![ただの電卓じゃないよ
• 数字をセットで扱えます。
• 数字のセットに名前を付けてとっておくことができます。次の
ように入力してみてください。
• 1:4 -> sapporo
• 「いちころんよん ハイフン だいなり さっぽろ」
• 「さっぽろ」
> 1:4 -> sapporo
> sapporo
[1] 1 2 3 4
31](https://image.slidesharecdn.com/sapporo-130712021247-phpapp01/85/SappoRo-R-2-WS-34-320.jpg)
![数をセットで扱うというのは
• 次のように入力してみましょう
• c(1,3,5,7,9) ->Sapporo
• 注意！Sapporoとsapporoは別物です！sappoRoもね！
• Sapporo+3
• Sapporo*2
> c(1,3,5,7,9)-> Sapporo
> Sapporo+3
[1] 4 6 8 10 12
> Sapporo*2
[1] 2 6 10 14 18
cは
「つないで」
33](https://image.slidesharecdn.com/sapporo-130712021247-phpapp01/85/SappoRo-R-2-WS-37-320.jpg)
![数をセットで扱うので
• 当然こんなことができます。
平均はmean()
分散はvar()
標準偏差はsd()
相関はcor()
> x <- 1:10
> y <- c(2,3,4,2,3,4,2,3,4,5)
> mean(x)
[1] 5.5
> var(x)
[1] 9.166667
> sd(x)
[1] 3.02765
> cor(x,y)
[1] 0.5330018 34](https://image.slidesharecdn.com/sapporo-130712021247-phpapp01/85/SappoRo-R-2-WS-38-320.jpg)
![数字のセットとセットで
• 数字と数字のセットを足し合わせたりすることもできます
> x
[1] 1 2 3 4 5 6 7 8 9 10
> y
[1] 2 3 4 2 3 4 2 3 4 5
> x+y
[1] 3 5 7 6 8 10 9 11 13 15
37](https://image.slidesharecdn.com/sapporo-130712021247-phpapp01/85/SappoRo-R-2-WS-42-320.jpg)
![行列だぜ
• 表計算ソフトはベクトルの計算はできても行列計算は苦手なわ
けでして・・・
• 次のように入力してみましょう
• mat1 <- matrix(1:10,nrow=2)
• mat1
> mat1 <- matrix(1:10,nrow=2)
> mat1
[,1] [,2] [,3] [,4] [,5]
[1,] 1 3 5 7 9
[2,] 2 4 6 8 10
38](https://image.slidesharecdn.com/sapporo-130712021247-phpapp01/85/SappoRo-R-2-WS-44-320.jpg)
![要素にアクセス
• 出力の周辺に，[,1]とか[2,]とかありましたね。
• アレがそのまま，行列アクセスのヒントになっています。
• mat1[,1]
• mat1[2,]
• mat1[2,1]
39](https://image.slidesharecdn.com/sapporo-130712021247-phpapp01/85/SappoRo-R-2-WS-45-320.jpg)
![要素にアクセス
• 出力の周辺に，[,1]とか[2,]とかありましたね。
• アレがそのまま，行列アクセスのヒントになっています。
• mat1[,1]
• mat1[2,]
• mat1[2,1]
> mat1[,1]
[1] 1 2
> mat1[2,]
[1] 2 4 6 8 10
> mat1[2,1]
[1] 2
39](https://image.slidesharecdn.com/sapporo-130712021247-phpapp01/85/SappoRo-R-2-WS-46-320.jpg)
![中身を確認
nameという名称で保存した情報。文字列。
sexという名称で保存した情報。文字列。
highという名称で保存した情報。数値のセット。
matという名称で保存した情報。
数値のセットのセット＝行列
> Obj
$name
[1] "kosugi" "koji"
$sex
[1] "male" "female" "DK/NA"
$hight
[1] 160 170 180
$mat
[,1] [,2]
[1,] 1 6
[2,] 2 7
[3,] 3 8 43](https://image.slidesharecdn.com/sapporo-130712021247-phpapp01/85/SappoRo-R-2-WS-51-320.jpg)
