Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
R入門の入門 / 2018methoken-R-workshop
Search
Yu Tamura
June 02, 2018
Programming
0
220
R入門の入門 / 2018methoken-R-workshop
LET関西支部メソドロジー研究部会2018年度第1回研究会にて行ったR入門者講習のスライドです。
Yu Tamura
June 02, 2018
Tweet
Share
More Decks by Yu Tamura
See All by Yu Tamura
Distributive Reading and Conceptual Plurality in Second Language Acquisition / J-SLA2024
tam07pb915
0
120
英語教育とSLA研究の距離感: 理論と実践は往復するべきか / 2023-11-04_LET-Kansai-Symposium_Tamura
tam07pb915
0
2.9k
豊富な産学連携・地域連携と連動させた「考動力」人材育成プロジェクト主催・関西大学キャリアセンター共催 「第2弾 社会人に聞く! 多様な博士のキャリア」/ 2023-10-28_my-advice-to-phd-students
tam07pb915
0
1.7k
生成系AIが(英語)教師の代わりにやってくれること / 2023-06-24_what-generative-AI-can-do-for-us_censored
tam07pb915
3
3k
ChatGPTの英語教材への活用 / 2023-02-25_chat-gpt_teaching-materials
tam07pb915
1
4.8k
一般化線形混合モデルの実践:気をつけたい3つのポイント / 2021-11-06 LMM and GLMM
tam07pb915
2
7.2k
タスク・ベースの言語指導とはなにか,どうやって実践するか / 2021-10-30-TBLT
tam07pb915
0
2.8k
TBLTの課題・展望・指導の工夫/keles-seminar43
tam07pb915
0
2k
初心者こそRStudioを使ったほうがいい理由/NagoyaR17
tam07pb915
1
430
Other Decks in Programming
See All in Programming
いまさら聞けない生成AI入門: 「生成AIを高速キャッチアップ」
soh9834
12
3.6k
小さく段階的リリースすることで深夜メンテを回避する
mkmk884
2
130
Node.js, Deno, Bun 最新動向とその所感について
yosuke_furukawa
PRO
6
3k
requirements with math
moony
0
520
複数ドメインに散らばってしまった画像…! 運用中のPHPアプリに後からCDNを導入する…!
suguruooki
0
430
OpenTelemetryを活用したObservability入門 / Introduction to Observability with OpenTelemetry
seike460
PRO
0
280
Going Structural with Named Tuples
bishabosha
0
170
ベクトル検索システムの気持ち
monochromegane
30
8.8k
Devin入門と最近のアップデートから見るDevinの進化 / Introduction to Devin and the Evolution of Devin as Seen in Recent Update
rkaga
7
3.7k
PsySHから紐解くREPLの仕組み
muno92
PRO
1
520
Go1.24 go vetとtestsアナライザ
kuro_kurorrr
2
460
ステートソーシング型イベント駆動の視点で捉えるCQRS+ES
shinnosuke0522
1
320
Featured
See All Featured
Automating Front-end Workflow
addyosmani
1369
200k
Building a Scalable Design System with Sketch
lauravandoore
462
33k
The Illustrated Children's Guide to Kubernetes
chrisshort
48
49k
Keith and Marios Guide to Fast Websites
keithpitt
411
22k
How to Ace a Technical Interview
jacobian
276
23k
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
31
4.7k
