第3回講義資料

Rの基本的な操作

スライド

新しいタブで開く

電卓としてのR

自分のRStudioの画面の以下の資料のレイアウトが一致しない

以下の画面は本講義の推奨設定に従った場合のレイアウトである。あくまでも推奨設定なので従う必要はないものの、本講義は全て推奨設定の前提で進める。推奨設定以外の設定（または、初期設定のまま）は自己責任である。

手順1: File > New File > R Scriptをクリックする。

手順2: 画面左側の上段ペインの最大化ポタンをクリックするか、下段ペインの最小化ポタンをクリックし、Sourceペインの大きさ最大化する。

手順3: Sourceペインに以下の内容を入力する。

Code 01

1 + 1

手順4: コードの行にカーソルをおいたままControl（Ctrl）とEnterを同時に押す（大学のWindows PCの場合）。これはカーソルが位置する行のコードを実行するキーである。このキーは使用するOSによって異なる。

OS	キー	解説
macOS	Command-Return	Command（Cmd） + Return
Linux（Ubuntu）	Ctrl-Return	Control（Ctrl）+ Return
Windows	Ctrl-Enter	Control（Ctrl）+ Enter

カーソルって…?

カーソル (cursor)とは文字の入力位置を意味する。RStudioのテーマによって色は異なるが、Sourceペイン、またはConsoleペインなど、何らかの文字が入力できる箇所において点滅する「|」がカーソルです。

手順5: Consoleペインに結果が表示される。

[1] 2

　これくらいの計算はConsoleペインで直接打ち込んでも良いが、自分がこれまで書いたコードを残すという意味でSourceペインに入力することを推奨する。R Scriptを保存しておけばいつでも開いて前回のコードを再現できる。

　Rのスクリプトを作成する際、何かのメモを書いておきたいケースが多々ある。コードが長くなったり、複雑になったりすると、自分が書いたコードでも意味がよく分からないケースも多く発生する。これはデータ分析のプロでも例外でなく、宋も同じである。この場合、スクリプト内にこまめにメモを書いておくと、このコードが何のためのコードかなどが素早く把握できる。

　Rにおけるコメントは#を使用する。同じ行における#以降の内容は処理に影響を与えない。たとえば、以下のコードだと# 12345と12345の積は処理に影響を与えない

Code 02

# 12345と12345の積
12345 * 12345

[1] 152399025

　また、コードと同じ行にコメントを書くこともできる。

Code 03

12345 * 12345 # 12345と12345の積

[1] 152399025

　コードにこまめにコメントを書くのは意外と面倒な作業であるが、コメントに「書きすぎ」は存在しない。書けば書くほど未来の自分から感謝されるだろう。

算術演算子

　算術演算子は数字と数字の間に入力し、結果として何らかの数字が返される演算子である。先ほどの+や*も算術演算子（足し算と掛け算）である。ここでは良く使う算術演算子7つを紹介する。

演算子	意味	例	結果
`+`	和	`2 + 5`	7
`-`	差	`2 - 8`	-6
`*`	積	`7 * 3`	21
`/`	商	`16 / 5`	3.2
`^`、`**`	累乗（べき乗）	`2^3`または`2 ** 3`	8
`%%`	剰余 (モジュロ)	`18 %% 7`	4
`%/%`	整数商	`18 %/% 7`	2

　例を見てみよう。

Code 04

1 + 5  # 足し算

[1] 6

Code 05

3 - 10 # 引き算

[1] -7

Code 06

19 * 2 # 掛け算

[1] 38

Code 07

13 / 7 # 割り算

[1] 1.857143

Code 08

5^3    # 5の3乗

[1] 125

　これは義務ではないがないが、累乗（^）を除き、演算子の前後にはスペースを入れるのがRの流儀であり、コードが読みやすくなる。以下のコードを比べてみよう。

Code 09

# 読みにくい例
(((3+5)*4)+((5%%2)+3))^2

[1] 1296

Code 10

# 読みやすい例
(((3 + 5) * 4) + ((5 %% 2) + 3))^2

[1] 1296

　結果は同じだが、後者の方が読みやすいだろう。これから紹介する論理演算子でも共通する内容であるが、「累乗（^）を除き、演算子の前後にはスペースを入れる」ことを覚えておこう。ちなみにカッコ（(と)）は演算子ではないため、スペースは不要である。