![呼び出しは見た通り
• 出力の途中に＄がありましたね。
• アレがそのまま，要素へのアクセスのヒン
トになっています。
• Obj$name
• Obj$mat
> Obj$name
[1] "kosugi" "koji"
> Obj$mat
[,1] [,2]
[1,] 1 6
[2,] 2 7
[3,] 3 8
[4,] 4 9
[5,] 5 10
44](https://image.slidesharecdn.com/sapporo-130712021247-phpapp01/85/SappoRo-R-2-WS-53-320.jpg)
![データの種類
• num；数字ですね
• factor；数字＋ラベル，のことです
• iris$Speciesと入力してみましょう。
• 名義・順序尺度水準の数値
> iris$Species
[1] setosa setosa setosa s
（中略）
[131] virginica virginica virginica v
[141] virginica virginica virginica v
Levels: setosa versicolor virginica
48](https://image.slidesharecdn.com/sapporo-130712021247-phpapp01/85/SappoRo-R-2-WS-58-320.jpg)
![データの種類
• num；数字ですね
• factor；数字＋ラベル，のことです
• iris$Speciesと入力してみましょう。
• 名義・順序尺度水準の数値
> iris$Species
[1] setosa setosa setosa s
（中略）
[131] virginica virginica virginica v
[141] virginica virginica virginica v
Levels: setosa versicolor virginica
1, 2, 3
48](https://image.slidesharecdn.com/sapporo-130712021247-phpapp01/85/SappoRo-R-2-WS-59-320.jpg)
![ちなみに
• 先ほどのリストObjもstrすると種類が分かります。
• 他にも論理型Logicalというのがあり，TRUE/FALSEの二つの値を
とります。
List of 4
$ name : chr [1:2] "kosugi" "koji"
$ sex : chr [1:3] "male" "female" "DK/NA"
$ hight: num [1:3] 160 170 180
$ mat : int [1:5, 1:2] 1 2 3 4 5 6 7 8 9 10
文字列chr
数値num
整数値int
49](https://image.slidesharecdn.com/sapporo-130712021247-phpapp01/85/SappoRo-R-2-WS-60-320.jpg)
![データと分析の一例を
• result4 <- factanal(~.,factors=1,data=iris[,-5])
• 因子分析は従属変数がないことがわかる
• ピリオドで「全ての変数」
• iris[,-5]は5列目は削除してね，という意味
90
Tips](https://image.slidesharecdn.com/sapporo-130712021247-phpapp01/85/SappoRo-R-2-WS-106-320.jpg)
More Related Content
What's hot (20)
Similar to SappoRo.R #2 初心者向けWS資料 (20)
More from 考司 小杉 (20)
SappoRo.R #2 初心者向けWS資料
- 2. MENU • 【啓蒙編】Rは何がよいのか，あるいは私はいかにしてRに手を 染めるようになったか • 【入門編】R環境の導入とRでできる基本的なこと • 【実践編】Rをもっと便利に使いましょう 2
- 3. 自己紹介 • なまえ；小杉考司（Twitter @kosugitti） • しょぞく；山口大学教育学部教育心理学コース • せんもん；社会心理学，または心理学的統計法 • けいれき；関西大学/関西学院大学→山口大学 • 「都会/マンモス/私立」から「地方/少数/国立」へ 3
- 5. Rを使い始めた理由「研究編」 • 2007年着任当時，SPSSを持っていなかったし，ユーザ数が少ない地 方国立大学では，全学的にフォローしてくれる環境もなかった。 • 研究をするために，基本的な統計処理と構造方程式モデリングをす る環境を自分で整えなければならなかった。 • 毎年のようにバージョンアップされるSPSSを追いかける気力・体 力・資金力がなかった。 5
