LoginSignup
0
0

More than 1 year has passed since last update.

@hibt_29(Daiki Fukushima)

Rで単純な統計計算

Last updated at Posted at 2022-12-01

はじめに

Rでのデータの取り扱い(平均値, 中央値, 分散, 標準偏差, 四分位数, ヒストグラム, 箱ひげ図, 折れ線グラフ, 幹葉図, 散布図, 散布図行列など)についてまとめました。
大学の授業内で紹介されたものをまとめているので大雑把にしかまとめられていません。
許してください。

目次

1. データの入力
2. 単純な統計処理
3. グラフの描画
参考

1. データの入力　[1, 2]

  • 型

    データの型 説明 定数の例
    integer(numeric) 整数型 1, -1, 20300, ...
    double(numeric) 実数型(整数も含む) 3.1415, -0.001, 125.00012, 1, 1e-10, ...
    complex 複素数型 1i, 1-4.5i, 3+0i, complex(re=a, im=b), ...
    character 文字型 "A", "2014/10/14", "human", "", ...
    logical 論理型 TRUE, FALSE, T, F, NA, ...
    factor 因子型 0/1, "A"/"B", "男"/"女", ...
    • 確認方法 
      x <- 10
class(x)
[1] "numeric"

x <- 1+4.5i
class(x)
[1] "complex"

x <- "Apex"
class(x)
[1] "character"

x <- (10.2*5 < 52)
class(x)
[1] "logical"

#主に性別を分ける際などに利用される
x <- c("man","man","woman","man","woman","man","woman","man")
x <- factor(x)
class(x)
[1] "factor"
str(x) #str()はデータフレームの概要を表示する関数
Factor w/ 2 levels "man","woman": 1 1 2 1 2 1 2 1
    • 無限大と欠損地(Not Available) 
      x <- Inf
x / x
[1] NaN

x <- NA
class(x)
[1] "logical"

#欠損地を考慮した計算
xs <- c(10, 8, 9, NA, 11)
sum(xs, na.rm=TRUE)
[1] 38

  • データの作成

    • ベクトルデータの作成

      name <- c("Apex", "VALORANT", "OverWatch")
name
[1] "Apex"      "VALORANT"  "OverWatch"
player <- c(6300, 225, 2500)
player
[1] 6300  225 2500

    • 行列の作成

      x <- matrix(c(1, 1, 2, 3, 5, 8), nrow=2, ncol=3, byrow=TRUE)
#行の名前付与
rownames(x) <- c("male", "female")
#列の名前付与
colnames(x) <- c("yes", "no", "None")
x
       yes no None
male     1  1    2
female   3  5    8

name <- c("Apex", "VALORANT", "OverWatch")
player <- c(6300, 225, 2500)
data <- data.frame(name, player)
data
       name player
1      Apex   6300
2  VALORANT    225
3 OverWatch   2500

  • データの読み込み　[3, 4]

    よく使うデータの読み込み方法

    • CSV

      x <- read.csv(file.choose(), header=TRUE)
      ☆ header=TRUEはデータの1行目に変数名が書いてあるファイルを読み込む際に、header=TRUEと指定します。(デフォルトはheader=TRUEなので指定しなくてもok)

    • EXCEL

      install.packages("readxl")
library(readxl)
#Rにパッケージをインストールしてない人は上の作業を行ってください。
x <- read_excel(file.choose(), sheet="Sheet1", skip=0)

    • TEXT

      x <- read.table(file.choose(), header=TRUE)
#以下の警告文が出た際はtextファイルの最終行にEnterを押して改行してみてください。
警告メッセージ: 
 read.table(file.choose(), header = TRUE) で: 
 incomplete final line found by readTableHeader on 'C:\Users\XXX\YYY\ZZZ.txt'

    • データの確認

      x <- read.csv(file.choose())
x        #データの中身をすべて見たいとき
head(x)  #データの最初の数行だけ確認したいとき

2. 単純な統計処理

  • 基本処理

    使用するデータ 
      name       score
  Akai       21
  Baba       41
  Bandou     81
  Funaki     10
  Horiuchi   44
  Imai       58
  Ishiyama   11
  Iwabuchi   43
  Kawai      15
  Koga       47
  Kumazawa   29
  Maruta     20
  Masuko     57
  Matsushita 40
  Nagaoka    55
  Nagashima  81
  Oosawa     72
  Sakamoto   24
  Sawada     29
  Suwa       59
  Terasaki   17
  Tsuchiya   26
  Tsumura    62
  Uchiyama   50
  Uesugi     37
  Urano      12
  Yabuki     95
  Yaguchi    93
  Yanagisawa 50
  Yokoi      93

