Rで学ぶデータハンドリング入門/Introduction_to_Data_Handling_with_R

1. 1 2025.09.20 Tokyo.R #119 Rで学ぶデータハンドリング入門 - 雑然データから整然データへ -
2. 2 今日のテーマ • Rでのデータ操作例(tidyverse) • データ分析に役立つデータ整理術 整然データ(tidy data)という考え方
3. 3 例：応募者の選考データ 雑然データ.csv 整然データ.csv
4. 4 雑然データ.csv • 一行に一人の応募者 • 変数「選考段階」の値である一次、二次が列として存在 一見わかりやすく感じる
5. 5 整然データ.csv • 応募者NOと選考段階でユニーク
6. 6 整然データは扱いやすい(1) データを読み込む
7. 7 整然データは扱いやすい(2) 一次・二次ごとの合否を簡単に集計できる！
8. 8 整然データは扱いやすい(3) 通過人数だけを抽出
9. 9 整然データは扱いやすい(4) 選考段階で並べ替え
10. 10 整然データは扱いやすい(5) 上の行の件数を取得
11. 11 整然データは扱いやすい(6) 選考段階が三次、四次と増えてもコードはそのまま！
12. 12 雑然データは扱いにくい(1) 選考段階ごとにコード追加が必要
13. 13 雑然データは扱いにくい(2) 選考段階ごとにコード追加が必要
14. 14 雑然データは扱いにくい(3) 選考段階ごとにコード追加が必要
15. 15 雑然データは扱いにくい(4) 選考段階が増えるたびにコード追加が必要
16. 16 雑然データを整然データに変換 雑然データ.csv pivot_longer
17. 17 変換できたら後は同じ
18. 18 整然データの定義 1.各変数は列に 2.各観測は行に 3.各観測単位は1テーブルに 4.各値はセルに
19. 19 定義の確認（雑然データ.csv） • 1つの変数（選考段階）が複数の列（一次、二次）に割れている→NG • 1つの行に複数の観測（一次の結果、二次の結果）が入っている→NG
20. 20 定義の確認（整然データ.csv） • 変数=列 • 観測=行 整然データの定義を満たしている
21. 21 定義の確認（各観測は1テーブルに） 1.ひとつのテーブルに種類の違う観測が入っては ならない 2.同じ種類の観測が複数のテーブルにまたがって はならない
22. 22 定義の確認（各観測は1テーブルに） ひとつのテーブルに種類の違う観測が入ってはならない • 応募者名は「応募者」という単位の観測 • 選考段階や合否結果は「選考」という単位の観測 本来は「応募者」テーブルと「選考」テーブルに分けるべき
23. 23 定義の確認（各観測は1テーブルに） ひとつのテーブルに種類の違う観測が入ってはならない • 応募者テーブル：応募者NOをキーとして応募者の情報をまとめる • 選考テーブル：応募者NOと選考段階をキーにして合否を記録する 分ける 選考 応募者 選考データに応募者の情報 観測単位が違うものは別のテーブルにしておくことで、矛盾を防ぎ、管理が楽になる
24. 24 定義の確認（各観測は1テーブルに） なぜテーブルを分けるのか • 応募者名を選考テーブルの各行に書いてしまう と誤って違う名前が入る可能性がある。 • 応募者の名前変更があった場合に全ての行を 修正しなければならない。
25. 25 定義の確認（各観測は1テーブルに） 1月応募.csv 2月応募.csv 3月応募.csv つなげる 同じ種類の観測が複数のテーブルにまたがってはならない
26. 26 定義の確認（各値はセルに） 悪い例 • 「面接者」カラムに「伊藤、山本」のように複数の名前 • 分析するとき、「誰が面接したのか」を集計するのが難しい
27. 27 定義の確認（各値はセルに） よい例 • 「選考」テーブルと「面接者」テーブルに分ける • 「面接者」テーブルは一行に一面接者 分ける 面接者 選考
28. まとめ • 雑然データは処理が大変 • 整然データにすればコードが単純に、データ分析が楽に なる 「雑然データだから苦労しているのかも」と考えてみよう 28