"I'm Feeling Lucky" - Building Great Search Experiences for Today's Users (#IAC19)
danielanewman
227
22k
Music & Morning Musume
bryan
46
6.4k
The Web Performance Landscape in 2024 [PerfNow 2024]
tammyeverts
4
490
It's Worth the Effort
3n
184
28k
Statistics for Hackers
jakevdp
798
220k
Building Adaptive Systems
keathley
41
2.5k
Transcript
Rೖͷೖ 20186݄2 LETؔࢧ෦ϝιυϩδʔݚڀ෦ձ 2018ୈ1ճݚڀձ ԙɹؔେֶઍཬࢁΩϟϯύε
͡Ίʹ • ຊτϥϒϧଟൃଳͱࢥΘΕΔͱ͜ΖʹՌ ʹΉαϑΝϦπΞʔͱͳ͍ͬͯ·͢ • ͨͩ͠ਅͷRॳ৺ऀͷํͰ৺ͳ͞Βͣʹ • ͜ͷڭࣨͷҎ্RͰ͖ΔਓͰ͢ • पΓʹ͍Δ༏͍͠Φτφͷํ͕ͨͪࠔͬͨΒॿ͚ͯ͘
Ε·͢ • Λ߹ΘͤΑ͏ͱ͠ͳ͍ਓ΄Ͳॿ͚͕ͨΓͰ͢ • ࣸਅࡱӨ͝ԕྀͳ͞Βͳ͍Ͱ͍ͩ͘͞
͡Ίʹʢ͖ͭͮʣ • ຊͷWSͷఆडߨऀ • Rʹ·ͬͨ͘৮ͬͨ͜ͱ͕ͳ͍ਓ • RΛ৮ͬͨ͜ͱ͋Δ͚ͲɼΕͨਓ • ຊͷWSͷΰʔϧ •
Rʹ͍ͭͯͷجຊతͳࣝΛಘΔʢࣝʣ • RͰؔͳͲ͍ͭͭجຊతͳܭࢉ͕Ͱ͖Δʢٕೳʣ • RͰ؆୯ͳ࡞ਤ͕Ͱ͖Δʢٕೳʣ • ࢥߟɾஅɾදݱͷ؍ʹ͍ͭͯsomeday in the future
Today’s Menu • RͬͯͳΜͶΜ • RStudioͬͯͷ͕͋ΜͶΜ • ·ͣΠϯετʔϧͰ • ΄ͳجຊૢ࡞ͬͯΈΑ͔
• ؔͬͪΎ͏ศརͳΜ͕͋ͬͯͳ • ΄Μ·࡞ਤָͳΜ • ύοέʔδͯ 4
Today’s Menu • RͬͯͳΜͶΜ • RStudioͬͯͷ͕͋ΜͶΜ • ·ͣΠϯετʔϧͰ • ΄ͳجຊૢ࡞ͬͯΈΑ͔
• ؔͬͪΎ͏ศརͳΜ͕͋ͬͯͳ • ΄Μ·࡞ਤָͳΜ • ύοέʔδͯ 5
• ओʹ౷ܭղੳతͰ͍ͬͯΔਓଟ • ͳͷͰຊͷ͓౷ܭղੳʹͭͳ͕Δ͓ • ͍ΘΏΔʮ౷ܭιϑτʯͱࢥ͍ͬͯͩ͘͞ • จॻ࡞࠷ۙͷྲྀߦΓ • ແྉ͔ͭΦʔϓϯιʔε
• ແྉͰ୭Ͱ͑Δ • ֦ுੑߴ͍ʢύοέʔδ͕͍ͬͺ͍ʣ RͬͯͳΜͶΜ 6 Rϓϩάϥϛϯάݴޠ
ా ଜɹ༞ ؔ େ ֶ 7
• ໊લɿాଜ༞ʢͨΉΒΏ͏ʣ • ॴଐɿؔେֶ֎ࠃޠֶ෦ • ઐɿୈೋݴޠशಘɼ৺ཧݴޠֶ • Rྺɿ͓ͦΒ͘6͘Β͍ • SapporoRͱ͍͏ࡳຈʹߦ͖͍ͨΦτφͷͨΊ
ͷΠϕϯτͷୈ1ճͷͱ͖ʹॳΊͯ৮ͬͨ • ※ͨͩ͠ࢲΞϝϦΧʹ͍·ͨ͠ ಥવͷ 8 ࣗݾհ
• RͳΒͳΜͰͰ͖ΔͱݴͬͯաݴͰͳ͍ • ΈΜͳ͕RΛ͍ͬͯΔ͔Β • RͷڭՊॻΠϯλʔωοτͱݴ͍͍ͬͯ • Θ͔Βͳͯ͘ΜͰΔਓҰਓ͡Όͳ͍͠ɼॿ͚ͯ͘ ΕΔਓͨ͘͞Μ͍Δ •
࠶ݱͱڞ༗͕༰қ • ಉ͡σʔλͱಉ͡εΫϦϓτ͕͋Εੳ݁Ռ͕࠶ݱ Մೳ • εΫϦϓτͱͯ͢͜͠ͱͰɼੳσʔλͷՄࢹԽ ͳͲ͕͍ͭͰͲ͜Ͱ୭ͱͰ RͬͯͳΜͶΜ 9 ͳͥRΛΕͱݴΘΕΔ͔
• ύιίϯ͕ۤख • RStudio͑ͳΜͱ͔ͳΔͷͰͱ • σΟϨΫτϦͱ͔۠Γจࣈͱ͔͘Β͍Θ͔͍ͬͯΕ͍͍ͷͰ • ίϚϯυΛଧͪࠐΉͱ͍͏ͷ͕ۤख • ϙνϙνͰ࠶ݱڞ༗Ͱ͖ͳͯ͘ࠔΔ…
• ࣗͰߟ͑ͯଧͭ͜ͱ͋Δ͕ɼجຊతʹʮ୭͔ͷਅࣅʯΛ͢Ε े • ӳޠ͕ۤख • ͱΓ͋͑ͣɼ௲ΓͷޡΓʹର͢Δawareness͚͍͖ͩ͋͛ͯ·͠ΐ ͏ • ຊޠࢿྉ͚ͩͰ͑ΔΑ͏ʹͳΔͱࢥ͍·͕͢ RͬͯͳΜͶΜ 10 RίϫΠίϫΠපͷݪҼ
Today’s Menu • RͬͯͳΜͶΜ • RStudioͬͯͷ͕͋ΜͶΜ • ·ͣΠϯετʔϧͰ • ΄ͳجຊૢ࡞ͬͯΈΑ͔
• ؔͬͪΎ͏ศརͳΜ͕͋ͬͯͳ • ΄Μ·࡞ਤָͳΜ • ύοέʔδͯ 11
• RStudioͱ • RΛ͍͘͢͢ΔͨΊͷιϑτ • Rͱಉ༷ʹແঈ • ͳͥRStudioʁ • https://speakerdeck.com/tam07pb915/nagoyar17
• ॳ৺ऀɼʮੳʯͱ͔Ҏલͷͱ͜ΖͰͭ·͖͕ͮ ͪ… • ͦͷͭ·͖ͮͲ͜Ζʹ༏͘͠खΛͯ͋ͬͨ͠Γɼ ࡞ۀޮ͕͕͋ΔΑ͏ͳػೳΛඋͯ͋͠Δ RStudioͬͯͷ͕͋ΜͶΜ 12 ॳ৺ऀͦ͜RStudioΛ
Today’s Menu • RͬͯͳΜͶΜ • RStudioͬͯͷ͕͋ΜͶΜ • ·ͣΠϯετʔϧͰ • ΄ͳجຊૢ࡞ͬͯΈΑ͔
• ؔͬͪΎ͏ศརͳΜ͕͋ͬͯͳ • ΄Μ·࡞ਤָͳΜ • ύοέʔδͯ 13
1. ݕࡧΤϯδϯͰʮr projectʯͱೖྗ͢Δ͔ɼhttp://www.r-project.org 2. download RΛΫϦοΫʢจষதʹ͋Γ·͢ʣ 3. ਖ਼Ͳ͜Ͱ͍͍ΜͰ͕͢ɼಛʹཧ༝͕ͳ͚ΕJapan͔Β1ͭબ ʢͲ͜ͰOKʣ 4.
