第３回：プロジェクトの整理とデータの読み込み

2024-04-16

https://data-science-chiba-2024.github.io/day3/

スクリプトについて

• 今までは直接Rにコマンドを出していたけど、毎回そうするのは効率が良くない。

• 作業を繰り返す場合や再現する場合はスクリプト(テキストファイル)が必要。

• Rスクリプトの拡張は.Rか.r。

スクリプトの作成と保存

• 作成
  • File ➡︎ New File ➡︎ R Scriptをクリック
• 保存
  • File ➡︎ Save As...をクリックかファイルのアイコンをクリック。
• スクリプトの名前はなるべくローマ字を使うように（あとあと公開する時のため）

スクリプトからコードを使う

以下のコードをスクリプトに書いて、script.Rとしてデスクトップに保存しましょう（コードの詳細はまた後で学ぶ）。

library(tidyverse)

ggplot(diamonds, aes(x = carat, y = price)) + 
  geom_hex()

スクリプトからコードを使う

• カーソルが現在位置している行をコンソールに送る：Ctrl（あるいは⌘） + Enter

• 今開いているスクリプトの行を全てコンソールに送る：Ctrl（あるいは⌘） + Shift+ Enter

RStudioによる警告

スクリプトに間違いが入っている場合、RStudioはそれを教えてくれる（バツマークと赤い線）：

スクリプトの書き方

• 読みやすさと覚えやすさを優先しましょう。

• Rは大文字と小文字を区別するので、小文字に揃えた方が覚えやく、間違いが少ない（例えば、Dataではなく、data）。

• 変数名にはスペースが使えないので、_を使いましょう（例えば、data_set_1など）。

スクリプトの書き方

• コメント（Rが無視する場所）を#で書く
  • 例えば、# this is a comment
• コメントは自分用のメモ
  • 未来の自分が、今の自分が何をやったのか、分かるように書く。
  • まだ慣れていないうちには特にたくさん書きましょう。

ファイル名も整えましょう

NG ❌

alternative model.R
code for exploratory analysis.r
finalreport.qmd
FinalReport.qmd
fig 1.png
Figure_02.png
model_first_try.R
run-first.r
temp.txt

OK ✅

01_load_data.R
02_exploratory_analysis.R
03_model_approach_1.R
04_model_approach_2.R
fig_01.png
fig_02.png
report_2022_03_20.qmd
report_2022_04_02.qmd
report_draft_notes.txt

プロジェクトについて

• スクリプトとしてコードを保存をするのはいいけど、解析が進むと複数のスクリプトとデータを整理する必要が生じる

• RStudioの「Project」機能によって、スクリプトとデータ（など）の整理ができる

新しいプロジェクトを作る

• File ➡︎ New Project ➡︎ New Directory ➡︎ New Project をクリック
  • プロジェクト名と場所を入力（今回はr4dsにしましょう）
  • 分かりやすい場所がおすすめ（デスクトップにしましょう）
• 今回は”Create a git repository”をクリックしないけど、本当はgitも使った方がいい（またあとで説明します）

新しいプロジェクトを作る

• プロジェクト名の入力が終わると、RStudioが再度立ち上がる

• ファイルパネル（右下）をよく見てください。今はRがどこに「います」か？

新しいプロジェクトを作る

• 右下の「ファイル」パネルを使って、dataというフォルダーを作りましょう
  • あとで、このフォルダーにこれから解析するデータを置く

.Rprojファイルについて

• 新しいプロジェクトには、r4ds.Rprojファイルが入っている

• .Rprojファイルの中身はは基本的に触らない

  • 中身はRStudioの設定（RStudioに任せましょう）
  • 再度プロジェクトを開く時に使う（ダブルクリック）

作業ディレクトリについて

• 「作業ディレクトリ」（“working directory”）というのは、今Rが今「いる」場所のこと

• getwd()で確認できる：

getwd()

[1] "/Users/joelnitta/Desktop/r4ds"

作業ディレクトリについて

• 時々、他のスクリプトを見ると、set.wd()という関数を目にする
  • 例：set.wd("/Users/joelnitta/analysis/")
  • 後ろの部分は「パス」と言う（パソコンの中の住所のような物）

作業ディレクトリについて

• でも、多くの場合、他の人のパソコンにあるパスは自分のパソコンに存在しない
  • .Rprojを使えば、set.wd()を使う必要がない
• なので、set.wd()は使わないようにしましょう。

プロジェクトにスクリプトを置きましょう

以下のコードを書いて、スクリプトをdiamonds.Rとしてr4dsプロジェクトに保存して、実行しましょう：

library(tidyverse)

ggplot(diamonds, aes(x = carat, y = price)) + 
  geom_hex()
ggsave("diamonds.png")

write_csv(diamonds, "data/diamonds.csv")

このスクリプトは何をするのでしょうか？

コードによる再現性

• diamonds.Rはdiamonds.pngというグラフを作る。

• diamonds.pngを消しましょう。

• 解析結果が消えてしまった！どうしよう！？

コードによる再現性

• ご心配なく！
  • 再度diamonds.Rを実行してください（Ctrl（あるいは⌘） + Shift+ Enter）
• 全く同じグラフが再度できた！つまり、再現しました。

