Submit Search
Upload
170826 tokyo r_lt
•
3 likes
•
2,278 views
Masaru Tokuoka
Follow
第64回R勉強会@東京RのLT発表資料です。あとで少し修正する箇所もありますが,一旦アップします。
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 26
Download now
Download to read offline
Recommended
How to generate PowerPoint slides Non-manually using R
How to generate PowerPoint slides Non-manually using R
Satoshi Kato
ベイジアンネット技術とサービス工学におけるビッグデータ活用技術
ベイジアンネット技術とサービス工学におけるビッグデータ活用技術
Yoichi Motomura
Rによる高速処理 まだfor使ってるの?
Rによる高速処理 まだfor使ってるの?
jundoll
Rにおける大規模データ解析(第10回TokyoWebMining)
Rにおける大規模データ解析(第10回TokyoWebMining)
Shintaro Fukushima
TokyoR98_BeginnersSession1.pdf
TokyoR98_BeginnersSession1.pdf
kotora_0507
文章生成の未解決問題
文章生成の未解決問題
KCS Keio Computer Society
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
Takahiro Kubo
Tokyo r94 beginnerssession3
Tokyo r94 beginnerssession3
kotora_0507
Recommended
How to generate PowerPoint slides Non-manually using R
How to generate PowerPoint slides Non-manually using R
Satoshi Kato
ベイジアンネット技術とサービス工学におけるビッグデータ活用技術
ベイジアンネット技術とサービス工学におけるビッグデータ活用技術
Yoichi Motomura
Rによる高速処理 まだfor使ってるの?
Rによる高速処理 まだfor使ってるの?
jundoll
Rにおける大規模データ解析(第10回TokyoWebMining)
Rにおける大規模データ解析(第10回TokyoWebMining)
Shintaro Fukushima
TokyoR98_BeginnersSession1.pdf
TokyoR98_BeginnersSession1.pdf
kotora_0507
文章生成の未解決問題
文章生成の未解決問題
KCS Keio Computer Society
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
Takahiro Kubo
Tokyo r94 beginnerssession3
Tokyo r94 beginnerssession3
kotora_0507
forestFloorパッケージを使ったrandomForestの感度分析
forestFloorパッケージを使ったrandomForestの感度分析
Satoshi Kato
Rで学ぶ離散選択モデル
Rで学ぶ離散選択モデル
宏喜 佐野
ドメイン駆動設計 ~ユーザー、モデル、エンジニアの新たな関係~
ドメイン駆動設計 ~ユーザー、モデル、エンジニアの新たな関係~
啓 杉本
PPL 2022 招待講演: 静的型つき函数型組版処理システムSATySFiの紹介
PPL 2022 招待講演: 静的型つき函数型組版処理システムSATySFiの紹介
T. Suwa
Rの高速化
Rの高速化
弘毅 露崎
An Internal of LINQ to Objects
An Internal of LINQ to Objects
Yoshifumi Kawai
馬に蹴られるモデリング
馬に蹴られるモデリング
Shushi Namba
アジャイルな地図づくり User Story Mapping for Agile Team
アジャイルな地図づくり User Story Mapping for Agile Team
Takeshi Kakeda
タクシーxAIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについて [SRE NEXT 2020]
タクシーxAIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについて [SRE NEXT 2020]
DeNA
Road to ggplot2再入門
Road to ggplot2再入門
nocchi_airport
llvm入門
llvm入門
MITSUNARI Shigeo
10年目の『エブリスタ』を支える技術
10年目の『エブリスタ』を支える技術
DeNA
Webアプリケーションは難しい
Webアプリケーションは難しい
Takafumi ONAKA
Rを用いたLTV(Life Time Value)の推定
Rを用いたLTV(Life Time Value)の推定
宏喜 佐野
テキストマイニング講義資料
テキストマイニング講義資料
Kosuke Sato