ࣗͷύιίϯͷOSΛΫϦοΫ 1. MacͳΒ.pkgͱ͍͍ͭͯΔͷͰɼWindowsinstall R for the first time ΛΫϦοΫͯ͠.exeͷ࣮ߦϑΝΠϧ 2. όʔδϣϯͱΓ͋͑ͣ࠷৽൛Ͱ 5. ͋ͱμϯϩʔυͨ͠ϑΝΠϧΛμϒϧΫϦοΫͰ։͍ͯɼࢦࣔʹ ͕ͨͬͯ͠ਐΊΔ͚ͩ 6. ಛʹԿ͢Δඞཁͳ͘ɼʮ࣍ʯΛԡ͚ͩ͢ͰΑ͍ ·ͣΠϯετʔϧ 14 RΛ͍ΕͯΈ·͠ΐ͏
None
None
None
None
ՋΛ࣋ͯ༨ͨ͠ํ • ࠓΠϯετʔϧͨ͠RΛΞϯΠϯετʔϧͯ͠ɼ ͏Ұಉ͡खॱͰRΛΠϯετʔϧͰ͖Δ͔ ͬͯΈ·͠ΐ͏
• Ξοϓσʔτ͍ͨ͠߹࠶৽͍͠ͷΛΠ ϯετʔϧ • ৽͍͠όʔδϣϯͩͱɼΑ͘͏ύοέʔδ͕ ରԠ͍ͯ͠ͳ͍ͳͲͷ߹͕͋Δ • RͷόʔδϣϯͱύοέʔδͷόʔδϣϯΛཁ֬ ೝʢࠓճͷߨशͰؾʹ͠ͳͯ͘େৎͰ͢ •
Windows OSͷΑ͏ʹৗʹߋ৽ߋ৽ͱ͔͢Δඞཁ ͳ͍ ·ͣΠϯετʔϧ 20 Rͷόʔδϣϯʹ͍ͭͯ
None
None
• Windows • ελʔτ->ϓϩάϥϜ-> R • σϑΥϧτͷΠϯετʔϧઃఆͰσεΫτοϓʹγϣʔτΧο τΛ࡞ΔͷͰ͔ͦ͜ΒͰOK • i386
-> 32Ϗοτ൛ • x64 -> 64Ϗοτ൛ • ίϯτϩʔϧύωϧ->γεςϜͱηΩϡϦςΟ->γεςϜͰϏο τͷ֬ೝ͕Մೳ • Mac • Application -> R.app • Launchpad -> RͷΞΠίϯΛΫϦοΫ ·ͣΠϯετʔϧ 23 Rͷىಈͱऴྃ
• ͳΜ͔͍Ζ͍Ζॻ͍ͯ͋ͬͯͱΓ͋͑ͣɼ ʮ>ʯ͕Ұ൪Լʹग़͍ͯΕOK • RΛऴྃͤ͞Δͱ͖ • ଞͷΞϓϦέʔγϣϯͱಉ༷ʹɼʮด͡Δʯ Ϙλϯ • >ʹଓ͚ͯq()ͱೖྗ
• ʮ࡞ۀεϖʔε(workspace imageʣΛอଘ͠ ·͔͢ʁʯͱฉ͔ΕΔ-> ࠓʮ͍͍͑ʯ ·ͣΠϯετʔϧ 24 Rͷىಈͱऴྃ
1. ݕࡧΤϯδϯͰʮr studioʯͱೖྗ͢Δ͔ɼhttps:// www.rstudio.com 2. Download RStudioΛΫϦοΫ 3. RStudio DesktopͷDownloadΛΫϦοΫ
4. ࣗͷύιίϯͷOSʹ͋ͬͨΠϯετʔϥʔΛΫ ϦοΫ 5. ͋ͱμϯϩʔυͨ͠ϑΝΠϧΛμϒϧΫϦοΫͰ ։͍ͯɼࢦࣔʹ͕ͨͬͯ͠ਐΊΔ͚ͩ 6. ಛʹԿ͢Δඞཁͳ͘ɼʮ࣍ʯΛԡ͚ͩ͢ͰΑ͍ ·ͣΠϯετʔϧ 25 RStudioΛ͍ΕͯΈ·͠ΐ͏
None
None
None
ίϯιʔϧ มͷ֬ೝ ΧϨϯτσΟϨ ΫτϦϓϩο τɼύοέʔδ ɼ ϔϧϓը໘ͳͲ
9K
• ʮRɹΩʔϫʔυʯͰάάΔ • ݕࡧΤϯδϯͰͳ͔ͳ͔ώοτ͠ͳ͍߹… • seekR (http://seekr.jp) • RjpWiki (http://www.okadajp.org/RWiki/)
• R-Tips (http://cse.naro.affrc.go.jp/takezawa/r- tips/r.html) • RʹΑΔ౷ܭॲཧʢhttp://aoki2.si.gunma-u.ac.jp/ R/ʣ • ͳͲɼRʹಛԽͨ͠ௐํ͕͓͢͢Ί 9K 31 RͰࠔͬͨͱ͖
Today’s Menu • RͬͯͳΜͶΜ • RStudioͬͯͷ͕͋ΜͶΜ • ·ͣΠϯετʔϧͰ • ΄ͳجຊૢ࡞ͬͯΈΑ͔
• ؔͬͪΎ͏ศརͳΜ͕͋ͬͯͳ • ΄Μ·࡞ਤָͳΜ • ύοέʔδͯ 32
• RStudioΛىಈʢىಈͷํRͱಉ͡ʣ • RStudioͰʮ৽͘͠ʯԿ͔Λ࢝ΊΔͱ͖ʹඞͣ ʮϓϩδΣΫτʯΛ࡞Δ جຊૢ࡞ 33 RStudioͷ४උ
• RStudioͰԿ͔Λੳ͢Δͱ͖ͷڥʁͷΑ͏ͳͷͷ୯Ґ • ಛఆͷσΟϨΫτϦʢϑΥϧμʣʹ࡞ΒΕΔ • ͱͱ͋ΔϑΥϧμͰྑ͍͠ϓϩδΣΫτΛ࡞Δࡍʹ৽͘͠ ϑΥϧμΛ࡞ͬͯΑ͍ • ݚڀ͓ࣄ͝ͱʹϑΥϧμ͚͞Ε͍ͯͨΒɼͦͷϑΥϧμʹ ϓϩδΣΫτΛ࡞ͬͯஔ͘ͱΑ͍
• ʮR࿅शʯΈ͍ͨͳϑΥϧμΛ࡞ͬͯͦ͜ʹϓϩδΣΫτஔ͍ͯ OK 34 ϓϩδΣΫτʁʁʁ
