データとの対話　演習用データについて

1)演習用データ

• 演習用データをクリックしてみる。
• 一行目に変数名。
• 2行目以降がデータ。
• データとデータの間はtab区切りで次のように並んでいる。
  • 適当な表計算ソフトでこのような書式にすることができる。

• 変数名1	変数名2	変数名3	....
  1番目のサンプル
  2番目のサンプル
  3番目のサンプル

• このデータを適当なところに保存。
  • 以下ではH:に　osssub_dat.txtとして保存したと仮定。

　データは96のオープンソース・ソフトウエア・プロジェクトについてのデータ。

　sourceforge.netからランダムに2000選んで、ある条件で絞り込んだもの。

　下記が変数名

変数名　　　　　　内容 id　　　　　　　識別のための番号 groupunixnam グループ名 nofdl 　　　　　グループが公開したソフトのダウンロード回数 oldestfiledate 　最も古いソフトの公開日 devstage 　　開発段階を示す変数 　　　　　1:計画段階　　2:α版以前　3:α版(試作版)のソフト公開　 　　　　　4:β版(正式版の一歩手前)のソフト公開　5:安定版のソフト公開　6:成熟 licgpl 　　　　　　GPLライセンスを利用=1。利用せず=0 nlngengl　　　　そのプロジェクトの公用語が英語のとき1。そうでないとき0 　 OSダミー oslinux　　　そのプロジェクトの開発しているソフトがLinux用だと1。そうでないとき0 osmicros　　そのプロジェクトの開発しているソフトがMicrosoftのOS(MS-DOS, WINxx)用だと1。そうでないとき0 ososind 　　そのプロジェクトの開発しているソフトがOSに依存しない場合1。そうでないとき0 　 ソフトウエアのトピック、領域ダミー(複数選択) tpcsyste　　　システム用ソフトのとき1。 tpcsoftw　　　ソフトウエア開発用のソフトのとき　1 tpccommu　　　インターネット、通信用のとき　1 tpcgames　　　　ゲーム 　 nrelease　　ソフトウエアの公開回数 npcntb 　　　　　開発に寄与した人の数 ncntb 　　　　　ソフトが変更された回数(厳密にはcontributionの回数) 　 nmsgfr 　　自由投稿フォーラムに投稿されたメッセージ数 　 npml　　　　　　　　メーリングリストに投稿した人の数 nmsgml　　　　　　メーリングリストに投稿されたメッセージ数 nmsgmlmax　　　　メーリングリストに投稿したメッセージ数が最大の人が投稿したメッセージ数 　 npfrq　　　　機能の追加要求フォーラムに投稿した人の数 nmsgfrq　　　機能の追加要求フォーラムに投稿されたメッセージの数 nmsgfrqmax　　機能の追加要求フォーラムにに投稿したメッセージ数が最大の人が投稿したメッセージ数 　 npbug　　　　バグ報告フォーラムに投稿した人の数 nmsgbug　　　バグ報告フォーラムに投稿されたメッセージの数 nmsgbugmax　　バグ報告フォーラムにに投稿したメッセージ数が最大の人が投稿したメッセージ数

3)データの読み込み

　読み込みなどの参考プログラム

• このような形式(タブで区切られ、一番上に変数名。縦方向にサンプルがならぶ)のファイルは、つぎのコマンドで読み込める。
• read.delim("フルパス付きのファイル名")
• 　
• 自分が保存したフォルダ名、ファイル名を指定。
• ossdata<-read.delim("h:osssub.dat")
  • ここでは、ファイルからデータを読み込んで、ossdataというデータセットに入れる。
  • データセット名は自由
    • 半角英数字(ただし数字が一文字目に来てはだめ)
    • Rの関数、コマンドと同じものはだめ。
  • 参考)Change working directoryでファイルがあるフォルダを作業用と指定しておけば、パス名は不要。
• エラーメッセージが何も出なければ成功。

ossdata

• と入力するとその内容が出力される。
• ossdataの中に上記の変数群が格納されている。書く変数を使うには、
• データセット名$変数名
• のように指定。
• 例　

ossdata$id

　とすると、ossdataの中の変数$idが出力される。

mean(ossdata$nofdl)

とすると変数nofdlの平均を計算。