Sponsored Links
Sponsored Links
%>%演算子を使う
この%>%演算子を使うためにはパッケージが必要です。パッケージtidyverseやパッケージmagrittrの中に入っているのですが、ここではパッケージmagrittrを使うことにします。このページで操作を紹介するパッケージdplyrと%>%演算子を組み合わせると爆速で色々操作できるようになります。
パッケージmagrittr自体の使い方はこの辺 [1] が参考になりました。
[1] magrittrの使い方パッケージdplyr
パッケージdplyrにはたくさんの機能があるようですが、ここではfilter、summarise、group_by、arrange、select、rename、mutateの使い方を紹介します。
まずは、以下の2つのパッケージをインストールしましょう。
R Console
> library(magrittr)
> library(dplyr)filter
まずは、条件式にマッチした行のみに絞り込むfilter関数です。デフォルトの関数だとsubset関数を使ったり、[]を使ったりするのですが、dplyrのfilter関数はこれらと比べてもとても便利です。
R Console
> iris %>% # irisのデータを呼び出し、%>%を使って次の行のプログラムにデータを送る
+ dplyr::filter(iris$Species=="setosa") %>% # irisデータのSpecied列の値がsetosaと一致した行のみに絞り込む。この結果を%>%を使って次の行のプログラムに送る。
+ head(5) # 最初の5行を表示。
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa上の例では、
dplyr::filter(iris$Species==”setosa”)
と記述していますが、
dplyr::filter(.$Species==”setosa”)
や
dplyr::filter(Species==”setosa”)
と略しても同じ結果が得られます。
また、&（AND；かつ）を使って複数の条件でデータを絞り込むこともできます。もしくは（OR；I）を使うこともできます。
R Console
> iris %>%
+ dplyr::filter(Species=="setosa" & Petal.Width>0.4) # irisデータのSpecied列の値がsetosaと一致した行で、かつ、Petal.Widthの値が0.4より大きい行のみに絞り込む。
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.3 1.7 0.5 setosa
2 5.0 3.5 1.6 0.6 setosasummarise
基本統計量を集計する際に便利です [3]。
R Console
> iris %>% # irisのデータを呼び出し、%>%を使って次の行のプログラムにデータを送る
+ dplyr::summarise(平均値=mean(Sepal.Length), 標準偏差=sd(Sepal.Length), 標本数=n(), 標準誤差=sd(Sepal.Length)/sqrt(n())) # このようにラベル名=関数で計算できる。
平均値 標準偏差 標本数 標準誤差
1 5.843333 0.8280661 150 0.06761132summarise内で使える関数は、mean、median、sd、IQR、min、max、quantile、nなどいろいろあるようです。corの中に2変数を入れるとピアソンの相関係数が計算できたり、method=”spearman”オプションも使えたり、なんかいろいろできるみたいです。
quantileに関しては、1変数だけしか返すことができないようなので、こんな感じで使うものなんでしょうかね？
R Console
> iris %>%
+ dplyr::summarise("1Q"=quantile(Sepal.Length)[2], "3Q"=quantile(Sepal.Length)[4])
1Q 3Q
1 5.1 6.4summarise_each関数を使うと、指定した列に対して複数の関数を適用できます。適用する関数はlist内に指定します。
R Console
> iris %>% # irisのデータを呼び出し、%>%を使って次の行のプログラムにデータを送る
+ dplyr::summarise_each(list(平均=mean, 標準偏差=sd), Sepal.Length, Sepal.Width) %>% # list関数内にラベル=関数で指定し、計算結果を次のプログラムに送る。
+ round(digits = 2) # 計算結果を小数点２位で四捨五入する。
Sepal.Length_平均 Sepal.Width_平均 Sepal.Length_標準偏差 Sepal.Width_標準偏差
1 5.84 3.06 0.83 0.44group_by
summariseでは、対象のデータフレーム全体に対しminやmax等の関数を適用しましたが、group_byを使用することで、指定した列のカテゴリーごとに集計することが可能です。
R Console
> iris %>% # irisのデータを呼び出し、%>%を使って次の行のプログラムにデータを送る
+ dplyr::group_by(Species) %>% # Speciesのカテゴリーに従いグループ分けし、次の行のプログラムにデータを送る
+ dplyr::summarise_each(list(平均値=mean, 標準偏差=sd), Sepal.Length)
# A tibble: 3 x 3
Species 平均値 標準偏差
1 setosa 5.01 0.352
2 versicolor 5.94 0.516
3 virginica 6.59 0.636arrange
