2가 되겠죠? 4 * 6은 24, 10 / 2는 5! 너무 쉽죠?! 초등학생 시절 구구단 외우던 기억이 새록새록 떠오르네요~?

하지만 R의 매력은 여기서 끝나지 않아요! 더 재미있는 연산자들이 기다리고 있거든요. 바로 나머지 연산자(%%)와 정수 나눗셈 연산자(%/%)랍니다!

나머지 연산자와 정수 나눗셈 연산자

나머지 연산자(%%): 숫자를 나눴을 때 나머지를 구하는 연산자예요. 예를 들어, 7 %% 3은 1이 됩니다. 7을 3으로 나누면 몫이 2이고 나머지가 1이니까요! 데이터 분석에서 특정 주기나 패턴을 찾을 때 아주 유용하게 쓰인답니다. 마치 시계 바늘이 12를 넘어가면 다시 1부터 시작하는 것처럼 말이죠!

정수 나눗셈 연산자(%/%): 숫자를 나눴을 때 몫의 정수 부분만 구하는 연산자예요. 예를 들어, 7 %/% 3은 2가 된답니다. 소수점 이하는 깔끔하게 버려버리는 거죠! 데이터를 그룹으로 나누거나 순위를 매길 때 유용하게 활용할 수 있어요.

제곱 연산자

자, 이제 좀 더 복잡한(?) 연산으로 넘어가 볼까요? 바로 제곱 연산자(^ 또는 **)입니다!

제곱 연산자(^ 또는 **): 밑수를 주어진 지수만큼 거듭제곱한 결과를 반환해요. 예를 들어, 2 ^ 3 (또는 2 ** 3)은 2를 세 번 곱한 8이 됩니다. 데이터의 증감률이나 변동성을 분석할 때, 제곱 연산자는 없어서는 안 될 중요한 도구랍니다! 마치 눈덩이처럼 불어나는 복리의 마법을 계산할 때처럼 말이죠!

복잡한 계산과 연산 순서

R에서는 이러한 산술 연산자들을 조합해서 더욱 복잡한 계산도 가능해요. 예를 들어, (5 + 2) * 3 - 4 / 2 같은 식도 간단하게 처리할 수 있죠. 물론, 수학 시간에 배웠던 연산 순서(괄호, 제곱, 곱셈/나눗셈, 덧셈/뺄셈)는 R에서도 똑같이 적용된답니다. 기억나시죠?! ?

하지만, 복잡한 계산식을 만들 때는 괄호를 적절히 사용해서 연산 순서를 명확하게 해주는 것이 좋아요. 그래야 나중에 코드를 다시 볼 때도 헷갈리지 않고, 다른 사람들도 쉽게 이해할 수 있거든요! 마치 요리 레시피에 재료와 순서를 명확하게 적어 놓는 것과 같은 이치랍니다. ^^

벡터와 행렬에의 적용

R의 산술 연산자들은 숫자형 데이터뿐만 아니라, 벡터나 행렬에도 적용할 수 있어요. 이 부분은 나중에 벡터와 행렬 파트에서 더 자세히 다뤄볼 테니 기대해주세요! R을 통해 데이터 분석의 세계에 푹 빠져보자고요~! ?

자, 이제 여러분은 R의 산술 연산자들을 어느 정도 파악하셨을 거예요! 다음에는 논리 연산자에 대해 알아볼 텐데, 벌써부터 기대되지 않나요?! R과 함께라면 데이터 분석이 더욱 즐거워질 거예요! 다음 장에서 만나요~!

 

논리 연산자의 종류와 사용법

자, 이제 R의 세계에서 또 다른 중요한 주민들을 만나볼 시간이에요! 바로 “논리 연산자”입니다. 마치 탐정처럼, 이 연산자들은 조건을 검사하고 TRUE 또는 FALSE 값을 반환하는 역할을 해요. 데이터 분석에서 조건부 처리를 할 때 정말 없어서는 안 될 존재들이죠! 😎

