Enviar búsqueda
Cargar
Tokyo r38
•
Descargar como PPTX, PDF
•
6 recomendaciones
•
5,918 vistas
Takashi Minoda
Seguir
初心者のためのRの使い方
Leer menos
Leer más
Internet
Denunciar
Compartir
Denunciar
Compartir
1 de 28
Descargar ahora
Recomendados
Tokyo r39 beginner
Tokyo r39 beginner
Takashi Minoda
10分で分かるr言語入門ver2.10 14 1101
10分で分かるr言語入門ver2.10 14 1101
Nobuaki Oshiro
Tokyo r30 beginner
Tokyo r30 beginner
Takashi Minoda
Tokyo r47 beginner_2
Tokyo r47 beginner_2
Takashi Minoda
Tokyo r33 beginner
Tokyo r33 beginner
Takashi Minoda
Tokyo r50 beginner_2
Tokyo r50 beginner_2
Takashi Minoda
10分で分かるr言語入門ver2 upload用
10分で分かるr言語入門ver2 upload用
Nobuaki Oshiro
Tokyo r28 1
Tokyo r28 1
Takashi Minoda
Recomendados
Tokyo r39 beginner
Tokyo r39 beginner
Takashi Minoda
10分で分かるr言語入門ver2.10 14 1101
10分で分かるr言語入門ver2.10 14 1101
Nobuaki Oshiro
Tokyo r30 beginner
Tokyo r30 beginner
Takashi Minoda
Tokyo r47 beginner_2
Tokyo r47 beginner_2
Takashi Minoda
Tokyo r33 beginner
Tokyo r33 beginner
Takashi Minoda
Tokyo r50 beginner_2
Tokyo r50 beginner_2
Takashi Minoda
10分で分かるr言語入門ver2 upload用
10分で分かるr言語入門ver2 upload用
Nobuaki Oshiro
Tokyo r28 1
Tokyo r28 1
Takashi Minoda
10分で分かるr言語入門ver2.9 14 0920
10分で分かるr言語入門ver2.9 14 0920
Nobuaki Oshiro
10分で分かるr言語入門ver2.14 15 0905
10分で分かるr言語入門ver2.14 15 0905
Nobuaki Oshiro
10分で分かるr言語入門ver2.15 15 1010
10分で分かるr言語入門ver2.15 15 1010
Nobuaki Oshiro
2016年6月版データマエショリスト入門
2016年6月版データマエショリスト入門
Yuya Matsumura
HiRoshimaR3_IntroR
HiRoshimaR3_IntroR
SAKAUE, Tatsuya
HiroshimaR4_LT_sakaue
HiroshimaR4_LT_sakaue
SAKAUE, Tatsuya
R入門(dplyrでデータ加工)-TokyoR42
R入門(dplyrでデータ加工)-TokyoR42
Atsushi Hayakawa
Yamadai.R チュートリアルセッション
Yamadai.R チュートリアルセッション
考司 小杉
Hiroshimar4_Rintro
Hiroshimar4_Rintro
SAKAUE, Tatsuya
HiroshimaR6_Introduction
HiroshimaR6_Introduction
SAKAUE, Tatsuya
HiroshimaR5_Intro
HiroshimaR5_Intro
SAKAUE, Tatsuya
Gensim
Gensim
saireya _
初心者のためのRとRStudio入門 vol.2
初心者のためのRとRStudio入門 vol.2
OWL.learn
JASELE2015-KumamotoWS
JASELE2015-KumamotoWS
SAKAUE, Tatsuya
10分で分かるr言語入門ver2.5
10分で分かるr言語入門ver2.5
Nobuaki Oshiro
20170312 r言語環境構築&dplyr ハンズオン
20170312 r言語環境構築&dplyr ハンズオン
Nobuaki Oshiro
Rstudio事始め
Rstudio事始め
Takashi Yamane
マルウェア分類に用いられる特徴量 Kaggle - Malware Classification Challenge勉強会
マルウェア分類に用いられる特徴量 Kaggle - Malware Classification Challenge勉強会
Takeshi Ishita
rstanで個人のパラメーターを推定した話