- 7. そこで ですよ • フリーソフトウェアなので簡単に導入できた。 • 基本関数が豊かだったので自分でプログラムを書くのも簡単に できた（複素数に対応した固有値分解関数！） • MDS,IRTなどはパッケージを追加するだけで簡単に実行できた。 • 青木先生のサイトなど既に十分なインターネット上の情報公 開，関数提供がなされていた＝テキストも無料だった 7
- 9. Rを使い始めた理由「教育編」 • 統計がGUI環境で簡単に実行できることが，かろうじて文系の学 生にも受け入れられる理由であったが，教育上少なくとも３つの 問題があった。 1. 操作の意味を分からないまま身につけている。 2. 同じことを何度もやってみせて教えなければならない。 3. エラーが生じた時，再現性が確保されない。 9
- 10. そこで ですよ • フリーソフトウェアなので個々人に導入できた。 • コマンドを書くのは大変な労力ではあったが，「今何をしてい るか」を考えさせる役に立った。 • データを共有するだけで，どこででも再現できたので，忙しい ときはメールだけで指導できた。 10
- 11. 当初は苦労した • CUIのハードルの高さが，個人的には問題なかったが，学生には やたら高く感じられるようであった。 • コードの代筆としてRcmdrを使っていたが，関数がお仕着せだっ たりマシンによっては非常に鈍重な動きになっていた。 • 入門書，特にパッケージに関する解説本が少なかった。 11
- 12. いまはもう だけ • プラットフォームとして確立した感がある • RstudioなどIDE環境が整った • 動作が特に重く感じることはなくなってきた • ダウンロード・インストールに関する意識，ある いはコマンドを使うということに関する学生の意 識が変わってきた 12
- 14. こっちこいよ！ • サンプルデータが防府豊富にあるので教材としても優れている • 乗り換えを考えている人は，とりあえず「データファイルの読 み込み」と「データの整形」の山をこえれば後は問題ない • 乗り換えの精神は「背水の陣」と「信じるものは救われる」 14
- 16. subMENU • R環境の導入 • Rとの対話 • 関数とヘルプ • 数をセットで扱う • 表計算ソフトとは違うよ • 試しにやってみよう１ • 代入しておけるオブジェクト • リストとデータフレーム • 数字の種類 • 試しにやってみよう２ 16
- 18. 18
- 19. 19
- 20. 20
- 21. 21
- 22. Rの基本 • Rと一問一答スタイルです！ • 大文字と小文字を区別することに注意！ • 「＞」この状態になっていれば会話スタートです！ 22
- 24. もっともっと • 2+3，3*4，4/5，(2+6)/4などの四則演算もお茶の子さいさい • sqrt(16)とかabs(-2),cos(30)といった関数も使えます • 2+3i+4+5iという複素数の計算も！ • piと書くと円周率がでてきます（予約語） • 予約語については?Constantsで調べてね 24 Tips
- 25. 関数とヘルプ • ()で括るのを「関数」といいます。 • sqrt()もabs()もcos()も関数です。()の中に数値やデータやオプシ ョンを指定します。 • ヘルプをひくのも関数で。help(sqrt)など。 • Rを終わらせるのも関数で。q()とします。 25
- 26. 関数とヘルプ • ()で括るのを「関数」といいます。 • sqrt()もabs()もcos()も関数です。()の中に数値やデータやオプシ ョンを指定します。 • ヘルプをひくのも関数で。help(sqrt)など。 • Rを終わらせるのも関数で。q()とします。 25
- 28. 関数の書き方 • 関数は，関数名（引数，引数，引数，...）のように書きます。 • 引数（ひきすう）は関数に渡したい数字やデータです。 • 引数でオプションの指定をすることもあります。 • 例）mean(x, na.rm=TRUE) • TRUE/FALSEはスイッチのon/offを表す記号です（予約語）
- 29. ヘルプを使おう • 関数の意味が分からなかった ら，「＞」とRが聞き耳を立て ているときにお伺いをたてま しょう。 • help(mean) あるいは ?meanと 書いてみましょう • そうするとびっくりすること が起きるよ。 28
- 30. ヘルプを使おう • 関数の意味が分からなかった ら，「＞」とRが聞き耳を立て ているときにお伺いをたてま しょう。 • help(mean) あるいは ?meanと 書いてみましょう • そうするとびっくりすること が起きるよ。 28
