2: RとRStudioの基礎

公開

2024年4月17日

更新日

2024年7月31日

今回は、RとRStudioの基本的な使い方を解説します。

RStudioの使いかた

プロジェクト機能

複数の分析プロジェクトを並行して行うときなどに、使用するデータや記述したコードなどをプロジェクトごとに管理できると便利です。 そのような管理機能を提供するのが、RStudioのプロジェクト機能です。

プロジェクトの作成

RStudio画面右上の[Project:]から、[New Project…]を選択することで、新しいプロジェクトを作成できます。

[New Directory]を選択し、新しいディレクトリを作って、そこにプロジェクトのファイル一式を置くことにします。

Project Typeは、[New Project]を選択します。

[Directory Name:]欄に、作成するプロジェクトの名前を入力したら、 [Browse…]ボタンを押し、プロジェクトディレクトリを設置する場所を指定します。 最後に[Create Project]ボタンを押すと、プロジェクトが作成され、新しいウィンドウでRStudioが立ち上がります。

作成したプロジェクトのフォルダに、拡張子がRprojのファイルがあると思いますが、これがプロジェクトファイルです。 このプロジェクトファイルを開くことでも、RStudioでこのプロジェクトを再開することができます。

試しに、RStudioを終了してみましょう。 そして、プロジェクトファイルをダブルクリックすることで、RStudioを起動してみましょう。

パッケージ管理

分析にRを使うことの大きなメリットの1つは、世界中のRユーザが作成したパッケージを利用できることです。 パッケージを利用することで、Rにさまざまな機能を追加したり、Rで分析を実行するためのツールや関数を追加したりできます。

CRAN Task Views

Rのパッケージは主にCRANで管理されていて、2024年4月15日現在で、20,682のパッケージが登録されています。 CRANのウェブサイトを開いて、左側のリンクから、[Packages]をクリックしてみてください。

自分の分析目的に使えるパッケージを探すときには、CRAN Task Viewsが便利です。 左側のリンクから、[Task Views]をクリックしてください。 すると、トピックごとのリンクが表示されると思います。 試しに、[Spatial]（空間分析）をクリックしてみてください。 すると、さらに細かな分野ごとに、利用できるパッケージとその簡単な説明があります。

RStudioを使ったパッケージのインストール

Rにパッケージをインストールする方法にはいくつかありますが、ここではRStudioの機能を使った方法を説明します。

RStudioの画面右下のペインの[Packages]タブをクリックしてください。 すると、現在インストールされているパッケージの一覧が表示されます。

ここで、今日の講義で使用するパッケージをインストールしてみましょう。新たにパッケージをインストールするには、[Install]をクリックします。

[Packages]欄に、[dplyr, readr, readxl]と入力してInstallボタンをクリックしてください。左下のコンソールにインストールの進捗状況が表示されます。

パッケージのアップデート

パッケージは、機能の追加や問題の修正など、日々更新されています。 なので、できるだけ最新のパッケージを利用することが望ましいといえます。 インストール済みのパッケージを最新版にアップデートするには、右下のパッケージ・ペインから[Update]ボタンを押します。 すると、インストールされているパッケージのうち、「最新版でないもの」が表示されるので、[Sellect All]を押し、[Install Updates]を押せば、新しいパッケージがインストールされます。

時々、この作業を行い、パッケージを最新版に保つようにしましょう。

パッケージのインストール・アップデートにおける注意事項

パッケージのインストールやアップデートを行うと、時々、コンソールに

Do you want to install from sources the packages which need compilation? (Yes/no/cancel)

のように表示され、インストールが中断されることがあります。この場合、コンソールに、[yes][no][cancel]のいずれかをキーボードから入力する必要がありますが、[no]と入力することをおすすめします。[yes]を選ぶと、インストールに時間がかかるだけでなく、インストールやアップデートがうまくいかないこともあります。[no]と入力することで、少し古いパッケージがインストールされますが、実用上はそれで問題ないです。

関数のヘルプ

原則として、すべてのRの関数にはヘルプ記事が用意されています（英語ですが）。 これを閲覧するには、右下のペインから[Help]タブを選択し、検索欄に関数名を入力してヘルプ記事を検索します。

また、コンソールに、関数の前にクエスチョンマーク[?]を付けて入力しても、ヘルプ記事を参照できます。

?curve

スクリプトファイル

Rへの入力は、直接コンソール・ペインに入力してもよいですが、通常はスクリプトファイルにコードを記述して利用します。 新しいスクリプトファイルを作成するにはいくつかの方法がありますが、 ここでは、右下のファイルペインから[New Blank File]をクリックしましょう。

