因子型を使いこなそう@fukuoka.R#09

fukuoka.R #09 （2017/09/09） の発表資料

Transcript

1. 因子型を使いこなそう！ @nonki1974 2017/09/09 fukuoka.R#09
2. データ型 データ構造 データ型 ベクトル 行列・配列 リスト データフレーム 整数型 実数型 論理型 文字列 因子型
3. データの種類（尺度水準） 名義尺度 順序尺度 間隔尺度 比例尺度 同じものには同じ値（記号） 異なるものには異なる値（記号） 名義尺度＋順序関係 値の間隔（差）に意味がある 10℃ → 30℃ 20℃上昇した！ 温度が3倍になった！ 間隔尺度＋値の比に意味がある
4. 変数の種類 質的変数 名義尺度 順序尺度 量的変数 間隔尺度 比例尺度
5. 変数の種類 質的変数 名義尺度 順序尺度 量的変数 間隔尺度 比例尺度 因子型
6. 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" [8] "A" "A" "A" "C" > table(bloodtype) bloodtype A AB B C 6 2 2 1
7. 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 [8] A A A <NA> Levels: A B O AB > 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 カテゴリ（水準）を ベクトルで指定 カテゴリに一致しない データは<NA>に <NA>もカテゴリ として扱う
8. 因子型の中身 整数型ベクトル 水準ベクトル > 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" [8] "A" "A" "A" NA
9. データフレーム > pokemon <- read.csv("pokemon.csv") > head(pokemon$type1) [1] くさ みず むし むし ノーマル [6] ノーマル 15 Levels: あく いわ エスパー かくとう ... むし 文字列を含んだ列は因子型として読み込まれる
10. 文字型として読み込みたい | stringsAsFactors > pokemon2 <- read.csv("pokemon.csv", + stringsAsFactors = FALSE) > head(pokemon2$type1) [1] "くさ" "みず" "むし" "むし" [5] "ノーマル" "ノーマル" 文字列処理をしたい場合とか。
11. 集計と棒グラフ > table(pokemon$sex) オス なし メス 45 4 23 > barplot(table(pokemon$sex)) オス なし メス 0 10 20 30 40
12. 水準の順序を変更 > pokemon$sex <- factor(pokemon$sex, + levels = c("オス", "メス", "なし")) > head(pokemon$sex) [1] オス オス オス メス オス オス Levels: オス メス なし > barplot(table(pokemon$sex)) オス メス なし 0 10 20 30 40
13. カテゴリごとの箱ひげ図 > boxplot(weight~type1, data=pokemon)
14. 水準ごとの統計量で水準を並べ替え > pokemon$type1 <- reorder(pokemon$type1, + pokemon$weight, + function(x){-median(x)}) > boxplot(weight~type1, data=pokemon) Type1ごとの weightの中央値の 降順に水準を並び替え
15. 因子型の扱い 結構めんどくさい
16. そこで
17. forcats package > # パッケージのインストール > install.packages("forcats") > # パッケージのロード > library(forcats) > pokemon <- read.csv("pokemon.csv") > boxplot(weight~fct_reorder(type1,weight,median,.desc=T), + data=pokemon)
18. 例えば fct_lump() > # 頻出4水準のみ残して、後はOtherにする > boxplot(weight~fct_lump(pokemon$type1, 4), data=pokemon)
19. 詳細は forcats kazutan
20. enjoy!