データとの対話　Rの使い方について

0.Rとは？（主要なプロシジャ一覧）

　Rとは行列計算、統計解析などに利用できるプログラム言語。

• S言語との互換性がある。
• オブジェクト指向言語。
• オープンソースソフトウエア。
  • バグがあれば報告したり、自分で修正可能。
• 無料で利用可能。
• Mac, Win, Linuxなどに対応。
• あまり親切ではないコマンド体系。
  • 例　標準偏差を計算してくれるコマンドはない。
    • ただし分散を計算してくれるコマンドはあるので、分散のルートを取ればいい。

    • 　簡単なプログラム方法をマスターすれば、難しい数式を覚えることなく簡単に統計分析を行うことができる。

      
      

• 入手方法
• 
  
• R言語のメインページこちらからからダウンロードサイトへ
• 自分のwin/mac/linuxにインストールしたい場合は、こちらからダウンロードサイトへ。
• Web上で 試せるサイト(Rweb) 

   下の方の

x <- rnorm(100)           # 100 random numbers from a normal(0,1) distribution

から

hist(result$residuals)    # histogram of the residuals from the regression

の部分を窓にペーストしてsubmitを押すと、とりあえず何かしてくれます。

　使える手法の例(括弧内は各分析を行うRのプロシジャ名（太字は講義で紹介するプロシジャ）。

• 四則演算　+ - * /
• 代入　　<-
  • 例　　A<-237*123/124-159
• 平方根　sqrt()
• 10を底とする対数　log10()
• 自然対数　log()
• ヘルプの表示 help()
  • 例　help(sqrt)
• 上向き矢印、下向き矢印　で入力したコマンドの再利用可能(history機能)
• デリミタで区切られたデータの読み込み
  • read.delim("フルパス付きのファイル名")

• データセットの（印刷）出力
  • ossdata
  • のように指定するとそのデータセットを出力
  • ossdata$id
  • のように指定するとそのデータセットに含まれる変数を出力
• ヒストグラムの作成 hist()　　　　　　　　　ノンメトリック
  • hist(ossdata$nofdl)
  • hist(log10(ossdata$nofdl))
• 散布図グラフの作成 plot()　　　　　　　　　メトリック×メト リック
  • plot(log10(ossdata$nofdl))
• 幹葉図の作成 stem()　　　　　　　　　メトリック×メトリック
• 箱ひげ図の作成 boxplot()　　　　　　　　　メトリック×メト リック
• 画面に出力するグラフの個数の指定　
  • par(mfrow=c(横方向の配置数,縦方向の配置数))
• 算出された統計量の詳細な出力　　summary

• 平均値 mean()メトリック
• 分散 var()メトリック
• 標準偏差　sqrt(var())
  • sqrt()は平方根。分散の正の平方根が標準偏差
• 中央値 median()
• 最小値 min()
• 最大値 max(x)
• 平均値、4分位点(メディアン)の算出 4分位点(メディアン)、平均の出力 summary()　　　　　メトリック
• 頻度分布表、クロス集計表の作成　table()　ノンメトリック×ノンメ トリック
• 上記についてのχ²検定　chisq.test()
• 相関係数の算出 cor()　　　　　　　メトリック×メトリック
• 相関係数が0という仮説の検定　cor.test()
• 2変数の平均の差の検定 t.test() 　　　　　　　　　メトリックな変数の平均値を比較
• 分散分析 gov()　　　　　　　　　　　　　　　メトリック=ノンメト リック
• 回帰分析 lm()　　　　　　　　　　　　メトリック=メトリック、ノン メトリック

library(mva)として多変量解析のライブラリをロードしておくと下記が使える。

• 因子分析 factanal()　　　　　　　　　　　　　メトリッ ク
• 主成分分析 princomp()
• 階層型クラスター分析 hclust()　　　　　　　　メトリッ ク
  • 階層型クラスター分析の結果の樹形図の出力　tree
• 非階層型クラスター分析(k-means法) kmeans() 　　　　　メトリック

　注）簡単に計算してくれます が、その結果を解釈してはくれません。解釈するのは自分自身なのです。

1.Rの使い方

1)ためしにつかってみる

• Rのアイコンをクリックすると起動。
• コマンドを入力することによって各種の処理が行われる。
• 例
  • 下記を入力してリターンを押して見よ。
  • 1+5
  • sqrt(36)
  • log10(100)
  • 　

2)ちょっと高等なことを

　次のように入力

x<-rnorm(100) x hist(x)

　これは正規分布に従う乱数を100個発生させて　x　というデータセットに入れる。

　そのデータを画面に出力。

　そのヒストグラムを書いてみたもの。

　練習)個数を1000、1000にするとどうなるか?

