Rの使いかた - Miya×２@wiki

Rの使いかた

保持している変数の表示，削除

• 表示

ls()

[1] "A" "R" "S" "U" "V"

• 削除

rm(A)

ls()の結果，
[1] "R" "S" "U" "V"　　Aが削除されている．

連続して削除したい場合はrm(A,B,・・・)とコロンで区切る

ファイルからの読み出し，書き込み

• 読み出し

Rを起動して，ファイルを指定する．

hensuu <- read.delim("samplefile.txt");

※　header=F　とすると，
1行目に列名が書かれている場合はTを指定する．
1行目から値が書かれている場合にはFを指定する

　今回も　hensuu <- read.delim("samplefile.txt",F);　とした

readで読み込む．delimがTAB区切りで読み込む．

• 書き込み

write.table(OBJECT ,"writefile.txt", row.names = F, col.names=F, quote=F)

指定されたオブジェクトをファイルへと書き出す．
その際，行列など上や左についている添字を表示させたくあい場合は，row.nameやcol.name=Fとしておく．また，全ての値に""が付かないようにquote=Fとする．

行列を扱うとき

R <-svd(X)
で特異値分解できる！

特異値分解が正しくできているかを確認する．

R$u %*% diag(R$d) %*% t(R$v);

それぞれ， R = USVtとなることから
R(m×n行列)：
R$u　m×l行列
diag(R$d)　l×l行列で，特異値を対角行列とする単位行列
t(R$v)　n×l行列となる転置行列

行数，列数の求めかた

x の行数（データ数）を求める．

nrow(x)

x の列数（項目数）を求める．

ncol(x)

• 主に指定した行や列を削除していく方法（非推奨）

行列Aが存在し，消したい行（最終行，最終行-1）を指定する場合

A1 <- A[c(-(nrow(A)),-(nrow(A)-1)),, drop=F]

行列Aが存在し，消したい列（最終列，最終列-1）を指定する場合

A2 <- A[,c(-(ncol(A)),-(ncol(A)-1)),drop=F]

• 主に指定した行をループ文のように指定する方法（推奨）

行列Aが存在し，１行目から行数−２行目までを取得する

A3 <- A[1:(nrow(A)-2),,drop=F]

行列Aが存在し，１列目から列数−１列目までを取得する

A4 <- A[,1:(ncol(A)-1),drop=F]

それぞれの列の名前の付け方

ベクトルbの１列目を名前に置き換える

rownames(b)<-b[,1]

１列目は名前なので削除する

b[,-1]

rankの求めかた

qr(X)$rank

QR分解を用いた方法である．
vd() を利用してsingular valueの数を数えても求まる。

Rにおける関数

• 定義例

aa <- function(xx){
 xx*xx*xx;
}

実行例

aa(3)
[1] 27

• 引数が代入されない場合の関数定義例

aa <- function(xx=1){
 xx*xx*xx;
}

実行例

aa(3)
[1] 27

aa()
[1] 1

---

クラスタリングアルゴリズム

#クラスター分析に必要なパッケージ

stats を読み込む

library(stats)

#データの読み込みから整形 #主成分分析の場合と同じ

dat <- read.delim( “ファイル名”)

rowvar <- matrix(dat[,1])

rownames(dat) <- rowvar

datclust <- as.matrix(dat [,-1])

#クラスター分析を実施

（ここでは，個体間の距離測定に，「標準化ユークリッド距離」，クラスター間の

#距離の定義には

「最長距離法(complete linkage method)」を使うこととする）
#「標準化ユークリッド距離」は「標準化したデータ」の個体間の「ユークリッド距離」を求めたもの。

#色彩語頻度表を標準化

（平均0,分散を1に変換）するためにscale()コマンドを使用している。

#データを標準化することで高頻度の色彩語が過大評価されたり

，低頻度語が過小評価されたりするのを防ぐ

#ことができる

results <- hclust(dist(scale(datclust), method=”euclidean”))

#結果をdendrogram

（樹状図）として表示

plot(results)

---

クラスタ数を指定する．

new1 <- new[28:53,] ある行からある行を抽出する．

hc <- hclust(dist(new1),method = "complete")
　完全リンク法を用いて，クラスタリングした結果をhcに保持する

cutree(hc,k=5)
　保持しているhcの各要素に対して，クラスタの数（k=5）を指定して各要素をグループわけする

文と単語の行列から単語の頻度を求める

行が文，列が単語となっている場合を仮定する

まず単語を行にもってきたいので転置して，単語ごとに行の総数を求める
（使われている単語の頻度を求める）

B <- t(A)

plot(rowSums(B),type="h")

---

文ごとのtf-idf単語頻度を合計して単語ごとにクラスタリング

単語のソート用に単語のインデックス用行列を作る(469×1行列)
x <- matrix(0:468,nrow=469,ncol=1)

SVDを用いた行圧縮ベクトルnewを生成する（列数の単語数は不変）
それを転置して置き換える
word <- t(new)

sumword <- rowSums(word)

s <- matrix(sumword,nrow=469,ncol=1)

x <- cbind(x,s)

x[order(x[,2]),] #2列目に対して全体を昇順にソートする

単語のクラスタリング

特定の行から行を抽出したベクトルをAとして，その転置行列をTとする
T <- t(A)
sumword <- rowSums(T)
s <- matrix(sumword,nrow= 469,ncol=1)
x <- matrix(0:468,nrow=469,ncol=1)
x <- cbind(x,s)
x[order(x[,2],decreasing = TRUE) ,] #１列目羽単語名，２列目は値，

#降順に表示

---

画像のプリント方法

results <- hclust(dist(scale(datclust),method="euclidean"))

plot(results)

png(filename = "cluster.png",width=500,height=500) #PNG形式で出力

plot(results) #出力したいオブジェクトをplot

dev.off() #デバイスを閉じます

---