ソートを行います。デフォルトでは昇順でソートし、desc関数を使うと降順でソートします。複数の条件を指定することもできます。
R Console
> iris %>% # irisのデータを呼び出し、%>%を使って次の行のプログラムにデータを送る
+ dplyr::arrange(Sepal.Length) %>% # Sepal.Length列を昇順でソートし、次の行のプログラムにデータを送る
+ head(5) # 先頭の5行を表示
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 4.3 3.0 1.1 0.1 setosa
2 4.4 2.9 1.4 0.2 setosa
3 4.4 3.0 1.3 0.2 setosa
4 4.4 3.2 1.3 0.2 setosa
5 4.5 2.3 1.3 0.3 setosa
> iris %>% # irisのデータを呼び出し、%>%を使って次の行のプログラムにデータを送る
+ dplyr::arrange(desc(Sepal.Length)) %>% # Sepal.Length列を降順でソートし、次の行のプログラムにデータを送る
+ head(5) # 先頭の5行を表示
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 7.9 3.8 6.4 2.0 virginica
2 7.7 3.8 6.7 2.2 virginica
3 7.7 2.6 6.9 2.3 virginica
4 7.7 2.8 6.7 2.0 virginica
5 7.7 3.0 6.1 2.3 virginica
> iris %>% # irisのデータを呼び出し、%>%を使って次の行のプログラムにデータを送る
+ dplyr::arrange(Sepal.Length, Petal.Length) %>% # Sepal.Length列とPetal.Length列を昇順でソートし、次の行のプログラムにデータを送る
+ head(5) # 先頭の5行を表示
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 4.3 3.0 1.1 0.1 setosa
2 4.4 3.0 1.3 0.2 setosa
3 4.4 3.2 1.3 0.2 setosa
4 4.4 2.9 1.4 0.2 setosa
5 4.5 2.3 1.3 0.3 setosa
select
列を選択する関数です。
R Console
> iris %>% # irisのデータを呼び出し、%>%を使って次の行のプログラムにデータを送る
+ dplyr::select(Sepal.Length, Species) %>% # Sepal.Length列とSpecies列を選択し、次の行のプログラムにデータを送る
+ head(5) # 先頭の5行を表示
Sepal.Length Species
1 5.1 setosa
2 4.9 setosa
3 4.7 setosa
4 4.6 setosa
5 5.0 setosarename
列名を変更する関数です。
R Console
> iris %>% # irisのデータを呼び出し、%>%を使って次の行のプログラムにデータを送る
+ dplyr::rename(がく長=Sepal.Length, がく幅=Sepal.Width, 花弁長=Petal.Length, 花弁幅=Petal.Width, 種=Species) %>% # 変更後の列名=変更前の列名の形で列名を変更し、次の行のプログラムにデータを送る
+ head(5) # 先頭の5行を表示
がく長 がく幅 花弁長 花弁幅 種
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosamutate
新しく列を追加する関数です。これが一番便利かもしれません。
下の例のように既存の変数を元に計算し、新たな変数を新たな列に収めるようなことができます。下の例では、LengthとWidthを掛けた数字をArea（面積）として計算し、新たな列に収めています。
R Console
> iris %>% # irisのデータを呼び出し、%>%を使って次の行のプログラムにデータを送る
+ dplyr::mutate(Sepal.Area=(Sepal.Length*Sepal.Width)) %>% # Sepal.Areaという名前の列を作り、Sepal.Length×Sepal.Widthで計算した値を入れ、次の行のプログラムにデータを送る
+ dplyr::mutate(Petal.Area=(Petal.Length*Petal.Width)) %>% # Petal.Areaという名前の列を作り、Petal.Length×Petal.Widthで計算した値を入れ、次の行のプログラムにデータを送る
+ head(5) # 先頭の5行を表示
Sepal.Length Sepal.Width Petal.Length Petal.Width Species Sepal.Area Petal.Area
1 5.1 3.5 1.4 0.2 setosa 17.85 0.28
2 4.9 3.0 1.4 0.2 setosa 14.70 0.28
3 4.7 3.2 1.3 0.2 setosa 15.04 0.26
4 4.6 3.1 1.5 0.2 setosa 14.26 0.30
5 5.0 3.6 1.4 0.2 setosa 18.00 0.28mutate関数とifelse関数を組み合わせて使うと、条件に合わせてラベルをつけるようなことが簡単にできます。以下に、irisデータのSepal.Lengthが平均より大きい条件と、Sepal.Lengthが平均より小さい条件とでラベルを割り振る例を示します。
R Console
