r入門（dplyrでデータ加工)-tokyor42

R入門(dplyrでデータ加工)第42回R勉強会＠東京（#TokyoR）

@gepuro

自己紹介

早川　敦士 @gepuro電気通信大学大学院修士2年専門：信頼性工学

言語：R言語、Python特技：花火打ち揚げ

ハッカーズバーでバイトしてます

http://hackersbar.net/

告知

2014年12月6日にJapan.Rを開催します。

分析ツール

● R○ 無料,非エンジニアでも扱いやすい言語

● Python○ Numpy, Scipy, Scikit-learnなどの科学計算ライブラリ

が充実。エンジニアに親しまれやすい

● Julia○ 2012年登場,玄人向け, 開発段階

● Excel○ ほとんどの人が使える。ピボットテーブル便利

● などJapan.Rでパネルディスカッションを予定してます。

R言語（あーるげんご）はオープンソース・フリーソフトウェアの統計解析向けのプログラミング言語及びその開発実行環境である。

wikipediaより

R言語の使い方に困ったら

● Rjpwiki○ http://www.okada.jp.org/RWiki/

● RPubs○ https://rpubs.com/

● seekR○ http://seekr.jp/

● R-tips○ http://cse.naro.affrc.go.jp/takezawa/r-tips/r.html

● JIN’S Page○ http://www1.doshisha.ac.jp/~mjin/R/

分析作業の流れ

データベース

データ加工

モデリング・可視化


データ取得

データ加工


SQL クローリング


データベース

データ加工


マージ

型変換

縦横変換

集計

データフレーム


データベース

データ加工


重回帰分析ヒストグラム

散布図決定木分析


データベース

データ加工


マージ

型変換

縦横変換

集計

今日はここを扱う


変数

> hako <- 1> hako[1] 1> hako * 2[1] 2

配列

> hakos <- c(1,2,3)> hakos[1] 1 2 3> hakos + hakos[1] 2 4 6> hakos * 10[1] 10 20 30

配列その２

> hakos[1] 1 2 3> hakos[1][1] 1> hakos[2][1] 2

for

for(i in 1:10){ print(i)}

if

a <- 2if(a %% 2 == 0){ print("偶数")}else{ print("奇数")}


> df <- data.frame(a=1:3, b=4:6)> df a b1 1 42 2 53 3 6

データフレームその2

> df$c <- df$a + df$b> df a b c1 1 4 52 2 5 73 3 6 9

データフレームその3

> df a b c1 1 4 52 2 5 73 3 6 9

> df[1,] a b c1 1 4 5> df[,1][1] 1 2 3

行にアクセス

列にアクセス

データ読み込み

通常の方法

> train <- read.csv("data/train.csv")

高速読み込み

> library(data.table)> train <- fread("data/train.csv")

データの集計

データ処理のパッケージを読み込み

> library(dplyr)

サンプルデータの読み込み

> data(iris)

dplyrで集計

> iris %>% + group_by(Species) %>% + summarise(SLM= mean(Sepal.Length))Source: local data frame [3 x 2]

Species SLM1 setosa 5.0062 versicolor 5.9363 virginica 6.588

irisというデータセットを利用する





左から来たものを右へ受け流す



Speciesという列ごとに処理する

集計する



> iris %>%+ mutate(Sepal.LW = Sepal.Length + Sepal.Width) %>%+ select(Sepal.Length, Sepal.Width, Sepal.LW) %>%+ head(., n=3) Sepal.Length Sepal.Width Sepal.LW1 5.1 3.5 8.62 4.9 3.0 7.93 4.7 3.2 7.9

dplyrで集計　パターン2


列を追加する


列を選択する


先頭の3行を表示

> iris %>%+ filter(Species=="setosa") %>%+ head(., n=3) Sepal.Length Sepal.Width Petal.Length Petal.Width Species1 5.1 3.5 1.4 0.2 setosa2 4.9 3.0 1.4 0.2 setosa3 4.7 3.2 1.3 0.2 setosa


> iris %>%+ filter(Species=="setosa") %>%+ head(., n=3)

Sepal.Length Sepal.Width Petal.Length Petal.Width Species1 5.1 3.5 1.4 0.2 setosa2 4.9 3.0 1.4 0.2 setosa3 4.7 3.2 1.3 0.2 setosa

データを条件で抽出する

> iris %>%+ arrange(Sepal.Length) %>%+ head(., n=3) Sepal.Length Sepal.Width Petal.Length Petal.Width Species1 4.3 3.0 1.1 0.1 setosa2 4.4 2.9 1.4 0.2 setosa3 4.4 3.0 1.3 0.2 setosa


> iris %>%+ arrange(Sepal.Length) %>%+ head(., n=3) Sepal.Length Sepal.Width Petal.Length Petal.Width Species1 4.3 3.0 1.1 0.1 setosa2 4.4 2.9 1.4 0.2 setosa3 4.4 3.0 1.3 0.2 setosa

並び替え

desc()で降順にする

縦に結合

> iris1 <- iris[1:50,]> iris2 <- iris[51:100,]> rbind_list(iris1, iris2) %>%+ dim(.)[1] 100 5

マージ

● 内部結合○ inner_join(df1, df2, by=c(“列名”))

● 左結合○ left_join(df1, df2, by=c(“列名”))

縦横の変換

reshape2 — 柔軟なデータ変形ツール

http://meme.biology.tohoku.ac.jp/students/iwasaki/rstats/reshape2.htmlを参考

http://meme.biology.tohoku.ac.jp/students/iwasaki/rstats/reshape2.html




告知

2014年12月6日にJapan.Rを開催します。

LTを募集してます。

6人ぐらい？

r入門（dplyrでデータ加工)-tokyor42

Technology