Tokyo.R #98 Rを学ぶのは難しい

R言語を学ぶのは難しい、という話のLT。
(2022/04/17: 誤記を修正)

Transcript

1. Rを学ぶのは難しい
   Tokyo.R #98 (2022/04/16)
   @bob3bob3
   

   View Slide

2. Rを学ぶのは難しい
   ● これまでRを使ってきて、個人的に「Rを身に付けるのは難しい……」と思った点を
   述べていきます。
   ● これからRを学ぼうとする人たちも、こうしたハマりポイントを事前に把握しておけば
   立ち直りも早いかと思います。
   ● ベテラン勢はTwitterでツッコミをヨロシク。
   

   View Slide

3. ★CUIが難しい
   ● 統計解析ソフトとして考えたとき、
   ExcelやSPSS、JMPのようなGUI
   ベースではないのでとっつきにく
   い。
   ● どうしてもGUIがいいという方に
   は、R Commander や、ggplot2を
   GUIで使えるesquisseパッケージ
   があります。
   ● とはいえ、ほとんどの分析手法は1
   行でできるので恐れずに。
   

   View Slide

4. CUIが難しい
   ● Rコマンダー
   ○ パッケージ Rcmdr 。
   ○ 基本的な統計処理をGUIで実
   行できる。
   ○ 基本統計量、クロス集計、統
   計的仮説検定、主成分分析、
   因子分析、クラスター分析、回
   帰分析など。
   ○ プラグインを追加すれば
   ggplot2でのグラフ作成もGUI
   で可能。
   

   View Slide

5. CUIが難しい
   ● esquisseパッケージ
   ○ Tableauっぽいインターフェイ
   スでggplot2によるグラフを描
   ける。
   ○ 読み方は「エスキス」。
   ○ RStudioのアドインとして使え
   る。
   

   View Slide

6. ★1つの手法にたくさんのパッケージがある
   例えば、コレスポンデンス分析の場合
   ● caパッケージのca()関数
   ● FactoMineRパッケージのCA()関数
   ● MASSパッケージのcorresp()関数
   などなど。他にもある。
   どれ使えばいいのよ……
   ● それぞれのヘルプでアウトプットを確認して、自分に必要なのはどれかを見極め
   る。
   ● もしくは r-wakalang の #r_beginners あたりで先達に聞く。
   

   View Slide

7. ★三つの書式が混在する
   ● base
   ○ 基本形。簡潔で探索的な分析に便利。
   1984年生まれのS言語由来の古い書式。
   ○ 枯れていて安心……と思ったら最近になってパイプ演算子が追加されたり。
   ● tidyverse
   ○ tidyverseパッケージ。
   ○ モダンなR。可読性が高く効率的。とりあえず、これで書くのが無難。
   ○ 枯れてないので、書き方がしょっちゅう変わる。
   ● data.table
   ○ data.tableパッケージ。
   ○ 従来のdata,frameを拡張し、効率が良く巨大なデータファイルを扱える。
   ○ 大規模データでも高速に処理できる。
   

   View Slide

8. 三つの書式が混在する
   ● 事前準備
   ○ taidyverseとdata.tableのパッケージを読み込む。
   ○ データフレームをデータテーブルに変換する。
   library(tidyverse)
   library(data.table)
   diamonds.dt <- data.table(diamonds,
   key=c("carat", "cut", "price"))
   

   View Slide

9. 三つの書式が混在する
   ● caratが1より大きい行を抽出。
   ○ base
   ○ tidyverse
   ○ data.table
   res.base1 <- diamonds[diamonds$carat > 1, ]
   res.tv1 <- diamonds %>%
   filter(carat > 1)
   res.dt1 <- diamonds.dt[carat > 1, , ]
   

   View Slide

10. 三つの書式が混在する
    ● carat, cut, priceの列を抽出。
    ○ base
    ○ tidyverse
    ○ data.table
    res.base2 <- diamonds[, c("carat", "cut", "price")]
    res.tv2 <- diamonds %>%
    select(carat, cut, price)
    res.dt2 <- diamonds.dt[, c("carat", "cut", "price"), ]
    

    View Slide

11. 三つの書式が混在する
    ● グループごとの平均。cutごとにpriceの平均を算出。
    ○ base
    tapply(diamonds$price, diamonds$cut, mean)
    ○ tidyverse
    diamonds %>%
    group_by(cut) %>%
    ○ data.table
    diamonds.dt[, mean(price), by = cut]
    diamonds.dt[, mean(price), by = cut]
    diamonds %>%
    group_by(cut) %>%
    summarize(mean(price)
    tapply(diamonds$price, diamonds$cut, mean)
    

    View Slide

12. 三つの書式が混在する
    ● base
    diamonds[diamonds$carat > 1, c("carat", "cut", "price")] |>
    (\(x) tapply(x$price, x$cut, mean))()
    ● tidyverse
    diamonds %>%
    filter(carat > 1) %>%
    select(carat, cut, price) %>%
    group_by(cut) %>%
    ● data.table
    diamonds.dt[carat > 1, c("carat", "cut", "price"), ][, mean(price), by = cut]
    diamonds[diamonds$carat > 1, c("carat", "cut", "price")] |>
    (\(x) tapply(x$price, x$cut, mean))()
    diamonds %>%
    filter(carat > 1) %>%
    select(carat, cut, price) %>%
    group_by(cut) %>%
    summarize(mean(price))
    diamonds.dt[carat > 1, c("carat", "cut", "price"), ][, mean(price), by = cut]
    

    View Slide

13. 三つの書式が混在する
    ● まずは、tidyverseを身に付けましょう。
    ○ 可読性が高く理解しやすい。
    ○ ネット上の資料も多く、チートシートなども充実していて学びやすい。
    ● data.tableは大きなデータのとき重宝する。
    ○ tidyverseで処理の重さを感じるデータには data.tableを試してみましょう。
    

    View Slide

14. ★古い情報と新しい情報が混在する
    ● 歴史がある分、ググってもどれが最新の情報か分かりにくい。
    ● 特にtidyverseは全然枯れていないので、あっという間に知識が古くなる。
    ○ 僕「gather( )とspread( )、縦持ちデータと横持ちデータを変換するのに超便利！」
    ○ H.W.「gatherとspread廃止したから。これからはpivot_*()使って。」
    ○ 僕「mutate_at()とmutate_if()とmutate_all()の使い方がようやく理解できた！」
    ○ H.W.「mutate_*廃止したから。これからはacross()使って。」
    ○ 基本的には機能的な改善なので歓迎すべきことなのだが ……
    

    View Slide

15. 余談：インデックスが１から始まる
    ● 他のコンピュータ言語を学んできた人からすると、インデックスが1から始まるのは
    気持ち悪い（らしい）。
    ● 多くのコンピュータ言語ではインデックスは0からはじまる。
    ● 例えば、pythonなら
    ● Rだと
    

    View Slide

16. Enjoy!
    ★CUIが難しい
    ★1つの手法にたくさんのパッケージがある
    ★三つの書式が混在する
    ★古い情報と新しい情報が混在する
    

    View Slide