rstanで個人のパラメーターを推定した話
Yuya Matsumura
プログラマのための文書推薦入門
プログラマのための文書推薦入門
y-uti
R勉強会40回lt
R勉強会40回lt
Hisashi Nakayama
ハイブリッド型樹木法
ハイブリッド型樹木法
Mitsuo Shimohata
Más contenido relacionado
La actualidad más candente
10分で分かるr言語入門ver2.9 14 0920
10分で分かるr言語入門ver2.9 14 0920
Nobuaki Oshiro
10分で分かるr言語入門ver2.14 15 0905
10分で分かるr言語入門ver2.14 15 0905
Nobuaki Oshiro
10分で分かるr言語入門ver2.15 15 1010
10分で分かるr言語入門ver2.15 15 1010
Nobuaki Oshiro
2016年6月版データマエショリスト入門
2016年6月版データマエショリスト入門
Yuya Matsumura
HiRoshimaR3_IntroR
HiRoshimaR3_IntroR
SAKAUE, Tatsuya
HiroshimaR4_LT_sakaue
HiroshimaR4_LT_sakaue
SAKAUE, Tatsuya
R入門(dplyrでデータ加工)-TokyoR42
R入門(dplyrでデータ加工)-TokyoR42
Atsushi Hayakawa
Yamadai.R チュートリアルセッション
Yamadai.R チュートリアルセッション
考司 小杉
Hiroshimar4_Rintro
Hiroshimar4_Rintro
SAKAUE, Tatsuya
HiroshimaR6_Introduction
HiroshimaR6_Introduction
SAKAUE, Tatsuya
HiroshimaR5_Intro
HiroshimaR5_Intro
SAKAUE, Tatsuya
Gensim
Gensim
saireya _
初心者のためのRとRStudio入門 vol.2
初心者のためのRとRStudio入門 vol.2
OWL.learn
JASELE2015-KumamotoWS
JASELE2015-KumamotoWS
SAKAUE, Tatsuya
10分で分かるr言語入門ver2.5
10分で分かるr言語入門ver2.5
Nobuaki Oshiro
20170312 r言語環境構築&dplyr ハンズオン
20170312 r言語環境構築&dplyr ハンズオン
Nobuaki Oshiro
Rstudio事始め
Rstudio事始め
Takashi Yamane
マルウェア分類に用いられる特徴量 Kaggle - Malware Classification Challenge勉強会
マルウェア分類に用いられる特徴量 Kaggle - Malware Classification Challenge勉強会
Takeshi Ishita
rstanで個人のパラメーターを推定した話
rstanで個人のパラメーターを推定した話
Yuya Matsumura
プログラマのための文書推薦入門
プログラマのための文書推薦入門
y-uti
La actualidad más candente
(20)
10分で分かるr言語入門ver2.9 14 0920
10分で分かるr言語入門ver2.9 14 0920
10分で分かるr言語入門ver2.14 15 0905
10分で分かるr言語入門ver2.14 15 0905
10分で分かるr言語入門ver2.15 15 1010
10分で分かるr言語入門ver2.15 15 1010
2016年6月版データマエショリスト入門
2016年6月版データマエショリスト入門
HiRoshimaR3_IntroR
HiRoshimaR3_IntroR
HiroshimaR4_LT_sakaue
HiroshimaR4_LT_sakaue
R入門(dplyrでデータ加工)-TokyoR42
R入門(dplyrでデータ加工)-TokyoR42
Yamadai.R チュートリアルセッション
Yamadai.R チュートリアルセッション
Hiroshimar4_Rintro
Hiroshimar4_Rintro
HiroshimaR6_Introduction
HiroshimaR6_Introduction
HiroshimaR5_Intro
HiroshimaR5_Intro
Gensim
Gensim
初心者のためのRとRStudio入門 vol.2
初心者のためのRとRStudio入門 vol.2
JASELE2015-KumamotoWS
JASELE2015-KumamotoWS
10分で分かるr言語入門ver2.5
10分で分かるr言語入門ver2.5
20170312 r言語環境構築&dplyr ハンズオン
20170312 r言語環境構築&dplyr ハンズオン
Rstudio事始め
Rstudio事始め
マルウェア分類に用いられる特徴量 Kaggle - Malware Classification Challenge勉強会
マルウェア分類に用いられる特徴量 Kaggle - Malware Classification Challenge勉強会
