R로 배우는 탐색적 데이터 분석(EDA)

✅ 탐색적 데이터 분석(EDA)이란?

**탐색적 데이터 분석(EDA, Exploratory Data Analysis)**은 데이터를 수집한 뒤,
분석이나 모델링에 들어가기 전에 데이터의 구조, 특성, 이상점 등을 파악하는 과정입니다.

분석의 품질은 EDA의 깊이에 달려 있습니다.

---

📦 실습에 사용할 데이터: mtcars

mtcars는 R 내장 데이터로, 1974년 Motor Trend 자동차 잡지에서 발췌한 32대의 자동차 데이터입니다.

주요 변수 소개:

변수명설명

mpg	연비 (Miles per Gallon)
cyl	실린더 수
disp	배기량
hp	마력
wt	차량 무게
qsec	1/4마일 가속 시간
am	변속기 (0 = 자동, 1 = 수동)

---

1️⃣ 데이터 구조 확인

 

data(mtcars)        # R의 내부 데이터 불러오기
str(mtcars)         # 데이터 구조     

summary(mtcars)     # 변수별 요약 통계량

head(mtcars, 5)     # 앞부분 일부 출력

 

🔎 해석 예시:

• mpg는 평균 20.09, 최소 10.4 ~ 최대 33.9로 편차가 크다
• hp는 마력으로, 최대 335까지 존재 → 고성능 차량 포함
• am은 범주형이지만 현재 숫자형으로 저장되어 있음

---

2️⃣ 결측치(Missing Values) 확인

colSums(is.na(mtcars))

🔍 mtcars에는 결측치가 없지만, 실제 데이터에서는 결측 처리가 중요합니다.

 

예: na.omit(), imputeTS, mice 패키지 등 활용 가능

 

---

3️⃣ 변수별 분포 확인 (히스토그램 & 상자그림)

📊 연속형 변수: 연비(mpg) 분포

hist(mtcars$mpg,
     main = "연비 분포 (mpg)",
     col = "skyblue",
     xlab = "Miles per Gallon")

 

 

📦 이상치 탐색: 상자그림(Boxplot)

boxplot(mtcars$hp,
        main = "마력(hp)의 분포",
        col = "salmon")

4️⃣ 변수 간 관계 탐색 (상관계수 + 산점도)

🔗 수치형 변수 간 상관관계

cor(mtcars[, c("mpg", "hp", "wt", "disp")])

 

📌 해석:

• mpg와 wt: -0.87 → 차량이 무거울수록 연비가 낮다
• mpg와 hp: -0.78 → 마력이 높을수록 연비가 낮다

 

🔍 산점도 시각화

plot(mtcars$wt, mtcars$mpg,
     xlab = "차량 무게",
     ylab = "연비",
     main = "차량 무게 vs 연비")
abline(lm(mpg ~ wt, data = mtcars), col = "red")

5️⃣ 범주형 변수 분석: 변속기(am)에 따른 연비 차이

먼저 범주형 변수로 변환:

mtcars$am <- factor(mtcars$am, labels = c("Automatic", "Manual"))

 

📊 그룹별 평균 비교

tapply(mtcars$mpg, mtcars$am, mean)

 

📦 그룹별 분포 시각화

boxplot(mpg ~ am, data = mtcars,
        col = c("gold", "lightgreen"),
        main = "변속기 타입에 따른 연비 비교")

 

6️⃣ 다변수 관계 시각화 (쌍변수 플롯)

pairs(mtcars[, c("mpg", "disp", "hp", "wt")],
      main = "여러 변수 간 관계")

➕ 고급 시각화: GGally 패키지 활용

install.packages("GGally")

library(GGally)
ggpairs(mtcars[, c("mpg", "hp", "wt", "am")])

 

 

🎯 마무리 요약

단계핵심 작업

1. 데이터 구조 확인	변수, 관측치 수, 변수 타입 파악
2. 결측치 탐색	is.na()로 누락 데이터 점검
3. 변수별 분포 확인	히스토그램, 상자그림
4. 상관관계 탐색	cor(), plot()
5. 범주형 그룹 비교	평균, boxplot 활용
6. 다변수 시각화	pairs(), ggpairs()로 전체 흐름 파악

---

✍ EDA는 분석의 출발점입니다

EDA를 통해 데이터를 잘 이해하면,
모델 성능 향상, 이상치 제거, 변수 선택 등
모든 분석 단계에서 큰 도움이 됩니다.

📌 데이터와 충분히 대화하세요. 그것이 좋은 분석의 시작입니다.

2025.04.22 - [AI] - 딥러닝 vs 머신러닝, 뭐가 다를까? 한눈에 정리

딥러닝 vs 머신러닝, 뭐가 다를까? 한눈에 정리

 

2025.04.22 - [AI] - 나도 개발자처럼! 코딩 없이 인공지능 앱 만들기

나도 개발자처럼! 코딩 없이 인공지능 앱 만들기

 

2025.04.16 - [AI] - R vs Python : 데이터 분석 언어 선택 가이드

R vs Python : 데이터 분석 언어 선택 가이드