데이터 분석 언어 R 시작하기 기초 문법과 설치 방법

데이터 분석 언어 R의 환경 구축과 설치 절차

통계 및 데이터 분석 분야에서 오랫동안 신뢰받아 온 프로그래밍 언어 R을 활용하기 위해서는 먼저 자신의 운영체제에 맞는 개발 환경을 구축해야 합니다. R을 단독으로 사용하는 것보다 RStudio라는 전용 통합개발환경을 함께 설치하는 것이 작업 효율을 높이는 지름길입니다.

윈도우 사용자 기준으로 공식 CRAN(Comprehensive R Archive Network) 웹사이트에 접속하여 최신 바이너리 파일을 내려받습니다. 맥OS 사용자는 운영체제 버전에 맞는 패키지를 선택하여 설치를 진행합니다.

R 엔진을 먼저 설치한 뒤, RStudio Desktop 무료 버전을 설치하면 모든 환경 준비가 끝납니다. RStudio를 실행했을 때 화면이 네 개의 구역으로 나뉘는데, 왼쪽 위가 스크립트 창이고 왼쪽 아래가 콘솔 창입니다.

스크립트 창에 코드를 작성하고 실행하는 습관을 들여야 나중에 긴 분석 코드를 관리하기 수월합니다.

R 콘솔 창과 스크립트 창의 역할 구분

초보자들이 가장 흔하게 저지르는 실수는 콘솔 창에만 코드를 직접 입력하고 저장하지 않는 것입니다. 콘솔 창은 일회성 연산을 수행하기에 알맞지만, 컴퓨터를 끄거나 세션을 종료하면 입력했던 내용이 모두 사라집니다.

따라서 반드시 상단의 스크립트 창을 열어 코드를 작성한 뒤 저장하는 방식을 택해야 합니다. 스크립트 창에서는 윈도우 기준 Ctrl + Enter 단축키를 눌러 원하는 줄의 코드를 콘솔 창으로 보내 실행할 수 있습니다.

이 과정에서 패키지 설치와 데이터 불러오기 작업을 체계적으로 기록해 두어야 재현 가능한 분석 보고서를 작성할 수 있습니다. 처음 RStudio를 열었을 때 글꼴 크기나 테마 색상이 눈에 익지 않다면, 도구 메뉴의 전역 설정으로 들어가 가독성이 높은 테마로 변경하는 편이 좋습니다.

변수 할당과 기본 연산자 활용법

R 언어에서 데이터를 다룰 때 가장 먼저 접하는 기호는 바로 할당 연산자인 `<-` 입니다. 프로그래밍 언어 C나 파이썬에서 주로 쓰이는 `=` 기호도 간혹 사용할 수 있으나, R 커뮤니티에서는 전통적으로 화살표 모양의 `<-` 기호를 표준으로 권장합니다.

예를 들어 `x <- 10`이라고 입력하면 10이라는 숫자가 x라는 이름의 변수에 저장됩니다. 산술 연산은 일반 계산기처럼 덧셈(+), 뺄셈(-), 곱셈(*), 나눗셈(/)을 그대로 사용하며 괄호를 통해 연산 순서를 지정할 수 있습니다.

변수 이름을 지을 때는 대소문자를 엄격하게 구분하므로, Data와 data는 서로 다른 변수로 인식된다는 점을 유의해야 합니다. 숫자가 아닌 문자를 다룰 때는 따옴표(' 또는 ")로 감싸주어야 문자로 인식되어 오류를 방지할 수 있습니다.

벡터의 개념과 데이터 구조의 이해

R은 통계 분석에 특화된 언어인 만큼 벡터(Vector)라는 데이터 구조가 핵심적인 역할을 담당합니다. 벡터는 동일한 데이터 타입을 가진 여러 개의 값을 하나의 묶음으로 다루는 1차원 배열입니다.

벡터를 생성할 때는 `c()` 함수를 사용하며, 여기서 c는 결합을 뜻하는 combine의 약자입니다. 예를 들어 `score <- c(80, 90, 85, 95)`라고 입력하면 네 개의 숫자가 담긴 하나의 벡터가 완성됩니다.

여기에 숫자를 더하거나 곱하는 연산을 수행하면, 벡터 안의 모든 원소에 동시에 연산이 적용되는 벡터화 연산의 특징을 경험할 수 있습니다. 데이터 분석 과정에서 마주하는 엑셀 시트 형태의 표는 사실 이러한 벡터들이 모여 만들어진 데이터프레임 구조입니다.

R 패키지 설치와 데이터 불러오기의 기초

R의 진정한 가치는 전 세계 개발자들이 만들어 공유하는 수많은 확장 패키지에 있습니다. 기본 함수만으로는 복잡한 데이터 시각화나 전처리를 수행하기 어려우므로 `install.packages()` 함수를 통해 필요한 패키지를 내려받아야 합니다.

예를 들어 데이터 분석의 필수 패키지 모음인 tidyverse를 설치하려면 `install.packages("tidyverse")`를 콘솔에 입력합니다. 패키지를 설치했다고 해서 곧바로 함수를 쓸 수 있는 것은 아니며, 실제 분석 작업에 들어가기 앞서 `library(tidyverse)`를 실행하여 메모리에 올려야 합니다.

외부 CSV 파일을 불러올 때는 기본 함수인 `read.csv()`를 쓰거나 readr 패키지의 `read_csv()` 함수를 활용하여 데이터프레임 형태로 가져오게 됩니다.