rstanで個人のパラメーターを推定した話
rstanで個人のパラメーターを推定した話
プログラマのための文書推薦入門
プログラマのための文書推薦入門
Destacado
R勉強会40回lt
R勉強会40回lt
Hisashi Nakayama
ハイブリッド型樹木法
ハイブリッド型樹木法
Mitsuo Shimohata
Dynamic panel in tokyo r
Dynamic panel in tokyo r
Shota Yasui
20140614 tokyo r lt
20140614 tokyo r lt
tetsuro ito
TokyoR40
TokyoR40
TokorosawaYoshio
チェビシェフの不等式
チェビシェフの不等式
hoxo_m
独立成分分析とPerfume
独立成分分析とPerfume
Yurie Oka
RとWeb API
RとWeb API
Yohei Sato
はじめての「R」
はじめての「R」
Masahiro Hayashi
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
Hiroshi Shimizu
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
決定木学習
決定木学習
Mitsuo Shimohata
Introduction to statistics
Introduction to statistics
Kohta Ishikawa
企業における統計学入門
企業における統計学入門
antibayesian 俺がS式だ
Destacado
(14)
R勉強会40回lt
R勉強会40回lt
ハイブリッド型樹木法
ハイブリッド型樹木法
Dynamic panel in tokyo r
Dynamic panel in tokyo r
20140614 tokyo r lt
20140614 tokyo r lt
TokyoR40
TokyoR40
チェビシェフの不等式
チェビシェフの不等式
独立成分分析とPerfume
独立成分分析とPerfume
RとWeb API
RとWeb API
はじめての「R」
はじめての「R」
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
Stanコードの書き方 中級編
Stanコードの書き方 中級編
決定木学習
決定木学習
Introduction to statistics
Introduction to statistics
企業における統計学入門
企業における統計学入門
Similar a Tokyo r38
Learning spaerk chapter03
Learning spaerk chapter03
Akimitsu Takagi
使い捨て python コードの書き方
使い捨て python コードの書き方
Sho Shimauchi
Tokyo r45 beginner_2
Tokyo r45 beginner_2
Takashi Minoda
再考: お買い得物件を機械学習で見つける方法
再考: お買い得物件を機械学習で見つける方法
智志 片桐
EmbulkとDigdagとデータ分析基盤と
EmbulkとDigdagとデータ分析基盤と
Toru Takahashi
EmbulkとDigdagとデータ分析基盤と
EmbulkとDigdagとデータ分析基盤と
Toru Takahashi
DLR言語によるSilverlightプログラミング
DLR言語によるSilverlightプログラミング
terurou
Janog31 bof-pattern-sasaki-01
Janog31 bof-pattern-sasaki-01
Ken SASAKI
pythonでオフィス快適化計画
pythonでオフィス快適化計画
Kazufumi Ohkawa
OSC福岡 20111203
OSC福岡 20111203
Hiroshi Bunya
Gorinphp0729
Gorinphp0729
akitsukada
Gorinphp0729
Gorinphp0729
akitsukada
SageMaker Neoの可能性について- 第3回 Amazon SageMaker 事例祭り+体験ハンズオン
SageMaker Neoの可能性について- 第3回 Amazon SageMaker 事例祭り+体験ハンズオン
tomohiro kato
勉強会 Cvml python基礎
勉強会 Cvml python基礎
真哉 杉野
位置情報を使ったサービス「スマポ」をPostgreSQLで作ってみた db tech showcase 2013 Tokyo
位置情報を使ったサービス「スマポ」をPostgreSQLで作ってみた db tech showcase 2013 Tokyo
Yoshiyuki Asaba
2020/11/19 Global AI on Tour - Toyama プログラマーのための機械学習入門
2020/11/19 Global AI on Tour - Toyama プログラマーのための機械学習入門
Daiyu Hatakeyama
Deep Learningハンズオン勉強会「Caffeで画像分類を試してみようの会」
