## Settings for RMarkdown http://yihui.name/knitr/options#chunk_options
opts_chunk$set(comment = "", warning = FALSE, message = FALSE, tidy = FALSE,
echo = TRUE, fig.width = 10, fig.height = 8)
options(width = 116, scipen = 10)
## なかなかわかりにくいRで用いられるデータ形式について解説
## データフレームから始まって他の形式を解説します。
# 使い方
# この記載をすべてコピーして手元のRのエディタに貼付ける。
# Windows版では左上 [ファイル] → [新しいスクリプト]でエディタ。
# Mac版では真っ白い紙の形のアイコンでエディタ。
# 実行する行、あるいは範囲を選択して
# WindowsであればCtrl＋R、MacであればCommand＋Returnで実行。
#################### data.frame ####################
## 一番使うのはデータフレームです。
## Rのデモデータもほとんどデータフレームです。
## デモデータを読み込んでみます。
## 標準付属のdatasetsというパッケージのデータセット一覧
data(package="datasets")
## 一画面に収まるtreesというのをdata()で読み込みます。
data(trees)
## そのまま trees で実行すると中身が表示されます。
## 31本の桜の木のGirth直径(inch), Height高さ(feet), Volume体積(feet^3)
## というデータ。行がそれぞれの木に対応。列がそれぞれ変数になります。
## 31行、3列(行番号も入れると4列)のデータが表示されたのがみえますか。
trees
Girth Height Volume
1 8.3 70 10.3
2 8.6 65 10.3
3 8.8 63 10.2
4 10.5 72 16.4
5 10.7 81 18.8
6 10.8 83 19.7
7 11.0 66 15.6
8 11.0 75 18.2
9 11.1 80 22.6
10 11.2 75 19.9
11 11.3 79 24.2
12 11.4 76 21.0
13 11.4 76 21.4
14 11.7 69 21.3
15 12.0 75 19.1
16 12.9 74 22.2
17 12.9 85 33.8
18 13.3 86 27.4
19 13.7 71 25.7
20 13.8 64 24.9
21 14.0 78 34.5
22 14.2 80 31.7
23 14.5 74 36.3
24 16.0 72 38.3
25 16.3 77 42.6
26 17.3 81 55.4
27 17.5 82 55.7
28 17.9 80 58.3
29 18.0 80 51.5
30 18.0 80 51.0
31 20.6 87 77.0
## class()を使うとデータ構造が表示されます。data.frameです。
class(trees)
[1] "data.frame"
## STRucture()関数の方がOBServation数、変数の数、変数の名前
## それぞれの変数の型(この場合は3ついずれもNUMeric 数値)もでて有用かも。
str(trees)
'data.frame': 31 obs. of 3 variables:
$ Girth : num 8.3 8.6 8.8 10.5 10.7 10.8 11 11 11.1 11.2 ...
$ Height: num 70 65 63 72 81 83 66 75 80 75 ...
$ Volume: num 10.3 10.3 10.2 16.4 18.8 19.7 15.6 18.2 22.6 19.9 ...
