R言語の利点のひとつは、統計処理や種々の分析を試してみるための組み込みデータセットが豊富なところです。他言語からそれらを呼び出す方法を知っていれば、Rユーザーが他の言語を試す際にも便利ですよね。というわけで今回はJuliaからRのデータセットを使う方法を試してみました。
インストールしてhead()してみる
https://github.com/johnmyleswhite/RDatasets.jl
RDatasetsパッケージを使います。
$julia
julia> Pkg.add("RDatasets") # いろいろgit cloneされる
julia> using RDatasets # いろいろprecompileされる
julia> head(RDatasets.datasets("datasets"))
6×5 DataFrames.DataFrame
│ Row │ Package │ Dataset │ Title │ Rows │ Columns │
├─────┼────────────┼────────────────────┼─────────────────────────────────────────────┼──────┼─────────┤
│ 1 │ "datasets" │ "BOD" │ "Biochemical Oxygen Demand" │ 6 │ 2 │
│ 2 │ "datasets" │ "CO2" │ "Carbon Dioxide Uptake in Grass Plants" │ 84 │ 5 │
│ 3 │ "datasets" │ "Formaldehyde" │ "Determination of Formaldehyde" │ 6 │ 2 │
│ 4 │ "datasets" │ "HairEyeColor" │ "Hair and Eye Color of Statistics Students" │ 32 │ 4 │
│ 5 │ "datasets" │ "InsectSprays" │ "Effectiveness of Insect Sprays" │ 72 │ 2 │
│ 6 │ "datasets" │ "LifeCycleSavings" │ "Intercountry Life-Cycle Savings Data" │ 50 │ 6 │
anscombeデータを呼びだしてみる
ちょっと紛らわしいのですが、Rの標準組み込みデータセットは、現在{datasets}という名前のパッケージに含まれています。なので、例えば{datasets}パッケージに含まれているanscombeというデータを呼び出したかったら、以下のように書いて下さい。
なおanscombeデータセットの中身についてはアンスコムの例 - Wikipediaを参照して下さい。
julia> anscombe = RDatasets.dataset("datasets","anscombe")
11×8 DataFrames.DataFrame
│ Row │ X1 │ X2 │ X3 │ X4 │ Y1 │ Y2 │ Y3 │ Y4 │
├─────┼────┼────┼────┼────┼───────┼──────┼───────┼──────┤
│ 1 │ 10 │ 10 │ 10 │ 8 │ 8.04 │ 9.14 │ 7.46 │ 6.58 │
│ 2 │ 8 │ 8 │ 8 │ 8 │ 6.95 │ 8.14 │ 6.77 │ 5.76 │
│ 3 │ 13 │ 13 │ 13 │ 8 │ 7.58 │ 8.74 │ 12.74 │ 7.71 │
│ 4 │ 9 │ 9 │ 9 │ 8 │ 8.81 │ 8.77 │ 7.11 │ 8.84 │
│ 5 │ 11 │ 11 │ 11 │ 8 │ 8.33 │ 9.26 │ 7.81 │ 8.47 │
│ 6 │ 14 │ 14 │ 14 │ 8 │ 9.96 │ 8.1 │ 8.84 │ 7.04 │
│ 7 │ 6 │ 6 │ 6 │ 8 │ 7.24 │ 6.13 │ 6.08 │ 5.25 │
│ 8 │ 4 │ 4 │ 4 │ 19 │ 4.26 │ 3.1 │ 5.39 │ 12.5 │
│ 9 │ 12 │ 12 │ 12 │ 8 │ 10.84 │ 9.13 │ 8.15 │ 5.56 │
│ 10 │ 7 │ 7 │ 7 │ 8 │ 4.82 │ 7.26 │ 6.42 │ 7.91 │
│ 11 │ 5 │ 5 │ 5 │ 8 │ 5.68 │ 4.74 │ 5.73 │ 6.89 │
RDatasetsパッケージが入っていれば、RDatasets.dataset()は、単にdataset()とも書けます。
{datasets}パッケージ以外のデータもすぐ使える
julia> RDatasets.datasets()
733×5 DataFrames.DataFrame
│ Row │ Package │ Dataset │ Title │ Rows │ Columns │
├─────┼─────────┼───────────────────┼──────────────────────────────────────────────────┼───────┼─────────┤
│ 1 │ "COUNT" │ "affairs" │ "affairs" │ 601 │ 18 │