3)バッチファイルの実行

　実行したいコマンドをエディタで入力、テキストファイルに作成しておく。

　RでFileメニューの　source file　メニュー　で、そのファイルを指定すると実行してくれる。

　　参考プログラム

　をクリック。適当な場所に保存して実行してみる。

4)エラーメッセージ

　x<-dorm(100)

　と入力、リターン。

　dormという関数はないのでエラーになって当然。

　エラーが起きるとメッセージが出る。

3.Rプログラミング

• 変数名

　変数名は英数字。変数名の先頭の文字は英字（大文字、小文字は区別されない）。

　C言語のように変数を宣言しておく必要はない。

　型宣言も不要。

• ファイル名、変数名、コマンドなどの、大文字、小文字を区別する。

  （unix版ではファイル名は区別する？）。

  • 例　次の二つを入力してみる。
  • rnorm(100)
  • Rnorm(100)
    • こちらはエラーになる。
• コメント文

#ではじまる行はコメント文。実行されない。 オプションの指定方法

目次へ

2.Rで分析をする

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。

2)データの読み込み

　演習用データ

　上記についての説明

　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。

4.R コマンド

• データセットの（印刷）出力
  • ossdata
  • のように指定するとそのデータセットを出力
  • ossdata$id
  • のように指定するとそのデータセットに含まれる変数を出力
• ヒストグラムの作成 hist()　　　　　　　　　ノンメトリック
  • hist(ossdata$nofdl)
  • hist(log10(ossdata$nofdl))
• 散布図グラフの作成 plot()　　　　　　　　　メトリック×メト リック
  • plot(log10(ossdata$nofdl))
• 幹葉図の作成 stem()　　　　　　　　　メトリック×メトリック
• 箱ひげ図の作成 boxplot()　　　　　　　　　メトリック×メト リック
• 画面に出力するグラフの個数の指定　
  • par(mfrow=c(横方向の配置数,縦方向の配置数))
  • 例
  • par(mfrow=c(2,2))

    #箱ひげ図

    boxplot(ossdata$nofdl)

    boxplot(ossdata$nfrmsggr)

    boxplot(ossdata$nfrcommented)

    boxplot(ossdata$nfrreplied)

    par(mfrow=c(1,1))

    boxplot(ossdata$nofdl)

    boxplot(ossdata$nfrmsggr)

    boxplot(ossdata$nfrcommented)

    boxplot(ossdata$nfrreplied)

• 算出された統計量の詳細な出力　　summary

• 平均値 mean()メトリック
• 分散 var()メトリック
• 標準偏差　sqrt(var())
  • sqrt()は平方根。分散の正の平方根が標準偏差
• 中央値 median()
• 最小値 min()
• 最大値 max(x)
• 平均値、4分位点(メディアン)の算出 4分位点(メディアン)、平均の出力 summary()　　　　　メトリック
• 頻度分布表、クロス集計表の作成　table()　ノンメトリック×ノンメトリック
• 上記についてのχ²検定　chisq.test()
• 相関係数の算出 cor()　　　　　　　メトリック×メトリック
• 相関係数が0という仮説の検定　cor.test()
• 2変数の平均の差の検定 t.test()　　　　　　　　　メトリックな変数の平均値を比較
• 分散分析 gov()　　　　　　　　　　　　　　　メトリック=ノンメトリック
• 回帰分析 lm()　　　　　　　　　　　　メトリック=メトリック、ノンメトリック

library(mva)として多変量解析のライブラリをロードしておくと下記が使える。

• 因子分析 factanal()　　　　　　　　　　　　　メトリック
• 主成分分析 princomp()
• 階層型クラスター分析 hclust()　　　　　　　　メトリック
  • 階層型クラスター分析の結果の樹形図の出力　tree()
• 非階層型クラスター分析(k-means法) kmeans()　　　　　メトリック

2)処理対象サンプルの部分指定

　

処理対象となる変数名[条件式]

のように条件を指定。

条件式は下記のように指定

　>

　<

　==    等しい(==が二つ重なることに注意)

例

・並べ替え

4)Tips

目次へ

目次へ