## read.csv()を用いて外部から読み込んだデータもdata.frameになります。
## 基本的にはdata.frameさえ使えればだいたいよいのですが、以下詳しい解説。
#################### vector ####################
## 一番シンプルなのは一つだけ値が入っているobjectです。
## 一つの値を入れるときはそのまま <- でok。文字列ならば""でくくる。
NUMBER <- 42
NAME <- "吉田"
## 呼び出すときはそのobjectの名前を打ち込むと中身が表示されます。
NUMBER
[1] 42
NAME
[1] "吉田"
## 構造は何でしょう?それぞれNUMeric数値とCHaRacter文字列と表示されています。
## それぞれnemeric vector/数値ベクトルとcharacter vector/文字列ベクトルと
## いうものにあたります。
## ベクトルとは値を一直線に並べたものですが、この場合は値が一つだけで、
## 特別にscalarと呼ばれることもあります。
str(NUMBER)
num 42
str(NAME)
chr "吉田"
## 値を一直線上に束ねたベクトルを作るにはCombine()という関数を使います。
## 数値を一直線に束ねてみます。
VECTOR <- c(1,5,7,15)
VECTOR
[1] 1 5 7 15
## 構造チェックのSTRucture()を使うとNUMeric数値の表示です。
## 値が四つになっただけでさっきの NUMBER と同じnumです。
str(VECTOR)
num [1:4] 1 5 7 15
str(NUMBER)
num 42
## 文字列を束ねてみます。
VECTOR2 <- c("吉田一郎", "吉田二郎", "吉田三郎", "吉田四郎")
VECTOR2
[1] "吉田一郎" "吉田二郎" "吉田三郎" "吉田四郎"
## 構造チェックのSTRucture()を使うとCHaRacter文字列の表示です。
## 値が四つになっただけでさっきの NAME と同じchrです。
str(VECTOR2)
chr [1:4] "吉田一郎" "吉田二郎" "吉田三郎" "吉田四郎"
str(NAME)
chr "吉田"
## vectorの特徴としてすべての値が同じ形式、つまり、数値なら数値、
## 文字列なら文字列である必要がある、ということがあげられます。
## では違う種類を並べるとどうでしょう?
## むりやりc()をつかって数値ベクトルと文字列ベクトルをさらに並べます。
VECTOR.COMBINED <- c(VECTOR, VECTOR2)
## 一直線に並びましたが、数値に""がついています。
## これはすべて文字列として扱われていることをしめします。
VECTOR.COMBINED
[1] "1" "5" "7" "15" "吉田一郎" "吉田二郎" "吉田三郎" "吉田四郎"
## STRucture()で形式をチェクするとCHaRacter文字列として扱われています。
## 数値と文字列を無理矢理組み合わせるとすべて文字列になります。
str(VECTOR.COMBINED)
chr [1:8] "1" "5" "7" "15" "吉田一郎" "吉田二郎" "吉田三郎" "吉田四郎"
## なにが違うかというと、数値はまとめて計算できます。3をかけてみます。
VECTOR
[1] 1 5 7 15
VECTOR * 3
[1] 3 15 21 45
## 文字列は計算ができません。前半の"1" "5" "7" "15"も計算できませんでした。
VECTOR.COMBINED
[1] "1" "5" "7" "15" "吉田一郎" "吉田二郎" "吉田三郎" "吉田四郎"
VECTOR.COMBINED * 3
Error: non-numeric argument to binary operator
#################### 次にmatrixです。 ####################
## 一本のvectorベクトルを畳んだものがmatrix行列になります。
## まず長めのベクトルを作ってみます。1:20は1から20という意味です。
1:20
[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
LONG.VECTOR <- 1:20
## 1から20までの20の値を持つ一直線のベクトルができました。
LONG.VECTOR
[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
## データ形式をみるとINTeger整数となっています。
## どうも1:20という省略形式を使うと整数しか出てこないのでintになるようです。
str(LONG.VECTOR)
int [1:20] 1 2 3 4 5 6 7 8 9 10 ...
## これを畳み込んでmatrix行列にしてみます。Number of COLumnsが5です。
MATRIX <- matrix(data=LONG.VECTOR, ncol=5)
## ベクトルが畳まれて5列、4行の行列になったのがわかりますか。
## 1列目から1,2,3,4というふうに縦に畳まれています。
MATRIX
[,1] [,2] [,3] [,4] [,5]
[1,] 1 5 9 13 17
[2,] 2 6 10 14 18
[3,] 3 7 11 15 19
[4,] 4 8 12 16 20
## 直感的に分かりにくいので横に畳むにはBY ROW行方向というオプションを使います。
MATRIX2 <- matrix(data=LONG.VECTOR, ncol=5, byrow=TRUE)
## 今度は横方向に畳まれたのがわかりますか。
MATRIX2
[,1] [,2] [,3] [,4] [,5]
[1,] 1 2 3 4 5
[2,] 6 7 8 9 10
[3,] 11 12 13 14 15
[4,] 16 17 18 19 20
## データ形式をチェックします。class()を使うとmatrixであることがわかります。
class(MATRIX2)
[1] "matrix"
## STRucture()はINTeger整数としか教えてくれないようです。
str(MATRIX2)
int [1:4, 1:5] 1 6 11 16 2 7 12 17 3 8 ...
