0. 이 글의 목표
이 글은 R 데이터 다루기 고급 스킬을 체계적으로 정리하여 설명합니다. 각 함수마다 1) 무엇을 하는지, 2) 언제 쓰는지, 3) 인수(파라미터) 의미, 4) 코드 + 결과 예시를 순서대로 설명합니다.
사용 패키지
library(tidyverse)1. enframe() / deframe(): 벡터 ↔︎ 데이터프레임 전환
1.1 enframe(): 벡터를 데이터프레임으로
무엇을? - 이름이 있는 벡터(named vector)를 name / value 2열 티블로 바꿉니다.
언제 쓰나? - 결과를 데이터프레임 형태로 다뤄야 할 때 - 벡터를 dplyr 파이프라인에 연결해야 할 때
주요 인수 - x: 변환할 벡터 - name: 이름 열의 이름(기본: name) - value: 값 열의 이름(기본: value)
v <- c(a = 10, b = 20, c = 30)
enframe(v, name = "key", value = "val")예시 출력:
# A tibble: 3 × 2
key val
<chr> <dbl>
1 a 10
2 b 20
3 c 301.2 deframe(): 데이터프레임을 벡터로
무엇을? - name / value 형태의 2열 티블을 named vector로 되돌립니다.
언제 쓰나? - 데이터프레임을 벡터로 바꿔서 빠르게 조회하고 싶을 때 - 벡터 기반 함수(예: setNames, match)와 함께 쓸 때
주요 인수 - x: 2열 티블 (첫 열=이름, 둘째 열=값)
df <- tibble(name = c("a", "b", "c"), value = c(10, 20, 30))
deframe(df)예시 출력:
a b c
10 20 30 2. reframe(): 요약 결과를 여러 행으로 반환
무엇을? - summarise()는 그룹당 1행만 반환하지만, reframe()은 여러 행 반환 가능합니다.
언제 쓰나? - 그룹별로 상위 N개, 또는 여러 요약행이 필요할 때
주요 인수 - ...: 계산할 요약식
df <- tibble(group = c("A","A","B","B"), x = c(1,2,3,4))
reframe(df,
max_x = max(x),
min_x = min(x)
)예시 출력:
# A tibble: 1 × 2
max_x min_x
<dbl> <dbl>
1 4 13. purrr::transpose(): 리스트 구조 전환
무엇을? - 리스트의 구조를 행 ↔︎ 열 관점으로 바꿉니다.
언제 쓰나? - API 응답처럼 “행마다 리스트” 형태를 “열마다 리스트”로 바꿔야 할 때
주요 인수 - .l: 리스트
lst <- list(
list(a = 1, b = 2),
list(a = 10, b = 20)
)
purrr::transpose(lst)예시 출력:
$a
$a[[1]]
[1] 1
$a[[2]]
[1] 10
$b
$b[[1]]
[1] 2
$b[[2]]
[1] 204. expand / crossing / expand_grid: 조합 만들기
4.1 expand_grid(): 모든 조합 생성
무엇을? - 입력 벡터들의 데카르트 곱(모든 조합) 생성
언제 쓰나? - 실험 설계, 가격/색상/사이즈 조합 생성
expand_grid(
size = c("S","M"),
color = c("red","blue")
)예시 출력:
# A tibble: 4 × 2
size color
<chr> <chr>
1 S red
2 S blue
3 M red
4 M blue4.2 crossing(): 중복 제거 후 조합
무엇을? - 입력 벡터에서 중복을 제거한 뒤 모든 조합 생성
crossing(x = c(1,1,2), y = c("A","B"))예시 출력:
# A tibble: 4 × 2
x y
<dbl> <chr>
1 1 A
2 1 B
3 2 A
4 2 B5. seq(), seq_along(), seq_len(): 순서형 벡터 생성
5.1 seq()
언제 쓰나? - 일정 간격 숫자 만들기
seq(1, 10, by = 2)예시 출력:
[1] 1 3 5 7 95.2 seq_along()
언제 쓰나? - 벡터 길이만큼 인덱스 생성
x <- c("a","b","c")
seq_along(x)예시 출력:
[1] 1 2 35.3 seq_len()
언제 쓰나? - 정확히 N개 길이의 시퀀스 생성
seq_len(5)예시 출력:
[1] 1 2 3 4 56. 연속된 날짜 만들기
언제 쓰나? - 날짜 범위 생성 (타임라인, 캘린더)
seq.Date(from = as.Date("2026-01-01"), to = as.Date("2026-01-07"), by = "day")예시 출력:
[1] "2026-01-01" "2026-01-02" "2026-01-03" "2026-01-04" "2026-01-05" "2026-01-06" "2026-01-07"7. set_names(): 이름 지정
언제 쓰나? - 벡터/리스트에 이름을 붙여 가독성 높일 때
x <- c(10, 20, 30)
set_names(x, c("A","B","C"))예시 출력:
A B C
10 20 30 8. 누적 계산: cumsum()과 accumulate()
8.1 cumsum(): 단순 누적합
cumsum(c(1, 2, 3, 4))예시 출력:
[1] 1 3 6 108.2 accumulate(): 사용자 정의 누적
purrr::accumulate(c(1, 2, 3, 4), ~ .x + .y)예시 출력:
[1] 1 3 6 109. 고유값과 중복 제거
9.1 unique()
