Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Introduction to R
Search
nonki1974
April 06, 2019
Technology
0
330
Introduction to R
nonki1974
April 06, 2019
Tweet
Share
More Decks by nonki1974
See All by nonki1974
GTFS with Tidytransit package
nonki1974
0
300
TokyoR#84_Rexams
nonki1974
0
200
都道府県別焼き鳥屋ランキングの作成
nonki1974
1
880
Introduction to dplyr
nonki1974
0
470
Introduction to ggplot2
nonki1974
1
500
Analyzing PSB tracks with R
nonki1974
0
580
introduction to fukuoka.R @ Fukuoka.LT
nonki1974
0
59
所要時間のヒートマップを作成する
nonki1974
0
530
gtfsr package @ fukuoka.R #11
nonki1974
0
330
Other Decks in Technology
See All in Technology
mruby(PicoRuby)で ファミコン音楽を奏でる
kishima
1
290
Backboneとしてのtimm2025
yu4u
4
1.6k
帳票Vibe Coding
terurou
0
140
退屈なことはDevinにやらせよう〜〜Devin APIを使ったVisual Regression Testの自動追加〜
kawamataryo
3
750
Browser
recruitengineers
PRO
5
700
LLMエージェント時代に適応した開発フロー
hiragram
1
420
ゆるふわエンジニアでもAIフローにチャレンジしたい!!~Zapierのすゝめ~
masakiokuda
2
100
MySQL HeatWave:サービス概要のご紹介
oracle4engineer
PRO
4
1.7k
LLM時代の検索とコンテキストエンジニアリング
shibuiwilliam
2
1.2k
Goでマークダウンの独自記法を実装する
lag129
0
220
kintone開発チームの紹介
cybozuinsideout
PRO
0
73k
Preferred Networks (PFN) とLLM Post-Training チームの紹介 / 第4回 関東Kaggler会 スポンサーセッション
pfn
PRO
1
250
Featured
See All Featured
The MySQL Ecosystem @ GitHub 2015
samlambert
251
13k
The Art of Programming - Codeland 2020
erikaheidi
55
13k
GraphQLとの向き合い方2022年版
quramy
49
14k
Being A Developer After 40
akosma
90
590k
Making the Leap to Tech Lead
cromwellryan
134
9.5k
Java REST API Framework Comparison - PWX 2021
mraible
33
8.8k
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
333
22k
Scaling GitHub
holman
462
140k
Build The Right Thing And Hit Your Dates
maggiecrowley
37
2.8k
Statistics for Hackers
jakevdp
799
220k
A better future with KSS
kneath
239
17k
Templates, Plugins, & Blocks: Oh My! Creating the theme that thinks of everything
marktimemedia
31
2.5k
Transcript
Introduction to R fukuoka.R #13 @nonki1974 April 6, 2019
ベクトル | データ構造の基本 # 正規乱数を 6 個生成 rnorm(6) ## [1]
-1.8346427 0.1121437 -0.2933256 ## [4] 0.8007794 -0.3860248 -0.2725474 → 行の先頭の [1] が何番目の要素かを示している 2
ベクトル | 数値(スカラ) → 数値も⻑さ 1 のベクトルとして扱われる 3+4 ## [1]
7 3
変数への代入 → 代入記号は <- → 変数 +[Enter] で中身を表示 x <-
rnorm(2) x ## [1] 1.8786776 0.9995424 4
ベクトルの作成 → c() 関数で値をつなげて (combine) ベクトルを作成 y <- c(3, 4.5)
y ## [1] 3.0 4.5 5
行列・配列 → 次元属性を持ったベクトル x <- rnorm(6) x ## [1] 0.2585055
0.6418958 -0.8850625 ## [4] -0.9304199 -0.2260441 1.4271053 dim(x) <- c(2, 3) x ## [,1] [,2] [,3] ## [1,] 0.2585055 -0.8850625 -0.2260441 ## [2,] 0.6418958 -0.9304199 1.4271053 6
要素の指定 | 行列・配列 x[2, 3] ## [1] 1.427105 # ベクトルの要素番号でも指定できる
# (ベクトルとしての性質も保持している) x[5] ## [1] -0.2260441 7
リスト → データ型の異なる複数のベクトルや,複数のリストを一括し て保持できるデータ構造。分析結果はリストで返されること が多い。 → リストの作成には list() 関数を使う。 date