> mean(iris$Sepal.Length) # Sepal.Lengthの平均値を計算
[1] 5.843333
> iris %>% # irisのデータを呼び出し、%>%を使って次の行のプログラムにデータを送る
+ dplyr::mutate(SL長さ=ifelse(Sepal.Length>mean(Sepal.Length),"SL長","SL短")) %>% # Sepal.Lengthの値がSepal.Lengthの平均値より長いという条件に合えば、"SL長"とラベルを付け、そうでなければ"SL短"というラベルを付ける。%>%を使って次の行のプログラムにデータを送る
+ dplyr::filter(Sepal.Length>5.7 & Sepal.Length<6.0) # 平均値周辺のラベル付け結果を確認するために、Sepal.Lengthが5.7より長く、かつ、6.0より短い条件に合致する行を絞り込んで表示する。
Sepal.Length Sepal.Width Petal.Length Petal.Width Species SL長さ
1 5.8 4.0 1.2 0.2 setosa SL短
2 5.9 3.0 4.2 1.5 versicolor SL長
3 5.8 2.7 4.1 1.0 versicolor SL短
4 5.9 3.2 4.8 1.8 versicolor SL長
5 5.8 2.7 3.9 1.2 versicolor SL短
6 5.8 2.6 4.0 1.2 versicolor SL短
7 5.8 2.7 5.1 1.9 virginica SL短
8 5.8 2.8 5.1 2.4 virginica SL短
9 5.8 2.7 5.1 1.9 virginica SL短
10 5.9 3.0 5.1 1.8 virginica SL長
また、cut関数と組み合わせて、例えば四分位で4分割し、それぞれにラベルを付ける時などに便利です。cut関数の設定方法については、こちら [4] にわかりやすいです。
R Console
> quantile(iris$Sepal.Width) # 四分位数を計算
0% 25% 50% 75% 100%
2.0 2.8 3.0 3.3 4.4
> iris %>% # irisのデータを呼び出し、%>%を使って次の行のプログラムにデータを送る
+ dplyr::mutate(SW=cut(Sepal.Width, breaks = c(quantile(Sepal.Width)), labels=c("細","中細","中太","太"),right=FALSE, include.lowest=TRUE)) %>% # 最大値、最小値と四分位数により4分割された範囲に、それぞれラベルを付け、%>%を使って次の行のプログラムにデータを送る
+ head(10) # 先頭の10行を表示
Sepal.Length Sepal.Width Petal.Length Petal.Width Species SW
1 5.1 3.5 1.4 0.2 setosa 太
2 4.9 3.0 1.4 0.2 setosa 中太
3 4.7 3.2 1.3 0.2 setosa 中太
4 4.6 3.1 1.5 0.2 setosa 中太
5 5.0 3.6 1.4 0.2 setosa 太
6 5.4 3.9 1.7 0.4 setosa 太
7 4.6 3.4 1.4 0.3 setosa 太
8 5.0 3.4 1.5 0.2 setosa 太
9 4.4 2.9 1.4 0.2 setosa 中細
10 4.9 3.1 1.5 0.1 setosa 中太case_when関数を使えば、複数の条件それぞれに対応したラベルを付けることが可能です。~（ちるだ）の左に条件式、右に置換する値を書きます [5]。条件に含まれない場合はNAが返されるので、注意が必要です。
R Console
> iris %>% # irisのデータを呼び出し、%>%を使って次の行のプログラムにデータを送る
+ dplyr::mutate(SL=case_when( # SWという名前の列を作り、条件に従い、ラベルを付ける
+ Sepal.Length < quantile(Sepal.Length)[2] ~ "short", # 第一四分位数より小さい値をshortとする
+ Sepal.Length > quantile(Sepal.Length)[4] ~ "long", # 第三四分位数より大きい値をlongとする
+ Sepal.Length >= quantile(Sepal.Length)[2] & Sepal.Length <= quantile(Sepal.Length)[4] ~ "medium" # 上の2条件の間の範囲をmediumとする
+ )) %>% # %>%を使って次の行のプログラムにデータを送る
+ head(5) # 先頭の5行を表示
Sepal.Length Sepal.Width Petal.Length Petal.Width Species SL
1 5.1 3.5 1.4 0.2 setosa medium
2 4.9 3.0 1.4 0.2 setosa short
3 4.7 3.2 1.3 0.2 setosa short
4 4.6 3.1 1.5 0.2 setosa short
5 5.0 3.6 1.4 0.2 setosa short[1] Qiita – dplyrを使いこなす！基礎編 [2] 独学で始める統計×データサイエンス – 【2-2】Rのmutate関数を使って列の追加や修正を行う [3] MilanoR – Aggregation with dplyr/ summarise and summarise_each [4] 秩序と情報とブロッコリー – R言語のcut関数の使い方 [5] Quita – dplyr::case_whenの使い方
Sponsored Links
