Download to read offline
![[データマイニング+WEB勉強会][R勉強会] はじめてでもわかる 統計解析・データマイニング R言語入門](https://cdn.slidesharecdn.com/ss_thumbnails/rlecturehamada100213-100216161757-phpapp01-thumbnail.jpg?width=640&height=640&fit=bounds)
TokyoR101_BeginnersSession2.pdf
- 1. 初心者セッション2 - Data Handling- Tokyo.R #101 @kotatyamtema 1
- 2. 自己紹介 TwitterID : @kotatyamtema 大学での専門:行動生態学 立案 捕獲 実験 分析までワンオペ 今まで : 客先ぼっち分析屋→アパレル通販会社 現在 : 医療検査会社 R歴 : 10年過ぎたかも？永遠の初心者 近況 : 仕事のモチベーションが迷子中 求む：やる気スイッチ
- 3.
- 4. 1. Rでのデータの扱いの基本 - プログラミング基礎用語 -データ型とデータ構造 2. データ分析の手順 3. tidydataとは 4. tidyverseを使ったモダンなデータハンドリング - データ概要の確認 - パイプ処理 - dplyr / tidyrの使い方 MENU
- 5. プログラム基礎用語 用語 意味 オブジェクト 値や文字、関数など、Rで扱うものの総称 変数値や文字、関数など名前を付けたオブジェクト 代入 変数に値や文字、関数などを紐づけること（<-） 関数 何らかの処理を条件に合わせて実行するように定義したもの 引数 関数の部分条件を指定するパラメータ
- 6.
- 7. データ型とデータ構造 型名 性質 変換/確認 vector型同じ種類のデータ型を1次元で集めたもの as.vector is.vector matrix型 同じ種類のデータ型を2次元で集めたもの as.matrix is.matrix dataframe型 異なるデータ型を2次元に集めたもの、 Rの主戦場 の as.data.frame is.data.frame list型 異なるデータ構造のオブジェクトを集めたもの(json) 分析結果の出力がこの構造であることが多い as.list is.list データ構造とは データの集まりの持つ性質 - Rは大きく4つの構造がある • 保持できるデータの種類が異なる • データ構造ごとにできる処理が異なる • データ構造ごとに処理スピードが異なる
- 8. データ分析の手順 データ分析で具体的に必要な作業 ・データ概要の確認 ・tidydata 非tidydataの変換 ・データの追加や集計などのデータ加工 データハンドリング Hadley Wickham& Garrett Grolemund, the website for R for Data Science https://r4ds.had.co.nz/wrangle-intro.html
- 9. tidydataとは tidydata(整然データ)とは、次の4つの条件を満たした 表型データ 1. 個々の変数が1つの列をなす 2. 個々の観測が1つの行をなす 3.個々の観測の構成単位の類型が1つの表をなす 4. 個々の値が1つのセルをなす
- 10.
- 11.
- 12.
- 13. tidyverseを使ったモダンなデータハンドリング パイプ(%>%)を使ったデータハンドリング パイプ処理 従来の処理 X %>%f() f() X %>% f(y) f(X, y) X %>% f() %>% g() f(g(X)) X %>% f(y, .) f(y,. X)
- 14. tidyverseを使ったモダンなデータハンドリング パイプ(%>%)を使うと複数の処理を可読性を担保したまま まとめて書くことが可能 0. penguins %>% 1.filter(species == Adelie ) %>% 2. group_by(island, sex) %>% 3. summarise(n = n(), 4. mean_mass = mean(body_mass_g, na.rm = TRUE) 0. データpenguinsから 1. Adelieペンギンだけ抽出し 2. islandとsexの組み合わせで 3. 頭数を数えることと 4. 体重の平均を求めることを 実行する
- 15. dplyrの基本関数 関数 動作 select 列の選択 filter条件による行の抽出 mutate 列の追加 group_by 条件による行のグループ化 summarise 行の集約 join dataframe同士の結合 arrange 行の並べ替え
- 16. データの結合 関数 動作 left_join(x, y,by = z ) xを基準に結合 right_join(x, y, by = z ) yを基準に結合 inner_join(x, y, by = z ) x,y両方に存在する行のみ結合 full_join(x, y, by = z ) x,y両方の行を結合 anti_join(x, y, by = z ) yと紐づかないxを返す ＊複数列をkeyにjoinする場合 by = c( z , zz ) ＊keyにする列名が異なる場合 by = c( z = zz )
- 17. tidyrの基本関数 関数 動作 pivot_longer dataframeを縦長に変形する • cols: 動かしたい列 • names_to : もともと列名だったものを入れる列名 • values_to : 動かした値を入れる列名 pivot_wider dataframeを横広に変形する • id_cols : 指定した列のユニークな組み合わせがそれぞれ1行になる • names_from : 新しく列名になる列 • values_from : 動かしたい列 unit 列同士を結合する separate 列を分ける drop_na NAがある行を削除する replace_na NAを指定した値に置換する fill NAを、NAの上下どちらかの値に置換する
- 18. across関数と条件処理 関数 動作 starts_with 指定した文字列から始まる列だけ選択 ends_with指定した文字列で終わる列だけ選択 contains 指定した文字列が含まれる列だけ選択 matches 指定した正規表現と一致する列だけ選択 one_of 指定した文字ベクトルと一致する列だけ選択 num_range 指定した番号の列だけ選択 where 型判別で指定した方の列だけ選択 across関数：複数列を指定して任意の処理を実施する関数 - dplyr / tidyrの関数に統一して適用できる X %>% mutate(across( .cols, .fns ))) .cols : 列名の指定 .fns : 適用する処理
- 19. Example 0. summary_penguinsに データpenguinsから 1.sexが欠測の行を削除し 2. speciesとislandとsexの組み合わせで 3. 数値カラムだけを抽出し、 4. 平均と標準偏差を求める 0. summary_penguins <- penguins %>% 1. filter(!is.na(sex)) %>% 2. group_by(species, island, sex) %>% 3. summarise(across(where(is.numeric), 4. mean(., na.rm = TRUE), sd(., na.rm = TRUE)))
- 20.
- 21. 文字列処理など他にも使えるデータハンドリングの 手法はいろいろあります。 やりたいことのイメージを作って、上手に試行錯誤 しながら快適なR生活を過ごしてください。 Rの使い方に困ったら… 1. help()を使う 2. CRANの公式pdfを読む 3.r-wakalangに質問する 4. google先生のお世話になる 最後に
- 22.