unique(c(1,1,2,2,3))예시 출력:
[1] 1 2 39.2 duplicated()
duplicated(c(1,1,2,2,3))예시 출력:
[1] FALSE TRUE FALSE TRUE FALSE9.3 distinct()
iris %>% distinct(Species)예시 출력:
# A tibble: 3 × 1
Species
<fct>
1 setosa
2 versicolor
3 virginica9.4 n_distinct()
n_distinct(iris$Species)예시 출력:
[1] 310. nest / unnest: 중첩 데이터 다루기
10.1 nest()
nested <- iris %>%
group_by(Species) %>%
nest()
nested예시 출력:
# A tibble: 3 × 2
Species data
<fct> <list>
1 setosa <tibble [50 × 4]>
2 versicolor <tibble [50 × 4]>
3 virginica <tibble [50 × 4]>10.2 unnest()
nested %>% unnest(data)예시 출력(일부):
# A tibble: 150 × 5
Species Sepal.Length Sepal.Width Petal.Length Petal.Width
<fct> <dbl> <dbl> <dbl> <dbl>
1 setosa 5.1 3.5 1.4 0.211. unnest_longer / unnest_wider
11.1 unnest_longer()
df <- tibble(id = 1:2, values = list(c(10,20), c(30,40,50)))
df %>% unnest_longer(values)예시 출력:
# A tibble: 5 × 2
id values
<int> <dbl>
1 1 10
2 1 20
3 2 30
4 2 40
5 2 5011.2 unnest_wider()
df2 <- tibble(id = 1:2, info = list(list(a=1,b=2), list(a=10,b=20)))
df2 %>% unnest_wider(info)예시 출력:
# A tibble: 2 × 3
id a b
<int> <dbl> <dbl>
1 1 1 2
2 2 10 2012. match.call(): 함수 호출 구조 확인
match.call()은 함수가 호출될 때 실제 전달된 인수를 확인할 때 사용합니다.
f <- function(x, y = 10) {
match.call()
}
f(3)예시 출력:
f(x = 3)13. 행에서 최대 위치 찾기 (max.col, which.max)
13.1 which.max()
which.max(c(10, 50, 20))예시 출력:
[1] 213.2 max.col()
m <- matrix(c(1,5,3, 4,2,6), nrow = 2, byrow = TRUE)
max.col(m)예시 출력:
[1] 2 314. join 개선 및 확장 (_join 계열)
14.1 기본 left_join()
a <- tibble(id = 1:3, name = c("A","B","C"))
b <- tibble(id = c(1,2), score = c(90, 95))
left_join(a, b, by = "id")예시 출력:
# A tibble: 3 × 3
id name score
<int> <chr> <dbl>
1 1 A 90
2 2 B 95
3 3 C NA14.2 여러 키 조합 join
a <- tibble(id = c(1,1,2), date = as.Date(c("2026-01-01","2026-01-02","2026-01-01")), val = c(10,20,30))
b <- tibble(id = c(1,2), date = as.Date(c("2026-01-01","2026-01-01")), score = c(100, 200))
left_join(a, b, by = c("id","date"))15. case_when() vs if_else()
15.1 if_else(): 단일 조건
x <- c(1,2,3,4)
if_else(x > 2, "high", "low")예시 출력:
[1] "low" "low" "high" "high"15.2 case_when(): 여러 조건
x <- c(1,2,3,4)
case_when(
x <= 1 ~ "very low",
x <= 3 ~ "medium",
TRUE ~ "high"
)예시 출력:
[1] "very low" "medium" "medium" "high" 공식 문서 및 참고 링크
아래 문서는 이 글에서 다룬 함수들의 원문 정의와 인수 설명을 확인할 때 가장 유용합니다. 실무에서 헷갈리는 부분이 생기면 블로그 예시와 함께 공식 문서를 교차해서 보는 방식이 가장 안전합니다.
- tibble
enframe()/deframe(): https://tibble.tidyverse.org/reference/enframe.html - dplyr
reframe(),case_when(), 조인 계열 레퍼런스: https://dplyr.tidyverse.org/reference/index.html - tidyr
nest(),unnest(),expand_grid()등 레퍼런스: https://tidyr.tidyverse.org/reference/index.html - purrr
transpose()와 리스트 조작 레퍼런스: https://purrr.tidyverse.org/reference/transpose.html