Deep Learningハンズオン勉強会「Caffeで画像分類を試してみようの会」
Yasuyuki Sugai
R超入門機械学習をはじめよう
R超入門機械学習をはじめよう
幹雄 小川
osc_tokyo20100226
osc_tokyo20100226
Shoken Fujisaki
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
Katsuhiro Morishita
Similar a Tokyo r38
(20)
Learning spaerk chapter03
Learning spaerk chapter03
使い捨て python コードの書き方
使い捨て python コードの書き方
Tokyo r45 beginner_2
Tokyo r45 beginner_2
再考: お買い得物件を機械学習で見つける方法
再考: お買い得物件を機械学習で見つける方法
EmbulkとDigdagとデータ分析基盤と
EmbulkとDigdagとデータ分析基盤と
EmbulkとDigdagとデータ分析基盤と
EmbulkとDigdagとデータ分析基盤と
DLR言語によるSilverlightプログラミング
DLR言語によるSilverlightプログラミング
Janog31 bof-pattern-sasaki-01
Janog31 bof-pattern-sasaki-01
pythonでオフィス快適化計画
pythonでオフィス快適化計画
OSC福岡 20111203
OSC福岡 20111203
Gorinphp0729
Gorinphp0729
Gorinphp0729
Gorinphp0729
SageMaker Neoの可能性について- 第3回 Amazon SageMaker 事例祭り+体験ハンズオン
SageMaker Neoの可能性について- 第3回 Amazon SageMaker 事例祭り+体験ハンズオン
勉強会 Cvml python基礎
勉強会 Cvml python基礎
位置情報を使ったサービス「スマポ」をPostgreSQLで作ってみた db tech showcase 2013 Tokyo
位置情報を使ったサービス「スマポ」をPostgreSQLで作ってみた db tech showcase 2013 Tokyo
2020/11/19 Global AI on Tour - Toyama プログラマーのための機械学習入門
2020/11/19 Global AI on Tour - Toyama プログラマーのための機械学習入門
Deep Learningハンズオン勉強会「Caffeで画像分類を試してみようの会」
Deep Learningハンズオン勉強会「Caffeで画像分類を試してみようの会」
R超入門機械学習をはじめよう
R超入門機械学習をはじめよう
osc_tokyo20100226
osc_tokyo20100226
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
Más de Takashi Minoda
Introduction r (R入門)
Introduction r (R入門)
Takashi Minoda
RStudioでRをはじめよう(R for Beginner using RStudio)
RStudioでRをはじめよう(R for Beginner using RStudio)
Takashi Minoda
RからGoogle Cloud Vision API を利用する
RからGoogle Cloud Vision API を利用する
Takashi Minoda
TokyoR:RMarkdownでレポート作成
TokyoR:RMarkdownでレポート作成
Takashi Minoda
Rとデータベース 第61回 Tokyo.R
Rとデータベース 第61回 Tokyo.R
Takashi Minoda
Tokyo r49 beginner
Tokyo r49 beginner
Takashi Minoda
Tokyo r47 beginner
Tokyo r47 beginner
Takashi Minoda
Tokyo r30 anova_part2
Tokyo r30 anova_part2
Takashi Minoda
Tokyo r30 anova
Tokyo r30 anova
Takashi Minoda
Tokyo r27
Tokyo r27
Takashi Minoda
Tokyo r24 r_graph_tutorial
Tokyo r24 r_graph_tutorial
Takashi Minoda
Tokyo r21 修正版
Tokyo r21 修正版
Takashi Minoda
Tokyo r21 2
Tokyo r21 2
Takashi Minoda
Tokyo r18
Tokyo r18
Takashi Minoda
Tokyo r sqldf
Tokyo r sqldf
Takashi Minoda
ggplot2 110129
ggplot2 110129
Takashi Minoda
ggplot2 110129
ggplot2 110129
Takashi Minoda
