Download as PDF, PPTX
![一部のサブジェクトだけ取り出す
• 条件文を使う方法
– []に条件文を書いて，フィルターにする
==は等号を意味する](https://image.slidesharecdn.com/sapporor6beginnerssession-160709063350/75/SapporoR-6-63-2048.jpg)
More Related Content
![[DL輪読会]Deep Learning 第15章 表現学習](https://cdn.slidesharecdn.com/ss_thumbnails/deeplearning15-180601023904-thumbnail.jpg?width=640&height=640&fit=bounds)
![[DL輪読会]Wasserstein GAN/Towards Principled Methods for Training Generative Adv...](https://cdn.slidesharecdn.com/ss_thumbnails/wgan-1-170224021826-thumbnail.jpg?width=640&height=640&fit=bounds)
SapporoR#6 初心者セッションスライド
- 1.
- 2. 自己紹介 • 清水裕士 – 所属：関西学院大学 •※「かんせいがくいん」 と読む – お仕事：社会心理学 – 趣味：Stan・統計ソフトウェア開発 • Web – Twitter:@simizu706 – ブログ：http://norimune.net HiroshimaR#3
- 3.
- 4.
- 5. 「本当の」初心者セッション • Rを初めて使う人のため – Rにはたくさんの可能性があるが・・・ •最初から可能性はあえて狭めて解説 • パッケージは使わずに説明 – Rstudioを使う前提で説明 • Rを「統計ソフト」として使いたい人のため – 即戦力としてのR • 統計ソフトとしての機能以外はあえて説明しない – それ以外の活用方法についてはLTをお楽しみに
- 6. Rとは • いろんなことができるソフト – 統計解析（一番得意） •データの可視化（得意） • データの分析（得意） • データのハンドリング（だいぶ便利になった） – プログラム開発環境（それほど得意ではない） – 文書作成（機能が増えつつある） • 今日は統計解析の機能のみに注目 – だって，統計解析したいんでしょ？
- 7. なぜRなのか • Rでできない統計分析はないから – 今や，多くの分野でRユーザーが増えている –パッケージ（機能拡張）も８０００を超える – 査読で求められる分析がRでしかできないということも稀にある • Rがマジョリティになってきたから – S○SSやS○Sは下火 – 共同研究者がRを使ってるなんてこともよくあること • 無償だから – 研究環境が変わっても，分析環境は同じ状態を維持できる – といっても，上の理由から仮に有償でも使うべき
- 8. Rの特徴 • S○SSなどのソフトとの違い – ポチポチとマウスでボタンを押すタイプではなく， –命令を文章で書くタイプ • STA○AやS○Sなどのソフトとの違い – プロシージャで分析法が分かれてるのではなく， – すべて関数で計算する
- 9. Rの特徴 • 短所 – スペルミスすると動かない •小文字と大文字の区別もある – 日本語に対応してくれない場合がある • 長所 – 一度書いたコードは使いまわせる • ポチポチと押し続けなくていい – 分析の手順が記録される • 昔にやった分析を簡単に再現できる
- 10. Rstudio • Rを便利に使えるようにするインターフェース – Rはそのままだと若干使いづらい –それを便利に使えるようにしてくれるソフト • 無償，自由 – Rと同様，無償で使える
- 11. Rstudio • 必須ではないが必須だと思ってもらっていい – 素のRをあえて使うのは「ただ面倒なだけ」 –便利なのですぐ使おう • この会に参加しているみなさんはすでにイン ストール済みのはずだが・・・ – まだの人は「Rstudio」で検索してインストールして ください – Rstudio前提で話をしていきます
- 12. Rstudioの便利機能 • 一部GUI搭載 – データの読み込みなどはGUIで可能 –パッケージのインストールも簡単 • コード補完機能 – コードを予測したり，引数リストを出してくれたり • 超便利 • 関数や変数の管理も簡単 – 新しく作った変数やデータセットをリストにしてくれる
- 13.
- 14.
- 15. まずはプロジェクトを作る • プロジェクトとは – Rで分析するときの環境の単位 –SPSSでいうと，savファイルみたいなもの • 研究（データ）ごとにプロジェクトを分ける – 一つのプロジェクトにいろんなデータや分析コード をいれておくと，管理がしづらい – 最初は，「R練習用」プロジェクトとかを作っておい てもいいかも
- 16.
- 17.
- 18.
- 19.
- 20. ディレクトリ • フォルダのこと – フォルダにプロジェクト用のファイルを保存 •パス – フォルダの住所のこと – WindowsならC:¥Users¥・・・ みたいなやつ • パスに日本語が入らないフォルダを作る – Rさんは外国製なので日本語よくわからない – Windowsユーザーで，ユーザー名が日本語の場合 は，Cドライブ直下においておけば大丈夫
- 21.
- 22.
