| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | |
| 7 | 8 | 9 | 10 | 11 | 12 | 13 |
| 14 | 15 | 16 | 17 | 18 | 19 | 20 |
| 21 | 22 | 23 | 24 | 25 | 26 | 27 |
| 28 | 29 | 30 |
- 빅 데이터
- MongoDB
- 인공지능
- data science
- R
- 빅 데이타
- 김양재 목사님
- 데이터 과학
- 우리들교회
- WebGL
- 빅데이타
- No SQL
- Deep learning
- 빅데이터
- 딥러닝
- 김양재 목사
- 주일설교
- node.js
- nodeJS
- Big Data
- 확률
- Artificial Intelligence
- c++
- openCV
- Statistics
- 김양재
- 몽고디비
- 통계
- Machine Learning
- probability
- Today
- Total
Scientific Computing & Data Science
[Data Science / MongoDB] R과 MongoDB 연동하기 (mongolite) 본문
[Data Science / MongoDB] R과 MongoDB 연동하기 (mongolite)
cinema4dr12 2017. 2. 17. 00:35이전 글(R과 MongoDB 연동하기(rmongodb))에서 R의 MongoDB 관련 패키지인 rmongodb를 이용하여 R과 MongoDB를 연동하는 방법에 대해 소개한 바 있다.
그러나 rmongodb 패키지는 CRAN에서 제거되었으며, 이를 대신하여 mongolite 패키지를 사용할 수 있게 되었다.
이번 글에서는 mongolite 패키지를 이용하여 R과 MongoDB를 연동하여 데이터 도큐먼트 저장, 삭제, 업데이트 등을 하는 방법에 대하여 알아보도록 하겠다.
사용된 데이터는 다음 링크를 클릭하여 다운 받도록 한다: 
Batting.csv
MongoDB 실행하기
R의 Working Directory에 MongoDB 데이터를 저장할 폴더를 하나 생성하고 Command Line Tool에서 다음 명령을 통해 MongoDB를 실행한다:
$ mongodb --dbpath {YOUR_MONGODB_DATA_PATH}mongolite Package 설치하기
R에서 다음 명령을 입력하여 mongolite를 설치하고 로딩한다.
## intall packages & load them
if (! ("mongolite" %in% rownames(installed.packages()))) { install.packages("mongolite") }
library(mongolite)
MongoDB 연결하기
mongolite의 mongoDbConnect() 함수를 통해 실행된 MongoDB와 연결한다.
## MongoDB connection
con <- mongolite::mongo(collection = "test_data",
db = "test",
url = "mongodb://localhost",
verbose = TRUE,
options = ssl_options())각 옵션에 대한 자세한 설명은 mongolite의 PDF 문서를 참고하도록 한다.
기존 Collection 삭제
만약 기존 Collection이 존재하는 경우, 테스트를 위해 삭제한다:
## remove existing collection if exists
if(con$count() > 0) con$drop()CSV 파일로부터 데이터 불러오기
파일로 첨부한 Batting.csv 파일을 Data Frame으로 로딩한다. 단, 해당 파일은 현재 R의 Working Directory 내에 있다고 가정한다:
## read data from CSV file
df <- utils::read.csv("./Batting.csv")Document 삽입
Document 삽입을 위해 JSON 포맷으로 변환해야 하는 다른 R-MongoDB 연동 패키지와는 달리 mongodblite의 Document를 삽입하는 메써드인 insert()는 Data Frame을 직접 인수로 전달하며, 메써드에서 내부적으로 JSON 포맷으로 변환하여 처리한다.
## insert document as data frame
con$insert(df)Document가 잘 저장되었는지 확인하기 위해 Command Line Tool에서 다음과 같이 명령을 입력한다:
$ mongo
2017-02-18T22:39:08.368+0900 I CONTROL [main] Hotfix KB2731284 or later update
is not installed, will zero-out data files
MongoDB shell version: 3.2.11
connecting to: test
$ db.test_data.find().pretty()
{
"_id" : ObjectId("58a8116f3ed55ab41ff12213"),
"playerID" : "aardsda01",
"yearID" : 2004,
"stint" : 1,
"teamID" : "SFN",
"lgID" : "NL",
"G" : 11,
"G_batting" : 11,
"AB" : 0,
"R" : 0,
"H" : 0,
"X2B" : 0,
"X3B" : 0,
"HR" : 0,
"RBI" : 0,
"SB" : 0,
"CS" : 0,
"BB" : 0,
"SO" : 0,
"IBB" : 0,
"HBP" : 0,
"SH" : 0,
"SF" : 0,
"GIDP" : 0,
"G_old" : 11
}
{
"_id" : ObjectId("58a8116f3ed55ab41ff12214"),
"playerID" : "aardsda01",
"yearID" : 2006,
"stint" : 1,
"teamID" : "CHN",
"lgID" : "NL",
"G" : 45,
"G_batting" : 43,
"AB" : 2,
"R" : 0,
"H" : 0,
"X2B" : 0,
"X3B" : 0,
"HR" : 0,
"RBI" : 0,
"SB" : 0,
"CS" : 0,
"BB" : 0,
"SO" : 0,
"IBB" : 0,
"HBP" : 0,
"SH" : 1,
"SF" : 0,
"GIDP" : 0,
"G_old" : 45
}
...또는, Robomongo를 설치하여 저장된 데이터를 좀 더 쉽게 확인할 수 있다.