35 ৽͘͠࡞ΔͳΒݚڀࣄ͝ͱͷ໊ લΛ͚ͭͨσΟϨΫτϦΛ͚ͭΔ (->New Directory->Empty Projectʣ ͏͢Ͱʹ࡞ۀʹؔ࿈͢ΔϑΝΠϧ ͳͲͷೖͬͨϑΥϧμ͕͋ΔͳΒͦ ͜ʹ࡞Δ(->Exsiting Directory)
RStudioͷ४උ جຊૢ࡞
• ϓϩδΣΫτΛ৽͘͠࡞ͬͨΒɼ·ͣ࠷ॳʹඞͣ৽͍͠RεΫϦϓτ ϑΝΠϧΛ࡞ΔʢࢀরɿʮίϯιʔϧϕλଧͪଔۀɿεΫϦϓτΤ σΟλΛ͓͏ʯʢhttps://speakerdeck.com/tam07pb915/nagoyar14) • ͦͯ͠ඞ໊ͣલΛ͚ͭͯอଘ • εΫϦϓτΤσΟλΛ͏ํ͕ઈରʹྑ͍ʢੜRͰʣ • ίϯιʔϧʹଧͪࠐΉͷΛͱΓ͋͑ͣΊΔʢ͋ͱʹ͢ඞཁͷ
ͳ͍࡞ۀҎ֎ʣ<-झຯͷΑ͏ʹR͏ਓҎ֎εΫϦϓτΤσΟλ • ্ҹ࿈ଧͰཤྺදࣔ͠ͳͯ͘εΫϦϓτΤσΟλʹίʔυΛॻ ͍͍͚ͯཤྺΔ • ԿߦͰҰؾʹίʔυΛ࣮ߦͰ͖Δ جຊૢ࡞ 36 RStudioͷ४උ
ίϯιʔϧͬͯͳΜͧ ͜Ε 37
Windows൛ͩͱ͜͜ 38
RStudioͩͱ͜͜ 39
εΫϦϓτΤσΟλ 40
ϑΝΠϧ->৽͍͠εΫϦϓτ 41
͢Δͱ͜Μͳײ͡ʹ ͍͕ͭ͜εΫϦϓτΤσΟλ 42
Macͩͱ͜Μͳײ͡ ͜ΕΫϦοΫ͢Δ͚ͩͰOK 43
RStudioͩͱ͜Μͳײ͡ File -> New File ->R Script·ͨΞΠίϯ͔Β·ͨCtrl+Shift+N 44
ΤσΟλʹଧͪࠐΜͰ Ctrl+Rʢ·ͨF5ʣͰ࣮ߦ ʢMacͳΒ⌘ʴreturnɼRStudioͳΒCtrl + Enterʣ 45
ϑΝΠϧ->อଘʢ·ͨCtrl+Sʣ ֦ுࢠͳΜͰ͍͍͕ɼtxtʹ͢Δ ͱ͖ϑΝΠϧͷछྨΛมߋ 46
※·ͩRͬͯͳ͍
Today’s Menu • RͬͯͳΜͶΜ • RStudioͬͯͷ͕͋ΜͶΜ • ·ͣΠϯετʔϧͰ • ΄ͳجຊૢ࡞ͬͯΈΑ͔ʢŗşƄŘƃʣ
• ؔͬͪΎ͏ศརͳΜ͕͋ͬͯͳ • ΄Μ·࡞ਤָͳΜ • ύοέʔδͯ 48
• “>”͕දࣔ͞Ε͍ͯΔʹೖྗडத • εΫϦϓτΤσΟλʹ໋ྩΛॻ͖ɼCtrl + Enter (⌘ + EnterʣͰ࣮ߦ •
શ֯μϝθολΠʢಛʹશ֯εϖʔεݟ͑ͳ͍ ͷͰؾ͍ͮͨΒೖ͍ͬͯͨΓ͢Δʣ • େจࣈͱখจࣈ͔ͬ͠Γ۠ผ • ()ͷલޙه߸ͷલޙͷ֯εϖʔεؔͳ͍ جຊૢ࡞ 49 ҙࣄ߲
• ͏ԋࢉه߸࣍ͷ௨Γ • ͠ࢉɿʴʢΩʔϘʔυʹΑͬͯҧ͍·͕͢ӈͷํʣ • Ҿ͖ࢉɿ-ʢϋΠϑϯͰ͋ͬͯμογϡΞϯμʔόʔʹ͋Βͣʣ • ֻ͚ࢉɿ*ʢΩʔϘʔυʹΑͬͯҧ͍·͕͢ӈͷํʣ※MacͷUSΩʔϘʔυͳΒ8 • ׂΓࢉɿ/ʢΩʔϘʔυʹΑͬͯҧ͍·͕͢ӈԼʣ
• ྦྷɿ^ʢΩʔϘʔυʹΑͬͯҧ͍·͕͢ӈͷํʹ͋Γ·͢ΑͶʣ※MacͷUS ΩʔϘʔυͳΒ6 جຊૢ࡞ 50 ࢛ଇԋࢉ
• ࣜΛೖྗͯ͠ɼEnterΛԡ͢ جຊૢ࡞ 51 ࢛ଇԋࢉ 9+7 60-13 4*3 50/10 (24+6)*44/10
• ࣜΛೖྗͯ͠ɼEnterΛԡ͢ جຊૢ࡞ 52 ࢛ଇԋࢉ 9+7 16 60-13 47 4*3
12 50/10 5 (24+6)*44/10 132
• ࣜΛೖྗͯ͠ɼEnterΛԡ͢ جຊૢ࡞ 53 ྦྷ 5^2 #5ͷ2 10^4 #10ͷ4 #←͜ΕίϝϯτΞτͷҹͰ͢ɻ#ͷ͋ͱʹଓ͚ͯ
จষΛॻ͘ͱɼ໋ྩͱ࣮ͯ͠ߦ͞Ε·ͤΜʢ˞ผʹ͜ ͜Ͱଧͨͳͯ͘OKʣ
※͜Ε͋͘·ͰRʹ׳Εͯ Β͏ͨΊͷ࿅शͰ͢ɻຊ൪ ͔࣍Β
• ໋ྩͷ్தͰEnterΩʔΛԡͯ͠͠·ͬͨΑ͏Ͱ͢ • +->ʮ·ͩೖྗऴΘͬͯΜͰʁʯͱݴ͍ͬͯ·͢ • +ʹଓ͚ͯೖྗͯ͠OK • ؾʹͳΔํɼEscΩʔʢΩʔϘʔυࠨ্ʣΛԡͯ͠ ͍ͩ͘͞ ؔ
55 >͕+ʹͳͬͨϯΰ > 9+ +
Today’s Menu • RͬͯͳΜͶΜ • RStudioͬͯͷ͕͋ΜͶΜ • ·ͣΠϯετʔϧͰ • ΄ͳجຊૢ࡞ͬͯΈΑ͔
• ؔͬͪΎ͏ศརͳΜ͕͋ͬͯͳ • ΄Μ·࡞ਤָͳΜ • ύοέʔδͯ 56
• ݱ࣮ͷͬͱෳࡶͰେྔͷσʔλΛॲཧ͢Δͷ͕ؔ • ؔ • ༩͑ΒΕͨҾʹରͯ͠ॲཧΛฦ͢ • RͰͳʹ͔Γ͍ͨ->ͦΕ͕Ͱ͖Δؔʢͦͷؔ ͕͑Δύοέʔδʣ୳͠ •
