R(RStudio)の起動と画面

RStudioを早速起動させましょう。RStudioは主に4つの部分(pane)に分かれています:

左下: Console

Rを対話的に操作するところです。コマンドを記述して実行します。Rに対して「これをやれ」と指示を出し、その結果もまたここに出てきます。

左上: Source Editor

Rのスクリプトやファイルなどを編集する場所です。ここで各種ファイルを開き、コードを編集して保存したり、そのコードを実行します。ここでコードを実行すると、その内容がConsoleへ順次送られて実行されます。

通常、ここでRスクリプトファイル(*.R)を作成して、それを実行して作業をしていきます。よって、おそらくは多くの場合ここが一番利用するところとなるでしょう。

右下: File, Plots, Packages, Helpなど

File

ディレクトリ(フォルダ)にアクセスします。各ファイルをクリックするとその場で開くことができます。また名前の変更やディレクトリ作成などもできます。

Plots

グラフなどを出力すると、ここに表示されます。ある程度遡れますし、ここから画像などにエクスポートすることもできます。

Packages

Rの拡張パッケージを管理できます。Rはパッケージがポイントになるので、頻繁に利用します。「パッケージとは何か」については後述します。

Help

ヘルプウィンドウで、Rの関数などを検索したり、その組み込みのヘルプを閲覧することができます。ただあまりここから検索することは少なく、Consoleで ?help というようにしてヘルプを表示させるのがメインです

右上: Environment, Historyなど

Environment

Rの環境を表示します。とりあえずは「今Rで読み込んだり作ったりしてるデータや変数といったものが見れる」と考えておいてください。

History

Consoleで実行した内容の履歴です。ここから再度Consoleに送ったり、Scriptに送ったりすることもできます。

Rに触れてみよう

>

1+1

41^2*271^2

sqrt(2)

## [1] 1.414214

# 今夜のbeerは500円です
beer <- 500
# beerの値段をRに聞いてみる
beer

## [1] 500

# 文字列を入れるときは""で挟む
drink <- "beer"
drink

## [1] "beer"

# c()関数でまとめて入れることも可能
drink <- c("beer", "sake", "shochu")
drink

## [1] "beer"   "sake"   "shochu"

# 数値もまとめて可能
price <- c(500, 650, 450)
price

## [1] 500 650 450

# こんなこともできます
seki <- 1:10
seki

##  [1]  1  2  3  4  5  6  7  8  9 10

# 2つ目の要素にアクセス
price[2]

## [1] 650

# 平均価格を算出しましょう
mean(price)

## [1] 533.3333

# 税込価格を計算しましょう
price * 1.08

## [1] 540 702 486

head(iris, 4)

## # A tibble: 4 x 5
##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## *        <dbl>       <dbl>        <dbl>       <dbl> <fct>  
## 1         5.10        3.50         1.40       0.200 setosa 
## 2         4.90        3.00         1.40       0.200 setosa 
## 3         4.70        3.20         1.30       0.200 setosa 
## 4         4.60        3.10         1.50       0.200 setosa

パッケージの導入と利用

nrow(available.packages())

install.packages("ggplot2")

csvファイルからの読み込み

一番基本的な方法となります。大きく2つの方法があります。

iris.data <- read.csv("iris-data.csv")

iris.data <- read.csv(file = "iris-data.csv", header = TRUE, na.strings = "NA", stringsAsFactors = default.stringsAsFactors())

RStudioのimport Datasetを利用

RStudioを利用すれば、マウス操作でデータセットを読み込むことができます。

Environmentタブのところにあるimport Datasetをクリックし、From Local File…をクリックします

その後、以下のダイアログボックスで指定していきます:

ポイントになるところの説明です:

• Name: 読み込んだデータを格納するオブジェクト名です。
• Encoding: 文字コードを指定します。問題なければそのままで構いません。
• Heading: 1行目を変数名として読み込むかどうかを指定します。
• NA Strings: NAにする文字列。上述の通りです。
• Strings as Factors: 文字列をFactor型にするかどううかを指定します。上述の通りです。

つまり、コードでやるのをGUIでできる、というイメージです。慣れないうちはこちらのほうがスムーズかもしれません。慣れてきたらread.csv()などコードで読み込ませるのをおすすめします。

Excelファイルからの読み込み

Rは標準ではExcelファイルを直接読み込めませんが、{readxl}パッケージを利用すると直接読み込むことができるようになります:

# パッケージをインストールしてなければインストール
# install.packages(readr)
library(readxl)
xl_df_1 <- read_excel("xl_data.xlsx", sheet = "df_1")

第一引数が読み込むファイル名、第二引数が読み込むシートです。日本語のデータも対応しているので、特に問題は生じないでしょう。.xlsと.xlsxの両方共に対応し、マシンにExcelがなくても読み込めます。

SPSSファイル(.sav)からの読み込み

Rは標準ではSPSSのファイルを直接読み込めませんが、{haven}パッケージを利用すると直接読み込むことができるようになります:

