第4回　R (Colaboratory) の使い方(3)

2025年度 経済データ分析演習B2

伊藤 翼

2025-10-11

はじめに

出席登録は13:00から14:30まででに登録してください

出席番号

511756017

クラスコード

gsrnanuj

今回の目標

  • ColabでDriveをマウントする（Driveのデータを使用できるようにする）
  • Driveのデータをインポートする
  • インポートしたデータを整理・加工できるようになる
  • 加工したデータをDriveにアウトプットできるようになる

講義準備

第4回講義フォルダ作成

  • Drive→Classroom→2025年度 経済データ分析演習B2に「第4回」フォルダを作成

Classroomからデータをダウンロード

  • Google Classroomの第4回講義課題資料から「22学生生活アンケート.csv」と「22学生生活アンケート_変数表.xlsx」ファイルをダウンロード
  • 一応、デスクトップ上の「経済データ分析演習B2」のフォルダに保存

Driveへのデータのアップロード

  • Driveの「第4回」フォルダにダウンロードしたファイルをアップロードする

Colabの準備(1)

  • Driveの「第4回」フォルダ上で
  • 「新規」→「その他」→「Google colaboratory」をクリック

Screenshot of code with a light theme on white background

Colabの準備(2)

ファイル名の変更

  • 「第4回_学籍番号_氏名.ipynb」に変更
  • アンダーバー（_）は必ず半角
  • 例）第4回_1220YY0XXX_伊藤翼.ipynb
  • ※画像は例なので注意してください

Screenshot of code with a light theme on white background

Colabの欠点

接続時間制限

  • 90分ルール：ノートブックの接続が切れてから90分経過でリセット

  • 12時間ルール：ノートブックを起動してから12時間経過でリセット

  • つまり、Colab上に保存していたデータは消えてしまう

Google Driveをマウント

  • データなどは全てDriveに保存する
  • そのためにDriveにマウント（接続）する必要がある

Driveのマウント

マウント

  • マウントとは、ColabからDriveに接続すること
  • 方法は二つありますが、
  • どちらもランタイムのタイプが「Python 3」であることが必要

Driveのマウント

ランタイムのタイプを変更する前にDriveをマウントする

マウントの方法：Python code(1)

  • 以下のCodeをコードセルに入力し実行
from google.colab import drive
drive.mount('/content/drive')

実行

  • 警告が出るので、「Googleドライブに接続」を選択
  • Googleへのログインが求められるので「toyo.jp」のアカウントを選択

アクセスの許可

  • アカウントへのアクセス許可を求められるので、「許可」をクリック

マウントの方法：Python code(2)

マウントの状況のチェック

  • アイコン選択方法と異なり、左側のバーにファイルは表示されません
  • 以下のようになっていればOK

Screenshot of code with a light theme on white background

補足：他のマウントの方法：アイコン選択(1)

driveアイコン

  • 左側のファイルアイコンから
  • 左側にバーを開く
  • driveのアイコンをクリック

ドライブに接続

  • 警告が出るので、「Googleドライブに接続」を選択

補足：他のマウントの方法：アイコン選択(2)

マウントの状況をチェック

  • 左側のバーのdriveアイコンに斜線が入る
  • driveファイルが表示される
  • ファイルを選んでいくと「第4回」フォルダの中身が表示される

Screenshot of code with a light theme on white background

ランタイムのタイプの変更

Rへの変更

  • 左上の「ランタイム」から「ランタイムのタイプの変更」を選択
  • ランタイムのタイプをRに変更
  • Driveへのマウントをした後にランタイムのタイプを変更しても、Driveのマウントは切れません

Screenshot of code with a light theme on white background

Colabの準備(3)

  • 1 テキストセルの挿入
  • 2 テキストセルに「# 第4回講義課題（氏名）」と入力
  • 例）# 第4回講義課題（伊藤翼）
  • 3 不要なコードセルは削除（順番入れ替えでも可）
  • 4 再度テキストセルを挿入して、「## ライブラリの読み込みと呼び出し」と入力

