--- language: R contributors: - ["e99n09", "http://github.com/e99n09"] - ["isomorphismes", "http://twitter.com/isomorphisms"] translators: - ["akirahirose", "https://www.facebook.com/akira.hirose"] filename: learnr-jp.r 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。 ```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 # WindowsやMacでは、 COMMAND-ENTERで1行のコマンド実行ができます ############################################################################# # プログラミングがわからなくとも使えるコマンド類 ############################################################################# # この節では、プログラミングがわからなくとも使える便利なRコマンドを紹介します # 全てを理解できなくとも、まずはやってみましょう！ data() # 既にロードされているデータを閲覧します data(rivers) # "北米にある大きな川の長さ"データを取得します ls() # "rivers" がワークスペースに表示されました head(rivers) # データの先頭部分です # 735 320 325 392 524 450 length(rivers) # 何本の川がデータにある? # 141 summary(rivers) # 統計的に要約するとどうなる? # Min. 1st Qu. Median Mean 3rd Qu. Max. # 135.0 310.0 425.0 591.2 680.0 3710.0 # 茎葉図（ヒストグラムに似た図）を描く stem(rivers) # The decimal point is 2 digit(s) to the right of the | # # 0 | 4 # 2 | 011223334555566667778888899900001111223333344455555666688888999 # 4 | 111222333445566779001233344567 # 6 | 000112233578012234468 # 8 | 045790018 # 10 | 04507 # 12 | 1471 # 14 | 56 # 16 | 7 # 18 | 9 # 20 | # 22 | 25 # 24 | 3 # 26 | # 28 | # 30 | # 32 | # 34 | # 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！ # 特に正規分布原理主義のみなさん # The decimal point is 1 digit(s) to the left of the | # # 48 | 1 # 50 | # 52 | 15578 # 54 | 44571222466689 # 56 | 023334677000124455789 # 58 | 00122366666999933445777 # 60 | 122445567800133459 # 62 | 112666799035 # 64 | 00011334581257889 # 66 | 003683579 # 68 | 0019156 # 70 | 079357 # 72 | 89 # 74 | 84 # 76 | 56 # 78 | 4 # 80 | # 82 | 2 # ヒストグラム作成 hist(rivers, col="#333333", border="white", breaks=25) # これらのパラメータをつかいます hist(log(rivers), col="#333333", border="white", breaks=25) # いろいろな使い方ができます # 別のロード済データでやってみましょう。Rには、いろいろなデータがロードされています。 data(discoveries) plot(discoveries, col="#333333", lwd=3, xlab="Year", main="Number of important discoveries per year") plot(discoveries, col="#333333", lwd=3, type = "h", xlab="Year", main="Number of important discoveries per year") # 年次のソートだけではなく、 # 標準的な並べ替えもできます sort(discoveries) # [1] 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 # [26] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 # [51] 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 # [76] 4 4 4 4 5 5 5 5 5 5 5 6 6 6 6 6 6 7 7 7 7 8 9 10 12 stem(discoveries, scale=2) # # The decimal point is at the | # # 0 | 000000000 # 1 | 000000000000 # 2 | 00000000000000000000000000 # 3 | 00000000000000000000 # 4 | 000000000000 # 5 | 0000000 # 6 | 000000 # 7 | 0000 # 8 | 0 # 9 | 0 # 10 | 0 # 11 | # 12 | 0 max(discoveries) # 12 summary(discoveries) # Min. 1st Qu. Median Mean 3rd Qu. Max. # 0.0 2.0 3.0 3.1 4.0 12.0 # サイコロを振ります round(runif(7, min=.5, max=6.5)) # 1 4 6 1 4 6 4 # 私と同じrandom.seed(31337)を使わない限りは、別の値になります # ガウス分布を9回生成します rnorm(9) # [1] 0.07528471 1.03499859 1.34809556 -0.82356087 0.61638975 -1.88757271 # [7] -0.59975593 0.57629164 1.08455362 ################################################## # データ型と基本計算 ################################################## # 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 # 整数型 # 整数型の長さは、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) # 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 c(4L, 5L, 8L, 3L) # 4 5 8 3 length(c(4L, 5L, 8L, 3L)) # 4 class(c(4L, 5L, 8L, 3L)) # "integer" # 数字型 # 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 # 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 5e4 # 50000 6.02e23 # アボガドロ数 1.6e-35 # プランク長 # 無限大、無限小もつかえます class(Inf) # "numeric" class(-Inf) # "numeric" # 例のように、"Inf"を使ってください。integrate( dnorm(x), 3, Inf); # Z-スコア表が必要なくなります # 基本的な計算 # 数を計算できます # 整数と整数以外の数字を両方使った計算をすると、結果は整数以外の数字になります 10L + 66L # 76 # 整数足す整数は整数 53.2 - 4 # 49.2 # 整数引く数字は数字 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 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 # 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 # 文字 # Rでは、文字列と文字に区別がありません "Horatio" # "Horatio" 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 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 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 letters # => # [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r" "s" # [20] "t" "u" "v" "w" "x" "y" "z" month.abb # "Jan" "Feb" "Mar" "Apr" "May" "Jun" "Jul" "Aug" "Sep" "Oct" "Nov" "Dec" # 論理 # 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 TRUE == TRUE # TRUE TRUE == FALSE # FALSE FALSE != FALSE # FALSE FALSE != TRUE # TRUE # 無いデータ (NA) も論理型です class(NA) # "logical" # 以下のようにすると、複数の要素を持つ、論理型ベクターが返ります 