論理演算子

　算術演算子は結果として数値が返ってくるが、論理演算子は真（TRUE）か偽（FALSE）のいずれかの値を返す演算子である。ここではまず、大小関係を判定する論理演算子を紹介する。

演算子	意味	例	結果
`x < y`	`x`は`y`より小さい	`3 < 1`	`FALSE`
`x <= y`	`x`は`y`と等しいか、小さい	`2 <= 2`	`TRUE`
`x > y`	`x`は`y`より大きい	`6 > 5`	`TRUE`
`x >= y`	`x`は`y`と等しいか、大きい	`4 >= 5`	`FALSE`
`x == y`	`x`と`y`は等しい	`(2 + 3) == (4 + 1)`	`TRUE`
`x != y`	`x`と`y`は等しくない	`((2 * 3) + 1) != (2 * (3 + 1))`	`TRUE`

　一つ注意すべき点は「等しい」を意味する論理演算子は=でなく、==だということだ¹。

Code 11

3 > 2 # 3は2より大きいの?

[1] TRUE

Code 12

5 <= 10 # 5は10と同じか小さいの?

[1] TRUE

Code 13

2 + 3 == 1 # 2と3の和は1なの?

[1] FALSE

Code 14

2 + 2 != 2 * 2 # 2と2の和は2と2の積と同じなの?

[1] FALSE

　算術演算子は一行に何回も使えるが、通常、論理演算子は一行に一つしか使えない。複数の論理演算子を使うためには、&（AND演算子）と|（OR演算子）を使う必要がある。

　AND演算子&は、&を挟む左右の両側がTRUEの場合のみTRUEを返す演算子である。

Code 15

(2 + 3 == 5) & (2 * 3 == 5) # TRUE and FALSEだから... FALSE!

[1] FALSE

Code 16

(2 + 3 == 5) & (2 * 3 == 6) # TRUE and TRUEだから... TRUE!

[1] TRUE

　OR演算子|は、|を挟む左右の片側、あるいは両側がTRUEの場合のみTRUEを返す論理演算子である。

Code 17

(2 + 3 == 5) | (2 * 3 == 5) # TRUE or FALSEだから... TRUE!

[1] TRUE

Code 18

(2 + 3 == 5) | (2 * 3 == 6) # TRUE or TRUEだから... TRUE!

[1] TRUE

Code 19

(2 + 3 == 6) | (2 * 3 == 5) # FALSE or FALSEだから... FALSE!

[1] FALSE

　論理演算子には他にもいくつかあるが、説明は割愛する。

!: 否定演算子（TRUEならFALSE、FALSEならTRUEが返ってくる。意外と良く使う）
&&: &と同じ
||: |と同じ
xor(): 排他的論理和（xor(FALSE, TRUE)とxor(TRUE, FALSE)の場合のみTRUEが返ってくる。論理回路に興味あれば重要な演算子だが、実際に使うケースはあまりない。）

　論理演算子が活躍するのはデータ加工（データハンドリング）の時である。何かの条件を指定して、その行件に合致するケースのみを抽出する場合は、これらの論理演算子の使用が必須である。

マッチング演算子: %in%

　もう一つ便利な論理演算子としてマッチング演算子%in%がある。これについてはデータハンドリングの講義で解説する。

代入とベクトル

　まず、以下のような例を考えてみよう。

123454321 \(\times\) 2を計算してみよう
123454321 \(\times\) 3を計算してみよう
123454321 \(\times\) 4を計算してみよう
…
123454321 \(\times\) 200を計算してみよう

Code 20

123454321 * 2
123454321 * 3
123454321 * 4

(省略)

123454321 * 198
123454321 * 199
123454321 * 200

　このように199行のコードを書く必要がある。もう少し効率的な方法はないだろうか。まず、この123454321を書く手間をなんとかしてみよう。

方法1: 123454321をコピーし貼り付けながら計算を繰り返す
方法2: 123454321にxという名前を付けて、x * 1のように表記する（ここが重要）

　いずれも有効な方法であるが、方法1には致命的なデメリットがある。それは修正が面倒だという点である。もし「あ、ごめん！123454321じゃなくて、23235211だったわ！コード直してもらえる？」と言われたら、199行のコードをすべて修正する必要がある。一方、方法2を使えば、「123454321にxという名前を付ける」コードのみを修正すれば良い。このように何かの数字、文字列などに名前を付けて後から使えるようにする作業を代入（assignment）と呼ぶ。

