まくまく R ノート - 天才まくまくノート

統計解析やグラフプロットに便利な R 言語のメモです。

R のコーディングスタイル

下記は Google が採用している R のコーディングスタイルを参考にしています。

インデントはスペース 2 文字
一行 80 文字まで
代入は <- を使用する（= は代入には使わない）
attach は使わない
エラーの生成には stop() を使う
S3 オブジェクトを使う（S4 オブジェクトを使わない）
命名規則
- 関数: FunctionName
- 変数: variableName
- 定数: kConstantName

R 環境の Locale 設定（日本語を使用する）

R コンソールを起動したときに、システムの Locale 設定が正しく行われていないと、下記の様な警告メッセージが表示されます。

Mac での Locale 設定の警告メッセージ

During startup - Warning messages:
1: Setting LC_CTYPE failed, using "C"
2: Setting LC_COLLATE failed, using "C"
3: Setting LC_TIME failed, using "C"
4: Setting LC_MESSAGES failed, using "C"
5: Setting LC_MONETARY failed, using "C"
[R.app GUI 1.66 (7060) x86_64-apple-darwin13.4.0]

WARNING: You're using a non-UTF8 locale, therefore only ASCII characters will work.
Please read R for Mac OS X FAQ (see Help) section 9 and adjust your system preferences accordingly.

R コンソールで正しくメッセージ表示を行うには、少なくとも UTF-8 を使用する設定を行っておく必要があります。

Mac でシステムの Locale 設定を変更する

Mac のターミナルで defaults コマンドを使用すると、システムの Locale 設定を変更することができます。ヘルプメッセージなどを日本語にしたい場合は、js_JP.UTF-8 の方を指定してください。

$ defaults write org.R-project.R force.LANG en_US.UTF-8  # 英語表示
$ defaults write org.R-project.R force.LANG ja_JP.UTF-8  # 日本語表示

上記を実行してから R コンソールを立ち上げ直すと、正しく Locale 設定が反映されます。あるいは、R コンソールから下記の様に設定することもできます。

> system("defaults write org.R-project.R force.LANG ja_JP.UTF-8")

locale コマンドを実行すると、現在の設定を確認することができます。

> system("locale")
LANG="ja_JP.UTF-8"
LC_COLLATE="ja_JP.UTF-8"
LC_CTYPE="ja_JP.UTF-8"
LC_MESSAGES="ja_JP.UTF-8"
LC_MONETARY="ja_JP.UTF-8"
LC_NUMERIC="ja_JP.UTF-8"
LC_TIME="ja_JP.UTF-8"
LC_ALL=

参考: R for Mac OS X FAQ - CRAN Project

ヘルプの使い方

ヘルプドキュメントのトップページを表示する

help.start()

関数のヘルプを表示する

help(function)
?function

指定した関数のシグネチャを表示する

args(function)

関数の使用例を実行する（例: mean 関数の使用例）

> example(mean)

mean> x <- c(0:10, 50)

mean> xm <- mean(x)

mean> c(xm, mean(x, trim = 0.10))
[1] 8.75 5.50

上記で実行されるのは、help(mean) を実行したときに Example の項目で示されているサンプルコードです。

構文のヘルプを表示する（例: for の使い方）

?"for"
help("for")

キーワードでヘルプを検索する

??keyword
help.search("keyword")

Web 上で検索する

RSiteSearch("keyword")

R の構文

条件分岐

if (cond1) {
  ...
} else if (cond) {
  ...
} else {
  ...
}

繰り返し

for (i in 1:5) { ... }
while (cond) { ... }
repeat { ... }

ループ内では break（ループ処理の終了）や next（次のループ処理へ）を使用することができます。

より詳しく調べるには

if や for などの詳しい説明を読みたい場合は、下記のようにヘルプを表示することができます（これらのキーワードは、ダブルクォーテーションで括る必要があることに注意してください）。

?"if"
help("if")

R のデータ型

実数 (numeric)

x <- 12.34

複素数 (complex)

x <- 1+2i

文字列 (character)

x <- 'Hello'
x <- "Hello"

論理型 (logical)

x <- TRUE (or T)
x <- FALSE (or F)