- 23. スクリプトファイルを保存 • File→Save As… –名前をつけて保存 • 拡張子は.R
- 24. これで準備OK！ • 家でRを分析するときは・・・ – このプロセスをもう一度やってください –プロジェクト作るの忘れると，あとで絶対に混乱す るので，必ず自分でもう一度やること！ • 別のPCでも環境を作るときもプロジェクト作成 – あまりやらないから忘れがち – まずは環境づくりから
- 25.
- 26. Rを使ってみる • 計算をしてみよう – エディタに計算式を書く •マウスカーソルを5+8のすぐ右においておくこと – 右の「Run」ボタンを押す
- 27.
- 28.
- 29. Rstudioの基本的な使いかた • エディタにコードを書く – 書き方はいまから勉強します –Tabキーを打つと，コードの補完機能を使える • コードを「Run」で実行する – Ctrl+EnterでもOK • 複数行を一度に走らせたい場合は走らせたい行をドラッグ してCtrl+Enter – するとRにコードが送られて，Rが処理 – 結果をコンソールに出力
- 30. 変数を使う • 変数 – いろんな数字や文字列が入る箱 •変数に数字を代入してみる – 代入は”<-” を使う（不等号の”<“とマイナスの”-”） • 代入した変数の中身を呼び出す
- 31. 変数を使う • 変数も四則演算 • 変数の計算結果を別の変数に格納 •変数同士の計算ももちろん可能
- 32. 関数を使う • 平方根の関数sqrt()を使う • 変数にももちろん使える •足し算の関数sum()も使ってみる
- 33.
- 34. Rって電卓なの？ • いやいや，統計ソフトです – わかります，まだ統計ソフト感ないですよね •というわけで，データセットを使いたい – サンプルデータがRの中にあるので，それを使っ て統計分析をしていきましょう
- 35.
- 36. S○SSでは・・・ • 一つのファイルにデータセットは1つ – そのデータセットに変数を追加していくイメージ •Rでは・・・ – データセットも「大きな変数」と考える – このあたりのイメージが結構違うので注意
- 37. irisデータ • あやめのデータ – ３種類のあやめの花弁や萼片の長さ，幅につい てのデータ •irisで呼び出せる – Rに最初から入ってる – head(iris)と書いてみよう
- 38.
- 39. データセットを使うこなすには・・・ • Rの「変数」についての知識が必要 – 変数の型と構造 –今回は型は説明を省く • 変数の構造にもいくつか種類がある – 変数は1つの数字だけが入るわけではない • SPSSでは標本の大きさ分だけの数があつまって一つ の変数を形成する – Rにおける変数の構造の種類を説明
- 40. 変数の構造の種類 • ベクトル: vector –数値が複数並んだもの • 数値が一つだけでもベクトル扱い • 行列: matrix – ベクトルが多次元になったもの • 行と列で要素を指定する • リスト: list – 複数の変数が集まったもの これも変数だけど • データフレーム: data.frame – 複数のベクトルが集まったもの – Rにおけるデータセットとは，このデータフレームのこと
- 41. 変数の構造をチェック • is.vector()でベクトルかどうかがわかる – ベクトルらしい •is.matrix()で行列かどうかがわかる – 行列じゃないらしい
- 42. ベクトル • 一番よく使う – 普通の統計ソフトにおける「変数」がこれ •複数の参加者が回答した値の集合 • 複数の数値をまとめてベクトルにしたい場合 – c()を使う
- 43. 行列 • 行列演算をしたい場合に使うが・・・ – 単なる統計ソフトとして使うなら出番は少ない •複数の数値を行列にしたい場合 – matrix()を使う 最初にベクトルを入れて， そのあと行，列の数を指 定する
- 44. リスト • よく出てくる – 複数のベクトルや行列などをまとめたもの –主に，分析結果がリスト形式で出力される • 複数のベクトルや行列をリストにしたい場合 – list()を使う リスト”l”には， ベクトル”v”と行列”m” という構造が違う変数 が含まれている
- 45. データフレーム • データセットとして使う – 要素数が等しい複数のベクトルをまとめたもの –分析するデータはこの構造で扱う • 複数の変数をデータフレームにしたい場合 – data.frame()を使う ベクトルが縦に並ぶ
- 46.
- 47. irisはデータフレーム • 確認してみよう • データフレーム＝複数の変数（ベクトル） –変数を指定して取り出したい場合 – $マークを使う Rstudioなら$と打ったら自動的 に中の変数がリスト表示される
- 48.
- 49.
- 50.
- 51. 新しいデータフレームに移動 • 分析データセットは別に作る（オススメ） – ローデータと分析用データは分けておく –処理でミスっても，最初からやり直せる • datにirisを代入
- 52.
- 53. 要約統計量の計算 • 変数の平均値が知りたい – mean()を使う •変数の標準偏差が知りたい – sd()を使う
- 54. 注意！ • データに欠損値がある場合 – NAが返ってくる –「NA」はRの欠損値を意味する文字列 • 常に”na.rm=TRUE”を入れることをオススメ
- 55. 複数の変数の平均値を計算したい • apply()を使う – 絶対に覚えたいRの関数その2 –ベクトルを引数にして，一つの数値を返す関数を 複数のベクトルに適用する関数 • mean(),sd(),sum()など，ベクトルを入れて，一つの値が 返ってくる関数で使える データフレーム 関数名 2番めの引数は，行に適用したい場合 は1，列に適用したい場合は2を入力 する
- 56.