ベクトル

　代入の話をする前にRにおけるデータ構造の一種であるベクトル（vector）の話をしなければならない。ベクトルはRにけるデータの最小単位である。Rには様々なデータ構造があるが、これらはすべてベクトルの集合と言っても過言ではない。このベクトルには以下のような特徴がある。

ベクトルの特徴

ベクトルの長さは1以上である。
- 1や"Cat"は長さ1のベクトル
- 長さ1のベクトルは原子ベクトル（atomic vector）とも呼ばれる。
一つのベクトル同じデータ型（数値、文字列など）で構成される。
- 数値と文字列が混在するベクトルは作成できない。

データ型? データ構造?

　データ型とデータ構造については今後の講義で解説する。

　まずはこの2つだけ覚えておけば問題ない。重要なのはベクトルの作り方であるが、長さ1のベクトルであれば、1、"Cat"などで十分である。もし、ながさ2以上のベクトルを作る場合はc()関数を使う。()内にコンマ区切りの要素 (element)を入れるだけである。

Code 21

19861008 # 長さ1の数値型ベクトル

[1] 19861008

Code 22

c(1986, 10, 8) # 長さ3の数値型ベクトル

[1] 1986   10    8

,の後にはスペースを入れよう！

　コードの可読性の観点から見ると、c(1986,10,8)よりc(1986, 10, 8)の方が読みやすい。

ベクトル同士の計算

　それでは、（原子ベクトルを含む）ベクトルに名前を付ける方法について紹介する。それは代入演算子<-である。x <- 123454321はxという器に123454321という数字を入れることを意味する。ここでいう「器」のことをオブジェクト（object）と呼ぶ。オブジェクトに関する説明は今後の講義で解説する。オブジェクトの内容を確認するためにはオブジェクトの名前のみを入力する。

Code 23

x <- 123454321 # xに123454321を代入
x

[1] 123454321

　先ほどの作業は以下のように簡略化することができる。

Code 24

x <- 123454321 # xに123454321を代入
x * 2
x * 3
x * 4

(省略)

x * 198
x * 199
x * 200

　これを使えば、もし修正要請があったとしてもx <- 123454321の部分だけ修正すれば良いだろう。ただ、それでも200行のコード（代入で1行、計算で199行）を書くことには代わりがない。これをなんとか出来ないだろうか。以上のコードは1〜3行にまとめることができる。そのためにベクトル同士の計算について考える必要がある。同じ長さのベクトル同士の計算の場合、同じ位置の要素同士の計算が行われる。以下の例を考えてみよう。

Code 25

my_vec1 <- c(1, 2, 3, 4, 5, 6)
my_vec2 <- c(0, 1, 2, 0, 1, 2)
my_vec1 * my_vec2

[1]  0  2  6  0  5 12

　上記のコードは以下のように表すことができる。

ベクトル/位置	1番目	2番目	3番目	4番目	5番目	6番目
`my_vec1`	1	2	3	4	5	6
	\(\times\)	\(\times\)	\(\times\)	\(\times\)	\(\times\)	\(\times\)
`my_vec2`	0	1	2	0	1	2
結果	0	2	6	0	5	12

　もし、ベクトルの長さが一致しない場合はどうなるだろうか。この場合、短い方のベクトルが繰り返されることとなり、これをベクトル・リサイクル（vector recycle）と呼ぶ。以下の例ではmy_vec4の方が短いため、3 * 2までの計算が終わったあと、もう一回my_vec4の1番目の要素、0が使われることになる。

Code 26

my_vec3 <- c(1, 2, 3, 4, 5, 6)
my_vec4 <- c(0, 1, 2)
my_vec3 * my_vec4

[1]  0  2  6  0  5 12

　このベクトル・リサイクルを利用すれば簡単に199行のコードを簡略化できよう。ただし、2から200まで格納されている長さ199のベクトルを作るのが面倒かも知れない。2, 3, 4, …, 199, 200は公差1の等差数列であり、Rではseq()関数を使うことで等差数列を簡単に作ることができる。たとえば、2から10までの公差1の等差数列であれば、以下のように作れる。

