Rによるデータサイエンス（01/21） - 「大人の教養・知識・気付き」を伸ばすブログ

　Rについて

Rによるデータサイエンス(第2版):データ解析の基礎から最新手法まで

作者:金明哲
森北出版

Amazon

をベースに学んでいく。

1.　Rとデータマイニングの基礎
2.　データの入出力と編集
補足　スペック情報
次回

1.　Rとデータマイニングの基礎

1.1　オブジェクト

　Rはオブジェクト言語である。Rのオブジェクトは

関数オブジェクト	：データ処理・解析のプログラムセット
データオブジェクト	：データセット

の2つがある。
　複数の関数オブジェクトがリンクしているオブジェクトグループをクラスという。
　関数オブジェクトを略して関数と呼ぶことにする。基本的に関数は

関数(引数)

という形で()の中の文字列を引数という。引数にはデータあるいはデータ解析のための条件などが入る。

1.2　自作関数

　Rで自作関数を作る際は関数 $\mathrm{function}$ を用いて関数オブジェクトを作成する。

関数の名前 <- $\mathrm{function}$ (引数){
　　プログラム本体
}

1.3　繰り返し文

　Rで繰り返し処理を行うには $\mathrm{for},\mathrm{while},\mathrm{repeat}$ がある。

$\mathrm{for}$ (変数 $\mathrm{in}$ 変数の開始値：変数の終了値){
　　　　繰り返し処理される部分
}

　ただし $\mathrm{R}$ では繰り返し処理は遅い。実際、以下のスクリプトを実行したところ、相当な違いが出た。

n <- 100000000

x <- runif(n)
y <- runif(n)
z <- vector(length = n)

(t1 <- system.time(z <- x + y))
(t2 <- system.time(for(i in 1:n){z[i] <- x[i] + y[i]}))

　 $\mathrm{for}$ 文は()と付いているように関数である。コロン：もまた関数である。

# 以下は等価
1:100
":"(1,100)

高速化するには、単にループを避けるだけでは難しい場合が多い。主にベクトル化により高速化する*1。
　ベクトルフィルタリングはベクトル化の一種である。

# 以下の関数のスピードをfor文と比較する
oddcount <- function(x)return(sum(x%%2==1))

#
x <- sample(1:1000000000,10000000,replace = T)

system.time(oddcount)

system.time(
  {
    c <- 0
    for(i in 1:length(x)){
      if(x[i]==1){c <- c + 1}
    }
  }
)

　他には $\mathrm{ifelse}(),\mathrm{which}(),\mathrm{where}(),\mathrm{any}(),\mathrm{all}(),\mathrm{cumsum}(),\mathrm{cumprod}()$ や、 $\mathrm{rowSums}(),\mathrm{colSums}()$ などが使える。他にも $\mathrm{combin}(),\mathrm{outer}()$ , $\mathrm{lower.tri}(),\mathrm{upper.tri}(),\mathrm{expand},\mathrm{grid}()$ が該当する。

2.　データの入出力と編集

2.1　ベクトル

　1行または1列のデータセットをベクトルという。

# ベクトル：以下はすべて等価
sales <- c(15,20,25,10,30)
sales = c(15,20,25,10,30)
assign("sales", c(15,20,25,10,30))
c(15,20,25,10,30) -> sales

2.2　データフレーム

　長さが同じであるような複数の行（あるいは列）のデータを並べたものを行列という。行列には $\mathrm{matrix},\mathrm{data frame}$ という2つのオブジェクト形式が頻用される。
　

mt_one <- matrix(1,3,4) # 行数、列数がそれぞれ3,4ですべての要素が1であるような行列
mt_one[1,3] <- 2 #第1行3列を2にする

2.3　配列

　複数のデータ表を1つにまとめたものを配列という。 $\mathrm{array}$ 関数を用いて生成できる。

2.4　リスト

　ベクトル、行列、配列およびリストなどの異なる方のデータを1つのオブジェクトとして扱うことが可能なオブジェクトである。 $\mathrm{list}$ 関数を用いて作成する。

2.5　データ形式の確認

　 $\mathrm{class}$ 関数および $\mathrm{is.numeric}$ などの関数を用いてオブジェクトのデータ形式を確認できる。

2.6　データファイルの読込

　外部のテキストファイルを $\mathrm{R}$ に読み込む関数には $\mathrm{read.table},\mathrm{read.csv},\mathrm{scan}$ などがある。

# Excelからコピーしたセルのデータを読み込む
read.delim("clipboard")

# 小・中規模のデータを読み込む
read.table("...ファイルパス...",header = T, row.names = 1, sep = ",") # ヘッダーありで第1列をヘッダーとする。データ区切りは,(カンマ)とする

# csv形式を読み込む
read.csv("...ファイルパス...")

# 大規模のデータを読み込む
scan("...ファイルパス...")

2.7　データの出力

write(data, "...ファイルパス...")

write.table(data, "...ファイルパス...")

write.csv(data, "...ファイルパス...")

