TokyoR80の初心者セッション資料です

1. 初心者セッション1
- Rスタートアップ-
Tokyo.R #80
@kotatyamtema
1

2. 自己紹介
TwitterID : @kotatyamtema
大学での専門: 行動生態学
立案 捕獲 実験 分析までワンオペ
今まで : 客先ぼっち分析屋→アパレル通販会社
現在 : new医療検査会社!
R歴 : 10年過ぎたかも？永遠の初心者
近況 : 引越しの荷物がまだ片付かない…
久々のR＆D/アカデミア寄りの部署で
脳の衰えを自覚する日々…

3. 目的
Rとは何かの大雑把な理解と
Rを使うための環境設定が
できるようにする
Rで扱うデータの種類の理解と
外部データの取り込みが
できるようにする

4. 目次
1. Rとは何か
2. Rを使う環境設定
3. packageによる機能拡張
4. データ型とデータ構造
5. 外部データのinput方法の紹介
6. データのoutput方法の紹介

5. MENU
1. Rとは何か
2. Rを使うための環境設定
- RとRStudioのインストール
3. Rの機能拡張
- Packageの取り込みと呼び出し
4. データ型とデータ構造
-データ型：数値型、文字型、ファクター型
-データ構造：ベクトル、データフレーム、リスト
5. 外部データのImput方法
- table形式
- その他
6. 結果のoutput方法
- dataframe形式
- 画像形式

6. MENU
1. Rとは何か
2. Rを使うための環境設定
- RとRStudioのインストール
3. Rの機能拡張
- Packageの取り込みと呼び出し
4. データ型とデータ構造
-データ型：数値型、文字型、ファクター型
-データ構造：ベクトル、データフレーム、リスト
5. 外部データのImput方法
- table形式
- その他
6. 結果のoutput方法
- dataframe形式
- 画像形式

7. Rとは何か
統計学のために特化したプログラム
及び開発環境
- データの読み込み
- 前処理
- 基礎集計
- 統計解析
- 可視化
これらが簡単にできるように設計

8. MENU
1. Rとは何か
2. Rを使うための環境設定
- RとRStudioのインストール
3. Rの機能拡張
- Packageの取り込みと呼び出し
4. データ型とデータ構造
-データ型：数値型、文字型、ファクター型
-データ構造：ベクトル、データフレーム、リスト
5. 外部データのImput方法
- table形式
- その他
6. 結果のoutput方法
- dataframe形式
- 画像形式

9. Rを使うための環境設定
R本体のインストール
CRAN(Comprehensive R Archive Network)
・CRANとは：
公式の本体及びパッケージ配信用Webサイト
Mac環境の場合はhomebrewでもインストール可
homebrewのHP(https://brew.sh/index_ja)

10. Rを使うための環境設定
おすすめIDE(統合開発環境)はRStudio
RStudio
Mac環境の場合はhomebrew caskでもインストール可
RStudioとは：
その名もRStudio社が提供するRに特化した
開発プラットホーム
RmarkdownやShiny、DWHとの連携がスムース
コーディング中にサジェストや補完機能が充実

11. MENU
1. Rとは何か
2. Rを使うための環境設定
- RとRStudioのインストール
3. Rの機能拡張
- Packageの取り込みと呼び出し
4. データ型とデータ構造
-データ型：数値型、文字型、ファクター型
-データ構造：ベクトル、データフレーム、リスト
5. 外部データのImput方法
- table形式
- その他
6. 結果のoutput方法
- dataframe形式
- 画像形式

12. Rの機能拡張
package を追加することで簡単に機能拡張ができる
- 世界中で開発されていて便利な手法がすぐ使える
- デモ実行のためのサンプルデータも使える
R公式のpackage集
- CRAN
- https://cran.ism.ac.jp/
githubに公開されている個人作成package
- こちらは自己責任で

13. packageの追加
packageの追加方法
1. RStudioのPackagesタブを使う
2. install.package関数を自分で書く
今回の範囲
・オンラインでCRANからインストール
＊オフラインでインストールする場合は下記参照
http://datasciesotist.hatenablog.jp/entry/2015/03/24/004539
・miniCRANパッケージが必要なので最初はオンラインで
注意点
・依存packageを一緒にインストールすること

14. packageの追加
packageの追加方法
1. RStudioのPackagesタブを使う
- Repository(CRAN)にチェック
- インストールしたいpackage名を入力
- installを押す
チェックを
外さないこと

15. packageの追加
packageの追加方法
2. install.package関数を自分で書く
- 複数インストールする時はc()で囲む
- 依存packageのうちSuggestsまでインストールする時は
dependencise = TRUE を追加
Example
install.pakcages(c( readr , data.table ),
dependencies = TRUE)
参照:
https://stats.biopapyrus.jp/r/basic/package.html