<- "2015-10-01" city <- c(" 福岡市", " 北九州市") popl <- c(154, 96) fukuoka <- list(date = date, city = city, popl = popl) 8
リスト fukuoka ## $date ## [1] "2015-10-01" ## ## $city
## [1] "福 岡 市" "北 九 州 市" ## ## $popl ## [1] 154 96 9
要素の参照 | リスト → [[要素番号]] もしくは $ 要素名でリスト内のオブジェクト自 身を参照できる →
[要素番号] の場合はリストが返される fukuoka$city ## [1] "福 岡 市" "北 九 州 市" fukuoka[[2]] ## [1] "福 岡 市" "北 九 州 市" fukuoka[2] ## $city ## [1] "福 岡 市" "北 九 州 市" 10
データフレーム → 行列風の外見を持つ同じ大きさのベクトルを要素とするリス ト → data.frame() 関数で作成できる city <- c("
福岡市", " 北九州市", " 久留米市") code <- c("40130", "40100", "40203") popl <- c(154, 96, 30) area <- c(343, 492, 230) fukuoka.df <- data.frame( city = city, code = code, popl = popl, area = area ) 11
データフレームの出力 fukuoka.df ## city code popl area ## 1 福
岡 市 40130 154 343 ## 2 北 九 州 市 40100 96 492 ## 3 久 留 米 市 40203 30 230 12
データフレームの要素の参照 fukuoka.df$popl ## [1] 154 96 30 fukuoka.df[,3] ## [1]
154 96 30 fukuoka.df[1,] ## city code popl area ## 1 福 岡 市 40130 154 343 colnames(fukuoka.df) ## [1] "city" "code" "popl" "area" 13
データファイルの読み込み → 様々なフォーマットのファイルを R に読み込むことができる → カンマ区切り,タブ区切りのテキストファイルなど → read.table() が基本
→ ラッパーとして read.csv() や read.table() などがあ る 14
CSV ファイルを読み込む fukuoka2015 <- read.csv("fukuoka2015.csv", fileEncoding = "SJIS") head(fukuoka2015) ##
area_code 地 域 総 面 積 人 口 総 数 昼 間 人 口 世 帯 数 ## 1 40101 門 司 区 7367 99637 97946 43082 ## 2 40103 若 松 区 7131 82844 82591 33692 ## 3 40105 戸 畑 区 1661 59116 70519 27797 ## 4 40106 小 倉 北 区 3923 181878 224589 91253 ## 5 40107 小 倉 南 区 17174 212850 190913 88497 ## 6 40108 八 幡 東 区 3626 68844 73391 31442 15
データフレームの操作 → 列(変数)の取り出しはリストと同様 → 要素の参照および行や列の参照は行列と同様 # 以下 2 つは同じ結果 fukuoka2015$地域
fukuoka2015[,2] # 行を取り出す(結果はデータフレーム) fukuoka2015[1,] ## area_code 地 域 総 面 積 人 口 総 数 昼 間 人 口 世 帯 数 ## 1 40101 門 司 区 7367 99637 97946 43082 # 列名(変数名)を参照 colnames(fukuoka2015) ## [1] "area_code" "地 域" "総 面 積" "人 口 総 数" "昼 間 人 口" "世 帯 数" 16
データフレームの要約 | summary() 関数 summary(fukuoka2015) ## area_code 地 域 総
面 積 人 口 総 数 ## Min. :40101 う き は 市: 1 Min. : 572 Min. : 2174 ## 1st Qu.:40205 み や こ 町: 1 1st Qu.: 2165 1st Qu.: 18805 ## Median :40227 み や ま 市: 1 Median : 4192 Median : 40270 ## Mean :40315 芦 屋 町 : 1 Mean : 6068 Mean : 70901 ## 3rd Qu.:40407 鞍 手 町 : 1 3rd Qu.: 7822 3rd Qu.: 87014 ## Max. :40647 宇 美 町 : 1 Max. :24671 Max. :306015 ## (Other) :62 ## 昼 間 人 口 世 帯 数 ## Min. : 1946 Min. : 742 ## 1st Qu.: 17175 1st Qu.: 7264 ## Median : 37514 Median : 16508 ## Mean : 71486 Mean : 30830 ## 3rd Qu.: 83004 3rd Qu.: 35107 ## Max. :381926 Max. :141682 ## 17
列(ベクトル)を取り出してプロット hist(fukuoka2015$総面積) plot(昼間人口 ~ 人口総数, data = fukuoka2015) Histogram of
fukuoka2015$総面積 fukuoka2015$総面積 Frequency 0 5000 10000 15000 20000 25000 0 10 20 30 40 0 50000 150000 250000 0e+00 2e+05 人口総数 昼間人口 18