()Ͱׅͬͯ()ʹҾΛೖΕΔ • q()ؔ ؔ 57 ؔͱ
• sqrtؔ • ͯ͞ɼ͜ΕͳΜͷؔͰ͠ΐ͏ʁ ؔ 58 ؔΛͬͯΈΔ > sqrt(2)ɹɹ >
sqrt(3) > sqrt(100) > sqrt(144)
• sqrtؔ • ͯ͞ɼ͜ΕͳΜͷؔͰ͠ΐ͏ʁ ؔ 59 ؔΛͬͯΈΔ > sqrt(2)ɹɹɹ1.414214 >
sqrt(3) 1.732051 > sqrt(100) 10 > sqrt(144) 12 A.ɹฏํࠜ
• ݱ࣮ͷσʔλॲཧʹ͔ܽͤͳ͍͏Ұͭͷେࣄ ͳཁૉ͕ม • ม • 1ͭҎ্ͷࣈจࣈྻͳͲͷΛ·ͱΊ͓ͯ ͘༰Ε • มʢ༰Εʣͷ໊લΛݺͼग़͢ͱࣈͷηο
τ͕ݺͼग़ͤΔ ؔ 60 มͱ
ؔ 61 มͱ 1 2 3 4 ΓΜ͝ʢࣈʣ1ݸͣͭͰͳ͘ɼͦΕ͕ೖͬͨΧΰʹؔΛద༻ͨ͠Γ͍ͯ͘͠
• kagoͱ͍͏มʹ1~4ͷࣈΛೖͯ͠Έ·͠ΐ͏ • c()ؔɿෳͷཁૉΛ·ͱΊΔؔ • <-ʢෆ߸+ϋΠϑϯʣɿҹʢˡʣͷҙຯʢٯ͖Մʣ • <-=Ͱ༻Մೳ • ʮ1ͱ2ͱ3ͱ4Λ·ͱΊͯkagoͱ͍͏มʹೖ͍ͯͩ͘͠͞Ͷʯͱ
͍͏໋ྩ • มͷ໊લΛଧͬͯEnter -> ʮมͷதݟ͍ͤͯͩ͘͞ʯ ؔ 62 มʹΛೖ > kago <-c(1,2,3,4) > kago ม࡞Δ ->த֬ೝͱ͍͏ ྲྀΕΛบʹ͢Δ
• kagoͷத͜Μͳײ͡ • ͜ͷkagoʹରͯ͠sqrtؔΛ࣮ߦͯ͠Έ·͢ ؔ 63 มʹରͯؔ͠Λ࣮ߦ kago [1] 1
2 3 4 sqrt(kago) [1] 1.000000 1.414214 1.732051 2.000000
ؔ 64 มʹରͯؔ͠Λ࣮ߦ sqrt(1) sqrt(2) sqrt(3) sqrt(4) sqrt(kago) ͲͪΒָ͕͔Ұྎવ
• summary()ؔɿجຊ౷ܭྔͷࢉग़ • table()ؔɿදͷ࡞ • sum()ؔɿ߹ܭͷࢉग़ • length()ؔɿσʔλͷݸͷࢉग़ ؔ 65
جຊతͳ͚ؔͩͰ…
• mean()ؔɿฏۉͷࢉग़ • max()ؔɿ࠷େͷࢉग़ • min()ؔɿ࠷খͷࢉग़ • median()ؔɿதԝͷࢉग़ • sd()ؔɿඪ४ภࠩͷࢉग़
ؔ 66 جຊతͳ͚ؔͩͰ…
• help()ؔ • ྫɿhelp(mean)ͷΑ͏ʹʢʣʹؔΛೖΕΔ • ؔͷઆ໌͕ݟΕΔʢRStudioͳΒӈԼͷϖΠϯʹݱΕ·͢ʣ • આ໌ӳޠͰ͕͢… • usage:
͍ํͷ֓ཁ • argument: ҾʹऔΔͷͷઆ໌ • Example: ͍ํͷྫ • ͳͲɼܗ͕ܾࣜ·͍ͬͯΔͷͰݟΔϙΠϯτ͑͞ԡ͑͞Εා͘ͳ ͍Ͱ͢ ؔ 67 جຊతͳ͚ؔͩͰ…
• ؔΛ͏ͷR࡞ۀͷجຊͷ • ͋ͱͰ·͍͔͍ͨͭؔ͘·͢ͷͰ3ͭ͘Β͍ ֮͑ͯؼ͍ͬͯͩ͘͞ • ()ͷதʹҾΛೖΕ·͢ • ͲΜͳҾΛऔΔ͔ɼ͍ͭ͘ͷҾΛऔΔ͔ͳ ͲؔʹΑͬͯҧ͍·͢
ؔ 68 ؔʹ͍ͭͯͷ·ͱΊ
• ߦྻͱ • ཁૉΛॎͱԣʹฒͨදܗࣜͷͷʢͱཧղ͠ ͍ͯͩ͘͞ʣ • ͜͏͍͏ͷͰ͢ˠ ؔ 69 ߦྻΛѻͬͯΈΔ
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
1 2 3 4 5 6 7 8 9 10
11 12 13 14 15 16
ߦ
Ϊϣʔ
Ϊϣʔ
1 2 3 4 5 6 7 8 9 10
11 12 13 14 15 16
1 2 3 4 5 6 7 8 9 10
11 12 13 14 15 16
1 2 3 4 5 6 7 8 9 10
11 12 13 14 15 16
1 2 3 4 5 6 7 8 9 10
11 12 13 14 15 16
ྻ
Ϩ π
Ϩ π
1 2 3 4 5 6 7 8 9 10
11 12 13 14 15 16
1 2 3 4 5 6 7 8 9 10
11 12 13 14 15 16
1 2 3 4 5 6 7 8 9 10
11 12 13 14 15 16
1 2 3 4 5 6 7 8 9 10
11 12 13 14 15 16
• matrix (ཁૉɼnrowɼncolʣ • ཁૉɿߦྻͷத • nrowɿߦʢྫɿnrow = 3ʣ •
