1/16に行った学部ゼミ生へのサブゼミ資料です。

1. パイ プ入門
Introdunction to pipe
NAKAJIMA Yukihiro
2018/1/16
Y.NAKAJIMA パイ プ入門 2018/1/16 1 / 17

2. 1 はじ めに
2 %>%
3 %<>%
4 %$%
Y.NAKAJIMA パイ プ入門 2018/1/16 2 / 17

3. はじ めに
Y.NAKAJIMA パイ プ入門 2018/1/16 3 / 17

4. データ の前処理などをする と き にいく つも 変数があっ て面倒く さ い
メ モリ も どんどん消費し てし ま う
ネスト さ れたコード は読みづら い
それら を解決する 手段と し てパイ プ ( %>% etc.) があり ま す。
Y.NAKAJIMA パイ プ入門 2018/1/16 4 / 17

5. パイ プと は
パイ プ演算子 ( %>% ) を使う こ と で、 パイ プ演算子ま での処理をパ
イ プ演算子の後の関数の第一引数に入れる こ と ができ る
magrittr パッ ケージの中の関数の 1 つ
dplyr を読み込むと 一緒に読み込んでく れる
ctrl(cmd) + Shift(opt) + M で書く こ と ができ ま す。
詳し く は magrittr の vignettes などを見てく ださ い。
Y.NAKAJIMA パイ プ入門 2018/1/16 5 / 17

6. %>%
Y.NAKAJIMA パイ プ入門 2018/1/16 6 / 17

7. と り あえずやっ てみま し ょ う
library(magrittr)
library(dplyr)
iris %>%
select(1:3) %>%
filter(Sepal.Length <= 5)
Sepal.Length Sepal.Width Petal.Length
1 4.90 3.00 1.40
2 4.70 3.20 1.30
3 4.60 3.10 1.50
4 5.00 3.60 1.40
5 4.60 3.40 1.40
6 5.00 3.40 1.50
Y.NAKAJIMA パイ プ入門 2018/1/16 7 / 17

8. 第一引数以外で利用し たい場合は. を利用し ま す。
次のスライ ド の lm() の場合、 formula の. と data の. は意味が違う こ と に
注意し ま し ょ う 。
前者は説明変数をすべて投入し 、 後者はパイ プの前ま での処理を引き 渡
し ま す。
Y.NAKAJIMA パイ プ入門 2018/1/16 8 / 17

9. iris %>%
lm(Sepal.Length ~ ., data = .) %>%
summary()
Call:
lm(formula = Sepal.Length ~ ., data = .)
Residuals:
Min 1Q Median 3Q Max
-0.79424 -0.21874 0.00899 0.20255 0.73103
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 2.17127 0.27979 7.760 1.43e-12 ***
Sepal.Width 0.49589 0.08607 5.761 4.87e-08 ***
Petal.Length 0.82924 0.06853 12.101 < 2e-16 ***
Petal.Width -0.31516 0.15120 -2.084 0.03889 *
Speciesversicolor -0.72356 0.24017 -3.013 0.00306 **
Speciesvirginica -1.02350 0.33373 -3.067 0.00258 **
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1Y.NAKAJIMA パイ プ入門 2018/1/16 9 / 17

10. 本旨と は関係ないですが、 stargazer パッ ケージを使う と き れいに回帰分
析の結果を表示でき ま す。
library(stargazer)
iris %>%
lm(Sepal.Length ~ Sepal.Width, data = .) %>%
stargazer(type = ”latex”, header=FALSE, float=FALSE,
ci=TRUE, ci.level=0.90, single.row=TRUE)
Y.NAKAJIMA パイ プ入門 2018/1/16 10 / 17

11. Dependent variable:
Sepal.Length
Sepal.Width −0.223 (−0.478, 0.032)
Constant 6.526∗∗∗ (5.739, 7.314)
Observations 150
R2 0.014
Adjusted R2 0.007
Residual Std. Error 0.825 (df = 148)
F Statistic 2.074 (df = 1; 148)
Note: ∗p<0.1; ∗∗p<0.05; ∗∗∗p<0.01
Y.NAKAJIMA パイ プ入門 2018/1/16 11 / 17

12. %<>%
Y.NAKAJIMA パイ プ入門 2018/1/16 12 / 17

13. 関数の連結によ っ て処理し た結果を元の変数に代入し なおし て結果を
アッ プデート し たい場合には%<>%を使いま す。
iris %<>%
filter(Sepal.Length <= 5) %>%
head(3)
iris
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 4.9 3.0 1.4 0.2 setosa
2 4.7 3.2 1.3 0.2 setosa
3 4.6 3.1 1.5 0.2 setosa
Y.NAKAJIMA パイ プ入門 2018/1/16 13 / 17

14. %$%
Y.NAKAJIMA パイ プ入門 2018/1/16 14 / 17

15. 関数を連結する 際に、 %>%では対応でき ないこ と も あり ま す。
例えば、 変数にデータ セッ ト を格納し ている が、 関数ではデータ セッ ト
ではなく 、 列に格納さ れた数値だけを使いたい場合などです。 具体的に
は相関係数の算出などが挙げら れま す。
iris %>%
filter(Sepal.Length <= 5) %$%
cor.test(Sepal.Length,
Sepal.Width)
Pearson's product-
moment correlation
data: Sepal.Length and Sepal.Width
t = -0.86603, df = 1, p-
value = 0.5456
alternative hypothesis: true correlation
sample estimates:
cor
-0.6546537
Y.NAKAJIMA パイ プ入門 2018/1/16 15 / 17

16. 2 つ以上の処理を同時に行いたい場合には{}で囲みま す。
iris %>% filter(Sepal.Length <= 5) %$% {
plot(Sepal.Length, Petal.Width)
mean(Sepal.Length)
}
4.60 4.65 4.70 4.75 4.80 4.85 4.90
0.150.200.25
Sepal.Length
Petal.Width
[1] 4.733333
Y.NAKAJIMA パイ プ入門 2018/1/16 16 / 17

17. 今回紹介し た magrittr パッ ケージのほかにも pipeR パッ ケージがあり
ま す。
こ ちら を使う と さ ら に柔軟に R が書ける よ う になる と 思いま す。
Enjoy!
Y.NAKAJIMA パイ プ入門 2018/1/16 17 / 17