More Related Content
More from Takuya Kubo
More from Takuya Kubo (6)
R言語勉強会#7.pdf
- 2. 今後の予定 回 日程 内容 パッケージ 第１回 10/16 イントロ - 第２回 10/30 ベクトル - 第３回 11/13 データフレームの操作① base 第４回 11/27 データフレームの操作② dplyr 第５回 12/11 データフレームの操作③ dplyr 第６回 12/25 文字列処理① stringr 第７回 01/08 文字列処理② stringr 休み 01/22 RA協議会法人化の説明会のため 第８回 02/05 データフレームの操作④ dplyr, tidyr 第９回 02/19 グラフ化① ggplot2 第10回 03/05 グラフ化② ggplot2
- 4. 事前の準備をお願いします ❖ KAKENより採択課題情報ダウンロード − 期間：2018年∼2020年 − 種目：基盤研究（A） − 形式：CSVファイル https://kaken.nii.ac.jp
- 5. パッケージ ❖ パッケージのインストール ❖ パッケージの呼び出し library( dplyr ) # パイプ演算子使うため library( readr ) # データの読み書き library( stringr ) # 文字列処理 install.packages( stringr )
- 6. 作業ディレクトリの設定 ❖ 作業ディレクトリの設定をお願いします − 右下のパネルのFilesもしくは「…」でフォルダを選択 − インポートしたいファイルがあることを確認 − 「More」⇨「Set As Working Directory」
- 7. 作業ディレクトリの設定 ❖ 作業ディレクトリ/ファイルの確認 # 作業ディレクトリの確認 getwd( ) # 作業ディレクトリ内のファイルの確認 list.files( )
- 8. データのインポート（以下のどちらか） ❖ read_csv( )関数 ❖ read.csv( )関数 # csvファイルの読み込み d0 <- read_csv( kibanA.csv ) # d0の中身を確認 d0 # csvファイルの読み込み d0 <- read.csv( kibanA.csv ) # d0の中身を確認 d0
- 9. 前準備 ❖ 必要な列をベクトルとして取り出す # 審査区分ベクトル area <- d0 %>% slice( 1 : 50 ) %>% pull( 審査区分 ) # 研究代表者ベクトル pi <- d0 %>% slice( 1 : 50 ) %>% pull( 研究代表者 )
- 10. 正規表現とは 中区分 1 ：思想、芸術およびその関連分野 中区分 2 ：文学、言語学およびその関連分野 中区分 3 ：歴史学、考古学、博物館学およびその関連分野 … … … … … … 中区分 63 ：環境解析評価およびその関連分野 中区分 64 ：環境保全対策およびその関連分野 ❖文字列のパターンに関する記法 「数字が１回以上続く文字列」と捉える このパターンをRの正規表現では 数字 1回以上
- 12. 今日の内容 ❖ 先頭、末尾 ❖ 複数選択肢 ❖ 任意の値 ❖ 繰り返し ❖ グループ化 ❖ 前後の参照
- 13. ❖ 先頭とマッチ ❖ 末尾とマッチ 先頭、末尾 正規 表現 意味 ^ 文字列の先頭 $ 文字列の末尾 ※この場合は「 ^ 」があってもなくても同じ
- 14. 複数の選択肢とマッチ ❖ 「 ¦ 」によるOR条件 − areaから「医工」か「環境」か「情報」を抽出 − 括弧との併用で前接/後接する語の指定も可能
- 15. 任意の値とマッチ Rでの 表記 正規 表現 意味 マッチ . . 数字や記号を含む、全ての文字（改 行を除く） abc ABC 123 .!?¥(){} 数字を含む全ての文字 abc ABC 123 .!?¥(){} 全ての数字 abc ABC 123 .!?¥(){}
- 17. 繰り返し① 正規 表現 意味 例 {n} 直前の値がn回続く = 数字5回 {n,} 直前の値がn回続く = 数字5回以上 {n,m} 直前の値がn回以上, m回 = 数字5回以上 8回未満
- 19. 繰り返し② 正規 表現 意味 例 ? 直前の値が０回か１回続く = 数字0回か1回 + 直前の値が１回以上続く = 数字1回以上 * 直前の値が０回以上続く = 数字0回以上
- 20. 中区分90:人間医工学およびその関連分野 ① ② ③ 繰り返し② ① ② ③ ? : 0回、1回 + : 1回以上 * : 0回以上
- 21. 中区分90:人間医工学およびその関連分野 ① ② ③ 繰り返し② ② 💡左端からマッチする文字列の探索が行われるため、 「?」と「*」では数字0回とマッチ ? : 0回、1回 + : 1回以上 * : 0回以上
- 23. 繰り返し③ ❖ 最長マッチ、最短マッチ 久保 琢也 信州大学, 文学部, 助教(12345678) 💡「+」「*」はマッチする最長の文字列の探索を行う （最長マッチ、greedy match） .+, 何でも( . )、１回以上( + )、コンマ( , )まで
- 24. 繰り返し③ ❖ 最長マッチ、最短マッチ 久保 琢也 信州大学, 文学部, 助教(12345678) 💡「+?」「*?」はマッチする最短の文字列の探索を行う （最短マッチ、non-greedy match） .+?,
- 25. グループ化 ❖ 文字列を分割して特定の部分を抽出する 久保 琢也 信州大学, 文学部, 助教(12345678) .+, .+, .+ 💡括弧内の値は順番に や で参照可能
- 26. グループ化 ❖ 文字列を分割して特定の部分を抽出する 久保 琢也 信州大学, 文学部, 助教(12345678) − 2つ目の部分を抽出する（※全体を2つ目で上書き） − 3つ目の部分を抽出する（※全体を3つ目で上書き） .+, .+, .+ ※ str_replace( 対象, 置換前の値, 置換後の値 )
- 27. 前後の参照 正規 表現 意味 (?<=a)b aが前に来るbとマッチ (?<!a)b aが前に来ないbとマッチ b(?=a) aが後ろにくるbとマッチ b(?!a) aが後ろに来ないbとマッチ
- 28. 前後の参照 ❖ piから「教授」を抽出する − 以下のコードでは、「教授」だけでなく、「准教授」か らも「教授」を抽出してしまう − 以下のコードで教授の前の１文字も含めて確認してみる − 教授職だけを抽出するためには「准」が前に来ない「教 授」を抽出すれば良い。