Cute.Guides: R：ゼロから始める解析生活: データ整理

（１）データ型の確認と変換

前のページで、R で扱うデータには型（numeric, factor, character など）が
あることを紹介しました。
特に文字のデータは factor型か character型かで扱いが大きく変わります。
最近の R では読み込んだ文字データがデフォルトではcharacter型で認識されます。
カテゴリの文字データは、解析を始める前に factor型に変換しておく必要があります。

データの型を変換する場合、as.○○() という関数を使います。
○○ には変換先のデータの型の名前を入れておきます。
例えば、factor型に変換したい場合には as.factor()、
numeric型に変換したい場合には as.numeric() といった表記をします。

今回のデータでは place (採集場所)、sei (性別) がカテゴリカルデータです。
デフォルトでは character型であるため、以下のコードを
コンソール画面にコピペして、factor型に変換しておきましょう。

<コピペ>

mydata$place <- as.factor(mydata$place)
mydata$sei <- as.factor(mydata$sei)

なお、今のデータの型は関数 class() を用いて確認できます。
()内にオブジェクト名を入力することで、そのオブジェクトの型が表示されます。

> class(mydata$bodylength)

[1] "numeric"

（２）データフレームから列の抽出

データフレームから列を抽出する際には、「$」の記号を使用します。

データフレームのオブジェクト名$抽出したい列名

と入力すれば、抽出したい列名の値が、ベクトルとして取り出されます。

例えば、先に紹介したバッタのデータに関するオブジェクト mydata から、
体長のデータ（bodylength）を抽出したいと仮定します。
その場合、コンソール画面に

<コピペ>
mydata$bodylength

と入力すれば、体長の数値を抜き出した

[1] 23.81 24.65 22.85 23.47 25.15 25.36 24.90 29.14 26.55 32.16 28.78 28.29
[13] 30.92 30.34 31.02 30.80 27.77 34.15 35.65 34.48

という結果（ベクトル）が返ってきます。

ちなみに、この抜き出した結果をオブジェクトに格納することも可能です。
例えば、

<コピペ>
taicho <- mydata$bodylength

と打ち込めば、次から taicho と入力することで、
mydataから抽出した体長のデータを利用することができます。

（３）データフレームから行の抽出

特定の条件を満たす行を抽出する場合、関数 subset () を使用します。
この関数は

subset (オブジェクト名, 条件式)

と入力することで、オブジェクトから条件を満たす行を抽出してくれます。

例えば、バッタのデータ（mydata）から体長（bodylength）が 30 mm 未満のデータを
取り出したい場合、

<コピペ>
subset (mydata, bodylength < 30)

と入力します。すると、以下のような結果が返ってきます。

   id         place sei leftleg rightleg bodylength
1   1        ito m   13.17    16.16   23.81
2   2        ito m   15.01    16.88           24.65
3   3        ito    m   15.29    14.52     22.85
4   4        ito m   14.05    14.39     23.47
5   5 hakozaki    m   15.77    16.44     25.15
6   6 hakozaki m   16.17    15.06    25.36
7   7 hakozaki m   15.03    14.19    24.90
8   8 maidashi m   14.96    17.26   29.14
9   9 maidashi m   15.99    16.98     26.55
11 11       ito    f 17.15    16.56   28.78
12 12       ito     f 16.39    16.49       28.29
17 17 hakozaki     f    16.91    17.76        27.77

なお、文字のデータも条件として扱うことができます。
例えば、

<コピペ>
subset (mydata, place == "ito")

と入力した場合、伊都キャンパスで採集した個体のデータのみが抽出されます。

（４）要素の抽出

データフレームから特定の要素を抽出したい場合、

オブジェクト名[行番号, 列番号]

と入力します。

例えば、

<コピペ>
mydata [3,2]

と入力すると、mydata の3行目（個体IDが3のもの）の、2列目（place）に
格納されているデータ、「ito」が返ってきます。

なお、行番号を書かない（例：mydata[,3]）場合にはすべての行を、
列番号を書かない（例：mydata[2,]）場合にはすべての列を抽出します。

一方で、一次元のベクトルから要素を抽出する場合には、

ベクトル名[抽出したい要素の番号]

と入力します。

例えば

mydata$bodylength[3]

と入力すると、mydata$bodylength（データフレーム mydata から列 bodylength を抽出した、
ベクトルのデータ）から、3番目の値（22.85）が抽出されます。

（５）表の作成

データ解析で行うことの１つに、得られたデータをまとめた表の作成が挙げられます。
R では関数 xtabs () を使うことで、簡単に表を作成できます。

これは

xtabs (列名1 ~ 列名2 + 列名3, data = オブジェクト名)

と入力することで、

という表が生成されます（列の要素が２つ以上の場合）。

なお、列名１の名前を書かなかった場合、条件を満たす行の和が算出されます。

また、~ の後に2列より多くの名前を書くこともできます。

xtabs (列名1 ~ 列名2 + 列名3 + 列名4 + 列名5, data = オブジェクト名)

と入力すると、4次元の表を作成できます。
（とはいえ、このような表は直感的に理解しにくいので、大体2次元の表を使います。）

例として、バッタのデータ（mydata）から、各場所（伊都・箱崎・馬出）で
採集したオスとメスの個体数の合計を求めたい場合を考えます。

この場合、

<コピペ>
xtabs (~ place + sei, data = mydata)

と書けば、

        sei
place     f   m
hakozaki   4   3
ito        3 4
maidashi   3 3

という集計結果（＝表）が返されます。

ちなみに、xtabs() を使って平均値の表を計算することもできます。例えば、

<コピペ>
xtabs(bodylength ~ place + sei,data = mydata) / xtabs(~place + sei,data = mydata)

と入力すると、
「場所・性ごとの体長の合計」xtabs(bodylength ~ place + sei,data = mydata) を
「場所・性ごとのデータの数」xtabs(~place + sei,data = mydata)
で割ることになるため、「場所・性ごとの体長の平均」が算出されます。

（６）tidyverseを使ったデータ整理

データの整理に利用できる関数は、上記で説明したもの以外にも様々なものがあります。
というのも、 R はフリーソフトであるため、世界中の様々なユーザーが
より便利で使いやすい関数を日夜、探究しているためです。

他のユーザーが作成した関数は、パッケージにまとめられて提供されています
数あるパッケージの中でも、tidyverse というパッケージ * はデータ整理に役立ちます。
このパッケージを読み込むことで、上述した列や行の抽出といったデータ整理を
より簡単に進めることができます。

＊ tidyverse はデータ整理に便利なパッケージをまとめたパッケージです。
　 tidyverse に含まれる各パッケージや関数には以下のものがあります。

パッケージ	用途	代表的な関数
dplyr	データの選択や追加	filter(), select(), mutate(), group_by(), summarise()
tidyr	データの変形	pivot_wider(), pivot_longer()
stringr	文字列の処理	str_c(), str_detect()
readxl	excelデータの読み込み	read_excel()

R：ゼロから始める解析生活: データ整理

Rでデータ整理

目次