16. packageの呼び出し
使う時には library() or require() で環境に呼び出す
> library(dplyr) or require(dplyr)
何が違うか？
- packageがインストールされていなかった場合の挙動
・library():packgeないよとエラー出して終了
実はlibrary(., logical.return = TRUE)だと
require()と同じ挙動
・require():packageがあると TRUE 、ないと FALSE を返す
参照:
https://stackoverflow.com/questions/5595512/what-is-the-
difference-between-require-and-library

17. if(require(tidyr)){
print(paste0("tidyr", " is loaded correctly"))
} else {
print("trying to install tidyr")
install.packages(tidyr)
if(require(tidyr)){
print("tidyr installed and loaded")
} else {
stop("could not install tidyr")
}
}

18. MENU
1. Rとは何か
2. Rを使うための環境設定
- RとRStudioのインストール
3. Rの機能拡張
- Packageの取り込みと呼び出し
4. データ型とデータ構造
-データ型：数値型、文字型、ファクター型
-データ構造：ベクトル、データフレーム、リスト
5. 外部データのImput方法
- table形式
- その他
6. 結果のoutput方法
- dataframe形式
- 画像形式

19. データ型とデータ構造
データ型とはRが区別しているデータの扱い
- Rでは大雑把に以下の3つの区分
1.数値型
- numeric：四則演算ができ大小関係がある
2.文字型
- character： で囲んで表現
3.因子(ファクター)型
- factor：文字の裏に順序が定義してあるもの
それぞれ is.**** で確認、 as.**** で変換

20. データ型とデータ構造
データ構造とは
- Rでは大雑把に以下の3つの区分
1.ベクトル型
- 同じデータ型をまとめた1行だけのデータ列
2.データフレーム型
- 異なるデータ型のベクトルをテーブル構造で格納
3.リスト型
- 大きさも型も異なるデータを格納
外部から取り入れるデータはほぼデータフレーム型
（一部JSON形式のリスト型もあり）

21. MENU
1. Rとは何か
2. Rを使うための環境設定
- RとRStudioのインストール
3. Rの機能拡張
- Packageの取り込みと呼び出し
4. データ型とデータ構造
-データ型：数値型、文字型、ファクター型
-データ構造：ベクトル、データフレーム、リスト
5. 外部データのImput方法
- table形式
- その他
6. 結果のoutput方法
- dataframe形式
- 画像形式

22. 外部データのinput方法
table形式の場合、方法は3つ
- baseか、packageの data.table / readr
1.base
utils::read.table(file_path)
2.data.table
data.table::fread(file_path)
3.readr
readr::readr_delim(file_path)

23. 外部データのinput方法
良いところ悪いところ
1.utils::read.table
良い
・すぐ使える
・ほぼ全てのfile形式に対してwrapperがある
悪い
・file形式によってwrapperを指定するか引数を
つける必要がある
・データ量が増えると読み込みが遅い
・カラム名が勝手に変わることがある

24. 外部データのinput方法
良いところ悪いところ
2.data.table::fread
良い
・読み込みが早い(大きいファイルほど顕著)
・自動的にfile形式に合わせて読み込む
悪い
・ data.table = FALSE という指定が必要
・ERRORが出た時に融通が効かない

25. 外部データのinput方法
良いところ悪いところ
3.readr::readr_delim
良い
・読み込みが早い
・ほぼ全てのfile形式に対するwrapperがある
・カラム名をほぼそのまま読み込む
悪い
・file形式によってwrapperを指定するか引数を
つける必要がある

26. 外部データのinput方法
その他の形式
- 癖が強いのでオススメしません…
Excelデータ
readxl::read_excel( file_path )
SPSSデータ
haven::read_spss( file_path )
SASデータ
haven::read_sas( file_path )

27. MENU
1. Rとは何か
2. Rを使うための環境設定
- RとRStudioのインストール
3. Rの機能拡張
- Packageの取り込みと呼び出し
4. データ型とデータ構造
-データ型：数値型、文字型、ファクター型
-データ構造：ベクトル、データフレーム、リスト
5. 外部データのImput方法
- table形式
- その他
6. 結果のoutput方法
- dataframe形式
- 画像形式

28. 結果のoutput方法
table形式の場合
1.base
utils::write.table(data, file_path ,
row.names = FALSE)
注意点
指定しないとカラム名と一緒に列名も出力する
列名の出力をしない指定が row.names = FALSE
2.readr
readr::write_csv(data, file_path )

29. 結果のoutput方法
画像の場合(png形式)
1.base
png( file_path , dpi = …, width = …, height = …)
plot(….)
dev.off()
＊ファイル形式ごとに関数がある
2.ggplot2
p=plot(….)
ggplot2::ggsave(file = file_path.png ,
plot = p, dpi = …, width = …, height = …)
＊fileの拡張子によって形式を指定

30. 最後に
Rはpackageを始め先人の知恵をうまく使えば
やりたいことのほとんどはできるように
なっています
Rの使い方に困ったら…
1. help()を使う
2. CRANの公式pdfを読む
3. r-wakalangに質問する
4. google先生のお世話になる

31. ENJOY!