Japan r 101127
Japan r 101127
Takashi Minoda
Tokyo r r_excel
Tokyo r r_excel
Takashi Minoda
Tokyo r no8_海外サイトの紹介
Tokyo r no8_海外サイトの紹介
Takashi Minoda
Más de Takashi Minoda
(20)
Introduction r (R入門)
Introduction r (R入門)
RStudioでRをはじめよう(R for Beginner using RStudio)
RStudioでRをはじめよう(R for Beginner using RStudio)
RからGoogle Cloud Vision API を利用する
RからGoogle Cloud Vision API を利用する
TokyoR:RMarkdownでレポート作成
TokyoR:RMarkdownでレポート作成
Rとデータベース 第61回 Tokyo.R
Rとデータベース 第61回 Tokyo.R
Tokyo r49 beginner
Tokyo r49 beginner
Tokyo r47 beginner
Tokyo r47 beginner
Tokyo r30 anova_part2
Tokyo r30 anova_part2
Tokyo r30 anova
Tokyo r30 anova
Tokyo r27
Tokyo r27
Tokyo r24 r_graph_tutorial
Tokyo r24 r_graph_tutorial
Tokyo r21 修正版
Tokyo r21 修正版
Tokyo r21 2
Tokyo r21 2
Tokyo r18
Tokyo r18
Tokyo r sqldf
Tokyo r sqldf
ggplot2 110129
ggplot2 110129
ggplot2 110129
ggplot2 110129
Japan r 101127
Japan r 101127
Tokyo r r_excel
Tokyo r r_excel
Tokyo r no8_海外サイトの紹介
Tokyo r no8_海外サイトの紹介
Tokyo r38
1.
はじめての TOKYO.R #38 簑田 高志
2.
目次 1. 自己紹介 2. なぜこの話をしようと思ったのか 3.
はじめてRをさわる i. インストール ii. 起動と終了 iii. デモ(demo())を使ってみよう iv. データへのアクセス方法 v. データ集計方法 vi. 関数 vii.自作関数(fucntion) viii.パッケージ 4. 次のステップ 5. まとめ ※ スクリーンショットや機能等はMac版となります。 基本的にはWindowsも同じものがあるはずです。
3.
• 名前 :簑田
高志 • Twitter :aad34210 • ブログ :http://pracmper.blogspot.com/ • 仕事 :インターネット広告のビジネスアナリスト 自己紹介
4.
なぜこの話をしようと思ったのか いきなりですが、ちょっと質問です。 • Rに興味があって使ってみようかなと 思っている方 • Rを始めて数日〜数週間の方 •
プログラムは作ったことがない方
5.
なぜこの話をしようと思ったのか そんな皆様 この後のお話は、こんなプログラムが結構 出てきます。(くるかも) 覚悟はいいですか?
6.
なぜこの話をしようと思ったのか というのは冗談です。 しかし、Rを使う場合は、 少なからずプログラム的な記述をする必要 があります。 これからの話は、 • 初めての方でも、この後の話でついてい けるように、 • ごく初歩的なRの使い方の話をしようと 思います。 (評判が良ければ連載かも…)
7.
はじめてRをさわる- Ⅰインストール • Rのインストールは以下のサイトからファイルをダウンロード・展開することによって 利用をすることができます。 http://www.r-project.org/ 利用環境に合わせて ファイルをダウンロード・ インストール
8.
はじめてRをさわる - Ⅱ起動と終了 •
無事にインストールが終わると、 👇のようなアイコンが現れます。これをダブルクリックして起動できます。 ここにRのコマンドを 入れていきます。
9.
はじめてRをさわる - Ⅱ起動と終了 •
このコマンドライン…実は結構くせ物。 改行で実行してしまうので、テキストエディタなどを使ってコピペしながらやってみるの が良いかも。 Rのデフォルトエディタも利用可能。 ファイル > 新規文書で起動。 コマンドを選択👉“command + enter” でコンソールで実行します。
10.
はじめてRをさわる - Ⅱ起動と終了 終了する際は、quit()
コマンド、もしくは、ツールバーのR>Rを終了を選択。 • Rは、それまでのプログラムや実行内容を“ワークスーペース” というファイルに保存します。 • 次回、そのワークスペースでRを起動したり、ワークスペースを読み出したりすると、 前回保存したときまでの環境がそのまま利用できます。
11.
はじめてRをさわる – RSTUDIOを使う いけてるRの統合環境
「Rstudio」をつかってもOK https://www.rstudio.com/
12.