R에서 제공하는 논리 연산자들을 하나씩 살펴보면서 어떻게 활용하는지 알아볼게요. 마치 새로운 친구를 사귀는 것처럼 재미있을 거예요! 😄

비교 연산자

• `==` (같다): 두 값이 같은지 비교해요. 5 == 5는 TRUE를 반환하고, 5 == 6은 FALSE를 반환하겠죠? 너무 쉽죠?! 하지만 데이터 분석에서 이 연산자는 정말 중요한 역할을 해요. 예를 들어, 특정 고객의 구매 금액이 100,000원인지 확인하고 싶다면 `purchase_amount == 100000`과 같이 사용할 수 있어요.
• `!=` (같지 않다): 두 값이 다른지 비교하는 연산자예요. 5 != 6은 TRUE이고, 5 != 5는 FALSE가 되겠죠? 특정 조건을 제외하고 싶을 때 아주 유용해요! 예를 들어 특정 제품을 구매하지 않은 고객을 찾고 싶을 때 `product_code != “A001″`처럼 사용할 수 있어요.
• `>` (초과): 왼쪽 값이 오른쪽 값보다 큰지 비교해요. 7 > 5는 TRUE, 5 > 7은 FALSE! 특정 기준값 이상의 데이터를 찾을 때 유용하게 쓰여요. 예를 들어, 10년 이상 근무한 직원을 찾으려면 `working_years > 10`처럼 사용하면 되겠죠?
• `<` (미만): 왼쪽 값이 오른쪽 값보다 작은지 비교해요. 5 < 7은 TRUE, 7 < 5는 FALSE! 특정 기준값 이하의 데이터를 찾을 때 유용해요. 예를 들어, 20세 미만의 고객을 찾으려면 `age < 20`처럼 사용할 수 있겠죠?
• `>=` (이상): 왼쪽 값이 오른쪽 값보다 크거나 같은지 비교해요. 7 >= 5는 TRUE이고, 5 >= 7은 FALSE! 특정 기준값 이상인 데이터를 포함하여 찾을 때 사용해요. 예를 들어, 50점 이상의 점수를 받은 학생을 찾으려면 `score >= 50`처럼 사용하면 되겠죠?
• `<=` (이하): 왼쪽 값이 오른쪽 값보다 작거나 같은지 비교해요. 5 <= 7은 TRUE이고, 7 <= 5는 FALSE! 특정 기준값 이하인 데이터를 포함하여 찾을 때 사용해요. 예를 들어, 30세 이하의 고객을 찾으려면 `age <= 30`처럼 사용하면 되겠죠?

논리 연산자

• `&` (AND): 두 조건이 모두 TRUE일 때만 TRUE를 반환하는 연산자예요. 마치 둘 다 만족해야 하는 엄격한 심사관 같죠?! 예를 들어, `age > 20 & gender == “male”`은 20세 초과의 남성만 찾을 때 사용할 수 있어요.
• `|` (OR): 두 조건 중 하나라도 TRUE이면 TRUE를 반환하는 연산자예요. 좀 더 관대한 심사관 같죠? 예를 들어, `city == “Seoul” | city == “Busan”`은 서울이나 부산에 사는 사람을 찾을 때 사용할 수 있어요.
• `!` (NOT): TRUE를 FALSE로, FALSE를 TRUE로 바꾸는 연산자예요. 마치 반전 마법처럼요! 예를 들어, `!is.na(data)`는 데이터가 결측값이 아닌 경우를 찾을 때 사용해요.

이렇게 다양한 논리 연산자들을 활용하면 데이터를 원하는 조건에 맞춰 효율적으로 필터링하고 분석할 수 있어요. 복잡한 조건도 여러 연산자를 조합해서 표현할 수 있으니, 다양한 조합을 시도해보면서 R과 더욱 친해져 보세요! 😊

예를 들어, 20세 이상 30세 이하의 여성 고객을 찾고 싶다면 어떻게 할까요? 바로 `age >= 20 & age <= 30 & gender == "female"`처럼 여러 연산자를 조합하면 돼요! 마치 레고 블록을 조립하는 것처럼 재미있지 않나요? 😄

하지만, 여러 연산자를 사용할 때는 주의해야 할 점이 있어요! 바로 연산자 우선순위! 다음 섹션에서 자세히 알아볼 테니 걱정하지 마세요~😉

 

R에서 연산자 우선순위

R로 데이터 분석을 하다 보면, 복잡한 계산식을 마주하게 될 때가 많아요. 이때 연산자의 우선순위를 제대로 이해하지 못하면, 원하는 결과를 얻지 못하고 엉뚱한 방향으로 분석이 흘러갈 수도 있답니다. 그래서 오늘은 R에서 연산자 우선순위에 대해 자세히 알아보는 시간을 가져보려고 해요! 마치 수학 문제를 풀듯이, R에서도 연산자들이 나름의 순서를 가지고 계산되거든요. 이 순서를 제대로 알고 있어야 분석 결과를 정확하게 해석할 수 있겠죠?!

자, 그럼 R에서 사용되는 연산자들의 우선순위를 하나씩 살펴볼까요? 마치 계단을 오르듯, 단계별로 알아보면 훨씬 이해하기 쉬울 거예요!

1. 괄호 ( )

가장 높은 우선순위를 가지는 건 바로 괄호예요! 수학에서와 마찬가지로, 괄호 안의 연산이 가장 먼저 수행된답니다. 괄호를 사용하면 연산의 순서를 명확하게 지정할 수 있어서 코드의 가독성을 높이는 데에도 큰 도움이 돼요. 예를 들어, (2 + 3) * 4라는 식이 있다면, 괄호 안의 2 + 3이 먼저 계산되어 5가 되고, 그 다음에 5 * 4가 계산되어 최종적으로 20이라는 결과가 나오게 되는 거죠!

