Rによるコーディング

Rパッケージdplyrを用いて、以下の設問の表示結果と同じになるように、 Rチャンクを挿入しコーディングせよ。

要約統計量を計算するときはsummarize()関数を使う。

if (!require(data.table)) install.packages("data.table")
if (!require(dplyr))      install.packages("dplyr")

Pythonによるコーディング

Pythonパッケージpolarsを用いて、以下の設問の表示結果と同じになるように、 Pythonチャンクを挿入しコーディングせよ。

積集合は(論理式1) & (論理式2)のようにする（括弧が必要）。
例）カラムAで値が1，カラムBで値が2の積集合: (pl.col(“A”) == 1) & (pl.col(“B”) == 2)

要約統計量を計算するときはselect()， group_by().agg()関数を使う。

import pandas as pd
import polars as pl

1 設問

高校のデータを用いて，設問に答えよ。

d <- data.frame(
  name = c("Taro", "Hanako", "Saburo", 
           "Yoshiko", "Jiro", "Sakurako",
           "Shiro", "Matsuko", "Aiko"),
  school = c("南", "南", "南", "南", "南", "東", "東", "東", "東"),
  teacher = c("竹田", "竹田", "竹田", "竹田",  "佐藤", "佐藤", "佐藤", "鈴木", "鈴木"),
  gender = c("男", "女", "男", "女", "男", "女", "男", "女", "女"),
  math = c(4, 3, 2, 4, 3, 4, 5, 4, 5),
  reading = c(1, 5, 2, 4, 5, 4, 1, 5, 4) )

d

fwrite(d, file = "highschool.csv", sep = ",")

df = pd.read_csv("highschool.csv")

#df = pl.DataFrame(r.d)
df = pl.read_csv("highschool.csv")

1.1 問題

データのカラム名を取得せよ。

【Rヒント】names

## [1] "name"    "school"  "teacher" "gender"  "math"    "reading"

【Pythonヒント】names

## ['name', 'school', 'teacher', 'gender', 'math', 'reading']

1.2 問題

先生（teacher）と学生（name）とのデータを取得せよ。

shape: (9, 2)

name	math
str	i64
"Taro"	4
"Hanako"	3
"Saburo"	2
"Yoshiko"	4
"Jiro"	3
"Sakurako"	4
"Shiro"	5
"Matsuko"	4
"Aiko"	5

1.3 問題

学校（school）以外のデータを取得せよ。

shape: (9, 5)

name	teacher	gender	math	reading
str	str	str	i64	i64
"Taro"	"竹田"	"男"	4	1
"Hanako"	"竹田"	"女"	3	5
"Saburo"	"竹田"	"男"	2	2
"Yoshiko"	"竹田"	"女"	4	4
"Jiro"	"佐藤"	"男"	3	5
"Sakurako"	"佐藤"	"女"	4	4
"Shiro"	"佐藤"	"男"	5	1
"Matsuko"	"鈴木"	"女"	4	5
"Aiko"	"鈴木"	"女"	5	4

1.4 問題

1～3番目のレコードを取得せよ。

shape: (3, 6)

name	school	teacher	gender	math	reading
str	str	str	str	i64	i64
"Taro"	"南"	"竹田"	"男"	4	1
"Hanako"	"南"	"竹田"	"女"	3	5
"Saburo"	"南"	"竹田"	"男"	2	2

1.5 問題

2, 4, 6番目のレコードを取得せよ。

shape: (3, 6)

name	school	teacher	gender	math	reading
str	str	str	str	i64	i64
"Hanako"	"南"	"竹田"	"女"	3	5
"Yoshiko"	"南"	"竹田"	"女"	4	4
"Sakurako"	"東"	"佐藤"	"女"	4	4