プルダウンメニューが開くので、一番上の[R Script]を選んでください。

ファイル名を入力するウィンドウが出てきますので、新しいファイルの名前（ここでは「eg02.R」とでもしておきましょう）を入力して[OK]ボタンをクリックします。

これで、左上のソース・ペイン（コンソール・ペインの上）に「eg02.R」ファイルが表示されたと思います。 そこに、

curve(sin, 0, 2*pi)

と入力しましょう。

入力したコードを実行するには、実行したいコードのある行にカーソルを置いた状態で、キーボードから[Ctrl+Enter]を入力します（コントロールキーを押しながら、Enterキーを押します）。 その行の内容が、コンソール・ペインに入力され、実行されます。 うまくいけば、右下のプロット・ペインにサインカーブが描かれるはずです。

入力履歴

Rには、入力履歴を保存する機能があります。 それまでに入力したコマンドを表示するには、コンソールにカーソルがある状態で、キーボードの上下矢印キー（↑や↓）を押します。

Rの基礎

データ型

Rでよく使うデータ型には、数値型、論理型、文字列型、因子型、日付型などがあります。

# 数値型
1
3.14
# 論理型
TRUE
FALSE
# 文字列型
"apple"
"123"
# 因子型、日付型などはまた後日…
コメント・アウト

Rのコードにおいて、行の先頭に#記号があると、Rはその行の内容を評価（実行）しません。 なので、Rのコード中になんらかのメモやコメントを残したい場合に、この#記号を使うことができます。

行の先頭に#記号を挿入することをコメント・アウトといいます。 専用のキーボード・ショートカットも用意されていて、Windowsは[Ctrl]+[Shift]+[C]、Macは[Command]+[Shift]+[C]です。 コメント・アウトを解除するのにも、同じキーボード・ショートカットを使います。

演算

演算

Rで四則演算をやってみましょう。

# 足し算
7 + 3
[1] 10
# 引き算
7 - 3
[1] 4
# 掛け算
7 * 3
[1] 21
# 割り算
7 / 3
[1] 2.333333
# 割り算（商）
7 %/% 3
[1] 2
# 割り算（余り）
7 %% 3
[1] 1
# 冪乗
7 ** 3
[1] 343
# これも冪乗
7^3
[1] 343

大小関係や等号・不等号などの関係演算は、以下のように実行します。 演算結果は、TRUEもしくはFALSEの論理型データになります。

# 大小関係
7 > 3
[1] TRUE
7 < 3
[1] FALSE
# 等号・不等号
7 == 3
[1] FALSE
7 != 3
[1] TRUE

NOTやAND・ORなどの論理演算は、以下のようにします。

# NOT（否定）
!TRUE
[1] FALSE
!FALSE
[1] TRUE
# AND（論理積）
TRUE & TRUE
[1] TRUE
TRUE & FALSE
[1] FALSE
# OR（論理和）
TRUE | TRUE
[1] TRUE
TRUE | FALSE
[1] TRUE

数学関数

Rには、例えば以下のような数学関数が用意されています。

# 平方根
sqrt(2)
[1] 1.414214
# 自然対数
log(10)
[1] 2.302585
# 常用対数
log10(100)
[1] 2
# 指数関数
exp(1)
[1] 2.718282
# 丸める
round(pi, 2)
[1] 3.14
# 切り上げ（天井関数）
ceiling(pi)
[1] 4
# 切り下げ（床関数）
floor(pi)
[1] 3
Rの定数

Rにも、他のプログラミング言語と同様に、いくつかの定数が用意されています。

pi   # 円周率
Inf  # 無限大（Infinity）
NULL # 空値
NaN  # 非数（Not a Number）
NA   # 欠損値（Not Available）

このうちNAは、一般的なプログラミング言語では見かけることのない定数で、欠損値のための定数が用意されているというのは、統計のための言語であるRに特徴だといえるでしょう。

代入

Rで変数に値を代入するには、<-や->を使います（->はあまり使いません）。 =でも代入できます（<-と=のどちらを使うかは、好みです）。

x <- 7
y <- 3
z <- x / y
z
[1] 2.333333
x <- x ** 2
x
[1] 49
z = sqrt(x)
z
[1] 7
1 / y -> z
z
[1] 0.3333333

