R のインストールと手始めに「平均、分散、標準偏差」を求める のつづき
1. An Introduction to R から読んでいく
R に慣れるために、入門書から目を通していくことにした。
本家ドキュメントの筆頭にあった
を読んでいく。
はじめは、「R という環境の使い方」と、基本的なデータ型である「ベクトル」が対象。
2. R という環境の使い方
セッションの保存と復元
R は、言語というよりも、環境と見なすことができる。
- 分析を行うとき、作業はディレクリ単位で行い、
- 行った分析のデータ等は、セッションとして、ワーキングディレクトリに保存される。
分析をするときは、分析ごとにディレクトリを作成するのがよい。現在、分析の場となっているディレクトリを
ワーキングディレクトリ
と言う。ワーキングディレクトリを変更するには、メニューより、
- File > Change dir…
で、ディレクトリを指定する。
セッションを、ワーキングディレクトリに保存すると、二つのファイルが作成される。
- .RData
- .Rhistory
.RData をダブルクリックすると、そのディレクトリに保存したセッションが、復元された状態で R が起動される。
初回の起動では、ワーキングディレクトリが My Documents の直下に作成された。
ヘルプの使い方
次に、ヘルプの使い方を覚えておく。
例えば、mean 関数のヘルプを見たいとき、
help(mean)
?(mean)
文法などを知りたいときは ” ” で囲む。
help(“if”)
例を見たい場合は、
example(mean)
コマンドの使い方
- 改行または ; によって一つのコマンドを区切る。
- グループ化するときは、{} を使う。
- 先頭を # にすると以降はコメントになる。
- カーソルキーの上下でコマンドのヒストリーを辿ることができる。
コマンドを、外部ファイルとして保存する場合、
- File > New Script
で R Editor を開き、例えば、次のように書いたとする。
a <- c(1,2,3,4,5,6) print(mean(a)) plot(a)
上記を test.R というファイル名で保存した場合、このスクリプトを実行するには、
source("test.R")
または、 File > Source R code... によって test.R を開く。
実行結果をファイルに保存
結果をファイルに出力するためには、
- sink("ファイル名")
例えば、次のように利用する。
> sink("result.txt")
> a <- c(1,2,3,4,5,6)
> print(mean(a))
> print(sd(a))
> sink()
最後の sink() の呼出しによってレコーディングは終了する。
上記の場合、実行した結果は result.txt に書き込まれる。
セッション中のオブジェクトの情報を取得
セッション中に作成したオブジェクトはすべて保存されいる。
objects() によって、作成したオブジェクトの名前を表示させることができる。
削除するには rm() 。
3. ベクトル
ベクトルの生成と代入
ベクトルは R において、データをまとめるときに使う、基本となるデータ型。
ベクトルの作成は c() によって行う。
c(1,2,3,4,5)
以下の 3 つの方法は、それぞれ x にベクトルを代入している。
x <- c(1,2,3,4,5)
assign("x", c(1,2,3,4,5))
c(1,2,3,4,5) -> x
ベクトルが代入されている変数を使って、新しく変数に代入した場合、元のベクトルのコピーが渡される。
> c(1,2,3,4,5) -> a > a [1] 1 2 3 4 5 > b <- c(a,a) > b [1] 1 2 3 4 5 1 2 3 4 5 > rm(a) > b [1] 1 2 3 4 5 1 2 3 4 5
ベクトルの演算は、要素が大きい方に合わせられる
ベクトルの演算において、二つのベクトルの大きさが異なる場合、小さい方が大きい方に合わせられる。その際、小さい方のベクトルは、大きい方のベクトルの要素数に合うように、要素が繰り返し生成される。
> a <- c(1,2,3,4,5) > b <- c(10,20,30) > c <- a + b Warning message: In a + b : longer object length is not a multiple of shorter object length > c [1] 11 22 33 14 25
上記では、b に代入されたベクトルの方が小さいので、a に代入したベクトルに合わせられる。b は、要素が繰り返され、同じ要素数にされた後、演算が行われている。
同じく、
> a - b [1] -9 -18 -27 -6 -15 Warning message: In a - b : longer object length is not a multiple of shorter object length > a * b [1] 10 40 90 40 100 Warning message: In a * b : longer object length is not a multiple of shorter object length > a / b [1] 0.10 0.10 0.10 0.40 0.25 Warning message: In a/b : longer object length is not a multiple of shorter object length > a ^ b [1] 1.000000e+00 1.048576e+06 2.058911e+14 1.048576e+06 9.536743e+13 Warning message: In a^b : longer object length is not a multiple of shorter object length
ベクトルの要素に対する関数
ベクトルの各要素に対して、関数が適用される。
> log(a) [1] 0.0000000 0.6931472 1.0986123 1.3862944 1.6094379 > exp(a) [1] 2.718282 7.389056 20.085537 54.598150 148.413159 > sin(a) [1] 0.8414710 0.9092974 0.1411200 -0.7568025 -0.9589243 > cos(a) [1] 0.5403023 -0.4161468 -0.9899925 -0.6536436 0.2836622 > tan(a) [1] 1.5574077 -2.1850399 -0.1425465 1.1578213 -3.3805150 > sqrt(a) [1] 1.000000 1.414214 1.732051 2.000000 2.236068
ベクトル全体から、答えを返す関数
> max(a) [1] 5 > min(a) [1] 1 > length(a) [1] 5 > range(a) [1] 1 5 > sum(a) [1] 15 > prod(a) [1] 120 > var(a) [1] 2.5