はじめてRをさわる - Ⅲデモを使ってみよう •
市販本だとここで“iris”というデータを触ってみます。 • ですが、Rでどんなことができるのか?ということをみるために、「demo()」という 関数を使ってみましょう。 demo(graphics) を実行してみよう。
13.
はじめてRをさわる - Ⅲデモを使ってみよう •
Reternキーを押すたびにグラフが表示されます。 この機能を使って 「Rってどんなの?」とか、 「Rって使えるの?」という質問を 上司・友達の 華麗にかわせます。 人間はビジュアルに弱いです。
14.
はじめてRをさわる - Ⅳデータアクセス方法 •
実際にデータを触ってみよう。 • “Iris”というアヤメのがくの長さ、種類などを記録しているデータがあります。 iris データをすべて表示させます。 行数の多いデータを触る場合は 気をつけて。 head(iris , 10) 最初の10行を表示します。 デフォルトは6行を表示。 tail(iris , 10) 最後の10行を表示します。 デフォルトは6行を表示。
15.
はじめてRをさわる - Ⅳデータアクセス方法 •
すべてのデータは必要なくて、特定の項目だけアクセスしたい場合。 • 2つの方法があります。 Iris$Sepal.Length 特定のにアクセス。 ベクトルで結果を返す。 Iris[,1] | iris[1,1] Iris[行,列]でアクセス。 細かく値を確認するときに重宝。 head(iris[,1] , 10) 2番目を応用して、関数に 入れることができます。 Irisの一列目の10行まで を指定している。 ☝これはよく利用するの で覚えていて損はありま せん。
16.
はじめてRをさわる – Ⅴデータ集計方法 •
多くの解析の場合、まず「データを集計してみる」という作業が発生します。 • Rには多くの集計方法があります。(パッケージとかを利用する) • まずはデフォルトで利用できるapply系の集計方法を試してみます。 apply(データ範囲, 集計方向, 関数) • apply(iris[1:4] , 2 , sum) 各列を合計 • apply(iris[1:4] , 2 , mean) 各列の平均 • apply(iris[1:4] , 2 , sd) 各列の標準偏差 • apply(iris[1:4] , 2 ,quantile) 各列の四分点
17.
はじめてRをさわる – Ⅴデータ集計方法 •
多くの場合、だいたい「カテゴリデータ」ごとで集計することが多いと思います。 • その場合は、tapply()を利用します。 tapply(集計データ, 集計グループ, 関数) • tapply(iris[,1] , iris[,5] , sum) 各列を合計 • tapply(iris[,1] , iris[,5] , mean) 各列の平均 • tapply(iris[,1] , iris[,5] , sd) 各列の標準偏差 • tapply(iris[,1] , iris[,5] , quantile) 各列の四分点
18.
はじめてRをさわる – Ⅴデータ集計方法 •
aggregate()という関数もあります。 • この関数のほうが“集計”という意味ではイメージしやすいかも。 aggregate(集計対象,集計カテゴリ,関数) • aggregate(iris[,1:4] , list(name = iris$Species) , sum) 各列を合計 • aggregate(iris[,1:4] , list(name = iris$Species) , mean) 各列の平均 • aggregate(iris[,1:4] , list(name = iris$Species) , sd) 各列の標準偏差 • aggregate(iris[,1:4] , list(name = iris$Species) , quantile) 各列の四分点
19.
はじめてRをさわる – Ⅴデータ集計方法 •
これら以外でも、集計方法はあります。 • ”plyr”や、”dplyr”,SQLを利用できる方は”sqldf”などがあります。 ddply(full_list, c("Subject","Class"), function(df) return(c(AVERAGE=mean(df$RT )))) ■パッケージ:plyr ■パッケージ:sqldf ■参考資料 http://cran.r- project.org/web/packages/plyr/i ndex.html http://plyr.had.co.nz/ sqldf(“SELECT Species , COUNT(*) as num FROM iris GROUP BY Species”) ■参考資料 http://code.google.com/p/sqldf/ http://www.slideshare.net/aad34210/tok o-r-sqldf 過去にTokyoRで発表しました
20.