ベクトル

Rのプログラミング言語としての特徴の1つは、ベクトルや行列が扱いやすいことです。

ベクトルの作成

# 要素を結合
c(2, 4, 6)
[1] 2 4 6
# 整数の並び
2:6
[1] 2 3 4 5 6
# 連続する数の間隔を指定
seq(2, 5, by = 0.5)
[1] 2.0 2.5 3.0 3.5 4.0 4.5 5.0
# ベクトルを繰り返す
rep(1:2, times = 3)
[1] 1 2 1 2 1 2
# ベクトルの要素を繰り返す
rep(1:2, each = 3)
[1] 1 1 1 2 2 2

ベクトル関数

ベクトルを引数にとる関数。

x <- c(3, 6, 2, 5, 1, 3)
# 合計
sum(x)
[1] 20
# 平均
mean(x)
[1] 3.333333
# 標準偏差
sd(x)
[1] 1.861899
# 並べ替え
sort(x)
[1] 1 2 3 3 5 6
# 逆順
rev(x)
[1] 3 1 5 2 6 3
# ユニークな値
unique(x)
[1] 3 6 2 5 1
# 各要素の個数
table(x)
x
1 2 3 5 6 
1 1 2 1 1 
# ベクトルの長さ（要素の数）
length(x)
[1] 6

ベクトルの演算

ベクトルの演算では、要素ごとの演算の結果を格納したベクトルが得られます。

x <- c(2, 4, 6, 8)
y <- c(1, 2, 3, 4)
# 足し算
x + y
[1]  3  6  9 12
# 引き算
x - y
[1] 1 2 3 4
# 掛け算
x * y
[1]  2  8 18 32
# 割り算
x / y
[1] 2 2 2 2
# 商
x %/% y
[1] 2 2 2 2
# 余り
x %% y
[1] 0 0 0 0
長さの異なるベクトルの演算

ベクトルの長さが異なる場合、長いベクトルの長さが短いベクトルの長さの倍数ならば、短いベクトルを繰り返して演算されます。

x <- c(2, 4, 6, 8)
y <- c(1, 2)
z <- c(1, 2, 1, 2) # zはyを2つつなげたベクトル
x / y # yが短いので、yを2つつなげたベクトルで演算
[1] 2 2 6 4
x / z # yを2つつなげたベクトルで演算した結果と同じ
[1] 2 2 6 4
y <- 2 # スカラー
x / y # xの要素をそれぞれ2で割る演算になる
[1] 1 2 3 4

ベクトルの要素を取り出す

ベクトルの要素を取り出すさまざまな方法があります。

x <- c(3, 6, 2, 5, 1, 3)
# 4番目の要素
x[4]
[1] 5
# 4番目以外の要素
x[-4]
[1] 3 6 2 1 3
# ベクトルで位置を指定
x[1:2]
[1] 3 6
x[c(1, 4)]
[1] 3 5
x[-(1:2)]
[1] 2 5 1 3
# 値による指定
x[x == 3]
[1] 3 3
x[x >= 5]
[1] 6 5
# 集合に含まれる要素
x[x %in% c(1, 3, 5)]
[1] 3 5 1 3

データ型の変換

x <- c(1, 0, 1)
# データ型の確認
class(x)
[1] "numeric"
# 論理型に変換
y <- as.logical(x)
y 
[1]  TRUE FALSE  TRUE
# 論理型データはTRUEを1にFALSEを0として算術演算できる
sum(y)
[1] 2
# 文字列型に変換
z <- as.character(x)
z
[1] "1" "0" "1"
# 文字列型を数値型に変換
as.numeric(z)
[1] 1 0 1
type.convert(z, as.is = TRUE)
[1] 1 0 1

リスト

いろいろなデータ型を持つ要素を、まとめて1つのリストにすることができます。

リストの作成

z <- list(x = 1:3, y = c("a", "b"))
z
$x
[1] 1 2 3

$y
[1] "a" "b"

リストの要素を取り出す

# リストzの2番目の要素
z[[2]]
[1] "a" "b"
# リストzの名前がyの要素
z$y
[1] "a" "b"

データフレーム

データフレームは、分析に使うデータを保持する構造として、最も一般的なものの1つです。スプレッドシート上でデータを管理するときのように、列名（colmun name）と行番号（row index） を持つ2次元配列の格好をしています。