T と F は、TRUE と FALSE の代わりに使用することができますが、別の値を代入してしまうことができます（T と F は定数ではなく変数ということ）。そのため、公式ドキュメントでは、常に TRUE と FALSE の方を使うことを推奨しています。

ベクトル

x = c(1, 2, 3)

ベクトル内に複数の型を含めると、文字列＞実数＞論理値 の優先度で同じ型になるように自動的に変換されます。

> c(1, 2, 3.14)
[1] 1.00 2.00 3.14

> c(1, 2+3i)
[1] 1+0i 2+3i

> c(123, TRUE, FALSE)
[1] 123   1   0

> c("ABC", 123, TRUE)
[1] "ABC"  "123"  "TRUE"

mode 関数で型を調べる

mode() 関数を使用すると、指定した値を、R がどのような型とみなしているかを調べることができます。

> mode(10)
[1] "numeric"

> mode(1+2i)
[1] "complex"

> mode('Hello')
[1] "character"

> mode(TRUE)
[1] "logical"

> mode(c("ABC", 123, TRUE))
[1] "character"

R スクリプトファイルを実行する (source)

例えば、commands.R というテキストファイルに R のコマンドを記述してある場合、以下のように読み込んで実行することができます。

> source("commands.R")

読み込み時のカレントディレクトリは、getwd() で取得、setwd() で変更することができます。

R コマンドの実行結果をファイルに保存する (sink)

R コマンドの実行結果はデフォルトではウィンドウ (console) 内に表示されますが、sink() 関数で出力先をファイルに切り替えることができます。

> sink("output.txt")

出力先をウィンドウ (console) に戻すには、パラメータ無しで sink() 関数を呼び出します。

> sink()

現在作成されているオブジェクトの一覧を表示する (ls, objects)

Java や C++ の変数にあたるものは、R ではオブジェクトと呼びます。現在作成されているオブジェクトの一覧を確認するには、ls() あるいは objects() を使用します。

> x <- 1:10
> y <- x**2
> ls()
[1] "x" "y"
> objects()
[1] "x" "y"

上記の結果表示されたオブジェクトは、下記のように「参照」できます。

> x
 [1]  1  2  3  4  5  6  7  8  9 10
> y
 [1]   1   4   9  16  25  36  49  64  81 100

不要なオブジェクトは、rm() で削除することができます。

> ls()
[1] "x" "y"
> rm(x)
> ls()
[1] "y"  # x が削除された

R の実行環境を終了するとき、現在作成されているオブジェクトは、カレントディレクトリの .RData というファイルに保存されます。 Windows 環境では、この .RData ファイルをダブルクリックすることで、終了時と同じ状態で R を起動することができます。このような仕組みがあるため、分析の対象ごとにディレクトリを作成しておくと便利です。

出力先を画像ファイルに切り替える

R では 「作図デバイス」 を切り替えることによって、plot() や hist() による描画内容を画像ファイルとして保存することができます。現在の環境でどのような形式をサポートしているかは下記のように確認できます。

help("Devices")

PNG ファイルへの出力

たとえば、PNG ファイルにプロットするには下記のように png() 関数を使用して作図デバイスを切り替えます。描画が終わったら、dev.off() で作図デバイスを閉じます（閉じないとファイルが使用中のままになってしまい、別のアプリケーションから開くことができません）。

png("output.png", width=400, height=300)  # 作図デバイス(png)を開く
plot(x, y)   # 描画
dev.off()    # 作図デバイス(png)を閉じる

作図デバイスを切り替えるときに、bg="transparent" オプションを指定すると、背景を透過した画像 を出力することができます。

> png("sample.png", width=400, height=300, bg="transparent")
> plot(x, y)
> dev.off()

SVG ファイルへの出力

svg() 関数を使用すると、グラフの出力先を SVG ファイルに変更することができます。 svg() 関数の width、height パラメータの単位は、デフォルトで インチ となっていることに注意してください（png() 関数の場合はピクセルです）。

svg("output.svg", width=4, height=3)  # 作図デバイス(svg)を開く
plot(x, y)   # 描画
dev.off()    # 作図デバイス(svg)を閉じる