Code 27

seq(2, 10, by = 1) # 2から10までの公差1の等差数列

[1]  2  3  4  5  6  7  8  9 10

　公差1でなく公差2であれば、by = 1をby = 2に修正する。

Code 28

seq(2, 10, by = 2) # 2から10までの公差2の等差数列

[1]  2  4  6  8 10

　また、公差1の等差数列であれば、:演算子を使うこともできる。

Code 29

2:10 # 2から10までの公差1の等差数列

[1]  2  3  4  5  6  7  8  9 10

　これで199行のコードを簡略化する準備は整った。まずは3行に簡略化した例を見てみよう。

Code 30

# 3行の例
x <- 123454321
y <- 2:200 # または、y <- seq(2, 200, by = 1)
x * y

  [1]   246908642   370362963   493817284   617271605   740725926   864180247
  [7]   987634568  1111088889  1234543210  1357997531  1481451852  1604906173
 [13]  1728360494  1851814815  1975269136  2098723457  2222177778  2345632099
 [19]  2469086420  2592540741  2715995062  2839449383  2962903704  3086358025
 [25]  3209812346  3333266667  3456720988  3580175309  3703629630  3827083951
 [31]  3950538272  4073992593  4197446914  4320901235  4444355556  4567809877
 [37]  4691264198  4814718519  4938172840  5061627161  5185081482  5308535803
 [43]  5431990124  5555444445  5678898766  5802353087  5925807408  6049261729
 [49]  6172716050  6296170371  6419624692  6543079013  6666533334  6789987655
 [55]  6913441976  7036896297  7160350618  7283804939  7407259260  7530713581
 [61]  7654167902  7777622223  7901076544  8024530865  8147985186  8271439507
 [67]  8394893828  8518348149  8641802470  8765256791  8888711112  9012165433
 [73]  9135619754  9259074075  9382528396  9505982717  9629437038  9752891359
 [79]  9876345680  9999800001 10123254322 10246708643 10370162964 10493617285
 [85] 10617071606 10740525927 10863980248 10987434569 11110888890 11234343211
 [91] 11357797532 11481251853 11604706174 11728160495 11851614816 11975069137
 [97] 12098523458 12221977779 12345432100 12468886421 12592340742 12715795063
[103] 12839249384 12962703705 13086158026 13209612347 13333066668 13456520989
[109] 13579975310 13703429631 13826883952 13950338273 14073792594 14197246915
[115] 14320701236 14444155557 14567609878 14691064199 14814518520 14937972841
[121] 15061427162 15184881483 15308335804 15431790125 15555244446 15678698767
[127] 15802153088 15925607409 16049061730 16172516051 16295970372 16419424693
[133] 16542879014 16666333335 16789787656 16913241977 17036696298 17160150619
[139] 17283604940 17407059261 17530513582 17653967903 17777422224 17900876545
[145] 18024330866 18147785187 18271239508 18394693829 18518148150 18641602471
[151] 18765056792 18888511113 19011965434 19135419755 19258874076 19382328397
[157] 19505782718 19629237039 19752691360 19876145681 19999600002 20123054323
[163] 20246508644 20369962965 20493417286 20616871607 20740325928 20863780249
[169] 20987234570 21110688891 21234143212 21357597533 21481051854 21604506175
[175] 21727960496 21851414817 21974869138 22098323459 22221777780 22345232101
[181] 22468686422 22592140743 22715595064 22839049385 22962503706 23085958027
[187] 23209412348 23332866669 23456320990 23579775311 23703229632 23826683953
[193] 23950138274 24073592595 24197046916 24320501237 24443955558 24567409879
[199] 24690864200