パッケージによる機能拡張 → パッケージを使うことで多くのことが可能になる → install.packages() 関数を使ってインストール → パッケージ名 :: 関数名
() でパッケージ内の関数を利用で きる → library() 関数でパッケージをロードすればパッケージ名 を省略可能 → tidydata 形式をサポートしたパッケージ群を tidyverse パ ッケージで一括してインストールできる 19
パッケージの利用例 install.packages("tidyverse") library(tidyverse) fukuoka2015 %>% mutate(人口密度 = 100 * 人口総数
/ 総面積) %>% ggplot(aes(人口密度, 昼間人口, label = 地域)) + geom_point() + theme_bw(base_size = 16) 20
パッケージの利用例 0e+00 1e+05 2e+05 3e+05 4e+05 昼間人口 21
因子型 (factor) → R で名義尺度および順序尺度を扱うためのデータ型 → 文字型 (character) と異なるので注意 →
factor() 関数を使って,文字型のベクトルから因子型に変 換できる → levels 引数で水準(カテゴリ)のベクトルを指定 → 因子型の実体は整数型のベクトルに水準を表すベクトルが加 わったもの 22
とりあえず文字型 bloodtype <- c("B","A","A","A","AB", "B","AB","A","A","A","C") bloodtype ## [1] "B" "A"
"A" "A" "AB" "B" "AB" "A" "A" "A" "C" # ベクトルの要素をカウント table(bloodtype) ## bloodtype ## A AB B C ## 6 2 2 1 23
因子型に変換 | factor() 関数 bloodtype.f <- factor(bloodtype, levels = c("A",
"B", "O", "AB")) bloodtype.f ## [1] B A A A AB B AB A A A <NA> ## Levels: A B O AB # O 型がいない場合,度数ゼロで集計してくれる table(bloodtype.f) ## bloodtype.f ## A B O AB ## 6 2 0 2 table(addNA(bloodtype.f)) ## ## A B O AB <NA> ## 6 2 0 2 1 24
因子型の中身 str(bloodtype.f) ## Factor w/ 4 levels "A","B","O","AB": 2 1
1 1 4 2 4 1 1 1 ... # 整数型に変換 as.numeric(bloodtype.f) ## [1] 2 1 1 1 4 2 4 1 1 1 NA # 対応する水準ベクトルの文字に変換 as.character(bloodtype.f) ## [1] "B" "A" "A" "A" "AB" "B" "AB" "A" "A" "A" NA 25
因子型の利用例 | iris データを例に iris データ R に標準で組み込まれているデータセット 多変量データの例としてよく用いられる head(iris,
n = 3) ## Sepal.Length Sepal.Width Petal.Length Petal.Width Species ## 1 5.1 3.5 1.4 0.2 setosa ## 2 4.9 3.0 1.4 0.2 setosa ## 3 4.7 3.2 1.3 0.2 setosa str(iris) ## 'data.frame': 150 obs. of 5 variables: ## $ Sepal.Length: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ... ## $ Sepal.Width : num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ... ## $ Petal.Length: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ... ## $ Petal.Width : num 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ... ## $ Species : Factor w/ 3 levels "setosa","versicolor", ..: 1 1 1 1 1 1 1 1 1 1 ... 26
因子型の利用例 | 箱ひげ図 # Species ごとに Sepal.Length の箱ひげ図を描画 boxplot(Sepal.Length ~
Species, data = iris) setosa versicolor virginica 4.5 5.5 6.5 7.5 27
因子型の利用例 | 水準の並べ替え Species2 <- reorder(iris$Species, iris$Sepal.Length, function(x){-median(x)}) boxplot(Sepal.Length ~
Species2, data = iris) virginica versicolor setosa 4.5 5.5 6.5 7.5 28
因子型の利用例 | 層別散布図 ggplot(iris, aes(Sepal.Width, Petal.Width, color = Species)) geom_point()
+ facet_wrap(~Species) + theme_bw(base_size = 14) setosa versicolor virginica 2.0 2.5 3.0 3.5 4.0 4.52.0 2.5 3.0 3.5 4.0 4.52.0 2.5 3.0 3.5 4.0 4.5 0.0 0.5 1.0 1.5 2.0 2.5 Sepal.Width Petal.Width Species setosa versicolor virginica 29