応用 - R入門

目次

リダイレクトを使う

dplyrパッケージを使う。

> head(as.double(ts(UKDriverDeaths)))
[1] 1687 1508 1507 1385 1632 1511
> as.double(ts(UKDriverDeaths)) %>% head()
 as.double(ts(UKDriverDeaths)) %>% head() でエラー: 
   関数 "%>%" を見つけることができませんでした 
> library(dplyr)
> as.double(ts(UKDriverDeaths)) %>% head()
[1] 1687 1508 1507 1385 1632 1511
> head() %<% as.double(ts(UKDriverDeaths))
 head() %<% as.double(ts(UKDriverDeaths)) でエラー: 
   関数 "%<%" を見つけることができませんでした

エクセルのファイル（.xlsx）の中身を読み込む

openxlsxパッケージのread.xlsx関数を使う。以下は、以下のような値が入力されているdata.xlsxファイルをカレントフォルダーに置いた場合の動作例。

sheetオプションに読み込むシートの番号（連番）かシート名を指定する。デフォルトでは1行目をフィールド名として採用するため、不要な場合はcolNamesオプションをFALSEにする。デフォルトでは1行目から読み込むため、読み込みはじめの行を指定したい場合はstartRowオプションにその開始行を指定する。

読み込まれたものはデータフレームになる。

> library("openxlsx")
> read.xlsx("data.xlsx", sheet = 1)
  No   名前  体重
1 10    ABC 50.00
2 20 あいう 60.10
3 30 亜井宇 70.12
> read.xlsx("data.xlsx", sheet = "Sheet1")
  No   名前  体重
1 10    ABC 50.00
2 20 あいう 60.10
3 30 亜井宇 70.12
> read.xlsx("data.xlsx", sheet = "Sheet2")
 read.xlsx.default("data.xlsx", sheet = "Sheet2") でエラー: 
  Cannot find sheet named "Sheet2"
> read.xlsx("data.xlsx", sheet = 1, colNames = FALSE)
  X1     X2    X3
1 No   名前  体重
2 10    ABC    50
3 20 あいう  60.1
4 30 亜井宇 70.12
> read.xlsx("data.xlsx", sheet = 1, startRow = 2)
  10    ABC    50
1 20 あいう 60.10
2 30 亜井宇 70.12
> dtf <- read.xlsx("data.xlsx", sheet = 1)
> dtf
  No   名前  体重
1 10    ABC 50.00
2 20 あいう 60.10
3 30 亜井宇 70.12
> mean(dtf$体重)
[1] 60.07333

旧エクセルのファイル（.xls）を読み込む

readxlパッケージのread_xls関数を使う。readxlパッケージはその関数利用時にR以外のソフトウェアを必要としないため、パッケージをインストールすれば、そのまま使うことができる。よくネットで見かけるopenxlsxパッケージはxlsを扱うことはできない。

この関数の戻り値はtibble型。data.frame型とほぼ同じように扱うことができる。

以下のようなxlsファイルがあり、カレントディレクトリにsample.xlsというファイル名で保存した状態での動作例。オプションで特に指定をしなければ1行目をフィールド名として採用する。データが1行目から始まる場合はcol_namesオプションにFALSEを指定する。読み込ませる列（A～IV）を指定する場合はrangeにcell_colsを使用して指定する。各フィールドのデータ型は未指定では自動的にデータ型の類推(guess）がなされて決まるが、これを指定の型にしたい場合はcol_typesオプションに、ベクトルで順番に指定をする。