投資戦略の最適化の不安定性による金融市場の不安定性 -人工市場を用いた分析-
投資戦略の最適化の不安定性による金融市場の不安定性 -人工市場を用いた分析-
Takanobu Mizuta
分割時系列解析(ITS)の入門
分割時系列解析(ITS)の入門
Koichiro Gibo
ggplot2によるグラフ化@HijiyamaR#2
ggplot2によるグラフ化@HijiyamaR#2
nocchi_airport
SparkやBigQueryなどを用いたモバイルゲーム分析環境
SparkやBigQueryなどを用いたモバイルゲーム分析環境
yuichi_komatsu
Confidence Weightedで ランク学習を実装してみた
Confidence Weightedで ランク学習を実装してみた
tkng
SEMを用いた縦断データの解析 潜在曲線モデル
SEMを用いた縦断データの解析 潜在曲線モデル
Masaru Tokuoka
RでMplusがもっと便利にーmplusAutomationパッケージー #Hiroshimar05
RでMplusがもっと便利にーmplusAutomationパッケージー #Hiroshimar05
Masaru Tokuoka
More Related Content
What's hot
forestFloorパッケージを使ったrandomForestの感度分析
forestFloorパッケージを使ったrandomForestの感度分析
Satoshi Kato
Rで学ぶ離散選択モデル
Rで学ぶ離散選択モデル
宏喜 佐野
ドメイン駆動設計 ~ユーザー、モデル、エンジニアの新たな関係~
ドメイン駆動設計 ~ユーザー、モデル、エンジニアの新たな関係~
啓 杉本
PPL 2022 招待講演: 静的型つき函数型組版処理システムSATySFiの紹介
PPL 2022 招待講演: 静的型つき函数型組版処理システムSATySFiの紹介
T. Suwa
Rの高速化
Rの高速化
弘毅 露崎
An Internal of LINQ to Objects
An Internal of LINQ to Objects
Yoshifumi Kawai
馬に蹴られるモデリング
馬に蹴られるモデリング
Shushi Namba
アジャイルな地図づくり User Story Mapping for Agile Team
アジャイルな地図づくり User Story Mapping for Agile Team
Takeshi Kakeda
タクシーxAIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについて [SRE NEXT 2020]
タクシーxAIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについて [SRE NEXT 2020]
DeNA
Road to ggplot2再入門
Road to ggplot2再入門
nocchi_airport
llvm入門
llvm入門
MITSUNARI Shigeo
10年目の『エブリスタ』を支える技術
10年目の『エブリスタ』を支える技術
DeNA
Webアプリケーションは難しい
Webアプリケーションは難しい
Takafumi ONAKA
Rを用いたLTV(Life Time Value)の推定
Rを用いたLTV(Life Time Value)の推定
宏喜 佐野
テキストマイニング講義資料
テキストマイニング講義資料
Kosuke Sato
投資戦略の最適化の不安定性による金融市場の不安定性 -人工市場を用いた分析-
投資戦略の最適化の不安定性による金融市場の不安定性 -人工市場を用いた分析-
Takanobu Mizuta
分割時系列解析(ITS)の入門
分割時系列解析(ITS)の入門
Koichiro Gibo
ggplot2によるグラフ化@HijiyamaR#2
ggplot2によるグラフ化@HijiyamaR#2
nocchi_airport
SparkやBigQueryなどを用いたモバイルゲーム分析環境
SparkやBigQueryなどを用いたモバイルゲーム分析環境
yuichi_komatsu
Confidence Weightedで ランク学習を実装してみた
Confidence Weightedで ランク学習を実装してみた
tkng
What's hot
(20)
forestFloorパッケージを使ったrandomForestの感度分析
forestFloorパッケージを使ったrandomForestの感度分析
Rで学ぶ離散選択モデル
Rで学ぶ離散選択モデル
ドメイン駆動設計 ~ユーザー、モデル、エンジニアの新たな関係~
ドメイン駆動設計 ~ユーザー、モデル、エンジニアの新たな関係~
PPL 2022 招待講演: 静的型つき函数型組版処理システムSATySFiの紹介
PPL 2022 招待講演: 静的型つき函数型組版処理システムSATySFiの紹介
Rの高速化
Rの高速化
An Internal of LINQ to Objects
An Internal of LINQ to Objects
馬に蹴られるモデリング
馬に蹴られるモデリング
アジャイルな地図づくり User Story Mapping for Agile Team
アジャイルな地図づくり User Story Mapping for Agile Team
タクシーxAIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについて [SRE NEXT 2020]
タクシーxAIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについて [SRE NEXT 2020]
Road to ggplot2再入門
Road to ggplot2再入門
llvm入門
llvm入門
10年目の『エブリスタ』を支える技術
10年目の『エブリスタ』を支える技術
Webアプリケーションは難しい
Webアプリケーションは難しい
Rを用いたLTV(Life Time Value)の推定
Rを用いたLTV(Life Time Value)の推定
テキストマイニング講義資料
テキストマイニング講義資料
投資戦略の最適化の不安定性による金融市場の不安定性 -人工市場を用いた分析-
投資戦略の最適化の不安定性による金融市場の不安定性 -人工市場を用いた分析-
分割時系列解析(ITS)の入門
分割時系列解析(ITS)の入門
ggplot2によるグラフ化@HijiyamaR#2
ggplot2によるグラフ化@HijiyamaR#2
SparkやBigQueryなどを用いたモバイルゲーム分析環境
SparkやBigQueryなどを用いたモバイルゲーム分析環境
Confidence Weightedで ランク学習を実装してみた
Confidence Weightedで ランク学習を実装してみた
More from Masaru Tokuoka
SEMを用いた縦断データの解析 潜在曲線モデル
SEMを用いた縦断データの解析 潜在曲線モデル
Masaru Tokuoka
RでMplusがもっと便利にーmplusAutomationパッケージー #Hiroshimar05
RでMplusがもっと便利にーmplusAutomationパッケージー #Hiroshimar05
Masaru Tokuoka
ポワソン分布の分布感をつかむ
ポワソン分布の分布感をつかむ
Masaru Tokuoka
inferences with gaussians: 記法によるrstanの推定結果の違い
inferences with gaussians: 記法によるrstanの推定結果の違い
Masaru Tokuoka
rstanで情報仮説によるモデル評価してみる@Hjiyama.R
rstanで情報仮説によるモデル評価してみる@Hjiyama.R
Masaru Tokuoka
混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする
Masaru Tokuoka
データ入力が終わってから分析前にすること
データ入力が終わってから分析前にすること
Masaru Tokuoka
MCMCで研究報告
MCMCで研究報告
Masaru Tokuoka
ベイズ主義による研究の報告方法
ベイズ主義による研究の報告方法
Masaru Tokuoka
第4回DARM勉強会 (多母集団同時分析)
第4回DARM勉強会 (多母集団同時分析)
Masaru Tokuoka
第1回DARM勉強会のANOVA補足(repeated measures designs)
第1回DARM勉強会のANOVA補足(repeated measures designs)
Masaru Tokuoka
DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)
Masaru Tokuoka
第2回DARM勉強会
第2回DARM勉強会
Masaru Tokuoka
第2回DARM勉強会.preacherによるmoderatorの検討
第2回DARM勉強会.preacherによるmoderatorの検討
Masaru Tokuoka
More from Masaru Tokuoka
(14)
SEMを用いた縦断データの解析 潜在曲線モデル
SEMを用いた縦断データの解析 潜在曲線モデル
RでMplusがもっと便利にーmplusAutomationパッケージー #Hiroshimar05
RでMplusがもっと便利にーmplusAutomationパッケージー #Hiroshimar05
ポワソン分布の分布感をつかむ
ポワソン分布の分布感をつかむ
inferences with gaussians: 記法によるrstanの推定結果の違い
inferences with gaussians: 記法によるrstanの推定結果の違い
rstanで情報仮説によるモデル評価してみる@Hjiyama.R
rstanで情報仮説によるモデル評価してみる@Hjiyama.R
混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする
データ入力が終わってから分析前にすること
データ入力が終わってから分析前にすること
MCMCで研究報告
MCMCで研究報告
ベイズ主義による研究の報告方法
ベイズ主義による研究の報告方法
第4回DARM勉強会 (多母集団同時分析)
第4回DARM勉強会 (多母集団同時分析)
第1回DARM勉強会のANOVA補足(repeated measures designs)
第1回DARM勉強会のANOVA補足(repeated measures designs)
DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)
第2回DARM勉強会
第2回DARM勉強会
第2回DARM勉強会.preacherによるmoderatorの検討
第2回DARM勉強会.preacherによるmoderatorの検討
170826 tokyo r_lt
1.