## すべての値が数字なのでかけ算ができます。3をかけてみます。
MATRIX2 * 3
[,1] [,2] [,3] [,4] [,5]
[1,] 3 6 9 12 15
[2,] 18 21 24 27 30
[3,] 33 36 39 42 45
[4,] 48 51 54 57 60
## このようにmatrix行列は一つのベクトルを折り畳んで作られるため、
## 一つのベクトルと同じく含まれる値の種類は一種類(この場合は数値)のみです。
## むりやり文字列を入れたらどうなるでしょうか。
## [行番号,列番号]という要素指定の方法で文字列をいれて見ます。
MATRIX2
[,1] [,2] [,3] [,4] [,5]
[1,] 1 2 3 4 5
[2,] 6 7 8 9 10
[3,] 11 12 13 14 15
[4,] 16 17 18 19 20
## [2行目,3列目]の要素を指定。8がある場所です。
MATRIX2[2,3]
[1] 8
## そこに文字列 "吉田"をむりやり入れる。
MATRIX2[2,3] <- "吉田"
## すべて""がついています。文字列の特徴です。
## class()はmatrixのままですが、STRucture()だとCHaRacter文字列
## となり、行列のすべての要素が文字列になってしまいました。
MATRIX2
[,1] [,2] [,3] [,4] [,5]
[1,] "1" "2" "3" "4" "5"
[2,] "6" "7" "吉田" "9" "10"
[3,] "11" "12" "13" "14" "15"
[4,] "16" "17" "18" "19" "20"
class(MATRIX2)
[1] "matrix"
str(MATRIX2)
chr [1:4, 1:5] "1" "6" "11" "16" "2" "7" "12" "17" "3" "吉田" "13" "18" "4" "9" ...
## 当然、これでは計算はできません。
MATRIX2 * 3
Error: non-numeric argument to binary operator
#################### matrixとdata frameのちがい ####################
## ではmatrixとdata.frameの違いは何でしょう。
## 一言でいうと
## matrixは__一本__のベクトルを畳んだもの
## data.frameは__複数__のベクトルを束ねたもの
## です。
## 前者はあくまで一個のベクトルなので一種類のデータしか入りません。
## 後者は複数のベクトルなので、数値でも文字列でも好きに入れられます。
## 複数のベクトルを作ります。
numbers <- seq(from=1, to=10, by=1)
letters <- c("a","b","c","d","e","f","g","h","i","j")
LETTERS <- toupper(c("a","b","c","d","e","f","g","h","i","j"))
hirakana <- c("あ","い","う","え","お","か","き","く","け","こ")
katakana <- c("ア","イ","ウ","エ","オ","カ","キ","ク","ケ","コ")
## データの中身はnumbersはNUMeric数値、他はCHaRacter文字列です。
str(numbers)
num [1:10] 1 2 3 4 5 6 7 8 9 10
str(letters)
chr [1:10] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j"
## 先ほどのベクトルたちを束ねます。
DATA.FRAME <- data.frame(
numbers,
letters,
LETTERS,
hirakana,
katakana
)
## 縦方向に束ねられたのがわかりますか。
DATA.FRAME
numbers letters LETTERS hirakana katakana
1 1 a A あ ア
2 2 b B い イ
3 3 c C う ウ
4 4 d D え エ
5 5 e E お オ
6 6 f F か カ
7 7 g G き キ
8 8 h H く ク
9 9 i I け ケ
10 10 j J こ コ