- 31. ヘルプの使い方 • ヘルプは英語ですが，書式は整っているので慣れれば読めます • Description；解説 • Usage；使い方とデフォルト情報。 • Auguments；引数。与える情報。 • Details；関数の詳細。 • Value；関数が返す値。アウトプット。 • ReferenceやExampleもあります。 29
- 33. ただの電卓じゃないよ • 数字をセットで扱えます。 • 数字のセットに名前を付けてとっておくことができます。次の ように入力してみてください。 • 1:4 -> sapporo • 「いちころんよん ハイフン だいなり さっぽろ」 • 「さっぽろ」 31
- 34. ただの電卓じゃないよ • 数字をセットで扱えます。 • 数字のセットに名前を付けてとっておくことができます。次の ように入力してみてください。 • 1:4 -> sapporo • 「いちころんよん ハイフン だいなり さっぽろ」 • 「さっぽろ」 > 1:4 -> sapporo > sapporo [1] 1 2 3 4 31
- 35. 一言一句解説 • 一行目； • 「いちころんよん」；1から4まで連続した数字 • 「ハイフン だいなり」；→のつもり。代入しなさい。 • 「さっぽろ」；サッポロと名付けた箱の中に。 • 二行目 • 「さっぽろ」；サッポロの中身はなんなんだい？ 32
- 36. 数をセットで扱うというのは • 次のように入力してみましょう • c(1,3,5,7,9) ->Sapporo • 注意！Sapporoとsapporoは別物です！sappoRoもね！ • Sapporo+3 • Sapporo*2 cは 「つないで」 33
- 37. 数をセットで扱うというのは • 次のように入力してみましょう • c(1,3,5,7,9) ->Sapporo • 注意！Sapporoとsapporoは別物です！sappoRoもね！ • Sapporo+3 • Sapporo*2 > c(1,3,5,7,9)-> Sapporo > Sapporo+3 [1] 4 6 8 10 12 > Sapporo*2 [1] 2 6 10 14 18 cは 「つないで」 33
- 38. 数をセットで扱うので • 当然こんなことができます。 平均はmean() 分散はvar() 標準偏差はsd() 相関はcor() > x <- 1:10 > y <- c(2,3,4,2,3,4,2,3,4,5) > mean(x) [1] 5.5 > var(x) [1] 9.166667 > sd(x) [1] 3.02765 > cor(x,y) [1] 0.5330018 34
- 39. それじゃあ関数電卓だよ！ • という人のために。作図もできます。 • plot(x) • plot(x,y) • boxplot(x,y) 35
- 40. でもまだ○xcelに負けてるね！ • という人のために，今から色々紹介していきますが， • ひとまずdemo(graphics)と入力してみないか？！ • 数値の行列処理，作図能力，なかなかのもんじゃぜ？ 36
- 42. 数字のセットとセットで • 数字と数字のセットを足し合わせたりすることもできます > x [1] 1 2 3 4 5 6 7 8 9 10 > y [1] 2 3 4 2 3 4 2 3 4 5 > x+y [1] 3 5 7 6 8 10 9 11 13 15 37
- 43. 行列だぜ • 表計算ソフトはベクトルの計算はできても行列計算は苦手なわ けでして・・・ • 次のように入力してみましょう • mat1 <- matrix(1:10,nrow=2) • mat1 38
- 44. 行列だぜ • 表計算ソフトはベクトルの計算はできても行列計算は苦手なわ けでして・・・ • 次のように入力してみましょう • mat1 <- matrix(1:10,nrow=2) • mat1 > mat1 <- matrix(1:10,nrow=2) > mat1 [,1] [,2] [,3] [,4] [,5] [1,] 1 3 5 7 9 [2,] 2 4 6 8 10 38
- 45. 要素にアクセス • 出力の周辺に，[,1]とか[2,]とかありましたね。 • アレがそのまま，行列アクセスのヒントになっています。 • mat1[,1] • mat1[2,] • mat1[2,1] 39
- 46. 要素にアクセス • 出力の周辺に，[,1]とか[2,]とかありましたね。 • アレがそのまま，行列アクセスのヒントになっています。 • mat1[,1] • mat1[2,] • mat1[2,1] > mat1[,1] [1] 1 2 > mat1[2,] [1] 2 4 6 8 10 > mat1[2,1] [1] 2 39
- 47. 行列の計算？ • mat1 -2とかmat1*1とか。ベクトルと 同じで要素全てに処理。 • 行列とベクトルのかけ算とか，行列と 行列の足し算とか・・・は必要なんだ けど，算数の授業じゃないのでパス！ 40
