統計を始める方へ①_データ環境Rの基本的なプログラミング｜データアーティスト

データアーティスト株式会社
藤田知樹
第１回Rを用いたデータマイニング概論
データ環境Rの基本的なプログラミング

Copyright© 2002-2013 Data Artist, Inc. All Rights Reserved. Page2Page2Page2Page2
アジェンダ
今回はデータサイエンスの基礎の基礎:「データ」について簡単に理解したうえで、「基本的なプログラミング」を通し
てRを体感していきます。
説明
Rで使うデータの種類
データを視覚化する
テクニック
データを集計する方法
基本的なプログラミング
実
行
！
実
行
！

第１部：データについて

第１部：データについて
第１部では、２つのコンテンツを勉強します。
そのほか、よく使うことになるテクニックを紹介します
扱いやすい、データを集計するプログラミングを紹介します
データを見やすくするための5つの方法を紹介します！
Rで扱う4種類のデータを紹介します！

Rで使うデータの種類 1/5
Rを操作する上で使う主なデータは以下の４種類あります。
ベクトル行列データフレーム
リスト
ベクトル行列
データ
フレーム

Rで使うデータの種類 2/5（ベクトル）
以下のコードを実行し、ベクトルを作成してみよう。
要素にアクセスし、性質を見てみよう。
#1
v1=c(1:5)
v1=rep(3,10)
v1=rep(1:3,10)
v1=seq(0,100,3)
v.rand=runif(100) #一様な乱数を発生
v.logic=(0.3>v.rand)
v.dice=round(6*runif(100)+0.5) #サイコロを作る
__________________________________________
#2
v1=c(1:15)
length(v1) #v1の長さを見る
v1[4] #4番目を見る
names(v1)=paste(“value”,1:15,sep=“”)
v1[“value13”]

Rで使うデータの種類 3/5（行列）
以下のコードを実行し、行列を作成してみよう。
行列の要素にアクセスし、さまざまな操作をしてみよう。
#1
v1=c(1:15) #作成
m1=matrix(v1,nrow=5,ncol=3)
m1 #中身を確認
__________________________
#2
dim(m1)
nrow(m1)
ncol(m1)
length(m1)
m1[3,] #3行目を見る
m1[,2] #2行目を見る
rownames(m1)=c("太郎","二郎","三郎","四郎","五郎") #行に名前を付ける
colnames(m1)=c("power","speed","luck") #列に名前を付ける
m1["三郎","luck"]

Rで使うデータの種類 4/5（行列）
以下のコードをそれぞれ打ち込んで、行列で計算を実行しよう。
行・列の置換や結合をやってみよう。
#計算
m1=matrix(1:15,nrow=5,ncol=3)
m1+1
m1-3
m1*4
m1/2
m1^2
m2=matrix(rep(1:5,3),nrow=5,ncol=3)
m1+m2
m1-m2
m1*m2
t(m1)%*%m2 #とても大切な演算。第3回で説明
m1/m2
#置換、結合
m2=matrix(rep(1:5,3),nrow=5,ncol=3)
m1[1,]=c(2,4,8) #置換
m.r=rbind(m1,m2) #行が追加されるように結合
m.c=cbind(m1,m2) #列が追加されるように結合

Rで使うデータの種類 5/5（データフレーム）
以下のコードを実行し、データフレームを作ってみよう。
d1=data.frame(fruit=c("りんご","みかん","ぶどう","すいか","もも"),m1)

データを視覚化する 1/2
Histogram of iris[, 1]
iris[, 1]
Frequency
4 5 6 7 8
051015202530
4.5 5.0 5.5 6.0 6.5 7.0 7.5 8.0
2.02.53.03.54.0
Sepal.Length
Sepal.Width
Sepal.Length Sepal.Width Petal.Length Petal.Width
012345
ヒストグラム散布図棒グラフ
setosa versicolor virginica
2.02.53.03.54.0
-4 -2 0 2 4
0510152025
x
x^2
ボックスプロット関数
データを視覚的にわかりやすくとらえる、５つのやり方を身につけよう。

データを視覚化する 2/2
以下のコードを実行し、データをさまざまに視覚化してみよう。
#ヒストグラム
hist(iris[,1])
_______________________
#散布図
plot(iris[,1:2])
_______________________
#棒グラフ
iris.mean.val=apply(iris[,-5],2,mean)
barplot(iris.mean.val)
_______________________
#ボックスプロット
boxplot(Sepal.Width~Species, data = iris)
_______________________
#関数
curve(x^2,xlim=c(-5,5)) 4.5 5.0 5.5 6.0 6.5 7.0 7.5 8.0
2.02.53.03.54.0
Sepal.Length
Sepal.Width
Sepal.Length Sepal.Width Petal.Length Petal.Width
012345
棒グラフ
散布図
Histogram of iris[, 1]
iris[, 1]
Frequency
4 5 6 7 8
051015202530
setosa versicolor virginica
2.02.53.03.54.0
ヒストグラム
ボックスプロット