　これを2行にまとめる場合は、xとyいずれかをベクトルとして格納し、もう片方は格納せずそのまま計算に使う（結果は省略）。

Code 31

# 2行の例 (1)
x <- 123454321
x * 2:200

Code 32

# 2行の例 (2)
x <- 2:200
123454321 * x

　究極のやり方はxもyも格納せずそのまま使う方法であり、これなら1行にまとめることができる（結果は省略）。

Code 33

# 1行の例
123454321 * 2:200

要素の抽出

　最後にベクトルから任意の要素を抽出する2つの方法について紹介する。

方法1: 抽出する要素の位置を指定する。

　要素の抽出する基本的な方法はベクトル名[抽出する要素の位置]である。たとえば、my_vec5という11から20までの公差1の等差数列のベクトルがあるとする。

Code 34

my_vec5 <- 11:20 # my_vec <- seq(11, 20, by = 1) と同じ
my_vec5

 [1] 11 12 13 14 15 16 17 18 19 20

　このmy_vec5から3番目の要素は13であり、この値を抽出するためにはmy_vec5[3]と入力する。

Code 35

my_vec5[3]

[1] 13

　複数の要素を抽出したい場合は、[]内にベクトルを入れる。たとえば、my_vec5から2、3、4、5番目の要素を抽出する場合は、[]内にc(2, 3, 4, 5)を入力する。

Code 36

my_vec5[c(2, 3, 4, 5)] # my_vec5[2, 3, 4, 5]でないことに注意

[1] 12 13 14 15

　このc(2, 3, 4, 5)は2から5までの公差1の等差数列であるため、c(2, 3, 4, 5)の代わりにseq(2, 5, by = 1)を使用しても良い。

Code 37

my_vec5[seq(2, 5, by = 1)]

[1] 12 13 14 15

　むろん、公差1の等差数列を使う:を使用し、[]内に2:5を指定した方がより効率的であろう。

Code 38

my_vec5[2:5]

[1] 12 13 14 15

方法2: 論理演算子を利用する。

　もう一つは[]内にTRUEかFALSEを入れる方法である。位置を指定する方法では抽出したい要素の位置のみを指定するだけだったが、この方法は、すべての要素に対して抽出するか（TRUE）しないか（FALSE）を指定する必要がある。つまり、元のベクトルの長さと[]内に指定するベクトルの長さは一致する必要がある。たとえば、my_vec5の1、4、7、9、10番目の要素を抽出したい場合はmy_vec5[c(1, 4, 7, 9, 10)]でも良いが、以下のように抽出する箇所にTRUE、抽出しない箇所にFALSEを指定することもできる。

Code 39

# 1、4、7、9、10番目がTRUEで、他は全てFALSE
my_vec5[c(TRUE, FALSE, FALSE, TRUE, FALSE, FALSE, TRUE, FALSE, TRUE, TRUE)]

[1] 11 14 17 19 20

　[]内にベクトルの長さ分のベクトルを更に入力する必要がある。my_vec5のように長さ10のベクトルなら問題ないだろうが、長さが数千のベクトルも稀ではない（むしろ実際のデータ分析だと数百以上が当たり前となる）。これを考えると、一つ一つの要素に対してTRUE、FALSEを指定することは非常に非効率的である。

　しかし、我々は論理演算子を使えばTRUE、またはFALSEのベクトルを作れることをすでに知っている。たとえば、my_vec5から奇数のみを抽出したいとする。奇数は2で割って1が余る数字である。余りを計算する算術演算子は%%であり、この余りが1かどうかを判定すれば良い。

Code 40

my_vec5 %% 2 == 1

 [1]  TRUE FALSE  TRUE FALSE  TRUE FALSE  TRUE FALSE  TRUE FALSE

　my_vec5を構成する全ての要素に対して、奇数か偶数かの判定結果がベクトルとして返ってくることが分かる。この論理演算子が含まれた判定文を[]内に入れることで、my_vec5から奇数のみを抽出することができる。

Code 41

my_vec5[my_vec5 %% 2 == 1]

[1] 11 13 15 17 19

　むろん、これまでの通りmy_vec5 %% 2 == 1を別途のベクトルとして格納した上で、そのベクトルを[]に入れても良い。

表データの読み込み

　データ分析に用いられるデータの形式は表、文字列、画像、音声など様々であるが、本講義では表形式のデータ（rectangular data）のみを扱う。ここでは表形式データの読み込み方法について紹介する。表形式データにはエクセル形式（.xlsx）がお馴染みであろうが、データ分析の業界においてはカンマ区切る形式（.csv）が標準である。

　csvファイルの読み込みにはR内蔵関数read.csv()関数が使えるが、本講義では{tidyverse}パッケージが提供するread_csv()関数を使用する。データ読み込みの前にまず{tidyverse}パッケージを読み込む。