※ 重要：日本語以外はすべて半角であることが望ましい（例えば#やスペースなど）

Screenshot of code with a light theme on white background

ライブラリの読み込み(1)

ライブラリ - 高度な関数、手法のパッケージ群

  • デフォルトで入っていない関数などはインストールしないと使えない
  • こうした関数などを利用するには、「パッケージ」をインストールする必要がある
Packages Description
R.util Rパッケージのプログラミングや開発に役立つユーティリティ関数
dplyr 表型データの操作に特化し、データの集計などに役立つ
tidyverse データの読み込み、抽出、加工、可視化など、データ分析における基本的な作業を効率的に行う
ggplot2 データを可視化する、作図するパッケージ
gt 表を作成するためのパッケージ
  • tidyverseにはdplyrとggplot2が含まれているので、インストールする必要はない

ライブラリの読み込み(2)

以下のCodeをコードセルに入力し実行

インストール

# 必要なパッケージのインストール
# パッケージの名前はダブルクォーテーションで囲む
install.packages("R.utils")
install.packages("tidyverse")
install.packages("gt")

呼び出し

# インストールしたパッケージを呼び出します
# パッケージの名前はダブルクォーテーションで囲む必要はありません
library(R.utils)
library(tidyverse)
library(gt)
  • インストール、呼び出しには時間がかかります
  • 2回目以降は実行時間が少し早くなります