ncolɿྻʢྫɿncol = 4ʣ ؔ 85 ߦྻΛ࡞͢Δmatrixؔ
• matrixؔͰԼͷߦྻΛ࡞ͯ͠Έ·͠ΐ͏ ؔ 86 ߦྻΛ࡞͢Δmatrixؔ 1 5 9 13 2
6 10 14 3 7 11 15 4 8 12 16
• ͱ͍͍͕ͯ͠… ؔ 87 ߦྻΛ࡞͢Δmatrixؔ 1 5 9 13 2
6 10 14 3 7 11 15 4 8 12 16 matrix(c(1,2,3,4,5,6,7,8,9,+ 10,11,12,13,14,15,16),nrow=+ 4,ncol=4) matrix(1:16,nrow=4,ncol=4) 1:16ʮ1͔Β16·Ͱʯ ͱ͍͏ҙຯʹͳΔ
• ฒํΛߦํ༏ઌʹ͍ͨ͠߹ ؔ 88 ߦྻΛ࡞͢Δmatrixؔ matrix(1:16,nrow=4,ncol=4,byrow=T) 1 2 3 4
5 6 7 8 9 10 11 12 13 14 15 16
• ͜Ε͚ͩͰɼߦྻΛ͋ͱͰ͏͜ͱ͕ෆՄೳ ؔ 89 ߦྻͷཁૉʹΞΫηε >matrix(1:16,nrow=4,ncol=4,byrow=T) [,1] [,2] [,3] [,4]
[1,] 1 5 9 13 [2,] 2 6 10 14 [3,] 3 7 11 15 [4,] 4 8 12 16
• hyouͱ͍͏มʹอଘ • มʹอଘ͢ΔͱɼmatrixؔΛ࣮ߦͯ͠ߦྻ ͕ίϯιʔϧʹදࣔ͞Ε·ͤΜ͕ͦΕͰOK • ໋ྩΛ࣮ߦͯ͠ɼR͕͓ͱͳ͍͠ͱ͖͏·͘ ͍͍ͬͯ·͢ ؔ 90
ߦྻͷཁૉʹΞΫηε >hyou<-matrix(1:16,nrow=4,ncol=4,byrow=T)
• 2ߦʹΞΫηε->hyou[2,] • 2ྻʹΞΫηε->hyou[,2] ؔ 91 [,1] [,2] [,3] [,4]
[1,] 1 2 3 4 [2,] 5 6 7 8 [3,] 9 10 11 12 [4,] 13 14 15 16 ߦྻͷཁૉΛऔΓग़͢
• 2ߦʹΞΫηε->hyou[2,] • 2ྻʹΞΫηε->hyou[,2] ؔ 92 > hyou[2,] [1] 5
6 7 8 > hyou[,2] [1] 2 6 10 14 ߦྻͷཁૉΛऔΓग़͢
• ෳߦɾෳྻΛ·ͱΊͯऔΓग़͍ͨ͠߹c ؔΛ͏ʢʮ1ߦ͔Β3ߦʯίϩϯʣ ؔ 93 ߦྻͷཁૉΛऔΓग़͢ >hyou[c(2,4),] #2ߦͱ4ߦ [,1] [,2]
[,3] [,4] [1,] 5 6 7 8 [2,] 13 14 15 16
• ߦʢΪϣʔʣԣɼྻʢϨπʣॎ • matrix(ཁૉ, nrow, ncolʣ • औΓग़͢ͱ͖[]Λ͏ • hyou[2,]
#2ߦ • hyou[,2] #2ྻ • hyou[2,2] #2ߦͷ2ྻ ؔ 94 ߦྻͷ·ͱΊ
ʮݱ࣮ͷσʔλݟͨ͜ͱ͋Μ ͷʁͶ͑ʁmatrixؔͰଧͪ ࠐΉͷʁഅࣛͳͷʁʯ
ʮߦྻ͡Όจࣈͱ͔ѻ ͑ͳ͍Ͱ͠ΐʁʯ
σʔλϑϨʔϜ
• จࣈࣈͳͲɼܕͷҧ͏σʔλΛදܗࣜͰฒ ͨͷ • σʔλϑϨʔϜͷಡΈࠐΈʹνϟϨϯδͯ͠Έ· ͠ΐ͏ ؔ 98 σʔλϑϨʔϜܗࣜ
• read.table() ؔ • “ϑΝΠϧ໊” • headerɿݟग़͠ߦͷ༗ແ • sepɿ۠Γจࣈͷࢦఆ •
read.table(“ϑΝΠϧ໊”, header = T or F, sep=“\t”or “,”) • csvϑΝΠϧͷͱ͖read.csv()ؔ ؔ 99 ֎෦σʔλͷಡΈࠐΈ ʮλϒʯͷҙຯɻWindows ͳΒ¥t
• σʔλɿhttp://bit.ly/R-workshop_20180602 • ϑΝΠϧ -> ܗࣜΛࢦఆͯ͠μϯϩʔυ->ΧϯϚ۠Γͷ ʢcsvɼݱࡏͷγʔτʣ • ϑΝΠϧ໊ͷޙΖͷ΄͏ʹ͋Δʮ -
γʔτ1 ʯআ͍ͯͩ͘͠͞ • RStudioͷϓϩδΣΫτϑΝΠϧ͕͋ΔϑΥϧμʹDL • ݸਓతʹɼExcelͳͲͷγʔτΛಡΈࠐΉ߹csvϑΝΠϧͱͯ͠ γʔτΛผʹอଘ͢Δ͜ͱΛ͓͢͢ΊʢΫϦοϓϘʔυ͔Βͩͱɼಡ ΈࠐΜͩσʔλ͕ޙ͔ΒΘ͔Βͳ͍ͨΊʣ • ޙʹ͢ඞཁͷͳ͍࡞ۀͳΒɼγʔτͷͳ͔ͷΛίϐʔͯ͠ΫϦο ϓϘʔυ͔ΒಡΈࠐΉ ؔ 100 ֎෦σʔλͷಡΈࠐΈ