データフレームの作成

データベースをつくるには、data.frame関数を使います。以下の表のようなデータを持つデータフレームをつくるコードを示します。

number name ave team
1 9 Shiomi 0.276 Swallows
2 23 Aoki 0.248 Swallows
3 1 Yamada 0.243 Swallows
4 55 Murakami 0.318 Swallows
5 13 Osuna 0.272 Swallows
6 27 Nakamura 0.263 Swallows 
player <- data.frame(
  number = c(9, 23, 1, 55, 13, 27),
  name   = c("Shiomi", "Aoki", "Yamada", "Murakami", "Osuna", "Nakamura"),
  ave    = c(0.276, 0.248, 0.243, 0.318, 0.272, 0.263),
  team   = "Swallows"
)
player
  number     name   ave     team
1      9   Shiomi 0.276 Swallows
2     23     Aoki 0.248 Swallows
3      1   Yamada 0.243 Swallows
4     55 Murakami 0.318 Swallows
5     13    Osuna 0.272 Swallows
6     27 Nakamura 0.263 Swallows

実際の分析では、データは外部ファイルから読み込むことが多く、このようにコードを書いてデータフレームを作成する場面は少ないと思います。

データフレームの操作

データフレームの大きさ（行数と列数）を知るには、dim関数を使います。 行数のみを出力するnrow関数や、列数のみを出力するncol関数もあります。 これらから、playerは6行4列のデータフレームであることがわかります。

dim(player)
[1] 6 4
nrow(player)
[1] 6
ncol(player)
[1] 4

データフレームから要素を抽出するには、以下に示すような方法があります。

# 行番号と列番号を指定する
player[4, 2]
[1] "Murakami"
# 行を抜き出す
player[3:4, ]
  number     name   ave     team
3      1   Yamada 0.243 Swallows
4     55 Murakami 0.318 Swallows
# 列を抜き出す
player[, 2]
[1] "Shiomi"   "Aoki"     "Yamada"   "Murakami" "Osuna"    "Nakamura"
player[, "name"]
[1] "Shiomi"   "Aoki"     "Yamada"   "Murakami" "Osuna"    "Nakamura"
player$name
[1] "Shiomi"   "Aoki"     "Yamada"   "Murakami" "Osuna"    "Nakamura"
# 値が条件を満たすものを抜き出す
player[player$ave > 0.275, ]
  number     name   ave     team
1      9   Shiomi 0.276 Swallows
4     55 Murakami 0.318 Swallows

dplyrによるデータフレーム操作

外部ファイルの読み込み

分析に使うデータは、Microsoft Excel形式など、外部ファイルとして準備することが多いと思います。 ここでは、CSV（Comma-Separated Values：カンマ区切り値）ファイルとExcelファイルをRで読み込む方法を説明します。

サンプルファイルとして、saga.csvとsaga.xlsxの2つのファイルを用意したので、下のリンクからダウンロードしてください。 ダウンロードしたファイルは、プロジェクトフォルダの中に[data]というフォルダを作成し、その中に保存することにしましょう。

ダウンロードしたファイルを開いて、それぞれの中身を確認してみてください。

CSVファイル

Rには、read.csvというCSVファイルを読み込む関数が用意されています。 しかし、ここでは、より柔軟性の高いreadrパッケージのread_csv関数を使います。

library(readr)
dat <- read_csv("data/saga.csv")
Rows: 20 Columns: 6
── Column specification ────────────────────────────────────────────────────────
Delimiter: ","
chr (1): name
dbl (5): code, population, pop_male, pop_female, households

ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
dat
# A tibble: 20 × 6
     code name       population pop_male pop_female households
    <dbl> <chr>           <dbl>    <dbl>      <dbl>      <dbl>
 1 412015 佐賀市         236372   111453     124919      93306
 2 412023 唐津市         122785    57547      65238      43872
 3 412031 鳥栖市          72902    34799      38103      27630
 4 412040 多久市          19749     9146      10603       6847
 5 412058 伊万里市        55238    26395      28843      19698
 6 412066 武雄市          49062    23178      25884      16932
 7 412074 鹿島市          29684    13920      15764      10124
 8 412082 小城市          44259    20823      23436      14769
 9 412091 嬉野市          27336    12667      14669       9214
10 412104 神埼市          31842    15172      16670      10913
11 413275 吉野ヶ里町      16411     8136       8275       5891
12 413411 基山町          17501     8266       9235       6321
13 413453 上峰町           9283     4379       4904       3260
14 413461 みやき町        25278    11969      13309       8638
15 413879 玄海町           5902     3035       2867       1918
16 414018 有田町          20148     9356      10792       6900
17 414239 大町町           6777     3077       3700       2560
18 414247 江北町           9583     4497       5086       3225
19 414255 白石町          23941    11133      12808       7253
20 414417 太良町           8779     4125       4654       2838