Code 42

library(tidyverse)

　読み込み方法はread_csv("読み込むファイルのパス")である（パスの概念については「ファイルシステム」を参照すること）。プロジェクト・フォルダー内にDataフォルダーがあり、そこにPref_Vote.csvというファイルがあれば、read_csv("Data/Pref_Vote.csv")となる。もし、プロジェクト・フォルダー直にデータが入っているのであれば、read_csv("Pref_Vote.csv")となる。ただし、read_csv()だけだとデータの中身が出力されるだけであり、作業環境内に格納されない。代入演算子<-を使って作業環境内にデータを入れておく必要がある。ここでは読み込んだデータをmy_dataという名の新しいオブジェクトに格納する。

Code 43

# 以下のデータはLMSから入手可能
my_data <- read_csv("Data/Pref_Vote.csv")

　ちなみに現在の作業環境内に、どのようなオブジェクトが存在するかを確認するためにはConsoleペイン上でls()を入力する²。

Code 44

ls()

[1] "my_data" "my_vec1" "my_vec2" "my_vec3" "my_vec4" "my_vec5" "x"      
[8] "y"

　問題なくmy_dataというオブジェクトが生成されていることが分かる。それではデータの中身を確認してみよう。

Code 45

my_data # または、print(my_data)

# A tibble: 47 × 13
      ID Pref   Zaisei Over65 Under30 Jimin Minshin Komei Kyosan Ishin Shamin
   <dbl> <chr>   <dbl>  <dbl>   <dbl> <dbl>   <dbl> <dbl>  <dbl> <dbl>  <dbl>
 1     1 北海道  0.419   29.1    24.7  32.8    30.6 13.4    3.43 11.4    1.68
 2     2 青森県  0.332   30.1    23.9  40.4    24.6 12.8    3.82  8.92   3.41
 3     3 岩手県  0.341   30.4    24.5  34.9    22.4  8.61   5.16 11.2    5.29
 4     4 宮城県  0.596   25.8    27.3  36.7    25.4 13.4    3.97  9.99   3.62
 5     5 秋田県  0.299   33.8    21.4  43.5    22.7 11.2    5.17  7.56   5.12
 6     6 山形県  0.342   30.8    24.8  42.5    21.5 11.8    4.3   7.6    5.2 
 7     7 福島県  0.509   28.7    25.2  33.8    28.3 11.0    3.43 10.4    3.24
 8     8 茨城県  0.633   26.8    26.6  40.6    19.0 15.0    6.67 10.1    2.88
 9     9 栃木県  0.622   25.9    26.8  38.8    21.6 12.4   10.9   7      2.05
10    10 群馬県  0.603   27.6    26.6  42.1    19.3 13.8    5.61 10      2.44
# ℹ 37 more rows
# ℹ 2 more variables: Region2 <dbl>, Region6 <dbl>

　この画面からデータの中身以外にもいくつかの情報が読み取れる。たとえば、1行目には以下のような内容が入っている。

# A tibble: 47 × 16

　これは47行16列のデータであることを意味する。しかし、数えてみれば、どうみても47行13列には見えない。見えるのは10行12列のみである。ちなみに、自分が使用するPCのモニターが大きいか、文字の大きさが小さい場合は最初から16列が表示される場合もあり、12列より少なく表示される場合もある。表示しきれなかったものについては一番下の行を参照すれば良い。

# … with 37 more rows, and 4 more variables: Reiwa <dbl>, NHK <dbl>,
#   Region2 <dbl>, Region6 <dbl>

　これは出力された内容以外にも36行が更にあり（つまり、36行は省略されているだけである）、Reiwa、NHK、Region2とRegion6という名の列も更にあることを意味する。データは問題なく47行13列であることが分かる。

　もし、20行を出力したい場合はprint(オブジェクト名, n = 20)と入力する。

Code 46

print(my_data, n = 20)