R markdownで図表番号の自動付与と参照 @t_macya 第64回R勉強会@東京(#TokyoR) 2017年8月26日 1 /
26
2.
1 はじめに 2 R
markdown is 何 3 表番号の自動付与と参照 4 図番号の自動付与と参照 5 まとめ 2 / 26
3.
はじめに 3 / 26
4.
自己紹介 Twitter: @t_macya 所属:高松大学 専門:教育心理学 web: http://mtokuoka.net 数式を多用しないがなんとなくbeamerやtexが好きなにわかてふにしゃん 統計とかプログラミングにちょっとだけ知識のある一般人 勝手に近況報告 つい最近やっとR
markdownからbeamerが作れるようになりました ベイズ統計モデリング: R, JAGS, Stanによるチュートリアル (犬4匹本)の中の1 章を訳しました。 本の厚さと大きさがネタになりますよ! 4 / 26
5.
著書 5 / 26
6.
モチベーション ぎょーむにてちょっとしたデータ解析をすることがまれにある 全てのきょーむが楽しいとは限らない 書類作成をRでやればちょっとは楽しめるかもしれない Rmdからhtmlもいいけど,印刷することを考えるとpdfがいいなー tex環境があればR markdownからpdf作成ができるらしい 論文もRmdから書けると分析から執筆が進むかも PDF出力だとなんとなく図表の相互参照したい 6 /
26
7.
R markdown is
何 7 / 26
8.
R markdown is
何?1 Rの解析結果や文をhtmlやPDFなど様々なフォーマットで出力してくれる 詳しくはドキュメント・プレゼンテーション生成やKazutan.Rを参照 8 / 26
9.
R markdown is
何?2 コード部分にはRコード以外にもStanやpythonのコードもいける 9 / 26
10.
R markdown is
何?3 こんな感じに出力してくれる。 10 / 26
11.
表番号の自動付与と参照 11 / 26
12.
紹介する関数とパッケージおよび相互参照の仕方 本LTでは,PDF,特にbeamerで利用可能なものを紹介します。 html形式ならDT packageやformattable packageなどがよさそう 関数の引数でラベル名を指定するタイプ pandoc.table関数
(pander package): ref{ラベル名} xtable関数 (xtable package): ref{ラベル名} チャンク名を指定するタイプ kable関数 (knitr package): ref(tab:チャンク名) bookdown package: @ref(tab:チャンク名) bookdownでbeamerを作れるのか確認していないため今回はなし 12 / 26
13.
準備 サンプルデータにはmtcarデータを使用 ぎょーむの報告書では日本語の方が喜ばれそうなので変数名を日本語にしておく 燃費(mile/gallon),排気量,重さの3変数を使用 dat <- mtcars
%>% dplyr::select (mpg, disp, wt) %>% dplyr::rename (燃費 = mpg, 排気量 = disp, 重さ = wt) %>% round (digits = 2) %>% head () 13 / 26
14.
これのきれいな形を目指す dat ## 燃費 排気量
重さ ## Mazda RX4 21.0 160 2.62 ## Mazda RX4 Wag 21.0 160 2.88 ## Datsun 710 22.8 108 2.32 ## Hornet 4 Drive 21.4 258 3.21 ## Hornet Sportabout 18.7 360 3.44 ## Valiant 18.1 225 3.46 14 / 26
15.
pandoc.table関数: コード captionの“ほげ label{
}”でラベルを付与しref{ }で参照可能 チャンク名の参照(ref{pandoc.talbe})はできなさそう(Table ??となる) # ```{r pandoc.table, eval = TRUE, results=”asis”} colnames(dat) <- iconv (colnames (dat), from = ”UTF-8”) # dplyrを使うと文字コードをUTF-8に変換しないとエラーを吐き出す。 # ありがとうございますr-wakarang, @yutannihilationさん pandoc.table(dat, ”ほげ label{pander}”) 15 / 26
16.