データのインポート

Driveのデータをインポート

  • 以下のCodeをコードセルに入力し実行
# Driveに保存されているデータをdataと別名で読み込み
# データが保存されている場所のパス（住所）をダブルクォーテーションで囲む
# read.csv("ファイルパス", header = TRUE/FALSE, sep = データの区切り, fileEncoding = データの形式（文字コードの形式）)
## データの1行目にid, Q1と見出しがあるので、header = TUREとする
## csv形式でカンマ区切りであれば指定する必要ない。もし\や;などで区切られているデータは、sep = \などと指定する
## csvの文字コードがUTF-8なので、ここで指定しておく
data <- read.csv("/content/drive/MyDrive/Classroom/2025年度　経済データ分析演習B2 2025年/22学生生活アンケート/22学生生活アンケート.csv", header = TRUE, fileEncoding = "utf-8")
# head関数は、データの先頭を出力します
head(data)
  id         Q1              Q2   Q3 Q4  Q5  Q6       Q7               Q8 Q9
1  1 同意します           ゼミⅢ 男性 21 7月 3年 経済学部 留学生ではない。  3
2  2 同意します       seminar 3 女性 24 2月 3年 経済学部   留学生である。  9
3  3 同意します           ゼミ3 男性 22 1月 3年 経済学部   留学生である。  7
4  4 同意します ゼミナール IIIB 男性 20 3月 3年 経済学部 留学生ではない。  8
5  5 同意します      ゼミナール 女性 21 1月 4年 経済学部 留学生ではない。  8
6  6 同意します 環境リテラシーB 男性 18 3月 1年 経済学部 留学生ではない。  6
  Q10 Q11            Q12              Q13          Q14            Q15
1   3   1 あまりよくない   ときどきあった   よくあった ときどきあった
2   9  10       まあよい ほとんどなかった 全くなかった   全くなかった
3  10  10           よい     全くなかった 全くなかった   全くなかった
4   6   7           よい     全くなかった 全くなかった   全くなかった
5   5   6           よい     全くなかった 全くなかった   全くなかった
6   8   8       まあよい       よくあった 全くなかった ときどきあった
               Q16            Q17              Q18              Q19
1       よくあった     よくあった   ときどきあった   ときどきあった
2   ときどきあった ときどきあった     全くなかった     全くなかった
3       よくあった   全くなかった     全くなかった     全くなかった
4     全くなかった   全くなかった     全くなかった     全くなかった
5     全くなかった   全くなかった     全くなかった     全くなかった
6 ほとんどなかった     よくあった ほとんどなかった ほとんどなかった
               Q20              Q21 Q22  Q23                                Q24
1       よくあった       よくあった 5.0  8.0                           賃貸住宅
2     全くなかった ほとんどなかった 8.0  8.0                           賃貸住宅
3     全くなかった ほとんどなかった 6.0 10.0                           賃貸住宅
4     全くなかった   ときどきあった 5.0  5.0 持ち家(家族や親戚が所有している家)
5   ときどきあった   ときどきあった 5.5  6.5                           賃貸住宅
6 ほとんどなかった     全くなかった 8.0  8.0                           賃貸住宅
  Q25 Q26            Q27        Q28                Q29    Q30    Q31      Q32
1 7.0   2       30年以上 一人暮らし                    東京都 埼玉県 両方ある
2 8.7   1        5年未満       友人                    東京都 東京都   バス停
3 5.3   2 10から20年未満         寮                    東京都 東京都 両方ある
4  NA  NA                      家族 オフィスワーク中心 千葉県 千葉県 両方ある
5 7.0   1        5年未満 一人暮らし                    東京都 福島県       駅
6 6.5   1 10から20年未満 一人暮らし                    東京都 山形県 両方ある
  Q33  Q34                    Q35 Q36 Q37 Q38 Q39 Q40 Q41        Q42
1   5 電車               30分未満   3   1   1   1   4  10 2以上3未満
2   3 電車      30分以上1時間未満   2   4   3   5   5   6 3以上4未満
3 3分 徒歩               30分未満   6   5   4   5   5  24 3以上4未満
4   5 電車 1時間以上1時間30分未満   2   4   4   4   5   7 3以上4未満
5   5 電車               30分未満   1   3   3   3   3   2 3以上4未満
6   5 電車               30分未満   5   3   4   4   2  24      4以上
             Q43    Q44                  Q45 Q46 Q47 Q48 Q49        Q50    Q51
1 所属していない いいえ                        0   0  18  20   している 東京都
2 所属していない   はい 進学前から決めていた  14   0  20   6   している 東京都
3   所属している   はい 進学前から決めていた  24  24   0  10 していない       
4 所属していない いいえ                        5  10   6  10   している 千葉県
5 所属していない   はい             就職活動   5   0  15  10   している 東京都
6   所属している   はい 進学前から決めていた  10   5  10  60   している 東京都
                                                             Q52  Q53
1                     飲食・フード(レストラン・居酒屋・カフェ等) 1100
2                     飲食・フード(レストラン・居酒屋・カフェ等) 1100
3                                                                  NA
4 販売・接客・サービス(コンビニ・レジ・書店・ガソリンスタンド等) 1000
5 販売・接客・サービス(コンビニ・レジ・書店・ガソリンスタンド等) 1045
6 販売・接客・サービス(コンビニ・レジ・書店・ガソリンスタンド等) 1150
                                                                               Q54
1                                            生活費のため;日常の娯楽・嗜好品のため
2                                                                     生活費のため
3                                                                                 
4                                                               社会経験を養うため
5                                 生活費のため;学費のため;日常の娯楽・嗜好品のため
6 生活費のため;日常の娯楽・嗜好品のため;高額商品購入（自動車、パソコンなど）のため
  Q55 Q56 Q57 Q58 Q59 Q60 Q61    Q62 Q63 Q64 Q65 Q66 Q67 Q68    Q69 Q70 Q71
1   8  11  70  30   0   0  10  90000   5  10  10  10  10   5 いいえ  NA  NA
2   8  16  50  50  25   2   0 160000  60   5  10   5  10   5   はい 1.0   5
3  NA  10  NA  80  NA  NA  20  50000  50  10   0   3   0   4   はい 0.5   6
4   2   4  50  50   0   0  50  20000  20  10  30  10  10   5   はい 1.0   5
5   7  15  70  20  10   0   0     15  30  10  25   5  10  10 いいえ  NA  NA
6   4   4 100   4   7  50  60      4  50  30  10  20  40   0 いいえ  NA  NA
                  Q72              Q73 Q74            Q75      Q76       Q77
1                                       NA                それ以上   twitter
2    ロールプレイング ロールプレイング   0     減らしたい それ以上 instagram
3    シミュレーション シミュレーション   0 このままでいい それ以上 instagram
4 アクション;スポーツ       アクション   0 このままでいい   無制限 instagram
5                                       NA                  無制限 instagram
6                                       NA                       6 instagram
  Q78 Q79  Q80
1 500  60 1000
2 301   0 4000
3 200  30 1000
4 150  50 1000
5 400  50 1000
6 250  60    0
  • データのパスとは、データが保存されている場所を示す住所です
  • パスのコピーは左側からできます

