統計用R言語データ解析用チートシート

Rでデータ解析する際に必要な知識周り

help

R

help(base)  # packageのヘルプも
help(array)  # functionのヘルプも
help(class(1))  # instanceのヘルプはこうする(1はインスタンスの例)
?array  # ?でhelp関数と同等のことができる
??arr  # fuzzy matchでヘルプ検索

Package まわり

R

install.packages('ggplot2')  # パッケージのインストール
install.packages()  # パッケージを一覧から選択してインストール
library(ggplot2)  # パッケージの読み込み。installされていないと使えない

DataFrame

R-console

> head(diamonds)
  carat       cut color clarity depth table price    x    y    z
1  0.23     Ideal     E     SI2  61.5    55   326 3.95 3.98 2.43
2  0.21   Premium     E     SI1  59.8    61   326 3.89 3.84 2.31
3  0.23      Good     E     VS1  56.9    65   327 4.05 4.07 2.31
4  0.29   Premium     I     VS2  62.4    58   334 4.20 4.23 2.63
5  0.31      Good     J     SI2  63.3    58   335 4.34 4.35 2.75
6  0.24 Very Good     J    VVS2  62.8    57   336 3.94 3.96 2.48
> names(diamonds)
 [1] "carat"   "cut"     "color"   "clarity" "depth"   "table"   "price"  
 [8] "x"       "y"       "z"  
> ncol(diamonds)
[1] 10
> nrow(diamonds)
[1] 53940
> dim(diamonds)
[1] 53940    10
> options(width = 90)  # (横幅を指定)
> summary(diamonds)
     carat               cut        color        clarity          depth      
 Min.   :0.2000   Fair     : 1610   D: 6775   SI1    :13065   Min.   :43.00  
 1st Qu.:0.4000   Good     : 4906   E: 9797   VS2    :12258   1st Qu.:61.00  
 Median :0.7000   Very Good:12082   F: 9542   SI2    : 9194   Median :61.80  
 Mean   :0.7979   Premium  :13791   G:11292   VS1    : 8171   Mean   :61.75  
 3rd Qu.:1.0400   Ideal    :21551   H: 8304   VVS2   : 5066   3rd Qu.:62.50  
 Max.   :5.0100                     I: 5422   VVS1   : 3655   Max.   :79.00  
                                    J: 2808   (Other): 2531                  
     table           price             x                y                z         
 Min.   :43.00   Min.   :  326   Min.   : 0.000   Min.   : 0.000   Min.   : 0.000  
 1st Qu.:56.00   1st Qu.:  950   1st Qu.: 4.710   1st Qu.: 4.720   1st Qu.: 2.910  
 Median :57.00   Median : 2401   Median : 5.700   Median : 5.710   Median : 3.530  
 Mean   :57.46   Mean   : 3933   Mean   : 5.731   Mean   : 5.735   Mean   : 3.539  
 3rd Qu.:59.00   3rd Qu.: 5324   3rd Qu.: 6.540   3rd Qu.: 6.540   3rd Qu.: 4.040  
 Max.   :95.00   Max.   :18823   Max.   :10.740   Max.   :58.900   Max.   :31.800  
> qplot(carat, price, color = clarity, data = diamonds)
> qplot(diamonds$carat, diamonds$price, color = diamonds$clarity)
> ggplot(diamonds, aes(x=carat, y=price, color=clarity)) + geom_point()

qplot / ggplot の結果

CSVから読み込む場合

input.csv

X,Y
1,1
3,4
5,7

R-console

> read.csv('input.csv')
  X Y
1 1 1
2 3 4
3 5 7

関数はこんな感じの定義 (?read.csvより引用)

read.csv(file, header = TRUE, sep = ",", quote = "\"",
         dec = ".", fill = TRUE, comment.char = "", ...)

PostgreSQLから読み込む場合

MySQLはRMySQL, SQLiteはRSQLiteを使う

R

require('RPostgreSQL') # 初回はinstall.packages('RPostgreSQL')が必要
con <- dbConnect(PostgreSQL(), host="localhost", port=5432, dbname="dev", user="postgres", password="")
data <- dbGetQuery(con, "SELECT * FROM users LIMIT 1000")
## 量が多い時: dbGetQuery => dbSendQuery,dbFetch,dbClearResult
rs <- dbSendQuery(SELECT * FROM users)
while(!dbHasCompleted(rs)) {
  chunk <- dbFetch(rs, 1000)
  # ここでchunkに何らかの処理
}
dbClearResult(rs)
## しっかりDisconnect
dbDisconnect(con)

その他使える関数

R

tables <- dbListTables(con)
fields <- dbListFields(con, tables[1])
data <- dbReadTable(con, tables[1])

TODO

• 画像の出力
• ggplotのfacetsや半透明化, jitter処理での可視化周り
• 新規データポイントのカテゴリ予測 (簡単な機械学習)