# A tibble: 47 × 13
      ID Pref     Zaisei Over65 Under30 Jimin Minshin Komei Kyosan Ishin Shamin
   <dbl> <chr>     <dbl>  <dbl>   <dbl> <dbl>   <dbl> <dbl>  <dbl> <dbl>  <dbl>
 1     1 北海道    0.419   29.1    24.7  32.8    30.6 13.4    3.43 11.4    1.68
 2     2 青森県    0.332   30.1    23.9  40.4    24.6 12.8    3.82  8.92   3.41
 3     3 岩手県    0.341   30.4    24.5  34.9    22.4  8.61   5.16 11.2    5.29
 4     4 宮城県    0.596   25.8    27.3  36.7    25.4 13.4    3.97  9.99   3.62
 5     5 秋田県    0.299   33.8    21.4  43.5    22.7 11.2    5.17  7.56   5.12
 6     6 山形県    0.342   30.8    24.8  42.5    21.5 11.8    4.3   7.6    5.2 
 7     7 福島県    0.509   28.7    25.2  33.8    28.3 11.0    3.43 10.4    3.24
 8     8 茨城県    0.633   26.8    26.6  40.6    19.0 15.0    6.67 10.1    2.88
 9     9 栃木県    0.622   25.9    26.8  38.8    21.6 12.4   10.9   7      2.05
10    10 群馬県    0.603   27.6    26.6  42.1    19.3 13.8    5.61 10      2.44
11    11 埼玉県    0.765   24.8    27.7  32.3    20.4 16      7.23 13.9    1.91
12    12 千葉県    0.777   25.9    26.7  37.8    21.7 14.0    5.46 11.3    2.01
13    13 東京都    1.00    22.7    27.4  34.4    19.8 11.4    7.34 14.2    2.82
14    14 神奈川県  0.917   23.9    27.8  34.9    21.5 12.2    7.77 12.5    2.79
15    15 新潟県    0.435   29.9    25.2  43.7    25.2  8.27   4.39  8      3.76
16    16 富山県    0.453   30.5    24.9  44.2    24.2  9.81   5.06  5.79   5.02
17    17 石川県    0.468   27.9    27.2  48.1    18.5 11      6.36  7.07   2.36
18    18 福井県    0.378   28.6    26.7  45.3    17.5 10.9   13.1   5.66   2.09
19    19 山梨県    0.379   28.4    26.4  37.4    28.0 12.8    4.32  9.2    1.67
20    20 長野県    0.476   30.1    25.5  35.3    27.7 10.7    4.23 12.6    3.59
# ℹ 27 more rows
# ℹ 2 more variables: Region2 <dbl>, Region6 <dbl>

　最初の6行のみを出力する場合はhead()、最後の6行を出力する場合はtail()を使う。

Code 47

# my_dataの最初の6行を出力
head(my_data) # print(my_data, n = 6) と同じ

# A tibble: 6 × 13
     ID Pref   Zaisei Over65 Under30 Jimin Minshin Komei Kyosan Ishin Shamin
  <dbl> <chr>   <dbl>  <dbl>   <dbl> <dbl>   <dbl> <dbl>  <dbl> <dbl>  <dbl>
1     1 北海道  0.419   29.1    24.7  32.8    30.6 13.4    3.43 11.4    1.68
2     2 青森県  0.332   30.1    23.9  40.4    24.6 12.8    3.82  8.92   3.41
3     3 岩手県  0.341   30.4    24.5  34.9    22.4  8.61   5.16 11.2    5.29
4     4 宮城県  0.596   25.8    27.3  36.7    25.4 13.4    3.97  9.99   3.62
5     5 秋田県  0.299   33.8    21.4  43.5    22.7 11.2    5.17  7.56   5.12
6     6 山形県  0.342   30.8    24.8  42.5    21.5 11.8    4.3   7.6    5.2 
# ℹ 2 more variables: Region2 <dbl>, Region6 <dbl>