データの加工(1)：基本的なこと(|>)

  • はじめにデータインポートのコードセルの下に、テキストセルを挿入して、
  • 「## データの加工方法」と入力しましょう

パイプ演算子: |>

  • A |> Bとすることで、AとBを第1引数とする
  • 異なるコードをひとまとめに実行することができます
  • 以下のCodeをコードセルに入力し実行
# パイプ（|>）を使わないとすべて実行される
data
head(data)
  • このままでは、dataの出力とhead関数がそれぞれ実行される
# パイプ（|>）でつなぐことで、コードをまとめて実行してくれる
data |>
  head()
  • |>でつなぐことで、dataをつかってhead関数を実行することを意味します

データの加工(2)：データの選択(filter & select)

以下のCodeをコードセルに入力し実行

行の選択：filter()

  • データのフィルタリングを行います
  • 変数内から必要なデータのみ抽出します
# このアンケートに同意しているサンプル（観測値）のみ抽出する
# つまり、同意していないサンプルを除く
data |>
  filter(Q1=="同意します") |>
  head()
  id         Q1              Q2   Q3 Q4  Q5  Q6       Q7               Q8 Q9
1  1 同意します           ゼミⅢ 男性 21 7月 3年 経済学部 留学生ではない。  3
2  2 同意します       seminar 3 女性 24 2月 3年 経済学部   留学生である。  9
3  3 同意します           ゼミ3 男性 22 1月 3年 経済学部   留学生である。  7
4  4 同意します ゼミナール IIIB 男性 20 3月 3年 経済学部 留学生ではない。  8
5  5 同意します      ゼミナール 女性 21 1月 4年 経済学部 留学生ではない。  8
6  6 同意します 環境リテラシーB 男性 18 3月 1年 経済学部 留学生ではない。  6
  Q10 Q11            Q12              Q13          Q14            Q15
1   3   1 あまりよくない   ときどきあった   よくあった ときどきあった
2   9  10       まあよい ほとんどなかった 全くなかった   全くなかった
3  10  10           よい     全くなかった 全くなかった   全くなかった
4   6   7           よい     全くなかった 全くなかった   全くなかった
5   5   6           よい     全くなかった 全くなかった   全くなかった
6   8   8       まあよい       よくあった 全くなかった ときどきあった
               Q16            Q17              Q18              Q19
1       よくあった     よくあった   ときどきあった   ときどきあった
2   ときどきあった ときどきあった     全くなかった     全くなかった
3       よくあった   全くなかった     全くなかった     全くなかった
4     全くなかった   全くなかった     全くなかった     全くなかった
5     全くなかった   全くなかった     全くなかった     全くなかった
6 ほとんどなかった     よくあった ほとんどなかった ほとんどなかった
               Q20              Q21 Q22  Q23                                Q24
1       よくあった       よくあった 5.0  8.0                           賃貸住宅
2     全くなかった ほとんどなかった 8.0  8.0                           賃貸住宅
3     全くなかった ほとんどなかった 6.0 10.0                           賃貸住宅
4     全くなかった   ときどきあった 5.0  5.0 持ち家(家族や親戚が所有している家)
5   ときどきあった   ときどきあった 5.5  6.5                           賃貸住宅
6 ほとんどなかった     全くなかった 8.0  8.0                           賃貸住宅
  Q25 Q26            Q27        Q28                Q29    Q30    Q31      Q32
1 7.0   2       30年以上 一人暮らし                    東京都 埼玉県 両方ある
2 8.7   1        5年未満       友人                    東京都 東京都   バス停
3 5.3   2 10から20年未満         寮                    東京都 東京都 両方ある
4  NA  NA                      家族 オフィスワーク中心 千葉県 千葉県 両方ある
5 7.0   1        5年未満 一人暮らし                    東京都 福島県       駅
6 6.5   1 10から20年未満 一人暮らし                    東京都 山形県 両方ある
  Q33  Q34                    Q35 Q36 Q37 Q38 Q39 Q40 Q41        Q42
1   5 電車               30分未満   3   1   1   1   4  10 2以上3未満