こちらの場合も、実際の SVG ファイルは、dev.off() してからアクセスできるようになります。

ファイルの出力先ディレクトリ

ファイルがどのディレクトリに出力されるかは、getwd() で確認できます。

> getwd()
[1] "C:/Users/maku/Documents"

このワーキングディレクトリは setwd() により変更可能です。

> setwd("C:/your/dir")    # スラッシュを使う場合
> setwd("C:\\your\\dir")  # バックスラッシュを使う場合

この setwd() は柔軟にできており、次のようにして 1 つ上のディレクトリに移動することもできます。

> setwd("../")

データ生成

連番のベクトルを作成する (seq)

コロンを使用した範囲指定により、連番要素からなるベクトルを簡単に生成することができます。

x <- 1:5  # c(1, 2, 3, 4, 5) と同様
x <- 5:1  # c(5, 4, 3, 2, 1) と同様

下記のように、ついでに演算を行うことで柔軟なベクトル生成を行えます。この例では、1, 2, 3 というシーケンスのそれぞれの要素に +1 したシーケンスを生成しています。

x <- (1:3)+1  # c(2, 3, 4) や 2:4 と同様

ちなみに、演算子 : は、+ よりも結合度が高いため、上記の例のカッコを省略しても同様に動作します。

x <- 1:3+1  #=> 2, 3, 4

上記の結果は、ちょっと直感に反するかもしれません。演算子 + を先に評価するには、次のようにする必要があります。

x <- 1:(3+1)  #=> 1, 2, 3, 4

seq() 関数を使用すると、より柔軟にシーケンスデータを生成できます。下記の例では、0.1 刻みのデータを作成しています。

x <- seq(from=0, to=0.5, by=0.1)  #=> 0.0, 0.1, 0.2, 0.3, 0.4, 0.5

len パラメータを使うと、何分割するかを指定することができます。下記の例では、-π～π の範囲の値を 100 等分して得られるシーケンスデータを生成しています。

x <- seq(-pi, pi, len=100)
plot(x, sin(x))

ちなみに sin 波は plot(sin, -pi, pi) とすることで滑らかに描画できます。

繰り返しのベクトルを作成する (rep)

rep() 関数を使用すると、すでに存在するベクトルデータ内の要素を繰り返したベクトルデータを作成することができます。

例: ベクトル全体を 5 回繰り返す

> x <- 1:3
> rep(x, times=5)
[1] 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3

例: 各要素ごとに 5 回繰り返す

> x <- 1:3
> rep(x, each=5)
[1] 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3

ベクトルに対して算術演算を行う

ベクトルに対してスカラ値の算術演算を行うと、各要素に対して演算 が行われます。結果的に、元のベクトルと同じ数の要素のベクトルが作成されます。

> x <- c(1, 2, 3)
> x + 100
[1] 101 102 103

> x - 100
[1] -99 -98 -97

> x * 100
[1] 100 200 300

> x / 100
[1] 0.01 0.02 0.03

> x ^ 2
[1] 1, 4, 9

スカラ値に作用する算術系関数をベクトルに適用した場合も、ほぼ同様の振る舞いをします。下記の例では、ベクトルの各要素に対して log10() を適用しています。

> x <- c(1, 10, 100, 1000)
> log10(x)
[1] 0 1 2 3

この性質を利用して、下記の様に x 軸のベクトルデータから、y 軸のベクトルデータを作成するという使い方ができます。

例: y = x^2 のグラフを表示

x <- 1:5    # 1～5 までの連番データを生成 (1, 2, 3, 4, 5)
y = x^2     # 各要素の二乗からなるデータを生成 (1, 4, 9, 16, 25)
plot(x, y)  # 二次元グラフとしてプロット

この例では y というオブジェクトを作成していますが、プロット系の関数に渡す時に直接データ生成してしまうこともできます。

plot(x, x^2)

他にもいろいろな演算や関数を組み合わせてデータを生成することができます。

plot(x, 1+sqrt(x))

ベクトル同士の演算を行う

ベクトル同士の算術演算を行うと、対応する各要素ごとに算術演算が行われます。

> x <- c(1, 2, 3)
> y <- c(100, 200, 300)