- 57. 図表を描きたい • ヒストグラム – hist()を使う •箱ひげ図 – boxplot()を使う
- 58. 図表を描きたい • 群分けして棒グラフ – tapply()とbarplot()を使う •各変数を棒グラフ – apply()とbarplot()を使う
- 59. 図表を描きたい • 散布図 – plot()を使う •散布図を群ごとに描く – plot() を使う
- 60.
- 61.
- 62.
- 63.
- 64.
- 65.
- 66. データセットの出力 • write.csv()を使う – row.names=FALSEは必須ではないが，今回はこう しておく •あとで読み込み直すときに問題が生じない データセットを保存するファイル名 拡張子は”.csv”じゃないと上手くいかない
- 67.
- 68.
- 69. csvファイルとは • comma-separated values –カンマ区切りのテキストデータ – 書式などの余分な情報がないので軽く，汎用的 に使えるファイル形式 • Rを使うときはcsvファイルを使いこなそう！ – データはcsvファイルで保存 – Rにcsvファイルを読みこませる
- 70. csvファイルの作成方法 • Windowsの場合（しか知らない） – Excelにデータを入れる •シートは1つだけ使う – 名前をつけて保存 • ファイルの種類を選択 – 「csv（カンマ区切り）(*.csv)」 を選択 – 下のウィンドウが出てきたらOK
- 71.
- 72.
- 73. データセットの読み込み • 欠損値をNAに変換するには・・・ – たとえば欠損値がピリオド”.”の場合 –こうすると，ピリオド”.”がNAに変換されてデータ セットを読み込むができる
- 74.
- 75.
- 76.
- 77.
- 78.
- 79.
- 80.
- 81.
- 82. 回帰分析 • lm()を使う – モデルは •目的変数～説明変数1＋説明変数2＋・・・ – チルダ”~”で結ぶ • 多くの線形モデルの関数で共通の書き方 • 分析結果をresultに格納 – resultはリスト型になっている モデルを指定 データフレーム
- 83.
- 84. summary() • 要約するための関数 – データフレームを引数にすると要約統計量 •分析関数の出力リストを引数にすると・・・ – 分析結果の要約が出力される – 多くの分析用関数の出力は，summary()で結果を 知ることができる
- 85.
- 86.
- 87.
- 88.
- 89.
- 90.
- 91.
- 92.
- 93. パッケージ • Rの機能拡張 – ユーザーが作った関数のセットのこと •世界中のいろんな人がパッケージを作ってる • 8000以上のパッケージが君を待っている！ • インターネットからダウンロードできる – install.packages()を使う
- 94.
- 95.
- 96.
- 97.
- 98. オススメのパッケージ • dplyr – データハンドリングを飛躍的に便利にする –フィルタ，並び替え，グループ別処理などなど • pforeach – とても簡単に繰り返し処理を並列化してくれる • rstan – MCMC(*´Д`)ﾊｧﾊｧ
- 99. 分析別パッケージ • 心理統計 – psychパッケージ •一般化線形混合モデル – lme4パッケージ • ベイズ推定 – rstan
- 100.
- 101. Webで調べよう • 最近はググラビリティも高くなってきた – 「Rグラフ 描き方」とかで検索する • R-Tipsも便利 – http://cse.naro.affrc.go.jp/takezawa/r-tips/r.html • Rに関するブログ記事も豊富 – ぞうさん通信（http://blog.kz-md.net） • R関連の記事をまとめてくれている
- 102.
- 103.
- 104.
- 105. Rではどんな分析ができるの？ • 全部 • 膨大な量のパッケージ •なによりrstanがある • なかったら自分で書けばいい
- 106. Rでコピペばっかだと意味ない？ • そんなことはない – 最初は誰でもコピペだった –英語の勉強も最初は音読・復唱するのと同じ • 自分の分析に合わせてちょっとずついじる – するとだんだんわかってくる
- 107. コードがあってるか不安 • 複数のソフトで確認しよう – SP○Sを捨てる必要はない •触りたくないなら無理にとは言わない – むしろ，同じ分析をいろんなソフトで実行してみて，同 じか，違ったら何が違ったのかを考える – 分析で思考停止してはいけない • 全部Rでやる，というのもよくない – Rが使えるようになればいいだけであって，なんでも かんでもRでやる必要はない
- 108. 最後に • Rを勧めるのは無償だからではない – Rを使えないとこれから仕事できないから –WordやExcelと同じようにRを覚える必要がある • 分析がさき，ツールはあと – S○SSじゃその分析できないから・・はただの怠慢 – 最適な分析があるなら，やればいい – Rはあらゆる分析手法に開かれている
- 109.