2   3 電車      30分以上1時間未満   2   4   3   5   5   6 3以上4未満
3 3分 徒歩               30分未満   6   5   4   5   5  24 3以上4未満
4   5 電車 1時間以上1時間30分未満   2   4   4   4   5   7 3以上4未満
5   5 電車               30分未満   1   3   3   3   3   2 3以上4未満
6   5 電車               30分未満   5   3   4   4   2  24      4以上
             Q43    Q44                  Q45 Q46 Q47 Q48 Q49        Q50    Q51
1 所属していない いいえ                        0   0  18  20   している 東京都
2 所属していない   はい 進学前から決めていた  14   0  20   6   している 東京都
3   所属している   はい 進学前から決めていた  24  24   0  10 していない       
4 所属していない いいえ                        5  10   6  10   している 千葉県
5 所属していない   はい             就職活動   5   0  15  10   している 東京都
6   所属している   はい 進学前から決めていた  10   5  10  60   している 東京都
                                                             Q52  Q53
1                     飲食・フード(レストラン・居酒屋・カフェ等) 1100
2                     飲食・フード(レストラン・居酒屋・カフェ等) 1100
3                                                                  NA
4 販売・接客・サービス(コンビニ・レジ・書店・ガソリンスタンド等) 1000
5 販売・接客・サービス(コンビニ・レジ・書店・ガソリンスタンド等) 1045
6 販売・接客・サービス(コンビニ・レジ・書店・ガソリンスタンド等) 1150
                                                                               Q54
1                                            生活費のため;日常の娯楽・嗜好品のため
2                                                                     生活費のため
3                                                                                 
4                                                               社会経験を養うため
5                                 生活費のため;学費のため;日常の娯楽・嗜好品のため
6 生活費のため;日常の娯楽・嗜好品のため;高額商品購入（自動車、パソコンなど）のため
  Q55 Q56 Q57 Q58 Q59 Q60 Q61    Q62 Q63 Q64 Q65 Q66 Q67 Q68    Q69 Q70 Q71
1   8  11  70  30   0   0  10  90000   5  10  10  10  10   5 いいえ  NA  NA
2   8  16  50  50  25   2   0 160000  60   5  10   5  10   5   はい 1.0   5
3  NA  10  NA  80  NA  NA  20  50000  50  10   0   3   0   4   はい 0.5   6
4   2   4  50  50   0   0  50  20000  20  10  30  10  10   5   はい 1.0   5
5   7  15  70  20  10   0   0     15  30  10  25   5  10  10 いいえ  NA  NA
6   4   4 100   4   7  50  60      4  50  30  10  20  40   0 いいえ  NA  NA
                  Q72              Q73 Q74            Q75      Q76       Q77
1                                       NA                それ以上   twitter
2    ロールプレイング ロールプレイング   0     減らしたい それ以上 instagram
3    シミュレーション シミュレーション   0 このままでいい それ以上 instagram
4 アクション;スポーツ       アクション   0 このままでいい   無制限 instagram
5                                       NA                  無制限 instagram
6                                       NA                       6 instagram
  Q78 Q79  Q80
1 500  60 1000
2 301   0 4000
3 200  30 1000
4 150  50 1000
5 400  50 1000
6 250  60    0

列の選択：select()

