初めまして、Datum StudioのLeon（リオン）と申します。 本記事では模擬案件を通じて、分析手法の説明を行います。 依頼内容は、3つの航空会社にがランダムで1000名顧客を対象にアンケート調査したデータを利用して、自社のどこが他の2社より優れているのか、もしくは劣っているのか？また、顧客の体験も一緒に知りたいとのです。 今回使用する手法は主成分分析（PCA）と探索的因子分析（EFA）です。 （具体的な紹介はWikipediaのページをご覧ください：主成分分析、探索的因子分析(英語)） 早速ですが、始めましょう。 0. 模擬案件の背景 今回の顧客はA航空会社です。彼達がランダムで1000人利用者に3つ航空会社に対する満足度のアンケートを取りました。 ※ 生データはここでダウンロードできます。（Data download） データ中の変数（値の範囲は 1 ~ 9で、1 は最低値、9

dbtplyr を使ってみる 2024/12/07 Japan.R 2024 (#JapanR) 小坪琢人 (@airspace_nobo) Here is the English version of the document (I also upload Engilsh version on X with #JapanR tag.) https://x.com/airspace_nobo https://www.docswell.com/s/airspace_nobo/K4V4ML-try_using_dbtplyr_japanr_english_ver/1 https://x.com/hashtag/JapanR?src=hashtag_click

昨年のアドベントカレンダーで「Rユーザーの9割が知らない高速化の禁断の裏技！！！」という記事を書きました。 これはRにOpenBLASを導入して行列計算を爆速にするという内容ですが、Windowを想定しています。 個人的な話ですが、自宅のパソコンをLinux（Linux Mint 22）に切り替えたところなので、今度はLinux版のRにOpenBLASを導入しようと思います。 OpenBLASとはなにか？という話はWikipediaの説明をご参照ください。 LinuxでのOpenBLASの導入について調べてみるとホクソエムの人が書いた記事が見つかります。 OpenBLASでRを高速化 えーと、gitでcloneして、makeして、ライブラリを切り替えて……めんどくせぇな！ もっとササッてできないのかな！ そこで今回ご紹介するropenblasパッケージの登場です。 ソースコードのDLからコ

このメモについて CRANにパッケージを投稿するときに参考にした資料のまとめ。 個人的な感覚としては「CRANに投稿しよう」というのをすごく勧めているわけではない。なかなかめんどくさいし、やっぱりめんどくさいなと思ったらやらないほうがよいと思う。 全体の流れ 基本的に、ThinkR-open/prepare-for-cranで紹介されているTL;DRそのままの流れでやればよさそう。 # Prepare for CRAN ---- # Update dependencies in DESCRIPTION attachment::att_amend_desc() # Run tests and examples devtools::test() devtools::run_examples() # autotest::autotest_package(test = TRUE) # Check

【初心者向け】公共データを用いたSingle Cell RNA-seq解析 ~Rで始めるSingle Cell RNA-seq解析~

gtsummary The {gtsummary} package provides an elegant and flexible way to create publication-ready analytical and summary tables using the R programming language. The {gtsummary} package summarizes data sets, regression models, and more, using sensible defaults with highly customizable capabilities. Summarize data frames or tibbles easily in R. Perfect for presenting descriptive statistics, compar

Rを使うときパッケージ（以下、package）を利用すると思います。 packageとは、Rの機能を拡張する関数、データ、資料の集まりです。 例えば、きれいな図を描きたいときは、ベースのR機能であるplotでは物足りないため、ggplot2 packageを使います。 一般化推定方程式を使いたいときは、ベースのR機能だけでは、数式を読み解き、関数を自作する必要がありますが、geepack packageを使えば関数の自作は不要です。 このようにRを使う上でpackageは重要ですし、いろいろなpackageを知っていると楽ができます。ただし、packageの有無を自分の解析能力の限界にする必要はありません。自ら関数が組めると解析の幅が広がります。 packageは山ほどあります。しかし解析によく使うpackageはある程度限られます。この記事では、ぼくが使っている（使いたい）R packa

【初心者向け】公共データを用いたSingle Cell RNA-seq解析 ~Rで始めるSingle Cell RNA-seq解析~ 📰 概要 前作「公共データを用いたRNA-seq解析」を400冊以上売り上げた著者による公共RNA-seqデータ解析の第2弾！ 公共データベース登録済みのSingle Cell RNA-seqデータを解析してみませんか？ Single Cell RNA-seq(scRNA-seq)は、個々の細胞レベルでの遺伝子発現解析を可能にし、現代の生物学的研究に革新をもたらしています。しかし、そのデータ解析はプログラミングの専門知識や各種ライブラリの理解を必要とするため、初心者にとって大変難しい解析となっています。ただでさえ忙しいウェット解析の最中で、統一されていない情報源を元にscRNA-seq解析を学ぶのは困難を極めます。 本書ではR言語を元に、Seuratを用い