データ分析法・第1回「R言語の紹介と基本統計量の復習」

データ分析法学習

授業情報

項目	内容
科目	データ分析法
回数	第1回
テーマ	R言語の紹介と基本統計量の復習
日付	（未記入）

1. R言語とは

R言語（単に「R」とも呼ばれる）は、統計解析ソフトウェアの1つ。多くのデータアナリストに使われているスタンダードなソフト。

①フリーソフト：誰でも無料でPCにインストールして使用できる（SAS・SPSSなどは高額で個人購入は非現実的）
②オープンソース：プログラム（ソースコード）が無料で公開されており、誰でも改良・再配布が可能
- 標準実装されていない分析手法は「パッケージ」としてまとめられ、ダウンロード・インストールすることで使用可能になる
- パッケージの多くは CRAN や Bioconductor で公開されている

1-1. Rのダウンロードとインストール

Windows：CRANサイト（https://cran.r-project.org/）から「Download R for Windows」→「base」→最新版exeをダウンロードしてインストール
- インストール言語は文字化け防止のため "English" を選択するのが無難（インストール中のメッセージ用の言語であり、使用時の言語とは別）
- 日本語メッセージが必要な場合は "Message translations" にチェック
- それ以外はデフォルトのまま "Next>" で進めばOK
Mac：各自で検索してインストール

2. Rの使い方の基本

2-1. フォントの設定

メニュー「編集」⇒「GUIプリファレンス…」で設定画面が開く
デフォルトは "Courier New"。等幅フォントにしたい場合は "MS Gothic" などに変更
文字サイズは "size"、太字は "style=bold" で変更
「Apply」で確認 → 「Save」で保存（"Rconsole"というファイルに保存される）→ 次回は「Load」で同じ設定を再開可能

2-2. 計算式の入力

半角英数で計算式を入力しENTERで計算結果が表示される。式中にスペースがあっても問題ない（例：2 + 3）。

計算式	意味	計算式	意味
`+`	足し算	`/`	割り算
`-`	引き算	`^`	累乗
`*`	掛け算

2-3. 関数の使用

よく使う計算は関数として用意されている。

sqrt(2)   # 2の平方根を計算

2-4. 関数のヘルプ

関数名の前に ?（半角クエスチョン）をつけるとヘルプページが開く。

?round    # round関数のヘルプを表示

2-5. 変数への代入（代入演算子）

変数 = 計算式 の形で入力すると、その変数に計算結果が代入される。代入した変数は他の計算式にも使用できる。

x = 1 + 2   # xに3が代入される

= の代わりに <- でも代入できる
関数の結果などを代入する場合は、適用範囲が厳密な <- を使うのが一般的

2-6. 変数の注意点

半角英数のほか全角かなも使用可能（例：「得点」「評価」もOK）
大文字・小文字は区別される（X と x は別物）
半角数字も使用可能だが、変数名の先頭には使えない（f1はOKだが1fはNG）
以下は変数名として使用できない：

break else FALSE for function if in Inf NA NaN next NULL repeat TRUE while

3. データの読み込み

読み込み方法は3種類：

直接入力する
Excelファイルを直接読み込む（専用パッケージが必要。CSV形式で保存してから読み込む方が簡単なのでおすすめ）
テキストファイル（CSV／TSV）を読み込む

3-1. 直接入力（`c()`関数）

x1 <- c(22, 31, 27, 20, 28, 42, 19)   # 連続データをベクトルとして変数に代入

数値はカンマ区切り
文字列ではなくベクトルとして代入されるため、そのまま計算に使える

3-2. ファイルを読み込む（`read.csv()`関数）

Excelでデータを作成 → CSV形式で保存（保存時のダイアログはすべて「はい」でOK）
先頭行に**変数名（列名）**を残しておくとよい
- ⚠️ 講義内では、CSVの列見出し（例："a"）はRの「変数」と区別するため「引数」と呼ぶ
Rのメニュー「ファイル」⇒「ディレクトリの変更」で作業ディレクトリ（読み込み・書き出し先のフォルダ）を指定する
- Mac版は「その他」⇒「作業ディレクトリの変更」

x2 <- read.csv("data1.csv")            # 先頭行を変数名として自動認識
x2 <- read.csv("data1.csv", header=F)  # 先頭行も数値データとして読み込む場合

read.csv() で読み込んだデータはデータフレームという型になる。見た目は2次元配列だが、行・列にラベルがあり、ラベルで操作できる

⚠️ ファイル読み込み時によくあるエラー（参考資料②より）

作業ディレクトリの指定間違い・指定先にファイルが無い

コマンド中に全角文字が混ざっている（" ( ) . などは必ず半角で）

zipファイルから直接読み込もうとしている → 解凍してから読み込むこと

4. 統計量の算出

4-1. 平均値（算術平均）

mean()関数の( )内に計算対象の変数・引数を指定する。

mean(x)        # ベクトルxの平均値
mean(x$a)      # データフレームxの中の引数aの平均値（「変数$引数」で指定）

4-2. その他の統計量

Table 1.2　代表的な関数①

関数名	意味	関数名	意味
`sqrt(x)`	平方根	`mean(x)`	平均値（算術平均）
`abs(x)`	絶対値	`sd(x)`	標準偏差（不偏推定値）
`round(x)`	四捨五入	`var(x)`	不偏分散
`exp(x)`	指数関数	`sum(x)`	総和
`log(x)`	自然対数	`median(x)`	中央値
`log10(x)`	常用対数	`min(x)`	最小値
		`max(x)`	最大値

Table 1.3　代表的な関数②

関数名	意味	出力される統計量
`range(x)`	範囲	最小値・最大値
`summary(x)`	要約統計量	最小値・第1四分位・中央値・平均値・第3四分位・最大値
`fivenum(x)`	5数要約	最小値・第1四分位・中央値・第3四分位・最大値
`quantile(x)`	クォンタイル点	最小値・第1四分位・中央値・第3四分位・最大値
`IQR(x)`	四分位偏差	第3四分位－第1四分位

5. 例題・練習問題

例題①：直接入力（`c()`関数）

データ：54, 67, 50, 48, 64, 77（小数点は2桁まで）

x <- c(54, 67, 50, 48, 64, 77)
mean(x)     # 平均値
sd(x)       # 標準偏差（不偏推定値）
median(x)   # 中央値

①平均値	②標準偏差	③中央値
60	11.26	59

例題②：CSV読み込み（配布資料 data2.csv）

a群・b群それぞれの統計量を算出。

x <- read.csv("data2.csv")
mean(x$a); sd(x$a); median(x$a)
mean(x$b); sd(x$b); median(x$b)

	①平均値	②標準偏差	③中央値
a	187.77	8.19	187
b	156.85	8.05	157

練習問題①：CSV読み込み（配布資料 data3.csv）