データ分析のまとめ方

Size: px

Start display at page:

Download "データ分析のまとめ方"

くうしょうみうら
4 years ago
Views:

1 R ではさまざまなデータを分析することができる R のデータセットを使う外部ファイルを使う作業ディレクトリの確認と変更データの探し方

2 作業ディレクトリ (working directory) の確認と変更 Windows や mac では作業ディレクトリを変更できる作業ディレクトリを自分の PC のデスクトップに設定すると操作しやすいメニューでは : Windows の場合 : ファイルディレクトリの変更 Mac の場合 : その他作業ディレクトリの変更コマンドでは : 作業ディレクトリの確認 > getwd() 作業ディレクトリの変更 > setwd( dir_name )

3 演習 1:R のデータセットを確認する ( 例 : データセット名 :sample) 1 データセットの呼び出してみよう > sample 2データセットの形式を確認しよう > str(sample) # データ構造の確認 > class(sample) # データの形式の確認 >mod(sample) # データの形式の確認 R のデータの形式の確認には, 物理的な mode() や抽象的な class() がある mod(): numeric, list, function, character など class(): ベクトル (vector) 行列 (matrix) 配列 (array) リスト (list) テーブル (table) データフレーム ( data.frame) 時系列データ (ts) など

4 演習 2:R のデータセットの扱い (crimtab:table 型を例に ) 〇作業ディレクトリ (working directory) をデスクトップへ 1 データセットの呼び出し (table 型 ) > crimtab 2データセットの形式の確認 (crimtab) > str(crimtab) # データ構造の確認 > class(crimtab) # データの形式の確認 3 データ形式の変換 ( 例 : データフレームへ変換 )(crimtab1) >crimtab1 <- data.frame(crimtab) 4 データ形式の csv に変換してデスクトップへ保存 (crimtab2.csv) >write.csv(crimtab1,"crimtab2.csv",row.names=false) 6データcrimtab2を操作する各列の抽出 crimtab2$var1 中指 crimtab2$var2 身長 crimtab2$freq 度数グラフ描画 plot(crimtab2$var1, crimtab2$freq) plot(crimtab2$var2, crimtab2$freq) 基本統計量 ( 平均, 標準偏差, 中央値, モード ) の計算 5 データの読み込み (crimtab2) > crimtab2<- read.csv ( crimtab2.csv, header=true) # header=true 最初の行にラベル有,FALSE ラベル無

5 演習 2 の補足 : データフレームについて 3 データ形式の変換 ( 例 : データフレームへ変換 )(crimtab1) >crimtab1 <- data.frame(crimtab) >str(crimtab1) data.frame : 924 obs. of 3 variables: # 924 データと3 変数 $ Var1: Factor w/ 42 levels 9.4, 9.5, 9.6,..: # 42レベルの因子 (factor) $ Var2: Factor w/ 22 levels , ,..: #22レベルの因子(factor) $ Freq: int # 整数型 (int) のデータ *factor はデータ処理に不向きであるので, この変数を数値型にする必要がある crimtab1 を csv ファイルに変換した.

6 演習 3:R のデータセットを使う (cars を例に回帰分析 ) 2 変量の線型単回帰の場合 cars: data.frame 型 1 データセットの呼び出し (data.frame 型 ) > cars 2データセットの形式の確認 > str(cars) # データ構造の確認 > class(cars) # データの形式の確認 3cars を線型回帰分析しよう (cars.lm) 説明変量目的変量の確認回帰直線の方程式を求める. summary(cars.lm) の作成. 60 マイルの停止距離を求める. speed dist

7 演習 4:R のデータセットを使う (airquality を例に回帰分析 ) 多変量で線型単回帰の場合 1 データセットの呼び出し (data.frame 型 ) > airquality 2 データセットの型の確認 3 対散布図の作成 >pairs(airquality) 42 変量を抽出した線型回帰分析 (air.lm) > air.lm<-lm(solar.r~ozone, data=airquality) > summary(air.lm) > plot(airquality$ozone, airquality$solar.r) >abline(air.lm, lwd=2) airquality: data.frame 型 Ozone Solar.R Wind Temp Month Day NA NA NA あとは演習 3 と同様

8 外部ファイルの利用 ( 例 :sample.csv) 前処理〇作業ディレクトリ (working directory) をデスクトップ〇 sample.csv をデスクトップへ〇 EXCEL ファイル (sample.xlsx) の場合は,sample.csv に変換しておくといいデータの読み込み :sample.csv を sample1 として読み込む. > sample1 <- read.csv ( sample.csv, header=true) # header=true 最初の行にラベル有,FALSE ラベル無データの書き込み :sample1 を sample2.csv として保存する. > write.csv (sample1, sample2.csv, row.names=false) # row.names=false とすると最左列のヘッダ無

9 グラフ描画とデータ型グラフを描画するためにデータの型によっては, 変換する必要がある. 難易度データの型 ( 構造 ) 描画のポイントとコマンド例低 ts(time series) 時系列による描画 (plot) 中 vector, matrix ベクトルや行列による描画 (barplot/hist) 中 data.frame 項目列による描画 (plot/pie/pairs) 四分位数による描画 (boxplot) 高 table data.frame に変換加工後描画

10 データ型の探し方〇 R のデータセット The R Datasets Package 〇データカタログサイト各府省の保有データをオープンデータとして利用できるデータカタログサイト :

Microsoft PowerPoint - R-intro-04.ppt

Microsoft PowerPoint - R-intro-04.ppt R で学ぶデータ解析とシミュレーション 4 ~ データハンドリング入門 ~ 4 時間目のメニューパッケージについてパッケージとはパッケージの呼び出し追加パッケージのインストールデータハンドリング入門データフレームとは種々のテキストファイルを R に読み込ませる方法データハンドリング手法一覧演習 2 パッケージとは R は関数とデータを機能別に分類してパッケージという形にまとめている