noteユーザーに捧げるR tutorial #3

前回、データ分析の主役の一人であるベクトルタイプを紹介した。ベクトルを使えば1次元のデータ分析は十分可能だが、実際には様々な項目間の関連などを知りたいといったニーズがある。そこで今回はティブルという、ベクトルを束ねたものを紹介しよう。

今回の目標：ティブルを知る・使えるようになる

【目次】
1. dplyrパッケージのインストール
2. ティブルを作ってみよう
3. ティブルの各列はベクトルタイプ
4. 演習

1. dpylrパッケージのインストール

ティブルを使うために、まずdplyrというパッケージをインストールしよう。（ちなみに発音はディープライヤー。）

install.packages("dplyr", dependencies = TRUE)

install.packages関数は、新しいパッケージをインストールする際に必ず使うので覚えておこう。また、インストール時にCRAN mirrorの選択をするように指示されるが、【0-cloud [https]】を選択すればよい。

インストールしたらdplyrパッケージを呼び出してみよう。

library(dplyr)

dplyrパッケージの関数を使うときは必ずこの関数を最初に書く。大概使うので、Rを立ち上げた時点で癖のように書いてしまってもよい。

2. ティブルを作ってみよう

ティブルは同じ長さのベクトルを束ねることで出来ています。これは複数の項目を同時に扱うときに大変便利です。sadaakiさんが直近で書いた記事のティブルを作ってみましょう。

library(dplyr)

アカウント <- rep("sadaaki", length = 5)
タイトル <- c("＃今週のお題 「ハマってる食べ物」に参加してみる", "働く人みんなにおすすめのドラッカー本", "株は実態があるが、お金には実態がない（スマート新書の新刊案内です）", "統計学とRStudioの組み合わせがやばい", "今年最初のコンテンツは。")
スキ <- c(44, 111, 84, 123, 107)
シェア <- c(0, 20, 0, 135, 26)
記事データ <- data_frame(アカウント, タイトル, スキ, シェア)
記事データ

ティブルはdplyrパッケージのdata_frame関数によって同じ長さのベクトルを束ねることで作れる。今回は、アカウント、タイトル、スキ、シェアという列をもつ5行4列のティブルを作ることが出来た。この様にすれば、同じ記事のデータを行単位でまとめることができて賢い。

ちなみに、アカウント列の作成に用いたrep関数は要素を繰り返す(repeatする)ことで出来るベクトルを作るための関数である。

rep(繰り返したいもの, length = 繰り返したい長さ)

という使い方をする。

3. ティブルの各列はベクトルタイプ

ティブルの各列は列の下に<***>で表記されているモードのベクトルタイプとして取り出せる。そのように各列を取り出すには$演算子を用いればよい。

記事データ$タイトル    # タイトルのオブジェクト（ベクトルタイプ）

例えば、タイトルは<chr>なのでcharacterモードのベクトルとして取り出すことが出来る。なので、前回のように文字数をカウントすることも可能である。

nchar(記事データ$タイトル, type = "chars")

また、スキやシェアの列にある<dbl>はdoubleストレージモードと呼ばれるもので、これはnumericモードのベクトルとして取り出せる。なので、前回のように平均値や標準偏差を計算できる。

mean(記事データ$スキ)    # sadaakiさんがもらったスキの平均値
sd(記事データ$スキ)    # sadaakiさんがもらったスキの標準偏差

sadaakiさんが1記事あたり94±31くらいスキをもらっていることが分かりました。さすがに多い、悔しい。

4. 演習

Ex 1. konpyuさんの直近5記事の記事タイトル、スキ、Facebookシェア数を調べてティブルにまとめよ。また、記事タイトルの文字数の平均値や標準偏差を調べよ。

【Ex 1の解答】

library(dplyr)

タイトル <- c("すべてをjsにまとめる思想を理解する", "妖精さんを描いてみよう", "建築の情報化", "エンジニアは東横インに泊まるべきな理由", "実はHerokuで充分なのでは問題")
スキ <- c(39, 19, 24, 85, 41)
シェア <- c(29, 18, 21, 418, 24)
記事データ <- data_frame(タイトル, スキ, シェア)
記事データ    # 記事データのティブルが完成

タイトルの文字数 <- nchar(記事データ$タイトル, type = "chars")
mean(タイトルの文字数)    # タイトルの文字数の平均値
sd(タイトルの文字数)    # タイトルの文字数の標準偏差

konpyuさんの最近の記事タイトルは14±5.5文字くらいでコンパクトにまとめている様子がうかがえる。やはり文章力の高さを感じる、悔しい。