Excelファイル

Excelファイルを読むには、readxlライブラリのread_excel関数が便利です。

library(readxl)
dat1 <- read_excel("data/saga.xlsx")
dat1
# A tibble: 20 × 6
   code   name       population pop_male pop_female households
   <chr>  <chr>           <dbl>    <dbl>      <dbl>      <dbl>
 1 412015 佐賀市         236372   111453     124919      93306
 2 412023 唐津市         122785    57547      65238      43872
 3 412031 鳥栖市          72902    34799      38103      27630
 4 412040 多久市          19749     9146      10603       6847
 5 412058 伊万里市        55238    26395      28843      19698
 6 412066 武雄市          49062    23178      25884      16932
 7 412074 鹿島市          29684    13920      15764      10124
 8 412082 小城市          44259    20823      23436      14769
 9 412091 嬉野市          27336    12667      14669       9214
10 412104 神埼市          31842    15172      16670      10913
11 413275 吉野ヶ里町      16411     8136       8275       5891
12 413411 基山町          17501     8266       9235       6321
13 413453 上峰町           9283     4379       4904       3260
14 413461 みやき町        25278    11969      13309       8638
15 413879 玄海町           5902     3035       2867       1918
16 414018 有田町          20148     9356      10792       6900
17 414239 大町町           6777     3077       3700       2560
18 414247 江北町           9583     4497       5086       3225
19 414255 白石町          23941    11133      12808       7253
20 414417 太良町           8779     4125       4654       2838
ノート

ところで、先ほどのファイル入力の結果に、tibbleという文字列があるのに気づいた人がいるかもしれません。tibbleは、Rのデータフレームの発展系の1つで、データフレームの代わりによく使われるデータ構造です。read_csv関数やread_excel関数で読み込んだデータは、自動的にtibbleになります。この講義では、データフレームとtibbleを特に区別せずに説明します。

dplyrパッケージの関数群によるデータフレームの操作

Rにある関数だけでも、ある程度データフレームの操作が可能です。 しかし、dplyrパッケージの関数群を用いることで、より直感的に、より柔軟にデータフレームを操作することができます。 dplyrパッケージの関数群を使いこなすことが、データ処理の技術向上の近道です。

行の操作

行を抽出するには、filter関数やslice関数などを使います。 例えば、人口が10万人以上の自治体を取り出したい場合には、filter関数が便利です。

library(dplyr)

Attaching package: 'dplyr'
The following objects are masked from 'package:stats':

    filter, lag
The following objects are masked from 'package:base':

    intersect, setdiff, setequal, union
filter(dat, population > 100000)
# A tibble: 2 × 6
    code name   population pop_male pop_female households
   <dbl> <chr>       <dbl>    <dbl>      <dbl>      <dbl>
1 412015 佐賀市     236372   111453     124919      93306
2 412023 唐津市     122785    57547      65238      43872

特定の行を、行番号を使って取り出したい時には、slice関数が使えます。

slice(dat, 4:6)
# A tibble: 3 × 6
    code name     population pop_male pop_female households
   <dbl> <chr>         <dbl>    <dbl>      <dbl>      <dbl>
1 412040 多久市        19749     9146      10603       6847
2 412058 伊万里市      55238    26395      28843      19698
3 412066 武雄市        49062    23178      25884      16932

データを列の数値によって並べ替える（例えば、人口の多い順に並べ替える）にはarrange関数を使います。

arrange(dat, desc(population))
# A tibble: 20 × 6
     code name       population pop_male pop_female households
    <dbl> <chr>           <dbl>    <dbl>      <dbl>      <dbl>
 1 412015 佐賀市         236372   111453     124919      93306
 2 412023 唐津市         122785    57547      65238      43872
 3 412031 鳥栖市          72902    34799      38103      27630
 4 412058 伊万里市        55238    26395      28843      19698
 5 412066 武雄市          49062    23178      25884      16932
 6 412082 小城市          44259    20823      23436      14769
 7 412104 神埼市          31842    15172      16670      10913
 8 412074 鹿島市          29684    13920      15764      10124
 9 412091 嬉野市          27336    12667      14669       9214
10 413461 みやき町        25278    11969      13309       8638
11 414255 白石町          23941    11133      12808       7253
12 414018 有田町          20148     9356      10792       6900
13 412040 多久市          19749     9146      10603       6847
14 413411 基山町          17501     8266       9235       6321
15 413275 吉野ヶ里町      16411     8136       8275       5891
16 414247 江北町           9583     4497       5086       3225
17 413453 上峰町           9283     4379       4904       3260
18 414417 太良町           8779     4125       4654       2838
19 414239 大町町           6777     3077       3700       2560
20 413879 玄海町           5902     3035       2867       1918
ノート