## 3をかけてみるとエラーが出ますが1列目のnumbersはきちんと計算
## されています。1列目では数値が数値として保たれている訳です。
DATA.FRAME * 3
numbers letters LETTERS hirakana katakana
1 3 NA NA NA NA
2 6 NA NA NA NA
3 9 NA NA NA NA
4 12 NA NA NA NA
5 15 NA NA NA NA
6 18 NA NA NA NA
7 21 NA NA NA NA
8 24 NA NA NA NA
9 27 NA NA NA NA
10 30 NA NA NA NA
## 構造をみると
## $ 変数名 : その変数の種類
## という表示で変数ごとに数値だったりfactor因子だったりします。
str(DATA.FRAME)
'data.frame': 10 obs. of 5 variables:
$ numbers : num 1 2 3 4 5 6 7 8 9 10
$ letters : Factor w/ 10 levels "a","b","c","d",..: 1 2 3 4 5 6 7 8 9 10
$ LETTERS : Factor w/ 10 levels "A","B","C","D",..: 1 2 3 4 5 6 7 8 9 10
$ hirakana: Factor w/ 10 levels "あ","い","う",..: 1 2 3 4 5 6 7 8 9 10
$ katakana: Factor w/ 10 levels "ア","イ","ウ",..: 1 2 3 4 5 6 7 8 9 10
## ここで初めて出てきた factor はカテゴリー変数のことです。
## 文字列CHaRactorと因子factorの違いは後者は統計処理に使えるという所にあります。
##
## 例えば患者名は文字列です。患者ごとにすべて違い集計することはありません。
## 性別はmale, femaleという変数はカテゴリー変数です、こちらは集計する
## という概念があります。
##
## Rでは .csvなどから取り込んだ文字列(male, femaleなど)は自動的になるべく
## カテゴリー変数として取り込んでくれます。
#################### list ####################
## Rのデータ構造の最上位概念のlist/リストについて説明します。
## 今までの説明でvectorとmatrixは一つのベクトルであり、一種類のデータのみ。
## data frameは複数のベクトルを束ねているので、束ねたベクトルの数だけ
## データ構造を持つことができることを話しました。
## このdata frameをさらに柔軟にしたのがlistです。
## 先ほどのように複数のベクトルを作ります。
## 先ほどとは違いそれぞれ長さが異なります。
numbers <- seq(from=1, to=30, by=1)
letters <- c("a","b","c","d","e","f","g","h","i")
LETTERS <- toupper(c("a","b","c","d","e","f","g"))
hirakana <- c("あ","い","う","え","お","か","き","く","け","こ","さ")
katakana <- c("ア","イ","ウ","エ","オ","カ","キ","ク","ケ","コ","サ","シ")
## データフレームにしょうとすると長さが違うのでまとめられないと
## 泣き言をいわれてエラーになります。
DATA.FRAME2 <- data.frame(
numbers,
letters,
LETTERS,
hirakana,
katakana
)
Error: arguments imply differing number of rows: 30, 9, 7, 11, 12
## 心配はご無用。リストは細かいことは気にしません!
## 長さはもちろん、ベクトルでなくても大丈夫!
## このように雑多なものをまとめるときにリストが使われます。
LIST <- list(
numbers, # 長さ30の数値ベクトル
letters, # 長さ9の文字ベクトル
LETTERS, # 長さ7の文字ベクトル
hirakana, # 長さ11の文字ベクトル
katakana, # 長さ12の文字ベクトル
MATRIX, # 縦4 x 横5の行列!
DATA.FRAME # さっき作ったデータフレーム!