  • データ内の必要な変数のみを抽出します
  • つまり、いらない変数を除きます
# id, Q1, Q3のみ残してみます
data |>
  select(id, Q1, Q2) |>
  head()
  id         Q1   Q3
1  1 同意します 男性
2  2 同意します 女性
3  3 同意します 男性
4  4 同意します 男性
5  5 同意します 女性
6  6 同意します 男性

データの加工(3)：列の変換(mutate)

列の変換：mutate()

  • 既存の列の中身を書き換えます
  • mutate()の括弧内には、「変数の名前＝ベクトル」とします

条件指定：if_else(条件, TRUE, FALSE)

  • 条件付きの関数
  • 条件を指定して、真の場合とそうでない場合を書きます
# Q3で「女性」を1、「男性」を0と置き換えます
data |>
  mutate(Q3 = if_else(Q3 == "女性", 1, 0)) |>
  select(id, Q3) |>
  head()
  id Q3
1  1  0
2  2  1
3  3  0
4  4  0
5  5  1
6  6  0

データの加工(4)：列の追加(mutate)

列の追加：mutate()

  • 新たに変数を追加するときも使用
  • 出来るだけもともとのデータは変更しないで新しい列（変数）を追加していく
  • 変数名を考えて指定します
# Q7で「経済学部」と回答している場合を1、それ以外を0とします
# 新しい変数名は"dum_econ"としましょう
data |>
  mutate(dum_econ = if_else(Q7 == "経済学部", 1, 0)) |>
  select(id, Q7, dum_econ) |>
  head()
  id       Q7 dum_econ
1  1 経済学部        1
2  2 経済学部        1
3  3 経済学部        1
4  4 経済学部        1
5  5 経済学部        1
6  6 経済学部        1

データの加工(5)：条件指定(if_else & case_when)

単一条件指定：if_else(条件, TRUE, FALSE)【再】

複数条件指定：case_when(条件1 ~ TRUE, 条件2 ~ TRUE, …)

  • 複数の条件を指定する関数
  • 条件を指定して、真の場合は”~“の右側に真の値を指定します
  • カンマ”,“で区切り、他の条件を追加します
  • 最後は、左側にTRUEとして、“~”の右側にこれまで条件を満たさない場合の値を指定
# Q6の学年から年を除いて数値型にする
# 新しい変数名は"cat5_grade"としましょう
data |>
  mutate(cat5_grade = case_when(Q6 == "1年" ~ 1,
                                Q6 == "2年" ~ 2,
                                Q6 == "3年" ~ 3,
                                Q6 == "4年" ~ 4,
                                TRUE ~ 5)) |>
  select(id, Q6, cat5_grade) |>
  head()
  id  Q6 cat5_grade
1  1 3年          3
2  2 3年          3
3  3 3年          3
4  4 3年          3
5  5 4年          4
6  6 1年          1

データの加工(6)：|>でつなげばすべて実行

  • これまでのコードを|>でつなげばすべて実行できる
  • ただし、コードは上からの順番に実行されるので注意
# アンケートに同意しているサンプルのみに限定
# 女性を1、男性を0とするダミー変数を作成（変数名：dum_female）
# 経済学部を1、それ以外を0とするダミー変数を作成（変数名：dum_econ）
# 学年を数値型に変更する（変数名：cat5_grade）
# 必要な変数のみ残す
# 最後に先頭行のみを表示して確認
data |>
  filter(Q1=="同意します") |>
  mutate(dum_female = if_else(Q3 == "女性", 1, 0)) |>
  mutate(dum_econ = if_else(Q7 == "経済学部", 1, 0)) |>
  mutate(cat5_grade = case_when(Q6 == "1年" ~ 1,
                                Q6 == "2年" ~ 2,
                                Q6 == "3年" ~ 3,
                                Q6 == "4年" ~ 4,
                                TRUE ~ 5)) |>
  select(id, Q3, Q6, Q7, dum_female, dum_econ, cat5_grade) |>
  head()
  id   Q3  Q6       Q7 dum_female dum_econ cat5_grade
1  1 男性 3年 経済学部          0        1          3
2  2 女性 3年 経済学部          1        1          3
3  3 男性 3年 経済学部          0        1          3
4  4 男性 3年 経済学部          0        1          3
5  5 女性 4年 経済学部          1        1          4
6  6 男性 1年 経済学部          0        1          1