> x + y
[1] 101 202 303

> x - y
[1]  -99 -198 -297

> x * y
[1] 100 400 900

> x / y
[1] 0.01 0.01 0.01

要素数の異なるベクトル同士で算術演算を行うと、少ない方の要素が繰り返し参照 されます。

> x <- c(1, 2)
> y <- c(100, 200, 300, 400, 500, 600)
> x + y
[1] 101 202 301 402 501 602

要素数がちょうど整数倍になっていないときは警告が出ます。

> x <- c(1, 2)
> y <- c(100, 200, 300)
> x + y
[1] 101 202 301
Warning message:
In x + y : longer object length is not a multiple of shorter object length

2 つのデータを結合する (c)

任意の数のベクトルを結合するには c() を使います。

a <- 1:3
c(a, a)     #=> 1, 2, 3, 1, 2, 3
c(a, a*2)   #=> 1, 2, 3, 2, 4, 6
c(a, a^2)   #=> 1, 2, 3, 1, 4, 9
c(a, a, 7)  #=> 1, 2, 3, 1, 2, 3, 7

ベクトルの各要素にプレフィックス、サフィックスを付ける (paste)

paste 関数を使用すると、2 つ以上のベクトルデータの各要素を文字列結合したベクトルデータを生成することができます。サイズの異なるデータを与えた場合、少ない方のデータが繰り返し適用されます。これを利用して、ベクトルの各要素にプレフィックスやサフィックスを付けることができます。

プレフィックスの追加（各要素の前に A を追加）

> paste('A', 1:3)
[1] "A 1" "A 2" "A 3"

上記のように、デフォルトではスペースを挟んで結合されます。セパレータは sep パラメータで変更できるので、次のように空文字列を指定することでスペースを挟まずに結合することができます。

> paste('A', 1:3, sep='')
[1] "A1" "A2" "A3"

paste() 関数に渡すベクトルの順序を変更すれば、サフィックスを付加することができます。

サフィックスの追加（各要素の後ろに x を追加）

> paste(1:3, 'x', sep='')
[1] "1x" "2x" "3x"

3 つ以上のベクトルを結合することもできます。次の例では、3 つのベクトルを結合して連番からなるファイル名を作成しています。

> paste('data', 1:5, '.zip', sep='')
[1] "data1.zip" "data2.zip" "data3.zip" "data4.zip" "data5.zip"

ベクトルのサイズを切り詰める、拡張する (length)

length() 関数を代入の左辺に持ってくると、ベクトルのサイズを変更することができます。現在の要素数よりも小さいサイズを指定すれば切り詰めることになり、大きいサイズを指定すれば拡張することになります。拡張された部分の要素の値は NA となります。

> x <- 1:10
> x
[1] 1 2 3 4 5 6 7 8 9 10

# サイズを切り詰める
> length(x) <- 5
> x
[1] 1 2 3 4 5

# サイズを拡張する
> length(x) <- 10
> x
[1] 1 2 3 4 5 NA NA NA NA NA

ベクトルのサブセットを生成する（ベクトルのフィルタ）

ベクトルデータに対して、[] 演算子を使って インデックスベクトル (index vector) を指定すると、そのベクトルの要素を特定の条件で組み合わせたベクトルを作成することができます。インデックスベクトルに指定するベクトルの型により、動作が変わります。

数値ベクトル（1 〜 length(x) の範囲の数値で構成されるベクトル）を指定した場合
- 指定した要素位置で構成されたベクトルを作成
論理ベクトル（TRUE, FALSE で構成されるベクトル）を指定した場合
- TRUE になる位置の要素のみで構成されたベクトルを作成（フィルタ）

インデックスベクトルとして数値ベクトルを指定する

下記は、数値ベクトルで示した位置の要素から構成されるベクトルを作成しています。

> x <- c('A', 'B', 'C')
> x[c(1, 2, 3, 2, 1)]
[1] "A" "B" "C" "B" "A"

Python のリスト（配列）と同様のインデックスアクセスや配列スライシングを行えるのは、この仕組みのおかげです。

> x <- c('A', 'B', 'C')
> x[2]
[1] "B"

> x <- c('A', 'B', 'C')
> x[2:3]
[1] "B" "C"