# パッケージをインストールしてなければインストール
# install.packages(haven)
library(haven)
sav_df <- read_sav("hoge.sav")

引数には.savファイルを指定してください。なおSPSSにはラベル機能がありますが、この情報は削除されて読み込まれます(たぶん)。

その他

大量のデータを読み込む場合、read.csv()などでは処理に時間がかかることがあります。高速にデータを読み込むために{readr}などが開発されています。気になる方は調べてみてください。

また、RStudioではImport Datasetボタンからcsv, Excel, SPSS, SAS, Stataなどのファイルも読み込めるようになっています。これらは上記で紹介したパッケージを組み込んだ機能で、GUIの操作でデータを読み込めるようになります。

このようにRStudioを利用すれば簡単にデータを読みこませることができますが、極力スクリプトにコードを記述して、データを読みこませるようにしてください。この方が「どのデータを読み込んだのか」といったことが明確になり、ファイルを取り違えるといった分析者のミスが減少するからです。

データ構造を確認

Environmentのところにあるiris.dataをクリックすると、そのデータセットを見ることができます。

また、Consoleで以下のコードを入力して実行しましょう:

str(iris.data)

## 'data.frame':    150 obs. of  5 variables:
##  $ Sepal.Length: num  5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
##  $ Sepal.Width : num  3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
##  $ Petal.Length: num  1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
##  $ Petal.Width : num  0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
##  $ Species     : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...

iris.dataとして読み込んだデータの内容が表示されます。細かいところは省略しますが、大体はつかめるかと思います。

集計

それでは、現在Rにあるiris.dataというデータセットについて、平均や中央値、最大最小など集計してみましょう。Consoleで以下のコードを入力して実行してください:

summary(iris.data)

##   Sepal.Length    Sepal.Width     Petal.Length    Petal.Width   
##  Min.   :4.300   Min.   :2.000   Min.   :1.000   Min.   :0.100  
##  1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.600   1st Qu.:0.300  
##  Median :5.800   Median :3.000   Median :4.350   Median :1.300  
##  Mean   :5.843   Mean   :3.057   Mean   :3.758   Mean   :1.199  
##  3rd Qu.:6.400   3rd Qu.:3.300   3rd Qu.:5.100   3rd Qu.:1.800  
##  Max.   :7.900   Max.   :4.400   Max.   :6.900   Max.   :2.500  
##        Species  
##  setosa    :50  
##  versicolor:50  
##  virginica :50  
##                 
##                 
## 

各変数の基礎統計が算出され、表示されたかと思います。

分析

それでは、Speciesを独立変数、Sepal.Lengthを従属変数とする1要因3水準の分散分析を実施してみます:

result <- aov(Sepal.Length ~ Species, data = iris.data)

これで分散分析の結果がresultに入ってます。ではこの結果の分散分析表を確認します:

summary(result)

##              Df Sum Sq Mean Sq F value Pr(>F)    
## Species       2  63.21  31.606   119.3 <2e-16 ***
## Residuals   147  38.96   0.265                   
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

それではこれを多重比較してみます。まずはholmで:

pairwise.t.test(iris.data$Sepal.Length, iris.data$Species)

## 
##  Pairwise comparisons using t tests with pooled SD 
## 
## data:  iris.data$Sepal.Length and iris.data$Species 
## 
##            setosa  versicolor
## versicolor 1.8e-15 -         
## virginica  < 2e-16 2.8e-09   
## 
## P value adjustment method: holm

次にTukeyのHSDで:

TukeyHSD(result)

##   Tukey multiple comparisons of means
##     95% family-wise confidence level
## 
## Fit: aov(formula = Sepal.Length ~ Species, data = iris.data)
## 
## $Species
##                       diff       lwr       upr p adj
## versicolor-setosa    0.930 0.6862273 1.1737727     0
## virginica-setosa     1.582 1.3382273 1.8257727     0
## virginica-versicolor 0.652 0.4082273 0.8957727     0

図示

これらの結果を図示します。まずは各水準ごとで要約統計量算出:

by(iris.data$Sepal.Length, iris.data$Species, summary)

## iris.data$Species: setosa
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   4.300   4.800   5.000   5.006   5.200   5.800 
## -------------------------------------------------------- 
## iris.data$Species: versicolor
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   4.900   5.600   5.900   5.936   6.300   7.000 
## -------------------------------------------------------- 
## iris.data$Species: virginica
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   4.900   6.225   6.500   6.588   6.900   7.900

これを箱ひげ図でプロット:

plot(iris.data$Species, iris.data$Sepal.Length)

参考文献

• 村井 潤一郎(著) はじめてのR: ごく初歩の操作から統計解析の導入まで 北大路書房
• 山田剛史・杉澤 武俊・村井 潤一郎 (著) Rによるやさしい統計学 オーム社
• 奥村 晴彦(著) Rで楽しむ統計 (Wonderful R 1) 共立出版