第２部：基本的なプログラミングの習得

第２部：基本的なプログラミングの習得
第２部では、さらに２つのコンテンツを勉強します。
そのほか、よく使うことになるテクニックを紹介します！
扱いやすい、データを集計するプログラミングを紹介します！
データを見やすくするための5つの方法を紹介しました
Rで扱う4種類のデータを紹介しました

基本的なプログラミングの習得
１．データの集計２．繰り返し処理
３．条件分岐４．自作関数
基本的なプログラミングとして、以下の４つを身につけよう

基本的なプログラミング（１．データの集計 1/3）
総和平均中央値最大値
分散標準偏差
etc
…
さまざまな集計量
集計：データを集めて計算し、使いやすい数値にまとめる作業のこと。

以下のコードをそれぞれ実行して、データの集計をやってみよう。
v.dice=round(6*runif(100)+0.5)
sum(v.dice) #和
mean(v.dice) #平均
sd(v.dice) #不偏標準偏差
var(v.dice) #不偏分散
summary(v.dice) #複数の統計量
#table
table(v.dice)
v.dice1=round(6*runif(100)+0.5)
v.dice2=round(6*runif(100)+0.5)
dice.mat=cbind(v.dice1,v.dice2)
table(dice.mat) #一つのベクトルの様に扱われる
dice.df=data.frame(v.dice1,v.dice2)
table(dice.df)

以下のコードをそれぞれ実行して、データの集計をやってみよう。
#次に、以下を入力して得られる、150個のデータを使ってみよう。
iris
#apply:行列の「行」「列」あるいは「各要素それぞれ」に対して、集計を行う。
apply(iris[,-5],1,sum) #行について集計をする。実際に１行目を合計して確認してみよう。
apply(iris[,-5],2,sum) #列について集計をする。
apply(iris[,-5],2,summary) #列について集計をする。
#tapply：グループ化された変数に対して、グループごとに集計を行う。
#以下では、5列目の分類に基づいて、1列目の平均をそれぞれとっています。
tapply(iris[,1],iris[,5],mean)
#by：以下では、５列目の分類に基づいて、１列目から４列目までのそれぞれに集計量をとっています。
#tapply関数では、引数（カッコの中の値）が同じ長さでなければだめ、という制約があります。
by(iris[,1:4],iris[,5],summary)

基本的なプログラミング（２．繰り返し処理 1/2）
繰り返し処理：データに対して、コンピュータに同じ操作を自動で複数回行わせるテクニック
NO!
繰り返し処理
リンゴを１０個買いに行く
レジへ並ぶ
YES!
１０個入れた？
１個かごに入れる

基本的なプログラミング（２．繰り返し処理 2/2）
以下のコードを実行し、繰り返し処理を体感しよう。
For文とwhile文の違いに注意しよう。
#for:走査したいiの値が決まっている時
n=10
permutation=n
for(i in 1:5){
permutation=permutation*(n-i)
}
permutation #出てきた値を確かめよう
#while:ある条件の時
total.damage=0
while(total.damage<5){
total.damage=total.damage+runif(1)
}
permutation #出てきた値を確かめよう（その2）

基本的なプログラミング（３．条件分岐 1/2）
条件分岐：ある条件を設定し、それが満たされているかどうかで次に実行する操作を自動で変更できるテクニック
おつかいに行く
スーパー
駄菓子屋さん
帰宅
YES! NO!
条件分岐
寄り道する？

基本的なプログラミング（３．条件分岐 2/2）
以下のコードを実行し、条件分岐を体感しよう。
val1=4
{
if(val1>=3){ #もしval1が3以上ならval2は1。
val2=1
}
else{
val2=0 #そうでないならval2は0
}
}
val2
val1=3
switch(val1, # switch(文字列,
"1" = print("one"), # "1" のときに実行
"2" = print("two"), # "2" のときに実行
print("not matched") # 一致するものが無い時
)
#val1の数字を1や2に変えて何回かやってみよう。

基本的なプログラミング（４．自作関数）
自作関数：データを好きなように加工するためには、時には自分で関数を作る必要があります。
たとえば、以下の「CVRを調べる関数」を実行して、コードから関数の性質を考えてみましょう。
get.cvr.error=function(p,n,ety="none"){ #CVRの誤差に関する情報
p.var=p*(1-p)/n
p.sd=p.var^0.5
switch(ety,
"sd"=return(p.sd),
"var"=return(p.var),
print("select type")
)
}
#ここまでが関数の定義
#以下をコピペして実行してみよう。
get.cvr.error(0.1,10,"sd")
get.cvr.error(0.1,10,"var")
get.cvr.error(0.1,10)
cvr.v=0.2*runif(10)
uu.v=round(1000*runif(10))
get.cvr.error(cvr.v,uu.v,"sd") #複数の値を入れた場合

まとめ
最後に、今回の内容を簡潔にまとめるとこのようになります。
そのほか、よく使うことになるテクニックを紹介しました！
扱いやすい、データを集計するプログラミングを紹介しました！
データを見やすくするための5つの方法を紹介しました！
Rで扱う4種類のデータを紹介しました！

以上です！お疲れ様でした。

統計を始める方へ①_データ環境Rの基本的なプログラミング｜データアーティスト

More Related Content

統計を始める方へ①_データ環境Rの基本的なプログラミング｜データアーティスト