summaryrefslogtreecommitdiffhomepage
diff options
context:
space:
mode:
authorAkira Hirose <akrhrs@yahoo.co.jp>2014-07-23 10:43:05 +0900
committerAkira Hirose <akrhrs@yahoo.co.jp>2014-07-23 10:43:05 +0900
commit2f29a176cfa52b7236aad4c0e2fa1d338c1fc8ac (patch)
treee1bb28618568e8e5f9c97cfdc0bfbc26d6291e5c
parent3aa5f6aaaff181ebf2b1762326ec1f6e286dd3b9 (diff)
Updated the Japanese comment to be more understandable.
-rw-r--r--ja-jp/r-jp.html.markdown106
1 files changed, 53 insertions, 53 deletions
diff --git a/ja-jp/r-jp.html.markdown b/ja-jp/r-jp.html.markdown
index 0ef6bddf..3e6621f5 100644
--- a/ja-jp/r-jp.html.markdown
+++ b/ja-jp/r-jp.html.markdown
@@ -11,18 +11,18 @@ lang: ja-jp
R は統計計算用の言語です。
-データの取得やクリーニング、統計処理やグラフ作成をするために使える、たくさんのライブラリがあります。また、LaTeX文書からRコマンドを呼び出すこともできます。
+データの取得やクリーニング、統計処理やグラフ作成をするために便利な、たくさんのライブラリがあります。また、LaTeX文書からRコマンドを呼び出すこともできます
```python
# コメント行は、#で開始します
-# コメントを複数の行に分けたい場合は、
-# このように、コメント行を複数連続させるとできます
+# 複数行をまとめてコメントにすることはできないので、
+# コメントを複数の行に分けたい場合、このように、単に毎行をコメントにしてください
-# WindowsやMacでは、 COMMAND-ENTERで1行のコマンド実行ができます
+# WindowsやMacでは、 COMMAND-ENTERで、コマンドを1行実行できます
@@ -79,7 +79,7 @@ stem(rivers)
# 36 | 1
-stem(log(rivers)) # このデータは、正規分布でも対数正規分布でもないので注意!
+stem(log(rivers)) # このデータは、正規分布でも対数正規分布でもないので、注意!
# 特に正規分布原理主義のみなさん
@@ -175,8 +175,8 @@ rnorm(9)
# ここからは、プログラミングをつかうチュートリアルです
-# この節ではRで重要なデータ型の、整数型、数字型、文字型、論理型と因子型をつかいます
-# 他にもいろいろありますが、まずは最小限必要な、これらから始めましょう
+# この節ではRで重要なデータ型(データクラス)の、整数型、数字型、文字型、論理型と因子(ファクター)型をつかいます
+# 他にもいろいろありますが、これらの必要最小限なものから始めましょう
# 整数型
@@ -184,7 +184,7 @@ rnorm(9)
5L # 5
class(5L) # "integer"
# (?class を実行すると、class()関数について、さらなる情報が得られます)
-# Rでは、この5Lのような単一の値は、長さ1のベクトルとして扱われます
+# Rでは、この5Lのような1つの値は、長さ1のベクトルとして扱われます
length(5L) # 1
# 整数型のベクトルはこのようにつくります
c(4L, 5L, 8L, 3L) # 4 5 8 3
@@ -221,7 +221,7 @@ class(-Inf) # "numeric"
# 不正な計算は "not-a-number"になります
0 / 0 # NaN
class(NaN) # "numeric"
-# 長さが1より大きなベクター同士で計算ができます
+# 長さが1より大きなベクター同士の計算もできます
# どちらかが長い場合、短い方は何度も繰り返して使われます
c(1,2,3) + c(1,2,3) # 2 4 6
@@ -263,18 +263,18 @@ c('Z', 'o', 'r', 'r', 'o') == "Zorro" # FALSE FALSE FALSE FALSE FALSE
c('Z', 'o', 'r', 'r', 'o') == "Z" # TRUE FALSE FALSE FALSE FALSE
-# ファクター
-# ファクタークラスは、カテゴリカルデータ用のクラスです