1.6 問題

名前がアルファベット順になるようにレコードをソートせよ。

shape: (9, 6)

name	school	teacher	gender	math	reading
str	str	str	str	i64	i64
"Aiko"	"東"	"鈴木"	"女"	5	4
"Hanako"	"南"	"竹田"	"女"	3	5
"Jiro"	"南"	"佐藤"	"男"	3	5
"Matsuko"	"東"	"鈴木"	"女"	4	5
"Saburo"	"南"	"竹田"	"男"	2	2
"Sakurako"	"東"	"佐藤"	"女"	4	4
"Shiro"	"東"	"佐藤"	"男"	5	1
"Taro"	"南"	"竹田"	"男"	4	1
"Yoshiko"	"南"	"竹田"	"女"	4	4

1.7 問題

国語の点数を高い方から低い順（降順: descending order）になるようにソートせよ。

shape: (9, 6)

name	school	teacher	gender	math	reading
str	str	str	str	i64	i64
"Hanako"	"南"	"竹田"	"女"	3	5
"Jiro"	"南"	"佐藤"	"男"	3	5
"Matsuko"	"東"	"鈴木"	"女"	4	5
"Yoshiko"	"南"	"竹田"	"女"	4	4
"Sakurako"	"東"	"佐藤"	"女"	4	4
"Aiko"	"東"	"鈴木"	"女"	5	4
"Saburo"	"南"	"竹田"	"男"	2	2
"Taro"	"南"	"竹田"	"男"	4	1
"Shiro"	"東"	"佐藤"	"男"	5	1

1.8 問題

数学、国語の点数を高い方から低い順（降順: descending order）になるようにソートせよ。なお、国語の順位を最優先とする。

shape: (9, 6)

name	school	teacher	gender	math	reading
str	str	str	str	i64	i64
"Matsuko"	"東"	"鈴木"	"女"	4	5
"Hanako"	"南"	"竹田"	"女"	3	5
"Jiro"	"南"	"佐藤"	"男"	3	5
"Aiko"	"東"	"鈴木"	"女"	5	4
"Yoshiko"	"南"	"竹田"	"女"	4	4
"Sakurako"	"東"	"佐藤"	"女"	4	4
"Saburo"	"南"	"竹田"	"男"	2	2
"Shiro"	"東"	"佐藤"	"男"	5	1
"Taro"	"南"	"竹田"	"男"	4	1

1.9 問題

名前（name）と数学（math）の列のみを抽出せよ。

shape: (9, 2)

name	math
str	i64
"Taro"	4
"Hanako"	3
"Saburo"	2
"Yoshiko"	4
"Jiro"	3
"Sakurako"	4
"Shiro"	5
"Matsuko"	4
"Aiko"	5

1.10 問題

国語（reading）の平均値を計算せよ。

## [1] 3.444444

## 3.4444444444444446

1.11 問題

先生（teacher）ごとに国語（reading）の平均値を計算せよ。 reading_mean = mean(reading)

shape: (3, 2)

teacher	reading_mean
str	f64
"竹田"	3.0
"鈴木"	4.5
"佐藤"	3.333333

1.12 問題

学校（school）ごとの学生数を計算せよ。

shape: (2, 2)

school	n
str	u32
"東"	4
"南"	5

1.13 問題

カウント関数を使用して，性別（gender）ごとの学生数を計算せよ。

shape: (2, 2)

gender	count
str	u32
"女"	5
"男"	4

1.14 問題

count関数を使用して，男女（gender）ごとの先生別学生数を計算せよ。

【Rヒント】count

【Pythonヒント】group_by, agg, len, (sort)

shape: (5, 3)

gender	teacher	len
str	str	u32
"女"	"竹田"	2
"女"	"佐藤"	1
"女"	"鈴木"	2
"男"	"佐藤"	2
"男"	"竹田"	2

1.15 問題

男子の数学（math）と国語（reading）の点数を取得せよ。

【Rヒント】filter, select

【Pythonヒント】 filter, col, select

shape: (4, 4)

name	gender	math	reading
str	str	i64	i64
"Taro"	"男"	4	1
"Saburo"	"男"	2	2
"Jiro"	"男"	3	5
"Shiro"	"男"	5	1