はじめてRをさわる – Ⅵ
関数 • これまで、紹介したコードの中に、sum() , mean() などがでてきました。 • Rでは、Excelなどと同じように関数が準備してあります。 • すべてを紹介するのはかなり分量が多いので、主立ったところを紹介します。 関数 説明 使用例 Sum() 言わずと知れた、誰でも知っている関数。合計。 Sum(iris[,1]) Mean() 言わずと知れた、誰でも知っている関数。平均。 Mean(iris[,1]) sd() あんまり普段は使うことはないかも。標準偏差。 Sd(iris[,1]) Var() あんまり普段は使うことはないかも。分散 Var(iris[,1]) Max() みんな知ってる最大値。 max(iris[,1]) Min() みんな知ってる最小値。 Min(iris[,1]) Rank() ランキングを返す rank(iris[,1]) Cor() 相関係数を返す cor(iris[,1] , iris[,2]) ・ ・ ・
21.
はじめてRをさわる – Ⅵ
関数 • さらっと、どんな関数があるかを知りたい方は、以下の資料を参考にする と良いかもしれません。 • http://cran.r-project.org/doc/contrib/Short-refcard.pdf 👉 Math の項目が関数。 👉 Rでどんなことができるのかが一覧になっているので便利。 Cheet Sheet、カンニングペーパーとも言います。
22.
はじめてRをさわる – Ⅶ
自作関数(FUNCTION) • Rにこなれてくると、変数を使ったり、分岐させたり、ループさせたり… • 大きなプログラムになってきます。 👉 そこで、function()を利用して、自分で関数を作ることができます。 • 例えば、入力された値が「プラス」であれば、「+」、マイナスであれば「ー」を返 す関数を作ってみる。 judge_value <- function(v) { z <- ifelse(v >= 0 , "+" , "-") print(z) } judge_value(v <- -10) judge_value(v <- 10) Judge_valueという関数を定義 入力されたvが0以上であれば“+” それ以外であれば“ー” を表示しなさい。 “−”が表示 “+”が表示
23.
はじめてRをさわる – Ⅶ
自作関数(FUNCTION) • 最初に見せたコードをよく見てみると… • 実はFunction()を使ったコードなのです。 なので、びっくりする必要ありません!
24.
はじめてRをさわる – Ⅷ
パッケージ • 世界中の人がRのパッケージを作って公開しています。 • あなたがやりたいこと・解決したい問題は、 きっと世界の誰かが解決してくれています。 誰もやっていなかったら自分でやってみましょう! • パッケージを利用できるようになると、ぐっとRを使いこなしてる感が高まります。 パッケージ 調査 Rへインス トール 説明を読む 使ってみる ■パッケージの導入の流れ • どんな処理をさせたいかをイメージ • CRAN Task Viewを見て見る • http://cran.r- project.org/web/views/ • 海外ブログを見てみる。 • Twitter、Facebookとかで調査 • Yahoo!で検索してみる。 • Install.packages()を 使ってインストール • パッケージのVignettes を読んで使い方、イン プット・アウトプットを学 ぶ • http://cran.r- project.org/web/pack ages/zoo/index.html • 使ってみる!
25.
はじめてRをさわる – Ⅷ
パッケージ • Install.packages()を使ってみる。 • ggplot2をインストールしてみましょう。 • install.packages("ggplot2”)と いうコマンドを入力すると、取得 する場所を選択 • 選択すると、パッケージをダウン ロード開始。 • Library(ggplot2) で、実際に使 えるようになります。
26.
次のステップ • これでRの機能をすべて紹介したわけではありません。 • 次のステップでは、以下のようなことをやってみると、よりRを使いこなせるよう になるかと思います。 •条件分岐・ループ •グラフ作成 •データベースとの接続 •統計解析
27.
まとめ • 今日のまとめ 1. インストール
:CRANからRの実行ファイルをDL&インストール 2. デモ :demo() を使って華麗に対応 3. データアクセス :iris , iris$Sepal.length , iris[1,1] , head(iris , 10) 4. データ集計 :apply系 , aggregate , plyr , sqldf 5. 関数 :sum() , mean() , sd() … 6. 自作関数 :function() 7. パッケージ :install.packages()
28.
ご静聴ありがとうございました m(___)m
Descargar ahora