- 50. リストって • なんでも入れておける。数字でも，文字でも。何も気にしなく ていい。とにかく放り込める，まるで四次元ポケット。 > Obj <- list(name=c("kosugi","koji"), + sex=c("male","female","DK/NA"), + hight=c(160,170,180), + mat=matrix(1:10,nrow=5)) 42
- 51. 中身を確認 nameという名称で保存した情報。文字列。 sexという名称で保存した情報。文字列。 highという名称で保存した情報。数値のセット。 matという名称で保存した情報。 数値のセットのセット＝行列 > Obj $name [1] "kosugi" "koji" $sex [1] "male" "female" "DK/NA" $hight [1] 160 170 180 $mat [,1] [,2] [1,] 1 6 [2,] 2 7 [3,] 3 8 43
- 52. 呼び出しは見た通り • 出力の途中に＄がありましたね。 • アレがそのまま，要素へのアクセスのヒン トになっています。 • Obj$name • Obj$mat 44
- 53. 呼び出しは見た通り • 出力の途中に＄がありましたね。 • アレがそのまま，要素へのアクセスのヒン トになっています。 • Obj$name • Obj$mat > Obj$name [1] "kosugi" "koji" > Obj$mat [,1] [,2] [1,] 1 6 [2,] 2 7 [3,] 3 8 [4,] 4 9 [5,] 5 10 44
- 54. データフレームって • 行列とリストのいいとこ取り？ • 整頓されたリスト。矩形。よく見る データセットの形。 • 列名（変数名）がつけられる 45
- 55. データフレームの例 • Irisデータをみてみましょう。baseに最初から含まれるデータセ ットですので，特に何もしなくても読み込まれています。 • head(iris)/tail(iris)；データの最初の数行，最後の数行 • summary(iris)；データの要約が表示されます。 46
- 56. データフレームの例 • ここでstr関数 • str(iris)；オブジェクトの構造を示します。 > str(iris) 'data.frame': 150 obs. of 5 variables: $ Sepal.Length: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ... $ Sepal.Width : num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ... $ Petal.Length: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ... $ Petal.Width : num 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ... $ Species : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ... 47
- 57. データの種類 • num；数字ですね • factor；数字＋ラベル，のことです • iris$Speciesと入力してみましょう。 • 名義・順序尺度水準の数値 48
- 58. データの種類 • num；数字ですね • factor；数字＋ラベル，のことです • iris$Speciesと入力してみましょう。 • 名義・順序尺度水準の数値 > iris$Species [1] setosa setosa setosa s （中略） [131] virginica virginica virginica v [141] virginica virginica virginica v Levels: setosa versicolor virginica 48
- 59. データの種類 • num；数字ですね • factor；数字＋ラベル，のことです • iris$Speciesと入力してみましょう。 • 名義・順序尺度水準の数値 > iris$Species [1] setosa setosa setosa s （中略） [131] virginica virginica virginica v [141] virginica virginica virginica v Levels: setosa versicolor virginica 1, 2, 3 48