    • 平均値

      mean(x$score)
[1] 50.36667

    • 中央値

      median(x$score)
[1] 44

    • 分散

      var(x$score)
[1] 546.5851

    • 標準偏差

      sd(x$score)
[1] 23.37916

    • 四分位数

      quantile(x$score)
   0%    25%    50%    75%   100% 
11.00  31.00  44.00  70.75  93.00

    • まとめ

      記述されていること
      • 最小値
      • 第1四分位数
      • 中央値
      • 平均値
      • 第3四分位数
      • 最大値
      summary(x$score)
 Min.  1st Qu.  Median   Mean  3rd Qu.   Max. 
 11.00   31.00   44.00   50.37   70.75  93.00

  • 基本処理の簡略化　[5]

    • for文とapply関数を使って基本処理を一気に計算します。 
      analyze <- list(mean, median, var, sd, quantile, summary)
for (xs in analyze){print(apply(x[2], 2, xs))}
score 
    50.36667 
score 
    44 
score 
    546.5851 
score 
    23.37916 
score
    0%   11.00
    25%  31.00
    50%  44.00
    75%  70.75
    100% 93.00
score
    Min.    11.00000
    1st Qu. 31.00000
    Median  44.00000
    Mean    50.36667
    3rd Qu. 70.75000
    Max.    93.00000

3. グラフの描画

  • データが1つの時のグラフ

    使用するデータ 
        name       score
    Akai       21
    Baba       41
    Bandou     81
    Funaki     10
    Horiuchi   44
    Imai       58
    Ishiyama   11
    Iwabuchi   43
    Kawai      15
    Koga       47
    Kumazawa   29
    Maruta     20
    Masuko     57
    Matsushita 40
    Nagaoka    55
    Nagashima  81
    Oosawa     72
    Sakamoto   24
    Sawada     29
    Suwa       59
    Terasaki   17
    Tsuchiya   26
    Tsumura    62
    Uchiyama   50
    Uesugi     37
    Urano      12
    Yabuki     95
    Yaguchi    93
    Yanagisawa 50
    Yokoi      93

    • ヒストグラム

      hist(x$score)

      histgram.png

    • 箱ひげ図

      #幅 -> max: 2.2, min: 0.003
boxplot(x$score, boxwex=1.5)

      image.png

    • 幹葉図(みきはず)

      stem(x$score)
  The decimal point is 1 digit(s) to the right of the |

  1 | 1
  2 | 115679
  3 | 0466
  4 | 01335
  5 | 122
  6 | 23
  7 | 01589
  8 | 15
  9 | 13

  • データが複数存在するときのグラフ　[6]

    使用するデータ(2021年の東京の年間平均気温・降水量・風速・雲量を利用) 
          month             ave_temp   	precipi_total	ave_wind_speed	ave_cloud_cover
      1　　　   　  　　5.4	　　　　43.5	　　　　2.3　　　	    5.1
      2   	　    　　　8.5	　　　　88.5	　　　　2.9　　　	    3.9
      3      	　　　　12.8　	　　173	　　　　　　3.2　　　　    	7
      4      	　　　　15.1	　　156	　　　　　　3.2	　　　　    5.7
      5      	　　　　19.6	　　99.5	　　　　3.2	　　　　    8.5
      6      	　　　　22.7	　　168.5	　　　　2.7	　　　　    8.5
      7      	　　　　25.9	　　310	　　　　　　2.4	　　　　    7.7
      8      	　　　　27.4	　　382.5	　　　　3.1	　　　　    7.2
      9      	　　　　22.3	　　222.5	　　　　2.4	　　　　    8
      10     	　　　　18.2	　　199.5	　　　　2.5	　　　　    6.2
      11     	　　　　13.7	　　93	　　　　　　2.2　　　　    	4.8
      12     	　　　　7.9	　　　　116	　　　　　　2.4　　　　	    4.2
    • 折れ線グラフ　[7] 
      plot(x$month, x$ave_temp, type="b", ylim=c(0, 35), col="blue", lty=2)
#plot(x軸, y軸, 折れ線グラフのタイプ, yの最小値・最大値, 色, 線の種類)

    image.png

    • 散布図

      plot(x$ave_temp, x$ave_cloud)
#平均気温と雲の量に正の相関ある...?