desc関数は、ベクトルを降順に並べ替えるdplyrパッケージの関数で、arrange関数と一緒に使うことが多いです。

列の操作

列を抽出するには、select関数を使います。

select(dat, name, population)
# A tibble: 20 × 2
   name       population
   <chr>           <dbl>
 1 佐賀市         236372
 2 唐津市         122785
 3 鳥栖市          72902
 4 多久市          19749
 5 伊万里市        55238
 6 武雄市          49062
 7 鹿島市          29684
 8 小城市          44259
 9 嬉野市          27336
10 神埼市          31842
11 吉野ヶ里町      16411
12 基山町          17501
13 上峰町           9283
14 みやき町        25278
15 玄海町           5902
16 有田町          20148
17 大町町           6777
18 江北町           9583
19 白石町          23941
20 太良町           8779
select(dat, pop_male:pop_female)
# A tibble: 20 × 2
   pop_male pop_female
      <dbl>      <dbl>
 1   111453     124919
 2    57547      65238
 3    34799      38103
 4     9146      10603
 5    26395      28843
 6    23178      25884
 7    13920      15764
 8    20823      23436
 9    12667      14669
10    15172      16670
11     8136       8275
12     8266       9235
13     4379       4904
14    11969      13309
15     3035       2867
16     9356      10792
17     3077       3700
18     4497       5086
19    11133      12808
20     4125       4654
select(dat, !(pop_male:pop_female))
# A tibble: 20 × 4
     code name       population households
    <dbl> <chr>           <dbl>      <dbl>
 1 412015 佐賀市         236372      93306
 2 412023 唐津市         122785      43872
 3 412031 鳥栖市          72902      27630
 4 412040 多久市          19749       6847
 5 412058 伊万里市        55238      19698
 6 412066 武雄市          49062      16932
 7 412074 鹿島市          29684      10124
 8 412082 小城市          44259      14769
 9 412091 嬉野市          27336       9214
10 412104 神埼市          31842      10913
11 413275 吉野ヶ里町      16411       5891
12 413411 基山町          17501       6321
13 413453 上峰町           9283       3260
14 413461 みやき町        25278       8638
15 413879 玄海町           5902       1918
16 414018 有田町          20148       6900
17 414239 大町町           6777       2560
18 414247 江北町           9583       3225
19 414255 白石町          23941       7253
20 414417 太良町           8779       2838
select(dat, starts_with("pop"))
# A tibble: 20 × 3
   population pop_male pop_female
        <dbl>    <dbl>      <dbl>
 1     236372   111453     124919
 2     122785    57547      65238
 3      72902    34799      38103
 4      19749     9146      10603
 5      55238    26395      28843
 6      49062    23178      25884
 7      29684    13920      15764
 8      44259    20823      23436
 9      27336    12667      14669
10      31842    15172      16670
11      16411     8136       8275
12      17501     8266       9235
13       9283     4379       4904
14      25278    11969      13309
15       5902     3035       2867
16      20148     9356      10792
17       6777     3077       3700
18       9583     4497       5086
19      23941    11133      12808
20       8779     4125       4654
ノート

starts_withの他に、ends_with、containsなどの便利なヘルパー関数が用意されています。

select関数を使って列名を変更することができます。

select(dat, pop = population)
# A tibble: 20 × 1
      pop
    <dbl>
 1 236372
 2 122785
 3  72902
 4  19749
 5  55238
 6  49062
 7  29684
 8  44259
 9  27336
10  31842
11  16411
12  17501
13   9283
14  25278
15   5902
16  20148
17   6777
18   9583
19  23941
20   8779

しかし、select関数では、列名を変更した列以外が削除されてします。その他の列も残したい場合は、rename関数を使うとよいです。

rename(dat, pop = population)
# A tibble: 20 × 6
     code name          pop pop_male pop_female households
    <dbl> <chr>       <dbl>    <dbl>      <dbl>      <dbl>
 1 412015 佐賀市     236372   111453     124919      93306
 2 412023 唐津市     122785    57547      65238      43872
 3 412031 鳥栖市      72902    34799      38103      27630
 4 412040 多久市      19749     9146      10603       6847
 5 412058 伊万里市    55238    26395      28843      19698
 6 412066 武雄市      49062    23178      25884      16932
 7 412074 鹿島市      29684    13920      15764      10124
 8 412082 小城市      44259    20823      23436      14769
 9 412091 嬉野市      27336    12667      14669       9214
10 412104 神埼市      31842    15172      16670      10913
11 413275 吉野ヶ里町  16411     8136       8275       5891
12 413411 基山町      17501     8266       9235       6321
13 413453 上峰町       9283     4379       4904       3260
14 413461 みやき町    25278    11969      13309       8638
15 413879 玄海町       5902     3035       2867       1918
16 414018 有田町      20148     9356      10792       6900
17 414239 大町町       6777     3077       3700       2560
18 414247 江北町       9583     4497       5086       3225
19 414255 白石町      23941    11133      12808       7253
20 414417 太良町       8779     4125       4654       2838