> library(readxl)
> tbl <- read_xls("sample.xls")
> tbl
# A tibble: 4 x 4
     no name  date                  age
  <dbl> <chr> <dttm>              <dbl>
1     1 A     2022-01-01 00:00:00    10
2     2 B     2022-02-02 00:00:00    20
3     3 C     2022-03-03 00:00:00    30
4     4 D     2022-05-05 00:00:00    40
> tbl <- read_xls("sample.xls", col_names = FALSE)
New names:
 * `` -> `...1`
 * `` -> `...2`
 * `` -> `...3`
 * `` -> `...4`
> tbl
# A tibble: 5 x 4
  ...1  ...2  ...3  ...4 
  <chr> <chr> <chr> <chr>
1 no    name  date  age  
2 1     A     44562 10   
3 2     B     44594 20   
4 3     C     44623 30   
5 4     D     44686 40   
> tbl <- read_xls("sample.xls", range = cell_cols("B:D"))
> tbl
# A tibble: 4 x 3
  name  date                  age
  <chr> <dttm>              <dbl>
1 A     2022-01-01 00:00:00    10
2 B     2022-02-02 00:00:00    20
3 C     2022-03-03 00:00:00    30
4 D     2022-05-05 00:00:00    40
> tbl <- read_xls("sample.xls", col_types = c("guess", "text", "text", "numeric"))
> tbl
# A tibble: 4 x 4
     no name  date    age
  <dbl> <chr> <chr> <dbl>
1     1 A     44562    10
2     2 B     44594    20
3     3 C     44623    30
4     4 D     44686    40
> tbl <- read_xls("sample.xls", col_types = c("guess", "text", "date", "numeric"))
> tbl
# A tibble: 4 x 4
     no name  date                  age
  <dbl> <chr> <dttm>              <dbl>
1     1 A     2022-01-01 00:00:00    10
2     2 B     2022-02-02 00:00:00    20
3     3 C     2022-03-03 00:00:00    30
4     4 D     2022-05-05 00:00:00    40

Excelの日付データをRの日付データに変換する

openxlsxパッケージなどを使ってExcelのファイルの日付データを読み込んだとき、日付データではなく数値データで読み込まれるときがある。これを読み込み元の日付相当の日付データに戻す場合は、as.Date関数にoriginオプションを付けて変換する。

Sheet1に以下のように入力したエクセルのファイルdata.xlsxを用意して試してみる。

> library(openxlsx)
> dtf <- read.xlsx("data.xlsx", colName = FALSE)
> dtf
     X1                X2
1 44562 ← 書式を「日付」
2 44562 ← 書式を「標準」
> mode(dtf$X1)
[1] "numeric"
> class(dtf$X1)
[1] "numeric"
> as.Date(dtf$X1, origin = "1899-12-30")
[1] "2022-01-01" "2022-01-01"

Excelの日付データは、内部では一連の連番で保存しており、Windows版は1900年1月1日を1とした連番で管理している。1900年1月2日は翌日のため2となり、1901年1月1日は366日後に当たるため367となる（1900年は閏年）。つまり、値として基準になる日は1899年12月31日である。一方、as.Date関数では以下のとおりにoriginオプションに指定した日を基準としている。

> as.Date(0, origin = "1900-01-01")
[1] "1900-01-01"

そのため、読み取った値をas.Date関数で変換するときは、originオプションに1899年12月30日を指定すること。

最新版のパッケージがあるか否かを確認する

old.packages関数を使う。アップデートできるパッケージがある場合は、それらが表示される。

> old.packages()

ここではバージョン番号を比較して表示しているだけであり、パッケージや環境によっては、あえてアップデートされない場合があるので注意。

あくまで表示されるだけで、実際にアップデートをする場合はupdate.packages関数を使う。

インストールしているパッケージを一括でアップデートする。

update.packages関数を使う。アップデートできるパッケージがある場合は、パッケージ１つごとに、アップデートするか否かの確認のダイアログが表示される。

> update.packages()

その環境で使用中（library関数で使用を宣言しているパッケージ）のパッケージはアップデートされないので注意。

tibbleを使う

tidyverseパッケージに含まれているため、このパッケージの使用を宣言すればよい。tibbleとはデータフレームを使いやすくしたようなもので、データフレームとほぼ同じように扱うことができる。

> library(tidyverse)
> n <- 1:3
> s <- c("A", "B", "C")
> d <- c(1.5, 2.5, 3.6)
> tbl <- tibble(n, s, d)
> tbl
# A tibble: 3 x 3
      n s         d
  <int> <chr> <dbl>
1     1 A       1.5
2     2 B       2.5
3     3 C       3.6
> tbl <- as_tibble(data.frame(n, s, d))
> tbl
# A tibble: 3 x 3
      n s         d
  <int> <chr> <dbl>
1     1 A       1.5
2     2 B       2.5
3     3 C       3.6
> tbl[2, 3]
# A tibble: 1 x 1
      d
  <dbl>
1   2.5
> tbl[1, ]
# A tibble: 1 x 3
      n s         d
  <int> <chr> <dbl>
1     1 A       1.5
> tbl[, 2]
# A tibble: 3 x 1
  s    
  <chr>
1 A    
2 B    
3 C

---