-# ファクターは、子供の学年のように順序がつけられるものか、性別のように順序がないものがあります
+# 因子(ファクター)
+# 因子型は、カテゴリカルデータ用の型です
+# 因子には、子供の学年のように順序がつけられるものか、性別のように順序がないものがあります
factor(c("female", "female", "male", "NA", "female"))
# female female male NA female
# Levels: female male NA
# "levels" は、カテゴリカルデータがとりうる値を返します
levels(factor(c("male", "male", "female", "NA", "female"))) # "female" "male" "NA"
-# ファクターベクターの長さが1ならば、そのlevelも1です
+# 因子ベクターの長さが1ならば、そのlevelも1です
length(factor("male")) # 1
length(levels(factor("male"))) # 1
-# ファクターは、この後で紹介するデータフレーム(というデータ型)内で、よくみられます
+# 因子型は、この後で紹介するデータフレーム(というデータ型)内で、よくみられます
data(infert) # "Infertility after Spontaneous and Induced Abortion"
levels(infert$education) # "0-5yrs" "6-11yrs" "12+ yrs"
@@ -379,7 +379,7 @@ jiggle(5) # 5±ε. set.seed(2716057)をすると、jiggle(5)==5.005043
# 1次元
-# まずは基本からです。すでにご存じのベクターからです
+# まずは基本からです。ご存じベクターからです
vec <- c(8, 9, 10, 11)
vec # 8 9 10 11
# 特定の要素を、[角括弧]による指定で取り出せます
@@ -400,7 +400,7 @@ any(vec == 10) # TRUE
vec[6] # NA
# ベクターの長さは、length()で取得できます
length(vec) # 4
-# ベクター全体、または一部に対して、操作ができます
+# ベクター全体、または1部に対して、操作ができます
vec * 4 # 16 20 24 28
vec[2:3] * 5 # 25 30
any(vec[2:3] == 8) # FALSE
@@ -411,7 +411,7 @@ sd(vec) # 1.290994
max(vec) # 11
min(vec) # 8
sum(vec) # 38
-# 他にも、ベクター関連ではいろいろな関数があります
+# 他にも、ベクター関連ではいろいろな関数があります。以下はベクターをつくるための方法です
5:15 # 5 6 7 8 9 10 11 12 13 14 15
seq(from=0, to=31337, by=1337)
# =>
@@ -422,7 +422,7 @@ seq(from=0, to=31337, by=1337)
# 2次元配列 (すべての値が同じ型の場合)
-# 同じ型の値が含まれる配列は、このように作れます
+# 同じ型の値が含まれる2次元配列は、このように作れます
mat <- matrix(nrow = 3, ncol = 2, c(1,2,3,4,5,6))
mat
# =>
@@ -430,7 +430,7 @@ mat
# [1,] 1 4
# [2,] 2 5
# [3,] 3 6
-# ベクターとは違い、配列のクラス名は"matrix"です。
+# ベクターとは違い、2次元配列の型名は"matrix"です。
class(mat) # => "matrix"
# 最初の行
mat[1,] # 1 4
@@ -440,7 +440,7 @@ mat[1,] # 1 4
mat[3,2] # 6
-# 配列全体を転置します
+# 2次元配列全体を転置します
t(mat)
# =>
# [,1] [,2] [,3]
@@ -448,7 +448,7 @@ t(mat)
# [2,] 4 5 6
-# 配列の積
+# 2次元配列の積
mat %*% t(mat)
# =>
# [,1] [,2] [,3]
@@ -457,7 +457,7 @@ mat %*% t(mat)
# [3,] 27 36 45
-# cbind() は、複数のベクターを、別々の列に並べて配列を作ります
+# cbind() は、複数のベクターを、別々の列に並べて2次元配列を作ります
mat2 <- cbind(1:4, c("dog", "cat", "bird", "dog"))
mat2
# =>
@@ -467,19 +467,19 @@ mat2
# [3,] "3" "bird"
# [4,] "4" "dog"
class(mat2) # matrix
-# ここでいま一度、型について注意してください!