# sinkによる出力
sink("...ファイルパス...") # 出力開始：ファイルパスに出力する
data1; data2               # 出力対象の指定
sink() # sink関数の終わり  # 出力終了

2.8　データの結合

　行列にデータ(行または列)を追加するには、 $\mathrm{rbind},\mathrm{cbind}$ 関数を用いる。追加対象はベクトルまたは行列である。

rbind(df1,1:10)
cbind(df2,1:10)

2.9　データの並び替え

　ベクトル、行列の要素を並び替える関数として $\mathrm{sort}$ がある。 $\mathrm{sort}$ は並び変わった引数を返り値とする。
　他方で行列をある行・列を基準にして並び替えるには $\mathrm{sort.list},\mathrm{order}$ を用いる。

2.10　よく使われる関数

データ型とデータセットの操作
$\mathrm{array}$
$\mathrm{as.****}$	配列型
$\mathrm{c}$	データをベクトルまたはリストとして結合する。
$\mathrm{character}$	文字型
$\mathrm{class}$	オブジェクトの型を返す。
$\mathrm{complex}$	複素数型
$\mathrm{data.frame}$	データフレーム型
$\mathrm{integer}$	整数型
$\mathrm{is.****}$	引数が指定したデータ型かを判別する。
$\mathrm{list}$	リスト型
$\mathrm{logical}$	論理型
$\mathrm{matrix}$	行列型
$\mathrm{null}$	空データ型
$\mathrm{numerical}$	実数型
$\mathrm{t}$	データを転置する。
$\mathrm{table}$	個々のデータの出現頻度を返す。分割表を作成する。
$\mathrm{vector}$	ベクトル型。
サイズ
$\mathrm{dim}$	行列、配列のサイズを返す。
$\mathrm{length}$	データオブジェクトの長さを返す。
$\mathrm{ncol}$	列数を返す。
$\mathrm{nrow}$	行数を返す。
名前
$\mathrm{colnames}$	列に名前を付ける。
$\mathrm{names}$	データ項目に名前を付ける。
$\mathrm{rownames}$	行に名前を付ける。
	並べ替え
$\mathrm{ranｋ}$	ランクを返す。
$\mathrm{rev}$	逆の順に並び替える。
$\mathrm{sort}$	昇順に並び替える。
$\mathrm{sort.list, order}$	昇順に並び替えたときの元のデータの位置を返す。
結合と編集
$\mathrm{cbind}$	列方向にデータを追加。
$\mathrm{data.entry}$	表計算風のデータエディタを起動する。
$\mathrm{edit}$	エディタを起動する。
$\mathrm{edit.data.frame}$	データオブジェクトを編集する。
$\mathrm{fix}$	オブジェクトを編集する。
$\mathrm{rbind}$	行方向にデータを追加。
その他
$\mathrm{rm}$	$\mathrm{rm(x)}$ でオブジェクト $\mathrm{x}$ を削除する。
$\mathrm{ls}$	$\mathrm{ls()}$ でオブジェクトのリストを返す。

補足　スペック情報

エディション	Windows 10 Home
バージョン	20H2
プロセッサ	Intel(R) Core(TM) i5-1035G4 CPU @ 1.10GHz 1.50 GHz
実装 RAM	8.00 GB
システムの種類	64 ビットオペレーティングシステム、x64 ベースプロセッサ
R　バージョン	3.6.3 (2020-02-29)
RStudio　バージョン	1.2.5033

次回

power-of-awareness.com

*1:以降は、Matloff, Norman(2012)「アート・オブ・Rプログラミング」(オライリー・ジャパン)PP.302-参照。

1. Rとデータマイニングの基礎

1.1 オブジェクト

1.2 自作関数

1.3 繰り返し文

2. データの入出力と編集

2.1 ベクトル

2.2 データフレーム

2.3 配列

2.4 リスト

2.5 データ形式の確認

2.6 データファイルの読込

2.7 データの出力

2.8 データの結合

2.9 データの並び替え

2.10 よく使われる関数

補足 スペック情報

次回