1.16 問題

東高校の女子の数学（math）の点数を取得せよ。

【Rヒント】filter

【Pythonヒント】filter, col, () & ()

shape: (3, 2)

name	math
str	i64
"Sakurako"	4
"Matsuko"	4
"Aiko"	5

1.17 問題

学生数が4名以上の先生（teacher）のデータを取得せよ。

【Rヒント】group_by, filter, n():行数取得関数

【Pythonヒント】（難）2文で実行。group_by, agg, filter, col, select, is_in

shape: (4, 6)

name	school	teacher	gender	math	reading
str	str	str	str	i64	i64
"Taro"	"南"	"竹田"	"男"	4	1
"Hanako"	"南"	"竹田"	"女"	3	5
"Saburo"	"南"	"竹田"	"男"	2	2
"Yoshiko"	"南"	"竹田"	"女"	4	4

1.18 問題

数学（math）と国語（reading）の平均点（mean）を作成せよ。

【Rヒント】mutate

【Pythonヒント】with_columns, col, alias

shape: (9, 7)

name	school	teacher	gender	math	reading	mean
str	str	str	str	i64	i64	f64
"Taro"	"南"	"竹田"	"男"	4	1	2.5
"Hanako"	"南"	"竹田"	"女"	3	5	4.0
"Saburo"	"南"	"竹田"	"男"	2	2	2.0
"Yoshiko"	"南"	"竹田"	"女"	4	4	4.0
"Jiro"	"南"	"佐藤"	"男"	3	5	4.0
"Sakurako"	"東"	"佐藤"	"女"	4	4	4.0
"Shiro"	"東"	"佐藤"	"男"	5	1	3.0
"Matsuko"	"東"	"鈴木"	"女"	4	5	4.5
"Aiko"	"東"	"鈴木"	"女"	5	4	4.5

1.19 問題

国語（reading）を100点満点に換算（新カラム名：reading100）せよ。

【Rヒント】mutate

【Pythonヒント】with_columns, col, alias

shape: (9, 7)

name	school	teacher	gender	math	reading	reading100
str	str	str	str	i64	i64	i64
"Taro"	"南"	"竹田"	"男"	4	1	20
"Hanako"	"南"	"竹田"	"女"	3	5	100
"Saburo"	"南"	"竹田"	"男"	2	2	40
"Yoshiko"	"南"	"竹田"	"女"	4	4	80
"Jiro"	"南"	"佐藤"	"男"	3	5	100
"Sakurako"	"東"	"佐藤"	"女"	4	4	80
"Shiro"	"東"	"佐藤"	"男"	5	1	20
"Matsuko"	"東"	"鈴木"	"女"	4	5	100
"Aiko"	"東"	"鈴木"	"女"	5	4	80

データラングリング演習1
Data Wrangling Exercise 1

高校問題

東京国際大学データサイエンス教育研究所竹田恒

2024-11-11

1 設問

1.1 問題

1.2 問題

1.3 問題

1.4 問題

1.5 問題

1.6 問題

1.7 問題

1.8 問題

1.9 問題

1.10 問題

1.11 問題

1.12 問題

1.13 問題

1.14 問題

1.15 問題

1.16 問題

1.17 問題

1.18 問題

1.19 問題

データ ラングリング演習1Data Wrangling Exercise 1

高校問題

東京国際大学 データサイエンス教育研究所 竹田 恒

2024-11-11

1 設問

1.1 問題

1.2 問題

1.3 問題

1.4 問題

1.5 問題

1.6 問題

1.7 問題

1.8 問題

1.9 問題

1.10 問題

1.11 問題

1.12 問題

1.13 問題

1.14 問題

1.15 問題

1.16 問題

1.17 問題

1.18 問題

1.19 問題

データラングリング演習1
Data Wrangling Exercise 1

東京国際大学データサイエンス教育研究所竹田恒