新しい列を追加するにはmutate関数を使います。

mutate(dat, household_size = population / households)
# A tibble: 20 × 7
     code name       population pop_male pop_female households household_size
    <dbl> <chr>           <dbl>    <dbl>      <dbl>      <dbl>          <dbl>
 1 412015 佐賀市         236372   111453     124919      93306           2.53
 2 412023 唐津市         122785    57547      65238      43872           2.80
 3 412031 鳥栖市          72902    34799      38103      27630           2.64
 4 412040 多久市          19749     9146      10603       6847           2.88
 5 412058 伊万里市        55238    26395      28843      19698           2.80
 6 412066 武雄市          49062    23178      25884      16932           2.90
 7 412074 鹿島市          29684    13920      15764      10124           2.93
 8 412082 小城市          44259    20823      23436      14769           3.00
 9 412091 嬉野市          27336    12667      14669       9214           2.97
10 412104 神埼市          31842    15172      16670      10913           2.92
11 413275 吉野ヶ里町      16411     8136       8275       5891           2.79
12 413411 基山町          17501     8266       9235       6321           2.77
13 413453 上峰町           9283     4379       4904       3260           2.85
14 413461 みやき町        25278    11969      13309       8638           2.93
15 413879 玄海町           5902     3035       2867       1918           3.08
16 414018 有田町          20148     9356      10792       6900           2.92
17 414239 大町町           6777     3077       3700       2560           2.65
18 414247 江北町           9583     4497       5086       3225           2.97
19 414255 白石町          23941    11133      12808       7253           3.30
20 414417 太良町           8779     4125       4654       2838           3.09
mutate(dat, 
       male_ratio   = pop_male / population,
       female_ratio = pop_female / population
       )
# A tibble: 20 × 8
     code name       population pop_male pop_female households male_ratio
    <dbl> <chr>           <dbl>    <dbl>      <dbl>      <dbl>      <dbl>
 1 412015 佐賀市         236372   111453     124919      93306      0.472
 2 412023 唐津市         122785    57547      65238      43872      0.469
 3 412031 鳥栖市          72902    34799      38103      27630      0.477
 4 412040 多久市          19749     9146      10603       6847      0.463
 5 412058 伊万里市        55238    26395      28843      19698      0.478
 6 412066 武雄市          49062    23178      25884      16932      0.472
 7 412074 鹿島市          29684    13920      15764      10124      0.469
 8 412082 小城市          44259    20823      23436      14769      0.470
 9 412091 嬉野市          27336    12667      14669       9214      0.463
10 412104 神埼市          31842    15172      16670      10913      0.476
11 413275 吉野ヶ里町      16411     8136       8275       5891      0.496
12 413411 基山町          17501     8266       9235       6321      0.472
13 413453 上峰町           9283     4379       4904       3260      0.472
14 413461 みやき町        25278    11969      13309       8638      0.473
15 413879 玄海町           5902     3035       2867       1918      0.514
16 414018 有田町          20148     9356      10792       6900      0.464
17 414239 大町町           6777     3077       3700       2560      0.454
18 414247 江北町           9583     4497       5086       3225      0.469
19 414255 白石町          23941    11133      12808       7253      0.465
20 414417 太良町           8779     4125       4654       2838      0.470
# ℹ 1 more variable: female_ratio <dbl>

データフレームの結合

自治体の面積データを読み込み、先ほどのデータと結合するという操作を行いましょう。 以下のsaga2.csvをダウンロードし、dataフォルダに移動してください。

dat2 <- read_csv("data/saga2.csv")
Rows: 26 Columns: 3
── Column specification ────────────────────────────────────────────────────────
Delimiter: ","
chr (1): name
dbl (2): code, area

ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
dat2
# A tibble: 26 × 3
     code name      area
    <dbl> <chr>    <dbl>
 1 412015 佐賀市   432. 
 2 412023 唐津市   488. 
 3 412031 鳥栖市    71.7
 4 412040 多久市    97.0
 5 412058 伊万里市 255. 
 6 412066 武雄市   195. 
 7 412074 鹿島市   112. 
 8 412082 小城市    95.8
 9 412091 嬉野市   126. 
10 412104 神埼市   125. 
# ℹ 16 more rows