• ࣍ͷΑ͏ͳίʔυͰσʔλΛಡΈࠐΈ • ϑΝΠϧ໊””Ͱ͘͘Δ͜ͱ • ϑΝΠϧ໊ʹ֦ுࢠΛඞؚͣΊΔ͜ͱ ؔ 101 ֎෦σʔλͷಡΈࠐΈ dat
<- read.table(“XXXX.csv”,header=T, sep=“,”) #·ͨ dat <-read.csv(“XXXX.csv”,header=T)
• ಡΈࠐΜͩσʔλͷߦ͚ͩͰݟ͍ͨ߹ʹ head()ؔΛ༻ • head(dat,10)ͷΑ͏ʹɼΧϯϚͰ۠ͬͯҙͷΛ ༩͑Δͱɼͦͷߦ͚ͩදࣔ • RStudioͳΒӈ্ͷϖΠϯͰdatͱ͍͏ม͕࡞ΒΕ ͨ͜ͱ͕֬ೝͰ͖ɼΫϦοΫ͢Δͱத͕ݟΕ·͢ ؔ
102 ಡΈࠐΜͩσʔλͷ֬ೝ >dat >head(dat)
• meanؔͰฏۉΛٻΊͯΈ·͠ΐ͏ ؔ 103 ಡΈࠐΜͩσʔλʹؔΛద༻ >mean(dat)
• ͜͏ͳͬͯ͠·͏… ؔ 104 ಡΈࠐΜͩσʔλʹؔΛద༻ >mean(dat) Warning message: In mean.default(dat)
: argument is not numeric or logical: returning NA
• meanؔʹ༩͑ΒΕΔͷɼϕΫτϧʢ1ߦ·ͨ1ྻͷΈʣ • ؔʹΑͬͯѻ͑Δσʔλͷܕ͕ҧ͏ • dat[,2]ͷΑ͏ʹɼʮdatͷ2ྻʯͱ͢Δ • datͷޙΖʹ$Λ͚ͭͯɼdat$ClassA_Gr • σʔλϑϨʔϜܗࣜͰ$ͷޙʹྻ໊ΛࢦఆͰ͖Δ
ؔ 105 ಡΈࠐΜͩσʔλʹؔΛద༻ >mean(dat[,2]) >mean(dat$ClassA_Gr)
• ྻ͝ͱʹͰ͖ͳ͍ͷʁʁʁ ؔ 106 ಡΈࠐΜͩσʔλʹؔΛద༻ >mean(dat$ClassA_Gr) >mean(dat$ClassA_Vo) >mean(dat$ClassB_Gr) >mean(dat$ClassB_Vo)
• apply()ؔɿྻ·ͨߦ͝ͱʹؔΛద༻ • datͷ··ͩͱɼIDྻ·Ͱܭࢉ͞Εͯ͠·͏ • dat[,-1]ͱ͢Δͱɼʮ1ྻൈ͍ͯͶʯͷҙຯ ؔ 107 ಡΈࠐΜͩσʔλʹؔΛద༻ >apply(dat,
2, mean) 1ߦ͝ͱɼ2ྻ͝ͱ >apply(dat[,-1], 2, mean) ClassA_Gr ClassA_Vo ClassB_Gr ClassB_Vo 74.60 69.96 71.56 73.92
Today’s Menu • RͬͯͳΜͶΜ • RStudioͬͯͷ͕͋ΜͶΜ • ·ͣΠϯετʔϧͰ • ΄ͳجຊૢ࡞ͬͯΈΑ͔
• ؔͬͪΎ͏ศརͳΜ͕͋ͬͯͳ • ΄Μ·࡞ਤָͳΜ • ύοέʔδͯ 108
• ώετάϥϜ • ࢄਤ • ശͻ͛ਤ ࡞ਤ 109 ͬͯΈΔ͜ͱ
• ώετάϥϜ • ࢄਤ • ശͻ͛ਤ ࡞ਤ 110 ͬͯΈΔ͜ͱ
࡞ਤ 111 ώετάϥϜ Histogram of dat$ClassA_Gr dat$ClassA_Gr Frequency 55 60
65 70 75 80 85 90 0 1 2 3 4 5 6 7 Histogram of dat$ClassA_Gr dat$ClassA_Gr Frequency 55 60 65 70 75 80 85 90 0 1 2 3 4 5 6 7 >hist(dat$ClassA_Gr)
• ώετάϥϜ • ࢄਤ • ശͻ͛ਤ ࡞ਤ 112 ͬͯΈΔ͜ͱ
࡞ਤ 113 ࢄਤ Histogram of dat$ClassA_Gr dat$ClassA_Gr Frequency 55 60
65 70 75 80 85 90 0 1 2 3 4 5 6 7 Histogram of dat$ClassA_Gr dat$ClassA_Gr Frequency 55 60 65 70 75 80 85 90 0 1 2 3 4 5 6 7 >plot(dat$ClassA_Gr,dat$ClassA_Vo) ࢄਤجຊతʹ2มͷରԠؔͷਤࣔͳͷͰɼ2ͭ ͷϕΫτϧΛΧϯϚͰ۠ͬͯೖྗ
࡞ਤ 114 ࢄਤͷ Histogram of dat$ClassA_Gr dat$ClassA_Gr Frequency 55 60