│ 2 │ "COUNT" │ "azdrg112" │ "azdrg112" │ 1798 │ 4 │
│ 3 │ "COUNT" │ "azpro" │ "azpro" │ 3589 │ 6 │
│ 4 │ "COUNT" │ "badhealth" │ "badhealth" │ 1127 │ 3 │
│ 5 │ "COUNT" │ "fasttrakg" │ "fasttrakg" │ 15 │ 9 │
│ 6 │ "COUNT" │ "lbw" │ "lbw" │ 189 │ 10 │
│ 7 │ "COUNT" │ "lbwgrp" │ "lbwgrp" │ 6 │ 7 │
│ 8 │ "COUNT" │ "loomis" │ "loomis" │ 410 │ 11 │
│ 9 │ "COUNT" │ "mdvis" │ "mdvis" │ 2227 │ 13 │
│ 10 │ "COUNT" │ "medpar" │ "medpar" │ 1495 │ 10 │
│ 11 │ "COUNT" │ "rwm" │ "rwm" │ 27326 │ 4 │
│ 12 │ "COUNT" │ "rwm5yr" │ "rwm5yr" │ 19609 │ 17 │
│ 13 │ "COUNT" │ "ships" │ "ships" │ 40 │ 7 │
│ 14 │ "COUNT" │ "titanic" │ "titanic" │ 1316 │ 4 │
│ 15 │ "COUNT" │ "titanicgrp" │ "titanicgrp" │ 12 │ 5 │
│ 16 │ "Ecdat" │ "Accident" │ "Ship Accidents" │ 40 │ 5 │
│ 17 │ "Ecdat" │ "Airline" │ "Cost for U.S. Airlines" │ 90 │ 6 │
│ 18 │ "Ecdat" │ "Airq" │ "Air Quality for Californian Metropolitan Areas" │ 30 │ 6 │
⋮
│ 715 │ "vcd" │ "Hospital" │ "Hospital data" │ 3 │ 4 │
│ 716 │ "vcd" │ "JobSatisfaction" │ "Job Satisfaction Data" │ 8 │ 4 │
│ 717 │ "vcd" │ "JointSports" │ "Opinions About Joint Sports" │ 40 │ 5 │
│ 718 │ "vcd" │ "Lifeboats" │ "Lifeboats on the Titanic" │ 18 │ 8 │
│ 719 │ "vcd" │ "NonResponse" │ "Non-Response Survey Data" │ 12 │ 4 │
│ 720 │ "vcd" │ "OvaryCancer" │ "Ovary Cancer Data" │ 16 │ 5 │
│ 721 │ "vcd" │ "PreSex" │ "Pre-marital Sex and Divorce" │ 16 │ 5 │
│ 722 │ "vcd" │ "Punishment" │ "Corporal Punishment Data" │ 36 │ 5 │
│ 723 │ "vcd" │ "RepVict" │ "Repeat Victimization Data" │ 8 │ 9 │
│ 724 │ "vcd" │ "Saxony" │ "Families in Saxony" │ 13 │ 2 │
│ 725 │ "vcd" │ "SexualFun" │ "Sex is Fun" │ 4 │ 5 │
│ 726 │ "vcd" │ "SpaceShuttle" │ "Space Shuttle O-ring Failures" │ 24 │ 6 │
│ 727 │ "vcd" │ "Suicide" │ "Suicide Rates in Germany" │ 306 │ 6 │
│ 728 │ "vcd" │ "Trucks" │ "Truck Accidents Data" │ 24 │ 5 │
│ 729 │ "vcd" │ "UKSoccer" │ "UK Soccer Scores" │ 5 │ 6 │
│ 730 │ "vcd" │ "VisualAcuity" │ "Visual Acuity in Left and Right Eyes" │ 32 │ 4 │
│ 731 │ "vcd" │ "VonBort" │ "Von Bortkiewicz Horse Kicks Data" │ 280 │ 4 │
│ 732 │ "vcd" │ "WeldonDice" │ "Weldon's Dice Data" │ 11 │ 2 │
│ 733 │ "vcd" │ "WomenQueue" │ "Women in Queues" │ 11 │ 2 │
インストールとコンパイルのログ省略しないver
$ julia
_
_ _ _(_)_ | A fresh approach to technical computing
(_) | (_) (_) | Documentation: http://docs.julialang.org
_ _ _| |_ __ _ | Type "?help" for help.