2. 지수 ^ 또는 **

괄호 다음으로 우선순위가 높은 것은 지수 연산자예요. ^ 또는 **를 사용해서 나타낼 수 있죠. 예를 들어, 2^3은 2의 3제곱, 즉 8을 의미하고, 2**3 역시 마찬가지로 8이라는 결과를 나타내요. 지수 연산자는 변수의 제곱이나 세제곱을 구할 때, 또는 특정 값을 지수적으로 증가시키거나 감소시킬 때 유용하게 사용될 수 있답니다!

3. 단항 연산자 + 또는 –

+ 와 - 는 덧셈과 뺄셈 연산자로도 사용되지만, 단항 연산자로 사용될 때는 부호를 나타내는 역할을 해요. 단항 연산자는 피연산자가 하나뿐인 연산자를 말하는데, 예를 들어 -5 또는 +3처럼 숫자 앞에 붙어서 양수 또는 음수를 나타내죠. 단항 연산자는 지수 연산자 다음으로 우선순위가 높아요. 즉, -2^2는 -4가 되는 거예요! (2의 제곱인 4에 마이너스 부호가 붙기 때문이죠)

4. 곱셈 *과 나눗셈 /, %%(나머지), %/%(몫)

곱셈과 나눗셈, 그리고 나머지와 몫 연산자는 동일한 우선순위를 가지고 있어요. 이들은 왼쪽에서 오른쪽으로 계산되는데, 예를 들어 10 / 2 * 5는 25가 됩니다. (10을 2로 나눈 5에 5를 곱하기 때문이에요!) 10 %% 3는 10을 3으로 나눈 나머지인 1이 되고, 10 %/% 3는 10을 3으로 나눈 몫인 3이 된답니다.

5. 덧셈 +와 뺄셈 –

덧셈과 뺄셈 연산자는 곱셈과 나눗셈 연산자보다 우선순위가 낮아요. 이들 역시 왼쪽에서 오른쪽으로 계산됩니다. 예를 들어, 5 + 2 * 3은 11이 돼요. (2 * 3이 먼저 계산되어 6이 되고, 그 다음에 5 + 6이 계산되기 때문이죠!)

6. 비교 연산자 <, >, <=, >=, ==, !=

두 값을 비교하는 비교 연산자들은 덧셈과 뺄셈 연산자보다 우선순위가 낮아요. ==는 두 값이 같은지 비교하고, !=는 두 값이 다른지 비교하죠. <, >, <=, >=는 각각 작다, 크다, 작거나 같다, 크거나 같다를 의미해요.

7. 논리 연산자 !, &, &&, |, ||

!는 NOT 연산자, &와 &&는 AND 연산자, |와 ||는 OR 연산자예요. &&와 ||는 단축 평가를 수행하는데, 예를 들어 TRUE || FALSE에서 TRUE 이후의 FALSE는 평가하지 않고 바로 TRUE를 반환해요.

8. 할당 연산자 <-, =, <<-

변수에 값을 할당하는 할당 연산자는 가장 낮은 우선순위를 가집니다. <-와 =는 전역 환경에 변수를 할당하고, <<-는 전역 환경 또는 상위 환경에 변수를 할당해요.

정말 많은 연산자들이 있죠?! 하지만 걱정하지 마세요! 이렇게 단계별로 차근차근 알아보니 생각보다 어렵지 않죠? 복잡한 계산식을 만났을 때, 괄호를 적절히 사용하면 연산 순서를 명확하게 지정할 수 있어 코드의 가독성을 높이고, 에러 발생 가능성을 줄일 수 있답니다! 연산자 우선순위를 잘 이해하고 활용하면, R을 이용한 데이터 분석이 훨씬 더 수월해질 거예요!

 

실제 데이터 분석 예시를 통한 연산자 활용

자, 이제 R의 강력한 산술 연산자와 논리 연산자들을 실제 데이터 분석에 어떻게 활용하는지 알아볼 시간이에요! 이론만으론 감이 잘 안 잡혔던 부분들이, 실제 예시를 통해 훨씬 명확하게 이해될 거예요.

먼저, 가상의 쇼핑몰 데이터를 생각해 보아요. 이 데이터에는 고객 ID, 구매 상품, 구매 금액, 구매 날짜 등의 정보가 포함되어 있다고 가정해 볼게요. 이 데이터를 R로 불러와서 다양한 분석을 진행해 보겠습니다!