)
## 長さが違うので表形式では表示できません。
## このため[[1]]つめの要素、、[[2]]つめの要素、、上から下にと表示されます。
LIST
[[1]]
[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
[[2]]
[1] "a" "b" "c" "d" "e" "f" "g" "h" "i"
[[3]]
[1] "A" "B" "C" "D" "E" "F" "G"
[[4]]
[1] "あ" "い" "う" "え" "お" "か" "き" "く" "け" "こ" "さ"
[[5]]
[1] "ア" "イ" "ウ" "エ" "オ" "カ" "キ" "ク" "ケ" "コ" "サ" "シ"
[[6]]
[,1] [,2] [,3] [,4] [,5]
[1,] 1 5 9 13 17
[2,] 2 6 10 14 18
[3,] 3 7 11 15 19
[4,] 4 8 12 16 20
[[7]]
numbers letters LETTERS hirakana katakana
1 1 a A あ ア
2 2 b B い イ
3 3 c C う ウ
4 4 d D え エ
5 5 e E お オ
6 6 f F か カ
7 7 g G き キ
8 8 h H く ク
9 9 i I け ケ
10 10 j J こ コ
## 1つめの要素、つまり長さ30の数値ベクトルを取り出すには
## [[1]]つめの要素と指定します。鍵括弧二つです。
LIST[[1]]
[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
## 7つめの要素、つまりデータフレームを取り出すには[[7]]です。
LIST[[7]]
numbers letters LETTERS hirakana katakana
1 1 a A あ ア
2 2 b B い イ
3 3 c C う ウ
4 4 d D え エ
5 5 e E お オ
6 6 f F か カ
7 7 g G き キ
8 8 h H く ク
9 9 i I け ケ
10 10 j J こ コ
## リストの7つの要素にすべて同じコマンドを作用させるには
## List APPLY()を使います。1つめにリスト名、FUN = にコマンド名を()なしで
## いれます。
## すべての要素のclass()をみてみます。6番目が行列、7番目がデータフレーム
## であることが分かります。
lapply(LIST, FUN = class)
[[1]]
[1] "numeric"
[[2]]
[1] "character"
[[3]]
[1] "character"
[[4]]
[1] "character"
[[5]]
[1] "character"
[[6]]
[1] "matrix"
[[7]]
[1] "data.frame"
## summary()を行ってみます。あまり意味がありませんがそれぞれに行われます。
lapply(LIST, FUN = summary)
[[1]]
Min. 1st Qu. Median Mean 3rd Qu. Max.
1.00 8.25 15.50 15.50 22.80 30.00
[[2]]
Length Class Mode
9 character character
[[3]]
Length Class Mode
7 character character
[[4]]
Length Class Mode
11 character character
[[5]]
Length Class Mode
12 character character
[[6]]
V1 V2 V3 V4 V5
Min. :1.00 Min. :5.00 Min. : 9.00 Min. :13.0 Min. :17.0
1st Qu.:1.75 1st Qu.:5.75 1st Qu.: 9.75 1st Qu.:13.8 1st Qu.:17.8
Median :2.50 Median :6.50 Median :10.50 Median :14.5 Median :18.5
Mean :2.50 Mean :6.50 Mean :10.50 Mean :14.5 Mean :18.5
3rd Qu.:3.25 3rd Qu.:7.25 3rd Qu.:11.25 3rd Qu.:15.2 3rd Qu.:19.2
Max. :4.00 Max. :8.00 Max. :12.00 Max. :16.0 Max. :20.0
[[7]]
numbers letters LETTERS hirakana katakana
Min. : 1.00 a :1 A :1 あ :1 ア :1
1st Qu.: 3.25 b :1 B :1 い :1 イ :1
Median : 5.50 c :1 C :1 う :1 ウ :1
Mean : 5.50 d :1 D :1 え :1 エ :1
3rd Qu.: 7.75 e :1 E :1 お :1 オ :1
Max. :10.00 f :1 F :1 か :1 カ :1
(Other):4 (Other):4 (Other):4 (Other):4