Hands-on R Lecture for Makino Lab

0. Why do we use R?
1. R basics
2. Visualization with R
3. Tidying and transforming data with R
4. Statistical analysis with R
5. File management with Git+GitHub

R basics: Index

• Setup Mac and R environment
• Conversation with R
• Create a “project” and “script”
• Read and write table files
• Package
• Errors and questions

Mac keyboard shortcuts

See https://support.apple.com/HT201236

Setup Mac environment

• Set OS language to English (System Preferences → Language & Region)

• Install Command Line Tools via Terminal.app:

  xcode-select --install
  

  Full Xcode is not necessary, but you can have it if you like.

• Install Homebrew (software manager):

  /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install.sh)"
  

• Try installing something with Homebrew:

  brew install wget
  wget https://www.lifesci.tohoku.ac.jp/evolgenomics/wp-content/themes/makino/images/logo2.png
  

  You may need to restart shell to reload PATH

  # command not found: brew
  exec $SHELL -l
  

Setup R environment

brew cask install r rstudio

R

Core software to interpret and execute commands.

Standard packages and functions are included.

RStudio Desktop

Integrated environment to help users interact with R.

Not necessary, but many people like it.

Launch RStudio and play with Console

Details will be explained later.

Create “Project”

File → New Project… → New Directory → ~/project/r-training-2019

Write R script, and send it to Console

File → New File → R script

Write R script, and send it to Console

File → New File → R script

Write R script, and send it to Console

Select text with shift←↓↑→
Execute them with ctrlreturn

Save R script in the project: commands

Separate data, scripts, and results, e.g.,

r-training-2019/           # プロジェクトの最上階
├── data/                  # 元データを置くところ
│   ├── iris.tsv
│   └── diamonds.xlsx
├── r-training-2019.Rproj  # これダブルクリックでRStudioを起動
├── hello.R
├── output/                # 結果の出力先
│   ├── iris-petal.png
│   └── iris-summary.tsv
├── transform.R            # データ整理・変形のスクリプト
└── visualize.R            # 作図のスクリプト

プロジェクト最上階を作業ディレクトリとし、
ファイル読み書きの基準にする。(後で詳しく)

Configure RStudio not to save/load workspace

Open “Preferences” with command,

Attitude toward programming in R

Don’t fear errors

Even experts cause errors very often.

An error is a message from R. Try to understand it.

Google it

Some R users in the world have already solved your problems.

Queries can be 日本語, Engligh, or whole error message.

それでも分からなかったら r-wakalang で相談しよう。

Copy-and-paste is easier and faster

見つけたコードはまずコピペして使ってみよう。

動くようなら自分のデータに合わせて改変しよう。

(ただし、ライセンスには注意…)

Create objects/variables (変数)

x = 42       # Create x
x            # What's in x?

[1] 42

y = "24601"  # Create y
y            # What's in y?

[1] "24601"

x + y        # Error!

Error in x + y: non-numeric argument to binary operator

Object types (型)

class(x)

[1] "numeric"

is.numeric(x)

[1] TRUE

is.character(x)

[1] FALSE

as.character(x)

[1] "42"

Try applying the same functions to y.

Object types (型)

• NULL: 空っぽ
• vector: 基本型。一次元の配列。
  • logical: 論理値 (TRUE or FALSE)
  • numeric: 数値 (整数 42L or 実数 3.1416)
  • character: 文字列 ("a string")
  • factor: 因子 (文字列っぽいけど微妙に違う)
  • ↑それぞれに欠損値 NA も定義されてる
• matrix: 二次元の行列。vector同様、全要素が同じ型。
• list: 異なる型でも詰め込める太っ腹ベクトル。
• data.frame: 同じ長さのベクトルを並べた長方形のテーブル。重要。
  tibble とか tbl_df と呼ばれる亜種もあるけどほぼ同じ。

vector: 1-dimensional array

1個の値でもベクトル扱い。
同じ長さ(または長さ1)の相手との計算が得意。

x = c(1, 2, 9)  # 長さ3の数値ベクトル
x + x           # 同じ長さ同士の計算

[1]  2  4 18

y = 10          # 長さ1の数値ベクトル
x + y           # 長さ3 + 長さ1 = 長さ3 (それぞれ足し算)