- 60. ちなみに • 先ほどのリストObjもstrすると種類が分かります。 • 他にも論理型Logicalというのがあり，TRUE/FALSEの二つの値を とります。 List of 4 $ name : chr [1:2] "kosugi" "koji" $ sex : chr [1:3] "male" "female" "DK/NA" $ hight: num [1:3] 160 170 180 $ mat : int [1:5, 1:2] 1 2 3 4 5 6 7 8 9 10 文字列chr 数値num 整数値int 49
- 61. データと分析の一例を • hist(iris$Sepal.Width) • cor(iris$Sepal.Width,iris$Sepal.Length) • result <- aov(Sepal.Length~Species,data=iris) • summary(result) • result2 <- lm(Sepal.Length~Sepal.Width,data=iris) • result2 • plot(iris$Sepal.Width,iris$Sepal.Length) • abline(result2) 50
- 62. さて 51
- 64. subMENU • Rstudioをつかってもっと便利にRを使おう • ファイルからデータを読み込むには • パッケージを読み込むには • データを整理整頓 • モデルの表記法を知ろう 53
- 67. どれぐらいお勧めかというと • 統計処理をお料理に例えると（cf.木下冨雄） • R本体でも楽しくお料理はできる。飯ごう炊爨的楽しさ。 • RStudioはキッチンスタジアム級！ 55
- 68. 四つの領域と複数のタブ Console Script Workspace/History Files/Plots/Packages/Help Files 冷蔵庫／Plot ブログ用画像 Package 調味料／Help レシピ本 シンク／カメラ 調理場 ここでレシピを展開 56
- 69. 57
- 70. 58
- 72. 60
- 73. 61
- 74. 62
- 75. 63
- 76. 64
- 77. 長所 • ファイルがあちこちに拡散しない • プロジェクトごとにワークスペース（Rの記憶）が保持できる • Working Directoryが自動的に設定される（パスが短くて済む） • R単体だとsetwd関数で指定してやる必要がある 65
- 78. 他にも便利な機能がいっぱい • 関数補完機能（TABキー） • SourceからConsoleへ(Run)，HistoryからConsoleやSourceへ • 実行してうまく行ったものをSourceに保存＝清書 • プロットした図の出力（サイズ変更やClipboard出力，File出力） 66
- 79. subMENU • Rstudioをつかってもっと便利にRを使おう • ファイルからデータを読み込むには • パッケージを読み込むには • データを整理整頓 • モデルの表記法を知ろう 67
- 80. データの読み込み • 多くの場合，データはファイルとしてR外部に置いてある • これが読み込めるだけでずいぶん りますよね • データはカンマ区切り(csv)，タブ区切りのテキスト形式で保存 してあることが望ましいです。 68
- 81. データの読み込み • 関数を使って読み込む例 • 代入先←関数名（ファイル名，ヘッダ，欠損値） • delim;テキストファイル，csv；カンマ区切り • ファイル名を直接指定するかfile.choose関数 • 一行目に変数名あり＝TRUE,なし＝FALSE • 欠損値は文字，記号等を指定する sample1 <- read.delim("sample.dat",head=TRUE,na.strings="*") sample2 <- read.csv("sample.csv",head=TRUE,na.strings=".") sample3 <- read.csv(file.choose(),head=FALSE,na.strings="9")
- 83. Rstudio)ファイルを読み込むと • read.delim / read.csv関数でファイルを指定する時は，フルパスが 必要（ex.“C:UserKosugittiDatasample.csv”） • でもプロジェクトフォルダ内だとファイル名だけでいい。 • 読み込んだ後にWorkspaceにどんなものがあるか表示されている 71
- 84. subMENU • Rstudioをつかってもっと便利にRを使おう • ファイルからデータを読み込むには • パッケージを読み込むには • データを整理整頓 • モデルの表記法を知ろう 72
- 85. over 4000 packages! • パッケージは「新しい料理のレシピ」,”Cookpad”のようなもの。 • インターネット上のCRANから取り込んで料理上手になろう！ • パッケージをインストールするのは三通り • install.packages関数を使う • Rguiから • Rstudioから 73
