R関連メモ – 20221017時点

Sys.setenv(LANG = “en”)

browseVignettes(“function名”)

install.packages(“package名”)

installed.packages()

library(“package名”)

setwd(“移動先のファイルリンク(現在の作業場所は含まない)”)

EX.) 現在、Project/にて作業→Project/Course 7/Week 3に移動。

setwd(“Course 7/Week 3”)

最大値: MAX(表名$列名)

最小値: MIN(表名$列名)

View(“表名”)

str(“表名”)

colnames(“表名”)

sample()

# 1から5の数列、my_vecから3つの数値をランダムで抽出

[INPUT]
my_vec <- 1:5
sample(my_vec, size = 3)

[OUTPUT]
[1] 2 3 5

filter(“対象の表”, “列名と条件(ex. dose == 0.5)”)

arrange(表名, 並びの基準とする列名) #small -> large = Ascending

arrange(表名, -並びの基準とする列名) #large -> small = Descending

select(“表名”, “列名1”, “列名2”, “列名3”, …)

EX.1) select(bookings_df, adr, adults) #adr, adults列のみを抽出

EX.2) select(bookings_df, -adults) #adults列以外のすべての列を抽出。

mutate(“表名”, “新表名と条件（ ex. carat_2=carat*100）”)

head(“表名”)

rename(新column名 = 旧column名)

rename_with(“表名”, “tolower”) #全てのcolumn名をlower caseに

rename_with(“表名”, “toupper”) #全てのcolumn名をupper caseに

rename_with(“表名”, “toupper”, start_with(“文字”)) #column名が特定の文字から始まる全てのcolumn名をupper caseに

表名 %>% group_by(列名) %>% summarise(アクション)

# penguinsテーブルのisland列の各要素に対して、NA値を省いた、bill_length_mmの平均値を求める。求めた値をmean_bill_length_mm列として出力する

[INPUT]
penguins %>% group_by(island) %>% 
  drop_na() %>% 
  summarize(mean_bill_length_mm = mean(bill_length_mm))

[OUTPUT]
  island    mean_bill_length_mm
  <fct>                   <dbl>
1 Biscoe                   45.2
2 Dream                    44.2
3 Torgersen                39.0

group_by対象の列は,で区切って複数選択可能。summarizeのアクションも同様に複数実行可能。

表名 %>%

select(“既存の列1”, “既存の列2”, …) %>%

unite(新しい列名, c(“既存の列1”, “既存の列2”, …), sep = “結合データの間に入れる文字や記号”)

#bookings_dfのarrival_date_year列と、arrival_date_month列を組み合わせて、arrival_month_year列を作成する。結合の際、間に半角スペースを入れる。

[INPUT]
bookings_df %>%
 select(arrival_date_year, arrival_date_month) %>%
 unite(arrival_month_year, c("arrival_date_month", "arrival_date_year"), sep = " ")

[OUTPUT]
arrival_month_year
   <chr>             
 1 July 2015          
 2 July 2015          
 3 July 2015          
 4 July 2015          
 5 July 2015          
 6 July 2015          
 7 July 2015          
 8 July 2015          
 9 July 2015          
10 July 2015     

separate(表名, 分離する列名, into = c(‘分離後の列1’, ‘分離後の列2’), sep = “分離する条件”)

#employeeテーブルのname列を、半角スペースを目印に、first_name列とlast_name列に分ける。

[INPUT]
separate(employee, name, into = c('first_name', 'last_name'), sep = " ")

[OUTPUT]
   first_name  last_name
1        John     Mendes
2         Rob    Stewart
3      Rachel Abrahamson
4     Christy    Hickman
5     Johnson     Harper
6     Candace     Miller
7     Carlson      Landy
8       Pansy     Jordan
9      Darius      Berry
10    Claudia     Garcia

ggplot(表名, aes(グラフの設定))

# penguins表から、X軸=flipper_length_mm、 y軸=body_mass_gの枠を作成
# data = , mapping = という記述は省くケースもある

[INPUT]
ggplot(data = penguins, mapping = aes(x = flipper_length_mm, y = body_mass_g))

[OUTPUT]

geom_グラフタイプ() #例えばgeom_point()であれば分散図を生成する。

グラフタイプの一覧は以下を参照:

Function reference

ggplot2.tidyverse.org

# penguins表から、X軸=flipper_length_mm、 y軸=body_mass_gの分散図を作成
# data = , mapping = という記述は省くケースもある

[INPUT(pattern 1)]
ggplot(data = penguins, mapping = aes(x = flipper_length_mm, y = body_mass_g)) + geom_point()

[INPUT(pattern 2)]
ggplot(data = penguins) + geom_point(mapping = aes(x = flipper_length_mm, y = body_mass_g))

[OUTPUT]

要素別に反映：ggplot(表名, mapping = aes(x軸指定, y軸指定, 様々なグラフィック))

表全てに反映：ggplot(表名, mapping = aes(x軸指定, y軸指定)) + geom_グラフタイプ(様々なグラフィック)

• color
• size
• alpha: 色の濃淡をつける
• linetype
• fill: geom_barなどで要素ごとに色分け

# scatterplot
ggplot(data = linelist,   # set data
       mapping = aes(     # map aesthetics to column values
         x = age,           # map x-axis to age            
         y = wt_kg,         # map y-axis to weight
         color = age,       # map color to age
         size = age))+      # map size to age
  geom_point(             # display data as points
    shape = "diamond",      # points display as diamonds
    alpha = 0.3)            # point transparency at 30%