1. 고객별 총 구매 금액 계산하기

sum() 함수와 산술 연산자 +를 이용하면 특정 고객의 총 구매 금액을 간단하게 계산할 수 있어요. 예를 들어, 고객 ID가 ‘customer123’인 고객의 총 구매 금액을 계산하려면 다음과 같은 코드를 사용할 수 있죠.

customer_data <- data.frame(
  customer_id = c("customer123", "customer123", "customer456", "customer123", "customer789"),
  purchase_amount = c(15.5, 30, 22, 10.75, 55)
)

customer123_purchases <- customer_data$purchase_amount[customer_data$customer_id == "customer123"]
total_purchase_customer123 <- sum(customer123_purchases)

print(paste("Customer123's total purchase amount:", total_purchase_customer123))

이 코드는 customer_id가 ‘customer123’인 행의 purchase_amount 값들을 추출하고, sum() 함수를 사용하여 합계를 계산해요.

2. 특정 상품 구매 고객 찾기

논리 연산자 ==와 &를 사용하면 특정 조건을 만족하는 고객을 찾을 수 있어요. 예를 들어, ‘ProductA’를 구매하고 구매 금액이 20 이상인 고객을 찾으려면 다음과 같은 코드를 사용하면 돼요.

customer_data$product <- c("ProductA", "ProductB", "ProductA", "ProductC", "ProductA") # 상품 정보 추가

target_customers <- customer_data$customer_id[customer_data$product == "ProductA" & customer_data$purchase_amount >= 20]
print(target_customers)

& 연산자를 사용하여 두 조건을 모두 만족하는 고객을 정확하게 찾아낼 수 있답니다! 이렇게 논리 연산자를 활용하면 데이터에서 원하는 정보만 쏙쏙 골라낼 수 있어요.

3. 할인율 적용하기

산술 연산자 *와 -를 이용하면 할인율을 적용한 가격을 계산할 수도 있어요. 예를 들어, 모든 구매 금액에 10% 할인을 적용하려면 다음과 같은 코드를 사용하면 되겠죠?

discount_rate <- 0.1
discounted_price <- customer_data$purchase_amount * (1 - discount_rate)
customer_data$discounted_price <- discounted_price # 할인된 가격을 새로운 열에 추가

print(customer_data)

이처럼 간단한 연산으로 할인된 가격을 계산하고 데이터에 추가할 수 있습니다.

4. 구매 날짜 기준으로 데이터 정렬하기

order() 함수를 사용하면 특정 열을 기준으로 데이터를 정렬할 수 있어요. 구매 날짜를 기준으로 오름차순으로 정렬하려면 다음과 같은 코드를 사용할 수 있어요. (날짜 데이터가 있다고 가정)

customer_data$purchase_date <- as.Date(c("2024-01-15", "2024-01-20", "2024-01-10", "2024-01-25", "2024-01-05"))

customer_data_sorted <- customer_data[order(customer_data$purchase_date),]
print(customer_data_sorted)

이렇게 order() 함수를 사용하면 데이터를 원하는 순서대로 정렬하여 분석에 활용할 수 있답니다.

5. 다양한 조건으로 데이터 필터링

논리 연산자 |, !=, ! 등을 조합하여 다양한 조건으로 데이터를 필터링할 수 있어요. 예를 들어 ‘ProductA’ 또는 ‘ProductB’를 구매하지 않은 고객을 찾으려면 다음과 같은 코드를 사용하면 돼요.

filtered_customers <- customer_data$customer_id[!(customer_data$product == "ProductA" | customer_data$product == "ProductB")]
print(filtered_customers)

이처럼 논리 연산자를 조합하면 복잡한 조건에도 효과적으로 데이터를 필터링할 수 있어요! 데이터 분석의 핵심은 원하는 정보를 빠르고 정확하게 추출하는 것이니까요! R의 연산자들을 잘 활용하면 분석 시간을 단축하고 효율성을 높일 수 있을 거예요. 이 외에도 다양한 연산자와 함수들을 조합하여 더욱 심도 있는 분석을 수행할 수 있답니다.

 

자, 이렇게 R의 다양한 연산자들을 살펴봤어요! 더하기, 빼기, 곱하기처럼 익숙한 산술 연산자부터, 조건문에 필수적인 논리 연산자까지, 어떤가요? 이제 좀 더 R과 친해진 기분이 드나요? 😊 처음엔 조금 헷갈릴 수 있지만, 직접 코드를 작성하고 실행해보면 금방 익숙해질 거예요. 특히 연산자 우선순위는 꼭 기억해두면 좋겠죠? 데이터 분석에서 이 연산자들을 잘 활용하면 원하는 결과를 훨씬 쉽고 빠르게 얻을 수 있답니다. 다음에는 더 재미있는 R 이야기로 만나요! 👋