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ようのクラスです # 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 # 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 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 data(infert) # "Infertility after Spontaneous and Induced Abortion" 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 class(NULL) # NULL parakeet # => # [1] "beak" "feathers" "wings" "eyes" parakeet <- NULL parakeet # => # NULL # 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 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 c(TRUE, 4) # 1 4 c("dog", TRUE, 4) # "dog" "TRUE" "4" as.numeric("Bilbo") # => # [1] NA # Warning message: # NAs introduced by coercion # 追記: ここで紹介したのは、基本的な型だけです # 実際には、日付（dates）や時系列（time series）など、いろいろな型があります ################################################## # 変数、ループ、もし/ほかに（if/else） ################################################## # 変数は、ある値を後で使うために入れておく、箱のようなものです # 箱に入れることを、変数に値を代入する、といいます # 変数を使うと、ループや関数、if/else 分岐を利用できます # 変数 # 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 # ループ # forでループできます for (i in 1:4) { print(i) } # whileでループできます a <- 10 while (a > 4) { cat(a, "...", sep = "") 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 # IF/ELSE # ごく普通のif文です if (4 > 3) { print("4 is greater than 3") } else { print("4 is not greater than 3") } # => # [1] "4 is greater than 3" # 関数 # 以下のように定義します 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 jiggle(5) # 5±ε. set.seed(2716057)をすると、jiggle(5)==5.005043 ########################################################################### # データ構造: ベクター、行列、データフレーム、配列 ########################################################################### # 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 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 # (Rでは、最初の要素は1番目と数えます) vec[1] # 8 letters[18] # "r" LETTERS[13] # "M" month.name[9] # "September" c(6, 8, 7, 5, 3, 0, 9)[3] # 7 # 特定のルールに当てはまる要素を見つけることもできます 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 any(vec == 10) # TRUE # If an index "goes over" you'll get NA: vec[6] # NA # You can find the length of your vector with length() length(vec) # 4 # You can perform operations on entire vectors or subsets of vectors 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 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: 5:15 # 5 6 7 8 9 10 11 12 13 14 15 seq(from=0, to=31337, by=1337) # => # [1] 0 1337 2674 4011 5348 6685 8022 9359 10696 12033 13370 14707 # [13] 16044 17381 18718 20055 21392 22729 24066 25403 26740 28077 29414 30751 # TWO-DIMENSIONAL (ALL ONE CLASS) # You can make a matrix out of entries all of the same type like so: mat <- matrix(nrow = 3, ncol = 2, c(1,2,3,4,5,6)) mat # => # [,1] [,2] # [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 class(mat) # => "matrix" # Ask for the first row mat[1,] # 1 4 # Perform operation on the first column 3 * mat[,1] # 3 6 9 # Ask for a specific cell mat[3,2] # 6 # Transpose the whole matrix t(mat) # => # [,1] [,2] [,3] # [1,] 1 2 3 # [2,] 4 5 6 # Matrix multiplication mat %*% t(mat) # => # [,1] [,2] [,3] # [1,] 17 22 27 # [2,] 22 29 36 # [3,] 27 36 45 # cbind() sticks vectors together column-wise to make a matrix mat2 <- cbind(1:4, c("dog", "cat", "bird", "dog")) mat2 # => # [,1] [,2] # [1,] "1" "dog" # [2,] "2" "cat" # [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 c(class(mat2[,1]), class(mat2[,2])) # rbind() sticks vectors together row-wise to make a matrix 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. # TWO-DIMENSIONAL (DIFFERENT CLASSES) # 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". 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 class(students) # "data.frame" students # => # name year house # 1 Cedric 3 H # 2 Fred 2 G # 3 George 2 G # 4 Cho 1 R # 5 Draco 0 S # 6 Ginny -1 G class(students$year) # "numeric" class(students[,3]) # "factor" # find the dimensions 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 ?data.frame # There are many twisty ways to subset data frames, all subtly unalike students$year # 3 2 2 1 0 -1 students[,2] # 3 2 2 1 0 -1 students[,"year"] # 3 2 2 1 0 -1 # An augmented version of the data.frame structure is the data.table # If you're working with huge or panel data, or need to merge a few data # sets, data.table can be a good choice. Here's a whirlwind tour: install.packages("data.table") # download the package from CRAN require(data.table) # load it students <- as.data.table(students) students # note the slightly different print-out # => # name year house # 1: Cedric 3 H # 2: Fred 2 G # 3: George 2 G # 4: Cho 1 R # 5: Draco 0 S # 6: Ginny -1 G students[name=="Ginny"] # get