加工データの作成

  • テキストセルを挿入して、「## 加工したデータの作成と書き出し」と入力
  • これまでの実行は、実際にdataの加工をしているわけではなく、操作しているだけ
  • 加工したデータを新しいオブジェクトとして作成する(“新しいデータ名 <- データ加工”)
  • 先ほどの加工したデータを”data2”として作成
# data2に加工したデータを代入
data2 <- data |>
  filter(Q1=="同意します") |>
  mutate(dum_female = if_else(Q3 == "女性", 1, 0)) |>
  mutate(dum_econ = if_else(Q7 == "経済学部", 1, 0)) |>
  mutate(cat4_grade = case_when(Q6 == "1年" ~ 1,
                                Q6 == "2年" ~ 2,
                                Q6 == "3年" ~ 3,
                                Q6 == "4年" ~ 4,
                                TRUE ~ 5)) |>
  select(id, Q3, Q6, Q7, dum_female, dum_econ, cat4_grade)
head(data2)
  id   Q3  Q6       Q7 dum_female dum_econ cat4_grade
1  1 男性 3年 経済学部          0        1          3
2  2 女性 3年 経済学部          1        1          3
3  3 男性 3年 経済学部          0        1          3
4  4 男性 3年 経済学部          0        1          3
5  5 女性 4年 経済学部          1        1          4
6  6 男性 1年 経済学部          0        1          1

ファイルの書き出し：csvファイルへの書き出し

  • 新しく作成したデータをcsvに書き出す
  • 書き出したデータはマウントしているDriveに保存されます
  • パスを指定すれば、そのフォルダに書き出してくれる
# write.csv(保存したデータフレームオブジェクト, file = "保存したいデータの名前.csv")
# 名前を「sample_提出しない」とする
# Driveからローカルにダウンロードしたときに文字化けしないようにエンコードをShift-JISに変換する
write.csv(data2, file = "/content/drive/MyDrive/Classroom/2025年度　経済データ分析演習B2 2025年/第4回/sample_提出しない.csv", fileEncoding = "CP932")
  • このcsvファイルは提出しないので、注意してください。

講義課題（次ページ有）

第4回講義課題(1) - 以下の加工をしたデータを書き出して、そのcsvを提出してください

  • テキストセルを挿入して、「## 第4回講義課題」と入力
  • コードセルを挿入して、以下のコードをすべて一つのセルでまとめる
  • 新しいデータオブジェクトの名前は「df」とする
  • filter関数を使用して、アンケートに同意しているサンプルのみとする
  • 女性を1、男性を0、経済学部を1、それ以外を0とするダミー変数を作成
  • 名前はそれぞれ、dum_female, dum_econとする
  • 留学生を1、それ以外を0とするダミー変数をdum_exstudとして作成
  • 学年、誕生月を数値型に変換した変数を作成
  • 名前はそれぞれ、cat5_grade, cat12_birthとする
  • 健康状態を「よい」1から「よくない」5とするカテゴリー変数をcat5_healthとする
  • select関数を使って、idと作成した変数のみを選んでください

講義課題

  • 新しく作成したデータのdfをcsvファイルとして、Driveの第4回フォルダに書き出す
  • 書き出すファイル名は”第4回_学籍番号_氏名.csv”としてください
  • 書き出したcsvファイルを第4回講義課題(1)（提出期限：2025年10月13日23時59分）に提出してください

第4回講義課題(2) - Colabのファイルを提出してください

  • 今回作成したColabファイルを第4回講義課題(2)（提出期限：2025年10月13日23時59分）に提出
  • ファイル名が”第4回_学籍番号_氏名.ipynb”となっているか確認してください


  • 注意：二つ提出が必要です。提出場所を間違えないようにしてください
  • 提出期限：2025年10月13日（月） 23時59分