누락없이 DB에 Document가 삽입되었는지 확인하려면 원래의 Data Frame와 개수를 비교하면 된다:
## compare number of data
dim(df)[1]
num <- con$count()정상적으로(누락없이) Document가 삽입되었으면 다음과 같은 실행 결과를 얻을 것이다:
> dim(df)[1]
[1] 95195
> num <- con$count()
> num
[1] 95195DB로부터 Document 불러오기
이제 원래의 Data Frame(df)을 삭제하고 df에 MongoDB로부터 데이터를 임포트해 보자:
## remove df & import data from MongoDB
rm(df)
df <- con$find(query = '{}')
head(df)
dim(df)다음과 같은 실행 결과를 얻을 수 있을 것이다:
> rm(df)
> df <- con$find(query = '{}')
Imported 95195 records. Simplifying into dataframe...
> head(df)
playerID yearID stint teamID lgID G G_batting AB R H X2B X3B HR RBI SB CS BB SO IBB HBP SH SF GIDP G_old
1 aardsda01 2004 1 SFN NL 11 11 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 11
2 aardsda01 2006 1 CHN NL 45 43 2 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 45
3 aardsda01 2007 1 CHA AL 25 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2
4 aardsda01 2008 1 BOS AL 47 5 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 5
5 aardsda01 2009 1 SEA AL 73 3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 NA
6 aardsda01 2010 1 SEA AL 53 4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 NA
> dim(df)
[1] 95195 24만약 yearID가 2000 이상을 불러올 경우 다음과 같이 입력한다:
## import data with yearID above 1999
df <- con$find(query = '{"yearID":{"$gt":1999}}')
head(df)
실행 결과는 다음과 같다:
> df <- con$find(query = '{"yearID":{"$gt":1999}}')
Imported 15946 records. Simplifying into dataframe...
> head(df)
playerID yearID stint teamID lgID G G_batting AB R H X2B X3B HR RBI SB CS BB SO IBB HBP SH SF GIDP G_old
1 aardsda01 2004 1 SFN NL 11 11 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 11
2 aardsda01 2006 1 CHN NL 45 43 2 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 45
3 aardsda01 2007 1 CHA AL 25 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2
4 aardsda01 2008 1 BOS AL 47 5 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 5
5 aardsda01 2009 1 SEA AL 73 3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 NA
6 aardsda01 2010 1 SEA AL 53 4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 NAData 업데이트 하기
playerID가 "aardsda01"이고, yearID가 2004인 데이터를 불러와 보자:
> df <- con$find(query = '{"playerID" : "aardsda01", "yearID": 2004}')
Imported 1 records. Simplifying into dataframe...
> df
playerID yearID stint teamID lgID G G_batting AB R H X2B X3B HR RBI SB CS BB SO IBB HBP SH SF GIDP G_old
1 aardsda01 2004 1 SFN NL 11 11 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 11데이터를 보면 teamID가 "SFN"으로 되어 있는데, 이것을 "SEA"로 업데이트 해본다:
## update data
df <- con$find(query = '{"playerID" : "aardsda01", "yearID": 2004}')
con$update(query = '{"playerID" : "aardsda01", "yearID": 2004}', update = '{ "$set" : { "teamID" : "SEA"} }')df를 삭제 후, 해당 조건의 데이터를 불러와서 teamID를 확인해 보자.
> rm(df)
> df <- con$find(query = '{"playerID" : "aardsda01", "yearID": 2004}')
Imported 1 records. Simplifying into dataframe...
> df
playerID yearID stint teamID lgID G G_batting AB R H X2B X3B HR RBI SB CS BB SO IBB HBP SH SF GIDP G_old
1 aardsda01 2004 1 SEA NL 11 11 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 11Regular Expression
정규식(Regular Expression)을 이용하여 playerID가 "e"로 시작하는 데이터를 불러오자:
## regular expression
df <- con$find(query = '{"playerID":{"$regex": "^e"}}')
head(df)실행결과를 살펴보면 다음과 같다:
> df <- con$find(query = '{"playerID":{"$regex": "^e"}}')
Imported 1684 records. Simplifying into dataframe...
> head(df)
playerID yearID stint teamID lgID G G_batting AB R H X2B X3B HR RBI SB CS BB SO IBB HBP SH SF GIDP G_old
1 eaddydo01 1959 1 CHN NL 15 15 1 3 0 0 0 0 0 0 0 0 1 0 0 0 0 0 15
2 eaganbi01 1891 1 SL4 AA 83 83 302 49 65 11 4 4 43 21 NA 44 54 NA 3 NA NA NA 83
3 eaganbi01 1893 1 CHN NL 6 6 19 3 5 0 0 0 2 4 NA 5 5 NA 0 NA NA NA 6
4 eaganbi01 1898 1 PIT NL 19 19 61 14 20 2 3 0 5 1 NA 8 NA NA 6 1 NA NA 19
5 eagantr01 1901 1 PIT NL 4 4 12 0 1 0 0 0 2 1 NA 0 NA NA 0 0 NA NA 4
6 eagantr01 1901 2 CLE AL 5 5 18 2 3 0 1 0 2 0 NA 1 NA NA 0 0 NA NA 5예상대로 playerID가 "e"로 시작하는 데이터가 표시된다.
DB 연결해제
mongolite에는 별다른 DB 연결해제 메써드를 지원하지 않으며 오브젝트(con) 삭제 시 자동으로 DB 연결을 해제한다:
## disconnect
rm(con)'Data Science > MongoDB' 카테고리의 다른 글
| [MongoDB] Ubuntu에 MongoDB 설치하기 (0) | 2015.06.22 |
|---|---|
| [MongoDB] Tips / DB 및 Collection 삭제 명령어 (0) | 2015.04.19 |
| [Data Science / MongoDB] R과 MongoDB 연동하기 (rmongodb) (0) | 2014.06.03 |
| [MongoDB] Sharding / Sharding Administration (0) | 2014.04.25 |
| [MongoDB] Sharding / Product Configuration (0) | 2014.04.23 |