rows with name == "Ginny" # => # name year house # 1: Ginny -1 G students[year==2] # get rows with year == 2 # => # name year house # 1: Fred 2 G # 2: George 2 G # data.table makes merging two data sets easy # let's make another data.table to merge with students founders <- data.table(house=c("G","H","R","S"), founder=c("Godric","Helga","Rowena","Salazar")) founders # => # house founder # 1: G Godric # 2: H Helga # 3: R Rowena # 4: S Salazar setkey(students, house) setkey(founders, house) students <- founders[students] # merge the two data sets by matching "house" setnames(students, c("house","houseFounderName","studentName","year")) students[,order(c("name","year","house","houseFounderName")), with=F] # => # studentName year house houseFounderName # 1: Fred 2 G Godric # 2: George 2 G Godric # 3: Ginny -1 G Godric # 4: Cedric 3 H Helga # 5: Cho 1 R Rowena # 6: Draco 0 S Salazar # data.table makes summary tables easy students[,sum(year),by=house] # => # house V1 # 1: G 3 # 2: H 3 # 3: R 1 # 4: S 0 # To drop a column from a data.frame or data.table, # assign it the NULL value students$houseFounderName <- NULL students # => # studentName year house # 1: Fred 2 G # 2: George 2 G # 3: Ginny -1 G # 4: Cedric 3 H # 5: Cho 1 R # 6: Draco 0 S # Drop a row by subsetting # Using data.table: students[studentName != "Draco"] # => # house studentName year # 1: G Fred 2 # 2: G George 2 # 3: G Ginny -1 # 4: H Cedric 3 # 5: R Cho 1 # Using data.frame: students <- as.data.frame(students) students[students$house != "G",] # => # house houseFounderName studentName year # 4 H Helga Cedric 3 # 5 R Rowena Cho 1 # 6 S Salazar Draco 0 # MULTI-DIMENSIONAL (ALL ELEMENTS OF ONE TYPE) # Arrays creates n-dimensional tables # All elements must be of the same type # You can make a two-dimensional table (sort of like a matrix) array(c(c(1,2,4,5),c(8,9,3,6)), dim=c(2,4)) # => # [,1] [,2] [,3] [,4] # [1,] 1 4 8 3 # [2,] 2 5 9 6 # You can use array to make three-dimensional matrices too array(c(c(c(2,300,4),c(8,9,0)),c(c(5,60,0),c(66,7,847))), dim=c(3,2,2)) # => # , , 1 # # [,1] [,2] # [1,] 2 8 # [2,] 300 9 # [3,] 4 0 # # , , 2 # # [,1] [,2] # [1,] 5 66 # [2,] 60 7 # [3,] 0 847 # LISTS (MULTI-DIMENSIONAL, POSSIBLY RAGGED, OF DIFFERENT TYPES) # Finally, R has lists (of vectors) list1 <- list(time = 1:40) list1$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 # => # [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 list1$price[4] # Lists are not the most efficient data structure to work with in R; # unless you have a very good reason, you should stick to data.frames # Lists are often returned by functions that perform linear regressions ################################################## # The apply() family of functions ################################################## # Remember mat? mat # => # [,1] [,2] # [1,] 1 4 # [2,] 2 5 # [3,] 3 6 # Use apply(X, MARGIN, FUN) to apply function FUN to a matrix X # over rows (MAR = 1) or columns (MAR = 2) # That is, R does FUN to each row (or column) of X, much faster than a # for or while loop would do apply(mat, MAR = 2, jiggle) # => # [,1] [,2] # [1,] 3 15 # [2,] 7 19 # [3,] 11 23 # Other functions: ?lapply, ?sapply # Don't feel too intimidated; everyone agrees they are rather confusing # The plyr package aims to replace (and improve upon!) the *apply() family. install.packages("plyr") require(plyr) ?plyr ######################### # Loading data ######################### # "pets.csv" is a file on the internet # (but it could just as easily be be a file on your own computer) pets <- read.csv("http://learnxinyminutes.com/docs/pets.csv") pets head(pets, 2) # first two rows tail(pets, 1) # last row # To save a data frame or matrix as a .csv file write.csv(pets, "pets2.csv") # to make a new .csv file # set working directory with setwd(), look it up with getwd() # Try ?read.csv and ?write.csv for more information ######################### # Plots ######################### # BUILT-IN PLOTTING FUNCTIONS # Scatterplots! plot(list1$time, list1$price, main = "fake data") # Regressions! linearModel <- lm(price ~ time, data = list1) linearModel # outputs result of regression # Plot regression line on existing plot abline(linearModel, col = "red") # Get a variety of nice diagnostics plot(linearModel) # Histograms! hist(rpois(n = 10000, lambda = 5), col = "thistle") # Barplots! 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 install.packages("ggplot2") require(ggplot2) ?ggplot2 pp <- ggplot(students, aes(x=house)) 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/) ``` ## How do I get R? * 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