pandoc.table関数: 出力 pandoc.table(dat, ”ほげ
label{pander}”) Table 1: ほげ 燃費 排気量 重さ Mazda RX4 21 160 2.62 Mazda RX4 Wag 21 160 2.88 Datsun 710 22.8 108 2.32 Hornet 4 Drive 21.4 258 3.21 Hornet Sportabout 18.7 360 3.44 Valiant 18.1 225 3.46 Table ref{pander}とすると,Table 1となって相互参照できた! 16 / 26
17.
xtable関数: コード xtable関数の引数でラベル名を付与し(label =
” “),ref{ }で参照可能 チャンク名を参照しようとしても(ref{tab:xtable}),Table ??となってしま い参照できさなそう。 # ```{r xtable, results = 'asis'} print (xtable (dat, caption = ”ほげほげ”, label = ”x”), type = ”latex”, comment = FALSE, caption.placement = ”top”) 17 / 26
18.
xtable関数: 出力 # ```{r
xtable, results = 'asis'} print (xtable (dat, caption = ”ほげほげ”, label = ”x”), type = ”latex”, comment = FALSE, caption.placement = ”top”) Table 2: ほげほげ 燃費 排気量 重さ Mazda RX4 21.00 160.00 2.62 Mazda RX4 Wag 21.00 160.00 2.88 Datsun 710 22.80 108.00 2.32 Hornet 4 Drive 21.40 258.00 3.21 Hornet Sportabout 18.70 360.00 3.44 Valiant 18.10 225.00 3.46 Table ref{x}とすると,Table 2となって相互参照できた! 18 / 26
19.
kable関数: コードと出力 ref{tab: }内にチャンク名を指定すれば参照可能 #
```{r kable, results = 'asis'} knitr::kable(dat, format = ”latex”, caption = ”ほげほげほげ”, booktabs = TRU Table 3: ほげほげほげ 燃費 排気量 重さ Mazda RX4 21.0 160 2.62 Mazda RX4 Wag 21.0 160 2.88 Datsun 710 22.8 108 2.32 Hornet 4 Drive 21.4 258 3.21 Hornet Sportabout 18.7 360 3.44 Valiant 18.1 225 3.46 Table ref{tab:kable}とすると,Table 3となって相互参照できた! 19 / 26
20.
なんでパッケージによってcaptionと表の位置が違うのか pandoc.table () 3つの中では最もコードが複雑な構造になっている {longtable}の中で{minitable}を使いコードが長い xtable () {table}の中で{tabular}で表を作成 hlineで罫線 arrayrulewidthが0.4ptがデフォルトらしい kable
() {table}から始まり,begin{tabular}で表を作成 toprule, midrule, bottomruleで罫線を引く デフォルトではtopとbottomはheavyrulewidthを0.08em さらにbooktab = TRUEとしているため,いろいろと制御されているっぽい 20 / 26
21.
図番号の自動付与と参照 21 / 26
22.
図番号の自動付与と参照: コード チャンクオプションのfig.capで加える図のラベルを付与できる。 ラベルの付与にはバックスラッシュを2つ入れる必要があるので注意。 Figure 1(ref{fig01})はmtcarデータの中の燃費と重さの関係を可視化したも の。 #
```{r fig, dev='png', fig.cap = ”ふが. label{fig01}”} g <- ggplot (dat, aes (x = 重さ, y = 排気量)) g + geom_point() 22 / 26
23.
図番号の自動付与と参照: 出力 Figure 1:
ふが. 23 / 26
24.
まとめ 24 / 26
25.
まとめ 表はrefで引数にするものがラベル名やチャンク名で異なるので注意 パッケージによってもキャプションの位置が微妙に変わる 図はチャンクオプションのfig.capでラベル指定 yamlでkeep_tex: trueにしてtexファイルを参照するとよいかも 25 /
26
26.
参考webサイトなど rmarkdownパッケージで楽々ドキュメント生成 R markdown from
R studio Miler S. V. (2015). Moving from Beamer to R Markdown topruleとhlineの違い r-wakarang @yutannihilationさん, @hoxo_wさん, @keikuさん, @kazutanさんありがとうござ います。 26 / 26
Download now