      image.png

    • 散布図行列

      pairs(x[, 2:5]) #データが2列目から5列目にある時の指定方法

      image.png

      使用するデータ 
      name      sex    Japanese  Math  English  Science  History
Akai        1	       34	100	      29	   64	    38
Baba        1	       55	 35	      68	  100	    75
Bandou      0	       23	 70	      23	   54	    41
Funaki      1	       11	100	      75	   60	    41
Horiuchi    0	       21	 28	      21	   29	    36
Imai        0	       15	 45	      75	   42	    20
Ishiyama    1	       33	 87	      21	   52	    25
Iwabuchi    0	       69	 75	      30	   12	    18
Kawai       1	       36	 12	      22	   57	    14
Koga        0	       90	 41	      86	   22	    72
Kumazawa    1	       99	 65	      10	   58	    62
Maruta      0	       74	 27	      25	   53	    69
Masuko      1	       60	 73	      98	   42	    89
Matsushita  0	       30	 88	      89	   44	    47
Nagaoka     1	       80	 68	      21	   45	    92
Nagashima   0	       78	 61	      65	   92	    31
Oosawa      1	       87	 80	      51	   72	    16
Sakamoto    1	       15	 67	      29	   84	    58
Sawada      1	       78	 43	      50	   10	    21
Suwa        0	       39	 54	      29	   41	    54
Terasaki    1	       54	 93	      26	   44	    22
Tsuchiya    1	       44	 50	      26	   41	    74
Tsumura     1	       81	 66	      90	   84	    20
Uchiyama    1	       84	 21	      80	   15	    73
Uesugi      0	       43	 50	      93	   83	    73
Urano       1	       21	 43	      93	   47	    47
Yabuki      0	       32	 47	      92	   72	    17
Yaguchi     1	       35	100	      56	   27	    27
Yanagisawa  0	       51	 29	      67	   79	    29
Yokoi       0	       10	 37	      22	   85	    54

    • 種類別にデータフレームを作成する
      -> 因子型データがある場合のみ有効

      x.0 <- subset(x, x$sex==0) #この時sex==0を女性とする
x.1 <- subset(x, x$sex==1) #この時sex==1を男性とする

    • 種類別散布図

      #数値をランダムに生成しているので相関はないです
#女性だけの国語の点数と数学の点数の散布図が見れる
plot(x.0$Japanese, x.0$Math)

      image.png

    • 種類別散布図行列

      pairs(x.0[, 3:7])

      image.png

    • 相関係数

      #国語と数学の相関係数
cor(x$Japanese, x$Math)
[1] -0.09876267

    • 相関行列

      cor(x[, 3:7])
            Japanese        Math     English      Science      History
Japanese  1.00000000 -0.09876267  0.03815589 -0.160026237  0.193884537
Math     -0.09876267  1.00000000 -0.04927415 -0.014672706 -0.177627250
English   0.03815589 -0.04927415  1.00000000  0.093958001  0.064444528
Science  -0.16002624 -0.01467271  0.09395800  1.000000000  0.002842525
History   0.19388454 -0.17762725  0.06444453  0.002842525  1.000000000

    • 種類別相関行列

      cor(x.0[, 3:7])
            Japanese        Math      English    Science      History
Japanese  1.00000000 -0.01601648  0.157049537 -0.1552637  0.260636344
Math     -0.01601648  1.00000000  0.167150035 -0.1907712 -0.208635728
English   0.15704954  0.16715003  1.000000000  0.2252828 -0.005072774
Science  -0.15526375 -0.19077121  0.225282841  1.0000000  0.047881803
History   0.26063634 -0.20863573 -0.005072774  0.0478818  1.000000000

cor(x.1[, 3:7])
            Japanese        Math     English     Science     History
Japanese  1.00000000 -0.23239950 -0.01971113 -0.15971332  0.14472869
Math     -0.23239950  1.00000000 -0.12516072  0.09718001 -0.21097599
English  -0.01971113 -0.12516072  1.00000000 -0.02061257  0.11860824
Science  -0.15971332  0.09718001 -0.02061257  1.00000000 -0.02115291
History   0.14472869 -0.21097599  0.11860824 -0.02115291  1.00000000

参考

  1. Ｒのデータ型、データ構造(閲覧日:2022/12/01)
  2. Rのデータ構造(閲覧日:2022/12/02)
  3. 【R×栄養統計】データの読み込み方法を習得しよう【TXT・CSV,・XLSX】(閲覧日:2022/12/01)
  4. R エラーの説明: readtableheader で見つかった不完全な最終行(閲覧日:2022/12/01)
  5. apply系関数の使い方(閲覧日:2022/12/01)
  6. 過去の気象データ・ダウンロード(閲覧日:2022/12/02)
  7. 折れ線グラフ(閲覧日:2022/12/02)
0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
0
0