404 - Page Not Found

epirhandbook.com

単独要素: facet_wrap(~要素名)

複数要素: facet_grid(要素名1~要素名2)

# penguins表から、X軸=flipper_length_mm、 y軸=body_mass_gの枠を作成　
# INPUT1 →　species毎にグラフを分割
# INPUT2 →　sex x species毎にグラフを分割

[Original dataframe]
   species sex    flipper_length_mm body_mass_g
   <fct>   <fct>              <int>       <int>
 1 Adelie  male                 181        3750
 2 Adelie  female               186        3800
 3 Adelie  female               195        3250
 4 Adelie  NA                    NA          NA
 5 Adelie  female               193        3450
 6 Adelie  male                 190        3650
 7 Adelie  female               181        3625
 .    ...     ...               ...         ...
 .    ...     ...               ...         ...

[INPUT1] facet_wrap
ggplot(data = penguins, mapping = aes(x = flipper_length_mm, y = body_mass_g, color = species))+
  geom_point() +
  facet_wrap(~species)

[OUTPUT1]


[INPUT2] facet_grid
ggplot(data = penguins, mapping = aes(x = flipper_length_mm, y = body_mass_g, color = species))+
  geom_point() +
  facet_grid(sex~species)

[OUTPUT2]

theme(変更する対象 = element_変更項目(変更の内容)

[変更前]
ggplot(data = hotel_bookings) +
  geom_bar(mapping = aes(x = distribution_channel)) +
  facet_wrap(~deposit_type)


[変更後]
ggplot(data = hotel_bookings) +
  geom_bar(mapping = aes(x = distribution_channel)) +
  facet_wrap(~deposit_type) +
  theme(axis.text.x = element_text(angle = 45))

labs(編集内容)

# タイトルの追加
ggplot(.....) +
  geom_xxxx(.....) +
  labs(title="タイトル名")

# サブタイトルの追加
ggplot(.....) +
  geom_xxxx(.....) +
  labs(subtitle="Subタイトル名")

# 注釈の追加
ggplot(.....) +
  geom_xxxx(.....) +
  labs(caption="注釈")

annotate(編集内容)

read_excel(“ファイル名”, sheet = “シート名”)

例) read_excel(readxl_example(“type-me.xlsx”), sheet = “numeric_coercion”)

基本: pivot_longer(表名, 対象の列A, names_to = ‘列Aの列名を示す新列名’, values_to = ‘列Aの内容を示す列名’

複数列組み合わせ: pivot_longer(表名, 対象の列A:対象の列B, names_to = ‘列A&列Bの列名を示す新列名’, values_to = ‘列A&列Bの内容を示す列名’)

# table表の、first_name列, last_name列を縦長に並び替えて、name_category列, names列と名前を付ける。

[table表の内容]
  id first_name last_name age
1  1        Ryu    Tanaka  29
2  2       Yuko    Tanaka  31
3  3          A    Street  55
4  4          B       Cat  91
5  5          C     Dance  10

[INPUT]
table_v2 <- pivot_longer(table, first_name, names_to = 'name_category', values_to = 'names')
select(table_v2, id, name_category, names, age)

[OUTPUT]
      id name_category names    age
   <int> <chr>         <chr>  <dbl>
 1     1 first_name    Ryu       29
 2     1 last_name     Tanaka    29
 3     2 first_name    Yuko      31
 4     2 last_name     Tanaka    31
 5     3 first_name    A         55
 6     3 last_name     Street    55
 7     4 first_name    B         91
 8     4 last_name     Cat       91
 9     5 first_name    C         10
10     5 last_name     Dance     10

skim(“表名”)

clean_names(表名, “スペースの処理方法”)

スペースの処理方法:

• "snake" produces snake_case
• "lower_camel" or "small_camel" produces lowerCamel
• "upper_camel" or "big_camel" produces UpperCamel
• "screaming_snake" or "all_caps" produces ALL_CAPS
• "lower_upper" produces lowerUPPER
• "upper_lower" produces UPPERlower
• old_janitor: legacy compatibility option to pre

clean_names function - RDocumentation

Resulting names are unique and consist only of the _ character, numbers, and letters. Capitalization preferences can be specified using the case parameter. Acce...

www.rdocumentation.org

バイアスは、平均的な予測値と真の値からの距離。つまり、真の値から平均値(予測値)を引いた値。この予測誤差は、モデルの仮定に誤りがあることから生じる。

バイアスとバリアンス（偏りと分散）のトレードオフ（Bias-Variance Tradeoff）とは？

用語「偏りと分散のトレードオフ」について説明。機械学習モデルによる予測において汎化誤差を最小化させるために、偏り誤差を小さくするとバラツキ（分散）誤差が大きくなり、逆にバラツキ誤差を小さくすると偏り誤差が大きくなるという、両者のトレードオフの関係性を示す。

atmarkit.itmedia.co.jp

bias(真の値(vector)、予測値(vector))

使えます。以下サンプルコード。

#https://rladiessydney.org/courses/ryouwithme/03-vizwhiz-1/#1-4-putting-it-all-together-dplyr-ggplot

data %>%
    filter(variable1 == "DS") %>%  
    ggplot(aes(x = weight, y = variable2, colour = variable1)) +  
    geom_point(alpha = 0.3,  position = position_jitter()) + stat_smooth(method = "lm")