From 3aa5f6aaaff181ebf2b1762326ec1f6e286dd3b9 Mon Sep 17 00:00:00 2001 From: Akira Hirose Date: Tue, 22 Jul 2014 15:49:20 +0900 Subject: translation finished. --- ja-jp/r-jp.html.markdown | 212 +++++++++++++++++++++++------------------------ 1 file changed, 103 insertions(+), 109 deletions(-) (limited to 'ja-jp') diff --git a/ja-jp/r-jp.html.markdown b/ja-jp/r-jp.html.markdown index 66c451dd..0ef6bddf 100644 --- a/ja-jp/r-jp.html.markdown +++ b/ja-jp/r-jp.html.markdown @@ -4,7 +4,7 @@ contributors: - ["e99n09", "http://github.com/e99n09"] - ["isomorphismes", "http://twitter.com/isomorphisms"] translators: - - ["akirahirose", "https://www.facebook.com/akira.hirose"] + - ["akirahirose", "https://twitter.com/akirahirose"] filename: learnr-jp.r lang: ja-jp --- @@ -180,10 +180,10 @@ rnorm(9) # 整数型 -# 整数型の長さは、Lで指定します +# 整数型はLで指定します 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) +# (?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 length(5L) # 1 # 整数型のベクトルはこのようにつくります @@ -196,7 +196,7 @@ class(c(4L, 5L, 8L, 3L)) # "integer" # 倍精度浮動小数点数です 5 # 5 class(5) # "numeric" -# くどいですが、すべてはベクトルです +# しつこいですが、すべてはベクトルです # 1つ以上の要素がある数字のベクトルも、作ることができます c(3,3,3,2,2,1) # 3 3 3 2 2 1 # 指数表記もできます @@ -218,7 +218,7 @@ class(-Inf) # "numeric" 2.0 * 2L # 4 # 数字かける整数は数字 3L / 4 # 0.75 # 整数割る数字は数字 3 %% 2 # 1 # 二つの数字を割った余りは数字 -# 不正な計算は "not-a-number"になる +# 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 @@ -231,12 +231,12 @@ c(1,2,3) + c(1,2,3) # 2 4 6 class("Horatio") # "character" class('H') # "character" # 上記は両方とも、長さ1のベクターです -# 以下は、より長いものです +# 以下は、より長い場合です c('alef', 'bet', 'gimmel', 'dalet', 'he') # => # "alef" "bet" "gimmel" "dalet" "he" length(c("Call","me","Ishmael")) # 3 -# 正規表現処理を文字ベクターに使えます +# 正規表現処理を文字ベクターに適用できます substr("Fortuna multis dat nimis, nulli satis.", 9, 15) # "multis " gsub('u', 'ø', "Fortuna multis dat nimis, nulli satis.") # "Fortøna møltis dat nimis, nølli satis." # Rはいくつかの文字ベクターを組み込みで持っています @@ -251,7 +251,7 @@ month.abb # "Jan" "Feb" "Mar" "Apr" "May" "Jun" "Jul" "Aug" "Sep" "Oct" "Nov" "D # Rでは、Booleanは論理（logical）型です class(TRUE) # "logical" class(FALSE) # "logical" -# 以下は正しい動きです +# 以下は比較演算子の例です TRUE == TRUE # TRUE TRUE == FALSE # FALSE FALSE != FALSE # FALSE @@ -264,7 +264,7 @@ 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ようのクラスです +# 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 factor(c("female", "female", "male", "NA", "female")) # female female male NA female @@ -280,7 +280,7 @@ levels(infert$education) # "0-5yrs" "6-11yrs" "12+ yrs" # NULL -# "NULL" は変わった型です。ベクターを空にするときに使います +# "NULL" は特殊な型なのですが、ベクターを空にするときに使います class(NULL) # NULL parakeet # => @@ -292,7 +292,7 @@ parakeet # 型の強制 -# 型の強制は、ある値を、強制的にある型として利用する事です +# 型の強制とは、ある値を、強制的に別の型として利用する事です as.character(c(6, 8)) # "6" "8" as.logical(c(1,0,1,1)) # TRUE FALSE TRUE TRUE # さまざまな要素が入っているベクターに対して型の強制を行うと、おかしなことになります @@ -327,7 +327,7 @@ as.numeric("Bilbo") # 代入する方法はいろいろあります x = 5 # これはできます y <- "1" # これがおすすめです -TRUE -> z # これも使えますが、変です +TRUE -> z # これも使えますが、ちょっとわかりにくいですね # ループ @@ -342,8 +342,8 @@ while (a > 4) { a <- a - 1 } # Rでは、forやwhileは遅いことを覚えておいてください -# 処理を行う場合は、ベクター丸ごと処理する（つまり、行全体や、列全体）を指定して行うか、 -# 後述する、apply()系の関数を使うのがお勧めです +# ベクターを丸ごと処理する（つまり、行全体や、列全体を指定して処理する）か、 +# 後述する、apply()系の関数を使うのが、速度的にはお勧めです # IF/ELSE @@ -363,7 +363,7 @@ jiggle <- function(x) { x = x + rnorm(1, sd=.1) #すこしだけ（制御された）ノイズを入れます return(x) } -# 他のR関数と同じように呼びます +# 他の関数と同じように、呼びます jiggle(5) # 5±ε. set.seed(2716057)をすると、jiggle(5)==5.005043 @@ -394,24 +394,24 @@ which(vec %% 2 == 0) # 1 3 # 最初か最後の数個を取り出すこともできます head(vec, 1) # 8 tail(vec, 2) # 10 11 -# or figure out if a certain value is in the vector +# ある値がベクターにあるかどうかをみることができます any(vec == 10) # TRUE -# If an index "goes over" you'll get NA: +# ベクターの数より大きなインデックスを指定すると、NAが返ります vec[6] # NA -# You can find the length of your vector with length() +# ベクターの長さは、length()で取得できます length(vec) # 4 -# You can perform operations on entire vectors or subsets of vectors +# ベクター全体、または一部に対して、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 -# and R has many built-in functions to summarize vectors +# R には、ベクターにある値を要約するための様々な関数があります mean(vec) # 9.5 var(vec) # 1.666667 sd(vec) # 1.290994 max(vec) # 11 min(vec) # 8 sum(vec) # 38 -# Some more nice built-ins: +# 他にも、ベクター関連ではいろいろな関数があります 5:15 # 5 6 7 8 9 10 11 12 13 14 15 seq(from=0, to=31337, by=1337) # => @@ -419,10 +419,10 @@ seq(from=0, to=31337, by=1337) # [13] 16044 17381 18718 20055 21392 22729 24066 25403 26740 28077 29414 30751 -# TWO-DIMENSIONAL (ALL ONE CLASS) +# 2次元配列 (すべての値が同じ型の場合) -# You can make a matrix out of entries all of the same type like so: +# 同じ型の値が含まれる配列は、このように作れます mat <- matrix(nrow = 3, ncol = 2, c(1,2,3,4,5,6)) mat # => @@ -430,17 +430,17 @@ mat # [1,] 1 4 # [2,] 2 5 # [3,] 3 6 -# Unlike a vector, the class of a matrix is "matrix", no matter what's in it +# ベクターとは違い、配列のクラス名は"matrix"です。 class(mat) # => "matrix" -# Ask for the first row +# 最初の行 mat[1,] # 1 4 -# Perform operation on the first column +# 最初の列に対する操作 3 * mat[,1] # 3 6 9 -# Ask for a specific cell +# 特定のセルを取り出し mat[3,2] # 6 -# Transpose the whole matrix +# 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 -# Matrix multiplication +# 配列の積 mat %*% t(mat) # => # [,1] [,2] [,3] @@ -457,7 +457,7 @@ mat %*% t(mat) # [3,] 27 36 45 -# cbind() sticks vectors together column-wise to make a matrix +# 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 mat2 <- cbind(1:4, c("dog", "cat", "bird", "dog")) mat2 # => @@ -467,34 +467,33 @@ mat2 # [3,] "3" "bird" # [4,] "4" "dog" class(mat2) # matrix -# Again, note what happened! -# Because matrices must contain entries all of the same class, -# everything got converted to the character class +# 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 c(class(mat2[,1]), class(mat2[,2])) -# rbind() sticks vectors together row-wise to make a matrix +# 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 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 -# Ah, everything of the same class. No coercions. Much better. +# 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 -# TWO-DIMENSIONAL (DIFFERENT CLASSES) +# 2次元配列 (いろいろな型を含む場合) -# For columns of different types, use a data frame -# This data structure is so useful for statistical programming, -# a version of it was added to Python in the package "pandas". +# 異なる型の値を含む配列をつくりたい場合、データフレームを使ってください +# データフレームは、統計処理を行うプログラムをする際にとても便利です +# Pythonでも、 "pandas"というパッケージにて、似たものが利用可能です students <- data.frame(c("Cedric","Fred","George","Cho","Draco","Ginny"), c(3,2,2,1,0,-1), c("H", "G", "G", "R", "S", "G")) -names(students) <- c("name", "year", "house") # name the columns +names(students) <- c("name", "year", "house") #カラム名 class(students) # "data.frame" students # => @@ -507,29 +506,28 @@ students # 6 Ginny -1 G class(students$year) # "numeric" class(students[,3]) # "factor" -# find the dimensions +# 次元の数をみます nrow(students) # 6 ncol(students) # 3 dim(students) # 6 3 -# The data.frame() function converts character vectors to factor vectors -# by default; turn this off by setting stringsAsFactors = FALSE when -# you create the data.frame +# 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 +# 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 -# There are many twisty ways to subset data frames, all subtly unalike +# 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 students$year # 3 2 2 1 0 -1 students[,2] # 3 2 2 1 0 -1 students[,"year"] # 3 2 2 1 0 -1 -# An augmented version of the data.frame structure is the data.table -# If you're working with huge or panel data, or need to merge a few data -# sets, data.table can be a good choice. Here's a whirlwind tour: -install.packages("data.table") # download the package from CRAN -require(data.table) # load it +# データフレームの拡張版が、データテーブルです。 +# 大きなデータやパネルデータ、データセットの結合が必要な場合には、データテーブルを使うべきです。 +# 以下に駆け足で説明します +install.packages("data.table") # CRANからパッケージをダウンロードします +require(data.table) # ロードします students <- as.data.table(students) -students # note the slightly different print-out +students # 若干異なる出力がされることに注意 # => # name year house # 1: Cedric 3 H @@ -538,17 +536,17 @@ students # note the slightly different print-out # 4: Cho 1 R # 5: Draco 0 S # 6: Ginny -1 G -students[name=="Ginny"] # get rows with name == "Ginny" +students[name=="Ginny"] # name == "Ginny"の行を取り出します # => # name year house # 1: Ginny -1 G -students[year==2] # get rows with year == 2 +students[year==2] # year == 2の行を取り出します # => # name year house # 1: Fred 2 G # 2: George 2 G -# data.table makes merging two data sets easy -# let's make another data.table to merge with students +# データテーブルは、二つのデータセットを結合するのにも便利です +# 結合用に、生徒データが入った別のデータテーブルをつくります founders <- data.table(house=c("G","H","R","S"), founder=c("Godric","Helga","Rowena","Salazar")) founders @@ -560,7 +558,7 @@ founders # 4: S Salazar setkey(students, house) setkey(founders, house) -students <- founders[students] # merge the two data sets by matching "house" +students <- founders[students] # 二つのデータテーブルを、"house"をキーとして結合します setnames(students, c("house","houseFounderName","studentName","year")) students[,order(c("name","year","house","houseFounderName")), with=F] # => @@ -573,7 +571,7 @@ students[,order(c("name","year","house","houseFounderName")), with=F] # 6: Draco 0 S Salazar -# data.table makes summary tables easy +# データテーブルは、要約を作るのも簡単です students[,sum(year),by=house] # => # house V1 @@ -583,8 +581,7 @@ students[,sum(year),by=house] # 4: S 0 -# To drop a column from a data.frame or data.table, -# assign it the NULL value +# データフレームやデータテーブルから列を消したい場合は、NULL値を代入します students$houseFounderName <- NULL students # => @@ -597,8 +594,7 @@ students # 6: Draco 0 S -# Drop a row by subsetting -# Using data.table: +# 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 students[studentName != "Draco"] # => # house studentName year @@ -607,7 +603,7 @@ students[studentName != "Draco"] # 3: G Ginny -1 # 4: H Cedric 3 # 5: R Cho 1 -# Using data.frame: +# データフレームの場合も同様 students <- as.data.frame(students) students[students$house != "G",] # => @@ -617,18 +613,18 @@ students[students$house != "G",] # 6 S Salazar Draco 0 -# MULTI-DIMENSIONAL (ALL ELEMENTS OF ONE TYPE) +# 多次元 (すべての値が同じ型の場合) -# Arrays creates n-dimensional tables -# All elements must be of the same type -# You can make a two-dimensional table (sort of like a matrix) +# 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 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 -# You can use array to make three-dimensional matrices too +# 配列から3次元行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 @@ -646,58 +642,56 @@ 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 -# LISTS (MULTI-DIMENSIONAL, POSSIBLY RAGGED, OF DIFFERENT TYPES) +# 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) -# Finally, R has lists (of vectors) +# ついにRのリストです list1 <- list(time = 1:40) list1$price = c(rnorm(40,.5*list1$time,4)) # random list1 -# You can get items in the list like so -list1$time # one way -list1[["time"]] # another way -list1[[1]] # yet another way +# リストの要素は以下のようにして取得できます +list1$time # ある方法 +list1[["time"]] # 別の方法 +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 -# You can subset list items like any other vector +# 他のベクターと同じく、一部を取り出すことができます list1$price[4] -# Lists are not the most efficient data structure to work with in R; -# unless you have a very good reason, you should stick to data.frames -# Lists are often returned by functions that perform linear regressions +# 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 ################################################## -# The apply() family of functions +# apply() 系の関数 ################################################## -# Remember mat? +# matは覚えていますよね？ mat # => # [,1] [,2] # [1,] 1 4 # [2,] 2 5 # [3,] 3 6 -# Use apply(X, MARGIN, FUN) to apply function FUN to a matrix X -# over rows (MAR = 1) or columns (MAR = 2) -# That is, R does FUN to each row (or column) of X, much faster than a -# for or while loop would do +# 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(mat, MAR = 2, jiggle) # => # [,1] [,2] # [1,] 3 15 # [2,] 7 19 # [3,] 11 23 -# Other functions: ?lapply, ?sapply +# 他にも関数があります。?lapply, ?sapply で確認してみてください -# Don't feel too intimidated; everyone agrees they are rather confusing +# 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 -# The plyr package aims to replace (and improve upon!) the *apply() family. +# 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 install.packages("plyr") require(plyr) ?plyr @@ -708,24 +702,24 @@ require(plyr) ######################### -# Loading data +# データロード ######################### -# "pets.csv" is a file on the internet -# (but it could just as easily be be a file on your own computer) +# "pets.csv"は、インターネット上に置いてあるファイルです +# (しかし、自分のPCにあるのと同じぐらい簡単に扱う事ができます) pets <- read.csv("http://learnxinyminutes.com/docs/pets.csv") pets -head(pets, 2) # first two rows -tail(pets, 1) # last row +head(pets, 2) # 最初の2行 +tail(pets, 1) # 最後の行 -# To save a data frame or matrix as a .csv file -write.csv(pets, "pets2.csv") # to make a new .csv file -# set working directory with setwd(), look it up with getwd() +# データフレームか行列をcsvファイルとして保存します +write.csv(pets, "pets2.csv") # 新しくcsvファイルを作ります +# ワーキングディレクトリを、setwd()で設定します。　ワーキングディレクトリは getwd()で確認可能です -# Try ?read.csv and ?write.csv for more information +# ?read.csv や ?write.csv を入力すると、よりたくさんの情報を確認できます @@ -733,29 +727,29 @@ write.csv(pets, "pets2.csv") # to make a new .csv file ######################### -# Plots +# プロット ######################### -# BUILT-IN PLOTTING FUNCTIONS -# Scatterplots! +# 組み込みのプロット関数です +# 散布図です! plot(list1$time, list1$price, main = "fake data") -# Regressions! +# 回帰図です! linearModel <- lm(price ~ time, data = list1) linearModel # outputs result of regression -# Plot regression line on existing plot +# 回帰直線を既存の図上に引きます abline(linearModel, col = "red") -# Get a variety of nice diagnostics +# いろいろな診断方法を見ましょう plot(linearModel) -# Histograms! +# ヒストグラムです！ hist(rpois(n = 10000, lambda = 5), col = "thistle") -# Barplots! +# 棒グラフです！ barplot(c(1,4,5,1,2), names.arg = c("red","blue","purple","green","yellow")) # GGPLOT2 -# But these are not even the prettiest of R's plots -# Try the ggplot2 package for more and better graphics +# 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 install.packages("ggplot2") require(ggplot2) ?ggplot2 @@ -764,7 +758,7 @@ pp + geom_histogram() ll <- as.data.table(list1) pp <- ggplot(ll, aes(x=time,price)) pp + geom_point() -# ggplot2 has excellent documentation (available http://docs.ggplot2.org/current/) +# ggplot2 には、素晴らしい関連ドキュメントがそろっています (http://docs.ggplot2.org/current/) @@ -774,8 +768,8 @@ pp + geom_point() ``` -## How do I get R? +## Rの入手方法 -* Get R and the R GUI from [http://www.r-project.org/](http://www.r-project.org/) -* [RStudio](http://www.rstudio.com/ide/) is another GUI \ No newline at end of file +* 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 -- cgit v1.2.3