-# 配列にある値は、すべて同じ型にする必要があります。そのため、すべて文字型に変換されています
+# ここでいま1度、2次元配列内の型について注意してください!
+# 2次元配列にある値は、すべて同じ型にする必要があります。そのため、すべて文字型に変換されています
c(class(mat2[,1]), class(mat2[,2]))
-# rbind() は、複数のベクターを、別々の行に並べて配列を作ります
+# rbind() は、複数のベクターを、別々の行に並べて2次元配列を作ります
mat3 <- rbind(c(1,2,4,5), c(6,7,0,4))
mat3
# =>
# [,1] [,2] [,3] [,4]
# [1,] 1 2 4 5
# [2,] 6 7 0 4
-# 全ての値は同じ型になります。この例の場合は、強制変換がされないのでよかったです
+# 全ての値は同じ型になります。上記例は幸い、強制変換がされないものでした
# 2次元配列 (いろいろな型を含む場合)
@@ -506,16 +506,16 @@ students
# 6 Ginny -1 G
class(students$year) # "numeric"
class(students[,3]) # "factor"
-# 次元の数をみます
+# 行と列の数をみます
nrow(students) # 6
ncol(students) # 3
dim(students) # 6 3
-# このdata.frame() 関数は、デフォルトでは文字列ベクターをファクターのベクターに変換します
+# このdata.frame() 関数は、デフォルトでは文字列ベクターを因子ベクターに変換します
# stringsAsFactors = FALSE に設定してからデータフレームを作成すると、変換されません
?data.frame
-# データフレームの一部を取り出すには、いろいろな(変な)、似たような方法があります
+# データフレームの1部を取り出すには、いろいろな(変な)、似たような方法があります
students$year # 3 2 2 1 0 -1
students[,2] # 3 2 2 1 0 -1
students[,"year"] # 3 2 2 1 0 -1
@@ -594,7 +594,7 @@ students
# 6: Draco 0 S
-# 行を消す場合は、データテーブルから、一部を除くことによってできます
+# データテーブルから行を消す場合は、以下のように除く行を指定すればできます
students[studentName != "Draco"]
# =>
# house studentName year
@@ -603,7 +603,7 @@ students[studentName != "Draco"]
# 3: G Ginny -1
# 4: H Cedric 3
# 5: R Cho 1
-# データフレームの場合も同様
+# データフレームの場合も同様です
students <- as.data.frame(students)
students[students$house != "G",]
# =>
@@ -616,15 +616,15 @@ students[students$house != "G",]
# 多次元 (すべての値が同じ型の場合)
-# 配列でN次元の表を作ります
-# すべての値は同じ型にする必要があります
-# この方法で、配列のような2次元表も作成可能です
+# 配列を並べて、N次元の表を作ります
+# 配列なので、すべての値は同じ型にする必要があります
+# ちなみに、以下のようにすれば2次元配列・2次元表も作成可能です
array(c(c(1,2,4,5),c(8,9,3,6)), dim=c(2,4))
# =>
# [,1] [,2] [,3] [,4]
# [1,] 1 4 8 3
# [2,] 2 5 9 6
-# 配列から3次元行列を作ることもできます
+# 2次元配列を並べて、3次元配列を作ることもできます
array(c(c(c(2,300,4),c(8,9,0)),c(c(5,60,0),c(66,7,847))), dim=c(3,2,2))
# =>
# , , 1
@@ -642,7 +642,7 @@ array(c(c(c(2,300,4),c(8,9,0)),c(c(5,60,0),c(66,7,847))), dim=c(3,2,2))
# [3,] 0 847
-# リスト(多次元、不完全なのか複数の型が使われているもの)
+# リスト(多次元、不完全または複数の型が使われているもの)
# ついにRのリストです
@@ -656,13 +656,13 @@ list1[[1]] # また別の方法