これを見ると、26行のデータフレームになっています。市町のデータだけでなく、6つある郡のデータが入っているようです。このdatとdat2を結合するにはどうすればよいでしょうか。

やや泥臭いですが、dat2の中から、datに含まれる行だけを抽出し、並び順を整え、面積データだけを取り出したデータフレームdat3を作成します。 dplyrパッケージに含まれる関数を駆使しています。

dat3 <- filter(dat2, name %in% dat$name)
dat3 <- arrange(dat3, code)
dat3 <- select(dat3, area)
dat3
# A tibble: 20 × 1
    area
   <dbl>
 1 432. 
 2 488. 
 3  71.7
 4  97.0
 5 255. 
 6 195. 
 7 112. 
 8  95.8
 9 126. 
10 125. 
11  44.0
12  22.2
13  12.8
14  51.9
15  35.9
16  65.8
17  11.5
18  24.5
19  99.6
20  74.3

dplyrのbind_cols関数を使って、2つのデータフレームを結合することができます。

bind_cols(dat, dat3)
# A tibble: 20 × 7
     code name       population pop_male pop_female households  area
    <dbl> <chr>           <dbl>    <dbl>      <dbl>      <dbl> <dbl>
 1 412015 佐賀市         236372   111453     124919      93306 432. 
 2 412023 唐津市         122785    57547      65238      43872 488. 
 3 412031 鳥栖市          72902    34799      38103      27630  71.7
 4 412040 多久市          19749     9146      10603       6847  97.0
 5 412058 伊万里市        55238    26395      28843      19698 255. 
 6 412066 武雄市          49062    23178      25884      16932 195. 
 7 412074 鹿島市          29684    13920      15764      10124 112. 
 8 412082 小城市          44259    20823      23436      14769  95.8
 9 412091 嬉野市          27336    12667      14669       9214 126. 
10 412104 神埼市          31842    15172      16670      10913 125. 
11 413275 吉野ヶ里町      16411     8136       8275       5891  44.0
12 413411 基山町          17501     8266       9235       6321  22.2
13 413453 上峰町           9283     4379       4904       3260  12.8
14 413461 みやき町        25278    11969      13309       8638  51.9
15 413879 玄海町           5902     3035       2867       1918  35.9
16 414018 有田町          20148     9356      10792       6900  65.8
17 414239 大町町           6777     3077       3700       2560  11.5
18 414247 江北町           9583     4497       5086       3225  24.5
19 414255 白石町          23941    11133      12808       7253  99.6
20 414417 太良町           8779     4125       4654       2838  74.3

もっとスマートな方法があります。 それは、left_join関数を使う方法です。

left_join(dat, dat2)
Joining with `by = join_by(code, name)`
# A tibble: 20 × 7
     code name       population pop_male pop_female households  area
    <dbl> <chr>           <dbl>    <dbl>      <dbl>      <dbl> <dbl>
 1 412015 佐賀市         236372   111453     124919      93306 432. 
 2 412023 唐津市         122785    57547      65238      43872 488. 
 3 412031 鳥栖市          72902    34799      38103      27630  71.7
 4 412040 多久市          19749     9146      10603       6847  97.0
 5 412058 伊万里市        55238    26395      28843      19698 255. 
 6 412066 武雄市          49062    23178      25884      16932 195. 
 7 412074 鹿島市          29684    13920      15764      10124 112. 
 8 412082 小城市          44259    20823      23436      14769  95.8
 9 412091 嬉野市          27336    12667      14669       9214 126. 
10 412104 神埼市          31842    15172      16670      10913 125. 
11 413275 吉野ヶ里町      16411     8136       8275       5891  44.0
12 413411 基山町          17501     8266       9235       6321  22.2
13 413453 上峰町           9283     4379       4904       3260  12.8
14 413461 みやき町        25278    11969      13309       8638  51.9
15 413879 玄海町           5902     3035       2867       1918  35.9
16 414018 有田町          20148     9356      10792       6900  65.8
17 414239 大町町           6777     3077       3700       2560  11.5
18 414247 江北町           9583     4497       5086       3225  24.5
19 414255 白石町          23941    11133      12808       7253  99.6
20 414417 太良町           8779     4125       4654       2838  74.3

この関数は、2つのデータフレームから共通の名前を持つ列を探して、それらの列の値をキーにして、自動的に2つのデータフレームを結合します。

ノート

left_joinの他にも、inner_join、right_join、full_joinといった類似の関数が用意されています。それぞれどのように異なるのか、RStudioのヘルプ機能を使って調べてみましょう。