[1] 11 12 19

sqrt(x)         # square root

[1] 1.000000 1.414214 3.000000

# We don't have to write for-loop like this
z = c(0, 0, 0)
for (i in seq_len(3)) {
  z[i] = sqrt(x[i])
}

data.frame: rectangle table (IMPORTANT!)

iris はアヤメ属3種150個体に関する測定データ。
Rに最初から入ってて、例としてよく使われる。

print(iris)

    Sepal.Length Sepal.Width Petal.Length Petal.Width   Species
           <dbl>       <dbl>        <dbl>       <dbl>     <fct>
  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
 --                                                            
147          6.3         2.5          5.0         1.9 virginica
148          6.5         3.0          5.2         2.0 virginica
149          6.2         3.4          5.4         2.3 virginica
150          5.9         3.0          5.1         1.8 virginica

長さ150の数値ベクトル4本と因子ベクトル1本。

Read and Write data.frame

• You can read .xlsx files with readxl package, but

• Prefer plain text format, e.g., .csv and .tsv.

• Use relative path from working directory.

  install.packages("readr") # R標準の read.table() とかは難しいので
  library(readr)            # パッケージのやつを使うよ
  readr::write_tsv(iris, "data/iris.tsv")
  readr::read_tsv("data/iris.tsv")
  

• Check your current working directory and its contents:

  getwd()               # Get working directory
  list.files(".")       # List files in "."
  list.files("data")    # List files in "./data"
  

R package

便利な関数やデータセットなどをひとまとめにしたもの。

Standard Packages

Rの標準機能。何もしなくても使用可能

Contributed Packages

有志により開発され、 CRAN にまとめて公開されている。

要インストール。使う前に読み込むおまじないが必要。

install.packages("readr")  # 一度やればOK
library(readr)             # 読み込みはRを起動するたびに必要
update.packages()          # たまには更新しよう

素のRも覚えきってないのにいきなりパッケージ？

大丈夫。誰も覚えきってない。

パッケージを使わないR作業 = 火もナイフも使わない料理

tidyverse

Rでデータを上手に扱うためのパッケージ群

install.packages("tidyverse")
library(tidyverse)
# 関連パッケージが一挙に読み込まれる

• 統一的な使い勝手
• 暗黙の処理をなるべくしない安全設計
• シンプルな関数を繋げて使うデザイン

Many other useful packages

• readxl: エクセル形式の読み込み
• stringr: 文字列の処理
• Bioconductor: バイオインフォマティクス関連
• igraph: グラフ(ネットワーク)関連
• rgl: 3Dの作図
• R Markdown: Rコマンドと結果を埋め込んだPDFやHTMLを作る。
  この発表スライドもそうやって作った。
  レポート作成や共同研究者への報告にも便利！

たくさんありすぎて選べない？
まずは人気のパッケージを https://awesome-r.com/ で探してみるとか。

How to solve problems

• RStudio内にヘルプを表示: ?sum, help.start()
• 変数の構造を確かめる: str(iris), attributes(iris)
• エラー文をちゃんと読む: No such file or directory
• パッケージの公式ドキュメントをちゃんと読む
• パッケージ名やエラー文をコピペしてウェブ検索
  → StackOverflow や個人サイトに解決策
• 身近な経験者に訊く
• Slackの r-wakalang で質問を投稿する。
  内容によってチャンネルを選ぶ: #r_beginners, #ggplot2
• 状況を再現できる小さな例 (reprex) を添えて質問すると回答を得やすい。

R basics: Summary

• Install R and RStudio via Homebrew.
• Write R script, and send it to Console.
• Place files in a “Project” structure.
• Variables have types: numeric vector, data.frame, etc.
• Use packages.
• Help is everywhere.

Reference

R for Data Science — Hadley Wickham and Garrett Grolemund

https://r4ds.had.co.nz/

Book

日本語版書籍(Rではじめるデータサイエンス)

Older versions

「Rにやらせて楽しよう — データの可視化と下ごしらえ」 岩嵜航 2018

「Rを用いたデータ解析の基礎と応用」石川由希 2019 名古屋大学