R言語基礎文法完全ガイド【図解×コード】初心者からデータサイエンスまで

Last updated at 2025-12-01Posted at 2025-12-01

📌 はじめに

この記事では、R言語の基本文法を図解とコードで分かりやすく解説します。統計解析やデータサイエンスを始めたい方におすすめの内容です。

🖥️ R言語ってどんな言語？

R言語は以下のような場面でよく使われます：

統計解析・データ分析
機械学習
データ可視化（グラフ作成）
学術研究・論文執筆

🌍 R言語の特徴（図解）

🧰 1. 開発環境の準備

🔧 Rをインストールする

R 4.3以上が推奨です。

RStudioをインストール（推奨）

統合開発環境としてRStudioが便利です。

バージョン確認

R.version.string
# 出力例: [1] "R version 4.3.1 (2023-06-16)"

🚀 2. 「Hello, World!」を動かしてみる

print("Hello, World!")

# または
"Hello, World!"

R言語では最後の式が自動的に表示されます。

📘 3. 変数とデータ型

R言語は統計解析向けのデータ型が豊富です。

主な型一覧

型	説明	例
numeric	数値	10, 3.14
integer	整数	10L
character	文字列	"Hello"
logical	論理値	TRUE / FALSE
vector	ベクトル	c(1, 2, 3)
data.frame	データフレーム	データテーブル

サンプルコード

# 数値
age <- 25
height <- 180.5

# 文字列
name <- "Taro"

# 論理値
is_member <- TRUE

# ベクトル（配列）
nums <- c(10, 20, 30)

# データフレーム
df <- data.frame(
  name = c("Taro", "Hanako"),
  age = c(25, 22),
  score = c(85, 92)
)

Point: 代入演算子は <- または = が使えますが、R言語では <- が推奨されます。

🔁 4. 条件分岐（if / ifelse）

if 文

score <- 80

if (score >= 90) {
  print("Excellent!")
} else if (score >= 70) {
  print("Good!")
} else {
  print("Try again")
}

ifelse関数（ベクトル対応）

R言語特有の便利な関数です。ExcelのIF関数のように使えます。

scores <- c(95, 75, 65, 88)
result <- ifelse(scores >= 80, "合格", "不合格")
print(result)
# [1] "合格" "不合格" "不合格" "合格"

🔄 5. 繰り返し

for 文

for (i in 1:5) {
  print(i)
}

while 文

i <- 1
while (i <= 3) {
  print(i)
  i <- i + 1
}

apply関数（推奨）

R言語ではループ処理よりも、ベクトル全体に関数を適用する apply 系関数が好まれます。

# ベクトルに関数を適用
nums <- c(1, 2, 3, 4, 5)
squared <- sapply(nums, function(x) x^2)
print(squared)
# [1]  1  4  9 16 25

📦 6. ベクトルとデータフレーム

ベクトル操作

重要: R言語のインデックスは 「1」から始まります。

# ベクトルの作成
nums <- c(10, 20, 30, 40, 50)

# 要素へのアクセス
print(nums[1])      # 10 (Rは1から始まる！)
print(nums[2:4])    # 20 30 40

# ベクトル演算
print(nums * 2)     # 20 40 60 80 100
print(sum(nums))    # 150
print(mean(nums))   # 30

データフレーム操作

# データフレームの作成
df <- data.frame(
  name = c("Taro", "Hanako", "Jiro"),
  age = c(25, 22, 30),
  score = c(85, 92, 78)
)

# 表示
print(df)

# 列へのアクセス
print(df$name)
print(df[, "age"])

# 行へのアクセス
print(df[1, ])      # 1行目

# 条件抽出
print(df[df$age >= 25, ])

🧱 7. 関数

繰り返し使う処理をまとめます。

基本的な関数

add <- function(a, b) {
  return(a + b)
}

result <- add(3, 5)
print(result)  # 8

デフォルト引数

greet <- function(name = "Guest") {
  message <- paste("Hello,", name)
  return(message)
}

print(greet())        # "Hello, Guest"
print(greet("Taro"))  # "Hello, Taro"

📊 8. データ可視化（グラフ作成）

R言語の強力な機能の一つです。

基本的なプロット

# 散布図
x <- c(1, 2, 3, 4, 5)
y <- c(2, 4, 5, 4, 6)
plot(x, y, main="散布図", xlab="X軸", ylab="Y軸")

# ヒストグラム
set.seed(123)        # 再現性のため乱数を固定
data <- rnorm(1000)  # 正規分布の乱数
hist(data, main="ヒストグラム", col="lightblue")

# 箱ひげ図
boxplot(iris$Sepal.Length ~ iris$Species, 
        main="品種別の萼片の長さ")

ggplot2（推奨）

実務では、より美しく柔軟な ggplot2 が標準的に使われます。

# パッケージのインストール
install.packages("ggplot2")
library(ggplot2)

# 散布図
ggplot(iris, aes(x=Sepal.Length, y=Sepal.Width, color=Species)) +
  geom_point() +
  labs(title="アヤメのデータ", x="萼片の長さ", y="萼片の幅")

📚 9. パッケージ管理

# パッケージのインストール
install.packages("dplyr")

# パッケージの読み込み
library(dplyr)

# dplyrを使ったデータ操作
result <- iris %>%
  filter(Species == "setosa") %>%
  select(Sepal.Length, Sepal.Width) %>%
  summarise(
    mean_length = mean(Sepal.Length),
    mean_width = mean(Sepal.Width)
  )

print(result)

主要パッケージ

パッケージ	用途
dplyr	データ操作
ggplot2	グラフ作成
tidyr	データ整形
readr	データ読み込み
caret	機械学習

📝 10. 実践課題

👉 課題

「数値ベクトルから最大値、最小値、平均値を返す関数を作成せよ」

解答例

get_statistics <- function(nums) {
  result <- list(
    max = max(nums),
    min = min(nums),
    mean = mean(nums),
    median = median(nums),
    sd = sd(nums)
  )
  return(result)
}

# テスト
data <- c(5, 2, 9, 1, 7, 3)
stats <- get_statistics(data)

print(paste("最大値:", stats$max))
print(paste("最小値:", stats$min))
print(paste("平均値:", stats$mean))
print(paste("中央値:", stats$median))
print(paste("標準偏差:", stats$sd))

🎉 まとめ

この記事では、R言語の基本文法を以下のように解説しました。

開発環境: RとRStudioの準備
基本構文: 変数、if文、ループ
データ構造: ベクトル、データフレーム
可視化: plot、ggplot2

Java/Python/PHP/R言語の比較

項目	Java	Python	PHP	R言語
型宣言	必須	不要	不要	不要
インデックス	0から	0から	0から	1から
代入	`=`	`=`	`=`	`<-` (推奨)
主な用途	業務システム	AI/汎用	Web	統計解析
得意分野	大規模開発	機械学習	Web開発	データ分析

次のステップ

tidyverseでモダンなデータ操作
ShinyでインタラクティブなWebアプリ
R Markdownでレポート作成

統計解析やデータサイエンスを学ぶ方の参考になれば嬉しいです！
参考になったら「いいね」👍 お願いします！

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up