• コードとデータがあれば、解析結果はいつでも再現できる

• 絶対に必要なのは、コードとデータ。結果は「使い捨て」と考えて良い。

ディスカッション

データ整理やプロジェクトの管理はどうしていますか？

データの読み込み

• Moodleからstudents.csvをダウンロードして、data/に置きましょう。

• .csvはcomma separated valuesの略です

  • エクセルで扱うようなデータ形式（エクセルでも開くことができる）
  • .xslxとの違いは、.csvはそのままどのテキストエディターでも開ける（エクセルがいらない）

データの読み込み

• read_csv()関数で読み込む

まずは、読み込んでから直接に中身を見てみましょう：

read_csv("data/students.csv")

# A tibble: 6 × 5
  `Student ID` `Full Name`      favourite.food     mealPlan            AGE  
         <dbl> <chr>            <chr>              <chr>               <chr>
1            1 Sunil Huffmann   Strawberry yoghurt Lunch only          4    
2            2 Barclay Lynn     French fries       Lunch only          5    
3            3 Jayendra Lyne    N/A                Breakfast and lunch 7    
4            4 Leon Rossini     Anchovies          Lunch only          <NA> 
5            5 Chidiegwu Dunkel Pizza              Breakfast and lunch five 
6            6 Güvenç Attila    Ice cream          Lunch only          6    

読み込んだデータの保存

• でも、これだけではRの環境にそのデータが入っていません

• 変数（オブジェクト）として保存する必要がある：

students <- read_csv("data/students.csv")

• このようにRに読み込んだデータをデータフレーム（“dataframe”）、あるいは「tibble」と呼ぶ
  • ２次元データ。エクセルのデータシートみたいな物。

読み込んだデータの中身の確認（１）

• 変数として保存する時は中身が見えない（オブジェクトに渡された）

• 中身を見たい時は変数名を直接コンソールに入力すればいい

students

# A tibble: 6 × 5
  `Student ID` `Full Name`      favourite.food     mealPlan            AGE  
         <dbl> <chr>            <chr>              <chr>               <chr>
1            1 Sunil Huffmann   Strawberry yoghurt Lunch only          4    
2            2 Barclay Lynn     French fries       Lunch only          5    
3            3 Jayendra Lyne    N/A                Breakfast and lunch 7    
4            4 Leon Rossini     Anchovies          Lunch only          <NA> 
5            5 Chidiegwu Dunkel Pizza              Breakfast and lunch five 
6            6 Güvenç Attila    Ice cream          Lunch only          6    

コンソールの使い方（使うとき）

• このような時に使う：データの中身を確認したい、ヘルプファイルを開きたい、など。

• つまり、データ解析に必要ではない（関係のない）コマンド。

読み込んだデータの中身の確認（２）

• もう一つのデータの確認の仕方がある：「Environment」パネルでそのオブジェクトをクリック

• すると、エクセルのようなレイアウトになる

  • エクセルと大きな違い：直接にデータをいじることができない！

• エクセルはデータ入力に使う。Rはデータ解析に使う

データの種類（型）について

• studentsをコンソール（左下のパネル）でもう一回打ってみてください

• データの上に<dbl>とか<chr>とかと出ているけど、これは何でしょうか？

• A: データの種類です

データの種類（型）について

• dbl: 数字（“double”の略。なぜ”double”でしょう・・）
• chr: 文字（“character”の略。この方がしっくり来るね）

このほかに、

• lgl：ロジカル（TRUEかFALSEか、そのどっちか）
• int：整数（“integer”の略）

がある

ベクトルについて

• ベクトル（vector）とは、同じ型を持つ一連のデータの集まり（一次元の配列）

• ベクトルに含まれている一つ一つのデータを要素（element）という

• 例えば、letters

  • "a"がlettersの１個目の要素

ベクトルの作り方

• ベクトルを関数はc()
  • “combine”（「くっつける」）の略

c(1, 2, 3)

[1] 1 2 3

ベクトルの作り方

• 文字列（文字でできているベクトル）を作るときは、引用符をつけないといけない

c("a", "b", "c")

[1] "a" "b" "c"

ベクトルの型の確認

• typeof()関数でベクトルの型を確認することができる

typeof(letters)

[1] "character"

チャレンジ

• 以下のコードでベクトルを作ると、そのベクトルの型は何でしょうか？

c(1, 2, "c")

ベクトル変換

• 先も言いましたが、あるベクトルの要素は全て同じ型を持たないといけない

• なので、入力が複数の型を含む場合、Rはそれを同じ型に合わせる

x <- c(1, 2, "c")
typeof(x)

[1] "character"

• 先のベクトルは文字に変換された

ベクトル型とデータフレーム

• データフレームの列は、本当はベクトルになっている

• なので、データフレームの列はそれぞれ、型が決まっている

  • これはエクセルと大きな違い

まとめ

• スクリプト（.Rファイル）に解析に必要なコードを書く

• スクリプトとデータがあれば、解析結果を再現できる

• プロジェクトを使うと、解析の管理が大幅にやりやすくなる

• データフレームはベクトルからなっている

• ベクトルは一つの型しか持てない

宿題

締め切り：2024-04-23 12:50

• クイズ（moodle）
• 自分のデータを読み込む。
  二つのファイルmoodleにアップロード：
  • データのファイル（csv）
  • 読み込むスクリプト
• もしcsvではないファイルを読み込みたければ、連絡してください