上記の var() は不偏分散。標本分散は、
> sum((a - mean(a)) ^ 2) / length(a) [1] 2
このように、R は、データをベクトルとして扱えるため、直観的な記述ができる。
ソート
> a <- c(3,1,NA,2,5,4) > sort(a) [1] 1 2 3 4 5 > sort(a, decreasing=TRUE) [1] 5 4 3 2 1 > sort(a, na.last=TRUE) [1] 1 2 3 4 5 NA > sort(a, na.last=FALSE) [1] NA 1 2 3 4 5
NA はデータが無効のことを表わす。(R言語 - Wikipedia)。
order と sort.list() は後回し。
max, min の親戚のような pmax, pmin は、ベクトルの個々の要素を対象として max, min を適用し、ベクトルとして返す。
> pmax(c(1,2,3,4,5),3) [1] 3 3 3 4 5 > pmin(c(1,2,3,4,5),3) [1] 1 2 3 3 3
複素数の計算は、複素数であることを明示して行う。
複素数 - Wikipedia によると、
複素数（ふくそすう、complex number）は、実数 a, b と虚数単位 i を用いて a + bi の形で表すことのできる数のことである。
> sqrt(-4) [1] NaN Warning message: In sqrt(-4) : NaNs produced > sqrt(-4+0i) [1] 0+2i虚数単位のことを英語で、imaginary unit と言うので (cf. 虚数単位 - Wikipedia) i を付けるのかな。
シーケンスの生成
> 1:10 [1] 1 2 3 4 5 6 7 8 9 10 > seq(1,10) [1] 1 2 3 4 5 6 7 8 9 10 > seq(10) [1] 1 2 3 4 5 6 7 8 9 10 > # ステップ > seq(1,10,by=2) [1] 1 3 5 7 9 > # 降順 > 10:1 [1] 10 9 8 7 6 5 4 3 2 1 ># 大きさを指定 > seq(length=10, from=1) [1] 1 2 3 4 5 6 7 8 9 10 > # 大きさと、ステップを指定 > seq(length=10, from=10, by=-2) [1] 10 8 6 4 2 0 -2 -4 -6 -8 # 指定した区間における lenght.out で指定した大きさの要素を持つシーケンス > seq(1,10,length.out=5) [1] 1.00 3.25 5.50 7.75 10.00 > # 指定したベクトルの要素に沿ったシーケンスを生成 > a <- c(10,20,30,NA,NA,50) > seq(along.with=a) [1] 1 2 3 4 5 6
ベクトルを繰り返したものを生成には、
> a [1] 10 20 30 NA NA 50 > rep(a,3) [1] 10 20 30 NA NA 50 10 20 30 NA NA 50 10 20 30 NA NA 50 # それぞれの要素ごとに指定の回数だけ繰り返す。 > rep(a,each=3) [1] 10 10 10 20 20 20 30 30 30 NA NA NA NA NA NA 50 50 50
論理値を要素に持つベクトル
NA に注意。 SQL の null の扱いと同じかな？(cf. 3値論理 - Wikipedia)
> a [1] 10 20 30 NA NA 50 > a > 20 [1] FALSE FALSE TRUE NA NA TRUE > a <= 20 [1] TRUE TRUE FALSE NA NA FALSE
AND と OR を適用すると、
> c1 <- c(T,T,F) > c2 <- c(T,F,F) > c1 & c2 [1] TRUE FALSE FALSE > c1 | c2 [1] TRUE TRUE FALSE
NA は値ではなくて、データが無効なものであることのマーカー。だから is.na() を用いて NA かどうか確かめる。
> is.na(c(1,2,NA)) [1] FALSE FALSE TRUE # 値ではないので == で比較できない。 > c(1,2,NA) == NA [1] NA NA NA
NaN : Not a Number
> 0/0 [1] NaN > Inf - Inf [1] NaN
文字列の連結。 paste() はベクトルの各々の要素を次のように連結する。
> paste(c("hoge", "piyo"), c("A", "B", "C", "D"))
[1] "hoge A" "piyo B" "hoge C" "piyo D"
># 連結するときの文字列を sep で指定する。
> paste(c("hoge", "piyo"), c("A", "B", "C", "D"), sep="-")
[1] "hoge-A" "piyo-B" "hoge-C" "piyo-D"
ベクトル要素の取得
> a [1] 1 2 3 4 5 # 条件に合うものを抽出 > a[a>3] [1] 4 5 > a[a>2 & a<=4] [1] 3 4 # インデックスで指定 > a[1:3] [1] 1 2 3 # 必要ない部分をインデックスで指定 > a[-(2:3)] [1] 1 4 5
指定したインデックスに要素がない場合は NA となる。
> c("Aa","B")[c(1,2,1,2,1,3,1)]
[1] "Aa" "B" "Aa" "B" "Aa" NA "Aa"
インデックスの代わりに、名前で指定して要素を取得する。ハッシュのようなものか。
> persons <- c(15, 20, 22)
> names(persons) <- ("Tarou", "Jirou", "Hanako")
Error: unexpected ',' in "names(persons) <- ("Tarou","
> names(persons) <- c("Tarou", "Jirou", "Hanako")
> persons[c("Jirou","Tarou")]
Jirou Tarou
20 15
NA のデータを 0 に変換する。
> a [1] 3 1 NA 2 5 4 > a[is.na(a)] <- 0 > a [1] 3 1 0 2 5 4
ベクトル以外の重要なオブジェクト
今後、学習していくもの。
- matrices, arrays : ベクトルのベクトル。複数のベクトルをまとめたものか。
- factors : カテゴリーデータを扱う。
- lists : 要素のタイプが異なってもいい。統計の計算結果を返されるのに使われたりする。
- data frames : マトリクスに似ているが、列のタイプが異なってもよい。つまり、一行が一観測ユニットのデータで、列が測定対象の属性ということ。
- 関数はオブジェクトで、プロジェクトのワークスペースに保存される。
0コメント:
コメントを投稿