- 86. パッケージのインストール • install.packages(“psych”) とするか， • メニューのパッケージから進むか 74
- 87. パッケージのインストール • install.packages(“psych”) とするか， • メニューのパッケージから進むか 74
- 88. Rstudio)packageタブから • ここでinstall Packagesを選ぶと グイグイいけます。 • ダウンロード済みのパッケー ジをアップデートするのもグ イッと！ 75
- 89. ダウンロードと実装 • インストールするだけでは使えません。 • 「ここで装備していくかい？」＝library関数 • library(psych)とするとpsychパッケージの関数群がつかえるよう になります。 76
- 91. subMENU • Rstudioをつかってもっと便利にRを使おう • ファイルからデータを読み込むには • パッケージを読み込むには • データを整理整頓 • モデルの表記法を知ろう 78
- 92. 変数を触る，作る，切り取る • read.delim関数で読み込んだデータセットは，data.frame型になっ ている。 • ドルマークをつかって変数にアクセスするのでした。 • ex) iris$Sepal.Width • 変数同士を計算することも当然できるわけです • ex) iris$Sepal.Width/iris$Sepal.Length 79
- 93. 変数を触る，作る，切り取る • 計算結果の保存先を同じデータセットにし，新しい名前を付け てやると新しい変数ができます。 • iris$ratio <- iris$Sepal.Width/iris$Sepal.Length 80
- 94. 変数を触る，作る，切り取る • 計算結果の保存先を同じデータセットにし，新しい名前を付け てやると新しい変数ができます。 • iris$ratio <- iris$Sepal.Width/iris$Sepal.Length 80
- 95. 変数を触る，作る，切り取る • 計算結果の保存先を同じデータセットにし，新しい名前を付け てやると新しい変数ができます。 • iris$ratio <- iris$Sepal.Width/iris$Sepal.Length 80
- 96. 変数を触る，作る，切り取る • 変数の一部を切り取って別のオブジェクトにできます。 • iris2 <- subset(iris,select=c("Sepal.Length","ratio")) 81
- 97. 変数を触る，作る，切り取る • 条件で切り取ることでもできます。 • iris3 <- subset(iris,iris$Species=="setosa") 82
- 99. 接着ける • データとデータを引っ付ける場合はcbind かrbind関数 • cbindは横に，rbindは縦にひっつけます。 • 行数・列数が等しくないとエラーになり ます. X Y cbind 84
- 100. 接着ける • データとデータを引っ付ける場合はcbind かrbind関数 • cbindは横に，rbindは縦にひっつけます。 • 行数・列数が等しくないとエラーになり ます. X Zrbind 84
- 102. 接着ける２ • データの名寄せをする時はmerge関数が便利です • 名寄せのキーになる変数をbyオプションで指定するなど • 詳細はhelp(merge)のExampleを見てみましょう 86
- 103. subMENU • Rstudioをつかってもっと便利にRを使おう • ファイルからデータを読み込むには • パッケージを読み込むには • データを整理整頓 • モデルの表記法を知ろう 87
- 104. 基本となる書き方 • 関数の意味やモデルの詳細はヘルプに譲るとして・・・ • 独立変数（説明変数）と従属変数（被説明変数，目的変数）の 関係を表すformulaを知っておくと，少しばかり ります。 • 従属変数∼独立変数＋独立変数・・・という書き方をします。 88
- 105. データと分析の一例を • result1 <- aov(Sepal.Length~Species,data=iris) • result2 <- lm(Sepal.Length~Sepal.Width,data=iris) • result3 <- lm(Sepal.Length~Sepal.Width+Petal.Length,data=iris) • 分散分析と回帰分析は同じ仲間！ 89
- 106. データと分析の一例を • result4 <- factanal(~.,factors=1,data=iris[,-5]) • 因子分析は従属変数がないことがわかる • ピリオドで「全ての変数」 • iris[,-5]は5列目は削除してね，という意味 90 Tips