# =>
# [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33
# [34] 34 35 36 37 38 39 40
-# 他のベクターと同じく、一部を取り出すことができます
+# 他のベクターと同じく、1部を取り出すことができます
list1$price[4]
-# リストは、Rで一番効率的なデータ型ではありません
-# なにか特別な理由がない限りは、データフレームを使い続けるべきです
-# リストは、線形回帰関数の返値として、しばしば使われます
+# リストは、Rで1番効率的なデータ型ではありません
+# 特別な理由がない限りは、リストの代わりにデータフレームを使うべきです
+# リストは、線形回帰関数の返値として、しばしば使われています
##################################################
@@ -677,18 +677,18 @@ mat
# [1,] 1 4
# [2,] 2 5
# [3,] 3 6
-# apply(X, MARGIN, FUN) は、行列Xの行(MARGIN=1)または列(MARGIN=2)に対して、関数FUNを実行します
-# RでこのようにXの全行か全列に関数を実行すると、forやwhileループを使うより、遥かに速くできます
+# apply(X, MARGIN, FUN) は、行列Xの行(MARGIN=1で指定)または列(MARGIN=2で指定)に対して、関数FUNを実行します
+# Rで、このように指定してXの全行または全列に関数を実行するのは、forやwhileループを使うよりも、遥かに速いです
apply(mat, MAR = 2, jiggle)
# =>
# [,1] [,2]
# [1,] 3 15
# [2,] 7 19
# [3,] 11 23
-# 他にも関数があります。?lapply, ?sapply で確認してみてください
+# 他にも便利な関数があります。?lapply, ?sapply で確認してみてください
-# このやり方がちょっとややこしいという事は、みんな同意です。なので、あまり怖がりすぎないでください
+# apply()系関数の使い方は、ちょっとややこしいです(みんなそう思ってます)。なので、あまり怖がりすぎないでください
# plyr パッケージは、*apply() 系の関数を置き換えて(さらに改善して)いこうとしています
@@ -731,25 +731,25 @@ write.csv(pets, "pets2.csv") # 新しくcsvファイルを作ります
#########################
-# 組み込みのプロット関数です
-# 散布図です!
+# Rに組込まれているプロット関数をつかいます
+# 散布図!
plot(list1$time, list1$price, main = "fake data")
-# 回帰図です!
+# 回帰図!
linearModel <- lm(price ~ time, data = list1)
linearModel # outputs result of regression
# 回帰直線を既存の図上に引きます
abline(linearModel, col = "red")
-# いろいろな診断方法を見ましょう
+# いろいろな散布図をつくって、確認できます
plot(linearModel)
-# ヒストグラムです!
+# ヒストグラム!
hist(rpois(n = 10000, lambda = 5), col = "thistle")
-# 棒グラフです!
+# 棒グラフ!
barplot(c(1,4,5,1,2), names.arg = c("red","blue","purple","green","yellow"))
# GGPLOT2
-# 上記よりも、もっときれいな図を描くこともできます
-# より多くよい図を描くために、ggplot2 パッケージを使ってみましょう
+# 上記の組込み関数を使うよりも、もっときれいな図を描くこともできます
+# ggplot2 パッケージを使って、より多くのよい図を描いてみましょう
install.packages("ggplot2")
require(ggplot2)
?ggplot2
@@ -772,4 +772,4 @@ pp + geom_point()
* RとR GUIはこちら [http://www.r-project.org/](http://www.r-project.org/)
-* [RStudio](http://www.rstudio.com/ide/) はまた別のGUIです \ No newline at end of file
+* [RStudio](http://www.rstudio.com/ide/) 別のGUI \ No newline at end of file