Pythonの分析系コードを理解している人向けに、Rコードの対応まとめました。 ※随時更新中
（本記事では、Rのbaseパッケージのみ使用）

「pythonで書くあれって、Rでどう書くんだっけ？」っていう流れって多いんですよね。

ドキュメント内の命名規則

特に断りがなければ、モジュール名のエイリアスは下記の通り。

python

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

下記に登場する変数名称のイメージ。

python

df = pd.DataFrame()

df = data.frame()

PythonコードのRでの書き方

データフレームの生成

pd.DataFrame()

データフレームの作成

data.frame() #空のデータフレームを生成
data.frame(col1=c(x1, x2, x3), col2=c(y1, y2, y3)) #カラム

pd.read_csv()

CSVファイル（カンマ区切りデータ）読み込み

read.csv(ファイル名)

pd.read_table()

TSV、CSVファイル（タブ区切りデータ）読み込み

read.table(ファイル名)

df.index = [行名1, 行名2, ...]

行名の設定

rownames(df) <- c(行名1, 行名2, ...)
print(rownames(df)) #代入せず、呼び出せばベクトルとして取得できる

df.columns = [列名1, 列名2, ...]

列名の設定

colnames(df) <- c(列名1, 列名2, ...)
print(colnames(df)) #代入せず、呼び出せばベクトルとして取得できる

データフレームの内容確認

df.shape

行数、列数の取得

dim(df)

len(df)

行数の取得

ncol(df)

len(df.columns)

列数の取得

nrow(df)

df.head()

先頭行の出力

head(df) #引数で表示行数の指定も可

df.tail()

末尾行の出力

tail(df) #引数で表示行数の指定も可

df.info()

各カラムの数や型情報を表示する

str(df)

df.describe()

基本統計量の出力する

summary(df) #ただし、stdは出力されない

#stdは、例えば下のように取得する
sds = NULL
for(col in colnames(df)){
  sds <- c(sds, sd(df[, col]))
}
names(sds) <- colnames(df)

df.isna()

欠損値(NA)を確認する

is.na(df)

df.isna().sum()

カラムごとの欠損値(NA)の個数を確認する

colSums(is.na(df))
# summary(df)でもNAの個数も出力されるので確認可能

df[df.isna().any(axis=1)]

欠損値(NA)が1つでもある行を抽出する

df[!complete.cases(df), ]

df.col.unique()

ある列に登場するユニークな（重複のない）値を返す

unique(df$col)

df.col.value_counts()

ある列に登場する値の登場回数を返す

table(df$col)

データ抽出

df.iloc[x1:x2, y1:y2]

行番号および列番号を用いて、範囲指定する

df[x1:x2, y1:y2] #Rはインデックスの開始が1である点に留意

df.iloc[[x1, x2, ...], [y1, y2, ...]]

行番号および列番号を用いて、リスト指定する

df[c(x1, x2, ...), c(y1, y2, ...)]

df.loc[行名1:行名2, 列名1:列名2]

行名および列名を用いて、範囲指定する

#明確には存在しないようなので、やるならば下記
#指定の行名および列名の位置（番号）を取得し、それを範囲指定に用いる
x1 <- which(rownames(df) == 行名1)
x2 <- which(rownames(df) == 行名2)
y1 <- which(colnames(df) == 列名1)
y2 <- which(colnames(df) == 列名2)
df[x1:x2, y1:y2]

df.loc[[行名1, 行名2, ...], [列名1, 列名2, ...]]

行名および列名を用いて、リスト指定する

df[c(行名1, 行名2, ...), c(列名1, 列名2, ...)]

df[df.col == x]

条件に合致する行を抽出する

df[df$col == x, ]
#または
subset(df, col == x)

データ加工

df[new_col] = x

データフレームに新しいカラムを追加する

df[, new_col] <- x

df.drop()

行や列を削除する

#削除したい行や列を選択し、NULLを代入することで削除ができる
df[c(x1, x2), ] <- NULL #行を削除
df[, c(y1, y2)] <- NULL #列を削除

#インデックスを負の値にすると、その番号を除外した行列を返す性質を利用して、次のようにも書ける
df <- df[c(-1, -2), ] #行を削除
df <- df[, c(-1, -2)] #列を削除

df.fillna(x)

欠損値（NA）を埋める

df[is.na(df)] <- x

df.dropna()

欠損値（NA）が含まれる行を削除する

na.omit(df)

df.apply(func)

各要素1つずつに関数funcを適用する

sapply(df, FUN =func)

df.col.apply(func)

指定したカラムの各要素1つずつに関数funcを適用する

sapply(df$x, FUN =func)

df.T

行列を転置する

t(df)

pd.to_datetime()

日付型に変換する

as.Date(df$col) #日付のみ（例：'2020-01-01'）

データ集計

df.max()、 df.min()

カラム毎の最大値、最小値を求める

sapply(df, FUN =max)
sapply(df, FUN =min)

#applyでも同等の処理が可能
apply(df, MARGIN=2, FUN =max) #MARGIN=1とすると行毎に関数（FUN）を適用する
apply(df, MARGIN=2, FUN =min) #max(df)とした場合、全要素の中で最大値を求める（minも同様）

df.groupby([x1, x2, ...]).agg(func)

グループ化して集計処理する

aggregate(. ~ x1+x2, df, FUN=sum) #「.」は全カラムに対し集計処理を行う
aggregate(x ~ x1+x2, df, FUN=sum) #「x」で指定したカラムに対し集計処理を行う

pd.pivot_table(df, index, columns, values)

baseパッケージにはない。たぶん。

PythonユーザのためのRコード対応シート