範囲外のインデックスを指定すると、その位置の要素は NA になります。

> x <- c('A', 'B', 'C')
> x[1:5]
[1] "A" "B" "C" NA NA

数値ベクトルを作成する関数（rep() など）と組み合わせて使用することで、柔軟なベクトル作成を行うことができます。

> x <- c('A', 'B', 'C')
> x[rep(c(1, 2, 2), times=3)]
[1] "A" "B" "B" "A" "B" "B" "A" "B" "B"

負の数値からなる数値ベクトルを渡すと、その位置の要素を削除したベクトルを作成することができます。次の例では、2 番目と、3 番目の要素を削除したベクトルを作成しています。

> x <- 1:5
> x[c(-2, -3)]
[1] 1 4 5

インデックスベクトルとして論理ベクトルを指定する

下記は、インデックスベクトルとして、論理ベクトルを指定する例です。この仕組みを使うと、ベクトルから 条件に合致する要素だけを抽出する ことができます。次の例では、数値ベクトルから偶数のみを取り出しています。

> x <- c(4, 7, 3, 2, 6)
> x[x%%2 == 0]
[1] 4 2 6

内部的には x%%2==0 というところで、以下のような TRUE と FALSE から成る論理ベクトルを作成しています。

TRUE FALSE FALSE TRUE TRUE

この論理ベクトルの中で、TRUE になっている位置（偶数）の要素を抽出していることになります。

ランダムな正規分布を生成する (rnorm)

rnorm() を使用すると、指定した数のランダムな正規分布データを作成することができます。

x <- rnorm(1000)
hist(x, breaks=30)

標準偏差 (standard deviation) はデフォルトで 1 となりますが、sd パラメータで任意の標準偏差を指定することもできます。

x <- rnorm(1000, sd=2)
hist(x, breaks=30)

データフレーム

データフレームとは

データフレームは、カラム名のあるレコードの集まりを表現します。リレーショナル・データベースのレコードや、エクセルのシートのような表形式のデータを想像すると分かりやすいです。 R の起動時に、デフォルトで women というデータフレームが定義されているので、それを表示してみます（データ数が多いので head 関数を使って、表示数を減らしています）

> head(women)
   height weight
1      58    115
2      59    117
3      60    120
4      61    123
5      62    126
6      63    129

height と weight という名前のカラムが定義されていることがわかります。左側の 1 から始まる数値は、データの行番号を示しています。

データフレームから特定のカラムを抽出する

下記のようにすると、データフレーム内の特定のカラムのみをベクトルデータとして取得することができます。カラムのインデックス（1 から始まる）あるいは、カラム名で指定することができます。インデックスを囲む括弧 (bracket) が 2 重になっていることに注意してください。

カラムを抽出（ベクトルとして取得）

> women[[1]]
[1] 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72
> women[["height"]]
[1] 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72
> women$height
[1] 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72

次の例では別の形式でカラムを指定していますが、このようにすると、指定したカラムのデータがベクトルではなくデータフレームとして返されます。つまり、データフレームのサブセットを作成していることになります。 c() を使用して、カラムを複数指定することも可能です。

カラムを抽出（データフレームとして取得）

> women[1]
  height
1     58
2     59
3     60
...

> women[c(1, 2)]
  height weight
1     58    115
2     59    117
3     60    120
...

> women["height"]
  height
1     58
2     59
3     60
...

> women[c("height", "weight")]
  height weight
1     58    115
2     59    117
3     60    120
...

ベクトルからデータフレームを作成する (data.frame)

data.frame 関数を使うと、ベクトルデータからデータフレームを作成することができます。下記の例では、name と price というベクトルデータからデータフレームを作成しています。

> name <- c("apple", "banana", "strawberry")
> price <- c(200, 100, 300)
> df <- data.frame(name, price)
> df
        name price
1      apple   200
2     banana   100
3 strawberry   300

デフォルトでは、パラメータとして渡したオブジェクト名が、そのままデータフレームのカラム名になります。名前付きパラメータとして渡すことで、任意のカラム名に変更することができます。

> df <- data.frame(n=name, p=price)
> df
           n   p
1      apple 200
2     banana 100
3 strawberry 300