| | | | | | |/ _` | |
| | |_| | | | (_| | | Version 0.4.5 (2016-03-18 00:58 UTC)
_/ |\__'_|_|_|\__'_| |
|__/ | x86_64-apple-darwin14.5.0
julia> Pkg.add("RDatasets")
INFO: Initializing package repository /Users/takao/.julia/v0.4
INFO: Cloning METADATA from git://github.com/JuliaLang/METADATA.jl
INFO: Cloning cache of BinDeps from git://github.com/JuliaLang/BinDeps.jl.git
INFO: Cloning cache of Compat from git://github.com/JuliaLang/Compat.jl.git
INFO: Cloning cache of DataArrays from git://github.com/JuliaStats/DataArrays.jl.git
INFO: Cloning cache of DataFrames from git://github.com/JuliaStats/DataFrames.jl.git
INFO: Cloning cache of Docile from git://github.com/MichaelHatherly/Docile.jl.git
INFO: Cloning cache of GZip from git://github.com/JuliaIO/GZip.jl.git
INFO: Cloning cache of RDatasets from git://github.com/johnmyleswhite/RDatasets.jl.git
INFO: Cloning cache of Reexport from git://github.com/simonster/Reexport.jl.git
INFO: Cloning cache of Rmath from git://github.com/JuliaStats/Rmath.jl.git
INFO: Cloning cache of SHA from git://github.com/staticfloat/SHA.jl.git
INFO: Cloning cache of SortingAlgorithms from git://github.com/JuliaLang/SortingAlgorithms.jl.git
INFO: Cloning cache of StatsBase from git://github.com/JuliaStats/StatsBase.jl.git
INFO: Cloning cache of StatsFuns from git://github.com/JuliaStats/StatsFuns.jl.git
INFO: Cloning cache of URIParser from git://github.com/JuliaWeb/URIParser.jl.git
INFO: Installing BinDeps v0.3.21
INFO: Installing Compat v0.8.5
INFO: Installing DataArrays v0.3.6
INFO: Installing DataFrames v0.7.5
INFO: Installing Docile v0.5.23
INFO: Installing GZip v0.2.19
INFO: Installing RDatasets v0.1.3
INFO: Installing Reexport v0.0.3
INFO: Installing Rmath v0.1.1
INFO: Installing SHA v0.1.2
INFO: Installing SortingAlgorithms v0.0.6
INFO: Installing StatsBase v0.9.0
INFO: Installing StatsFuns v0.3.0
INFO: Installing URIParser v0.1.5
INFO: Building Rmath
INFO: Package database updated
julia>
julia> using RDatasets
INFO: Precompiling module Reexport...
INFO: Precompiling module DataFrames...
実行環境
julia> versioninfo()
Julia Version 0.4.5
Commit 2ac304d* (2016-03-18 00:58 UTC)
Platform Info:
System: Darwin (x86_64-apple-darwin14.5.0)
CPU: Intel(R) Core(TM) i5-3210M CPU @ 2.50GHz
WORD_SIZE: 64
BLAS: libopenblas (DYNAMIC_ARCH NO_AFFINITY Sandybridge)
LAPACK: libopenblas
LIBM: libopenlibm
LLVM: libLLVM-3.3
julia> now()
2016-07-18T21:17:52
参考資料
- https://en.wikibooks.org/wiki/Introducing_Julia/DataFrames
- http://www.slideshare.net/TokorosawaYoshio/tokyor40-35862024
Enjoy!