65 70 75 80 85 90 0 1 2 3 4 5 6 7 Histogram of dat$ClassA_Gr dat$ClassA_Gr Frequency 55 60 65 70 75 80 85 90 0 1 2 3 4 5 6 7 >plot(dat$ClassA_Gr,dat$ClassA_Vo) ࢄਤجຊతʹ2มͷରԠؔͷਤࣔͳͷͰɼ2ͭ ͷϕΫτϧΛΧϯϚͰ۠ͬͯೖྗ σϑΥϧτͰx࣠ͱy͕࣠σʔλʹ߹Θ ͤͯઃఆ͞Εͯ͠·͏…
࡞ਤ 115 ࢄਤͷ Histogram of dat$ClassA_Gr dat$ClassA_Gr Frequency 55 60
65 70 75 80 85 90 0 1 2 3 4 5 6 7 Histogram of dat$ClassA_Gr dat$ClassA_Gr Frequency 55 60 65 70 75 80 85 90 0 1 2 3 4 5 6 7 >plot(dat$ClassA_Gr,dat$ClassA_Vo,x lim=c(0,100),ylim=c(0,100)) xlimx࣠ͷ෯Λࢦఆ͢Δʢ͜͜Ͱ0͔Β100·Ͱʣ ylimy࣠ͷ෯Λࢦఆ͢Δʢ͜͜Ͱ0͔Β100·Ͱʣ ݟ͕ͨશવมΘͬͯ·͢ΑͶɻਤࣔ ศརͰ͕͢ɼʮݟͤํʯͰ͍ͣͿΜσʔ λ͕ҧ͏ͷͷΑ͏ʹݟ͑ͯ͠·͏ͷͰ ҙ
࡞ਤ 116 ࢄਤͷ Histogram of dat$ClassA_Gr dat$ClassA_Gr Frequency 55 60
65 70 75 80 85 90 0 1 2 3 4 5 6 7 Histogram of dat$ClassA_Gr dat$ClassA_Gr Frequency 55 60 65 70 75 80 85 90 0 1 2 3 4 5 6 7 >plot(dat$ClassA_Gr,dat$ClassA_Vo,x lim=c(0,100),ylim=c(0,100),xlab=“Gr ammar”,ylab=“Vocabulary”) xlabx࣠ͷϥϕϧΛࢦఆ͢Δ ylaby࣠ͷϥϕϧΛࢦఆ͢Δ
• ώετάϥϜ • ࢄਤ • ശͻ͛ਤ ࡞ਤ 117 ͬͯΈΔ͜ͱ
࡞ਤ 118 ശͻ͛ਤ Histogram of dat$ClassA_Gr dat$ClassA_Gr Frequency 55 60
65 70 75 80 85 90 0 1 2 3 4 5 6 7 Histogram of dat$ClassA_Gr dat$ClassA_Gr Frequency 55 60 65 70 75 80 85 90 0 1 2 3 4 5 6 7 >boxplot(dat[,-1])
• RStudio • Export -> Save image or PDF (or
Copy to Clipboard) • R • ϑΝΠϧ->ผ໊Ͱอଘ->metafile • อଘͷܗ͍ࣜΖ͍ΖબΔ͕ɼmetafile͕͖Ε͍ ͳͷͰ͓͢͢Ίʢͨͩ͠PDFͰมͳઢೖΔͳͲͷ όά͕ىͬͨ͜Γ͢Δʣ ࡞ਤ 119 ඳ͍ͨਤͷอଘ
Today’s Menu • RͬͯͳΜͶΜ • RStudioͬͯͷ͕͋ΜͶΜ • ·ͣΠϯετʔϧͰ • ΄ͳجຊૢ࡞ͬͯΈΑ͔
• ؔͬͪΎ͏ศརͳΜ͕͋ͬͯͳ • ΄Μ·࡞ਤָͳΜ • ύοέʔδͯ 120
• R͕ఏڙ͍ͯ͠Δύοέʔδͨͬ͘͞Μ͋Δ • ͍Ζ͍Ζͳ͜ͱΛΖ͏ͱࢥ͏ͱύοέʔδΛ Πϯετʔϧ͠ͳ͍ͱ͍͚ͳ͍ • Πϯετʔϧͨ͋͠ͱʹԼͷ͓·͡ͳ͍͕ඞཁ ύοέʔδ 121 ศར͞Λ૿͢ύοέʔδ
>install.packages(“ύοέʔδ໊”) >library(ύοέʔδ໊) library()ؔͰ””ͳ͠Ͱ͍͚Δ͕ install.packages()ؔແཧͳͷͰҙ
• beeswarmύοέʔδͰ๘܈ਤΛඳ͖·͠ΐ͏ • ശͻ͛ਤʹॏͶॻ͖Ͱ͖Δ ύοέʔδ 122 ศར͞Λ૿͢ύοέʔδ >install.packages(“beeswarm”) >library(beeswarm) >beeswarm(dat)
>boxplot(dat[,-1]) >beeswarm(dat[,-1],add=T)
None
͓͠·͍