Code 48

tail(my_data) # my_dataの最後の6行を出力

# A tibble: 6 × 13
     ID Pref     Zaisei Over65 Under30 Jimin Minshin Komei Kyosan Ishin Shamin
  <dbl> <chr>     <dbl>  <dbl>   <dbl> <dbl>   <dbl> <dbl>  <dbl> <dbl>  <dbl>
1    42 長崎県    0.316   29.6    25.8  41.7    20.7  16.9   5.12  6.27   3.48
2    43 熊本県    0.387   28.8    27.2  46.5    19.3  15.3   4.53  6.32   2.6 
3    44 大分県    0.358   30.4    25.6  39.4    18.4  13.3   4.42  6.85  13.0 
4    45 宮崎県    0.320   29.5    26.3  40.1    14.5  17.1   5.74  7.27   6.81
5    46 鹿児島県  0.321   29.4    26.0  46.0    16.2  14.5   6.47  6.52   3.62
6    47 沖縄県    0.315   19.6    33.4  27.8    13.3  15.1   7.66 15.6   12.1 
# ℹ 2 more variables: Region2 <dbl>, Region6 <dbl>

　6行でなく、任意の行数を指定したい場合はhead()、またはtail()内にn = ...を追加する。このような表形式のデータをRではデータフレーム（data.frame）と呼び、ベクトル、リストと共に最も頻繁に使うデータ構造である。これらについては第8回「データ構造」で解説する。

文字化けが生じる場合

　本講義ではJDCat分析ツールを利用する場合、宋が提供した資料と同じ結果が得られることが保証されている。しかし、自分のPCにRをインストールして使用する場合、文字化けが生じる可能性がある。これは文字のロケール（locale）が原因である（具体的には世界標準のUTF-8を使用するmacOS/Linuxと、日本語表示に独自仕様を使用するWindowsの違い）。この場合、自分のPCのOSによって対処方法が異なる。ここではread_csv()で表形式データを読み込む際、文字化けに対処する方法を紹介する³。

ケース1: 自分のPCがWindowsの場合

　自分のPCが日本語Windowsの場合、世界標準ロケールであるUTF-8を正しく認識できない可能性がある。この場合、read_csv()内にlocale = locale(encoding = "UTF-8")を追加する。

Code 49

read_csv("パスを含むファイル名", locale = locale(encoding = "UTF-8"))

　ただし、これでも文字化けが生じるのであれば、自分のRが最新バージョン（UTF-8がベース）であり、手元のデータがShift-JISである可能性が高い。この場合は、macOS/Linuxと同じ方法で対処する（以下参照）。

ケース2: 自分のPCがmacOS/Linuxの場合（JDCat分析ツールもこれに該当）

　これは主にWindowsで作成されたデータを読み込む際に生じる。日本語Windowsで作成されたデータの場合、ロケールがShift-JISである可能性が高い。とりわけ日本政府/自治体が作成・公開するデータの多くが未だShift-JISである。この場合、read_csv()内にlocale = locale(encoding = "Shift_JIS")を追加する。

Code 50

read_csv("パスを含むファイル名", locale = locale(encoding = "Shift_JIS"))

Excel形式ファイルの読み込み

　本講義ではExcelで作成されたデータ（.xlsx、または.xls形式ファイル）を使わないが、.xlsx、または.xlsファイルを読み込む場合は{readxl}パッケージのread_excel()関数を使用すれば良い。ここではコードの例のみ掲載する。

Code 51

# {readxl}パッケージがない場合、install.packages("readxl")でインストールしておく。
library(readxl)

# sheet引数は省略可能。省略した場合1番目のシートが読み込まれる。
my_data <- read_excel("パスを含むファイル名", sheet = シートの番号)

教科書

『私たちのR』
- 「ファイルシステム」
- 「基本的な操作」
- 「データ構造」
- 「データの入出力」
- 「データ型」

注

他のプログラミング言語の経験があれば分かるだろうが、ほとんどのプログラミング言語において=は「代入」を意味し、Rも例外ではない。ただし、Rにおける代入には=と<-の2つの方法があり、後者が推奨される。↩︎
実は数千以上のオブジェクトがあるはずだが、ここでは自分が作成したオブジェクトのみ表示される。↩︎
しかし、最新のRはWindows版でもUTF-8がデフォルトとなっているため、問題が生じない可能性は低い。また、自分のPCがUTF-8であっても、手元のデータがUTF-8でないと文字化けが生じうる（主に日本政府が提供するデータはUTF-8でないケースが多い）。↩︎