Hands-on Introduction to R 2020

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

R basics: Index

🖥 Setup R environment

👽 Conversation with R

📁 Create a “project” and “script”

➕ Basic operations and types

📦 Package

❓ Errors and questions

環境依存の不具合 🤮

• " Windows + 🇯🇵日本語ユーザー名" だと不具合が生じがち。
  英語名ユーザーを作りなおして引っ越したほうがいい。

• OS全体の言語設定も英語にするのがオススメ。

• できれば Macを使うのが無難。
  Linuxが使えるならなお良い。

Keyboard shortcuts

Action	Mac	Windows
Switch apps	commandtab	alttab
Quit apps	commandq	altF4
Spotlight	commandspace
Cut, Copy, Paste	commandx, -c, -v	ctrlx, -c, -v
Select all	commanda	ctrla
Undo	commandz	ctrlz
Find	commandf	ctrlf
Save	commands	ctrls

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 some softwares:

  brew install wget
  wget https://cran.r-project.org/Rlogo.svg
  ls
  

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

Workspace (Environment) = a set of temporary objects

Configure RStudio NOT to save/load workspace

RStudio → Preferences   command,
Tools → Global options

Uncheck “Restore …”, Choose Never for “Save workspace …”.

Create “Project”

File → New Project… → New Directory → New Project →
→ Directory name: r-training-2020
→ as subdirectory of: ~/project

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-2020/           # 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-2020.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)

ほんの一例です。好きな構造に決めてください。

Rと接する上での心構え

エラー文を恐れない

熟練プログラマでも頻繁にエラーを起こす。

エラーはRからのメッセージ。意図を読み取って修正しよう。

困ったらウェブ検索

あなたの問題は全世界のRユーザーが既に通った道。

日本語で、英語で、エラー文そのもので検索すれば解決策に当たる。

(コードの)コピペ推奨

打ち間違いによるエラーを防げるし、早い。

ネット上で見つけたコードもまずはコピペしてから自分用に改変。

(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"

Rでは代入演算子として矢印 <- も使えるけど私は = 推奨。

この x と y を足そうとするとエラーになる。なぜ？

x + y        # Error! Why?

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)

• 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)
• array: 多次元配列。vector同様、全要素が同じ型。
  • matrix: 行列 = 二次元の配列。
• 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。

Function (関数)

変数を受け取って、何か仕事して、返す命令セット

x = seq(1, 3)  # 1と3を渡すとvectorが返ってくる
x

[1] 1 2 3

sum(x)         # vectorを渡すと足し算が返ってくる

[1] 6

square = function(something) {  # 自分の関数を定義
  something ** 2
}
square(x)                       # 使ってみる

[1] 1 4 9

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(1, 3)) {
  z[i] = sqrt(x[i])
}

matrix: 2-dimensional array (行列)

1本の vector を折り曲げて長方形にしたもの。
中身は全て同じ型。機械学習とか画像処理とかで使う。

v = seq(1, 8)              # c(1, 2, 3, 4, 5, 6, 7, 8)
x = matrix(v, nrow = 2)    # 2行に畳む。列ごとに詰める
x

     [,1] [,2] [,3] [,4]
[1,]    1    3    5    7
[2,]    2    4    6    8

y = matrix(v, nrow = 2, byrow = TRUE)  # 行ごとに詰める
y

     [,1] [,2] [,3] [,4]
[1,]    1    2    3    4
[2,]    5    6    7    8

Let’s try x + y, dim(x), nrow(x), ncol(x).

行 (row), 列 (column) の憶え方

data.frame: rectangle table (IMPORTANT!)

同じ長さの列 vector を複数束ねた長方形の表。
e.g., 長さ150の数値ベクトル4本と因子ベクトル1本:

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

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。

data.frameを眺める

概要を掴む:

head(iris, 6)   # 先頭だけ見てみる
nrow(iris)      # 行数: Number of ROWs
ncol(iris)      # 列数: Number of COLumns
names(iris)     # 列名
summary(iris)   # 要約
View(iris)      # RStudioで閲覧

str(iris)       # 構造が分かる形で表示

tibble [150 × 5] (S3: tbl_df/tbl/data.frame)
 $ Sepal.Length: num [1:150] 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
 $ Sepal.Width : num [1:150] 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
 $ Petal.Length: num [1:150] 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
 $ Petal.Width : num [1:150] 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 ...

ほかのデータもいろいろ見てみよう, e.g., mtcars, quakes, data()

data.frameを眺める

部分的なdata.frameを取得する:

iris[2, ]                  # 2行目
iris[2:5, ]                # 2行目から5行目まで
iris[, 3:4]                # 3-4列目
iris[2:5, 3:4]             # 2-5行目, 3-4列目

vectorとして取得する:

iris[[3]]                  # 3列目
iris$Petal.Length          # Petal.Length列
iris[["Petal.Length"]]     # Petal.Length列
iris[["Petal.Length"]][2]  # Petal.Length列の2番目

結果がdata.frameになるかvectorになるか微妙:

iris[, 3]                  # 3列目
iris[, "Petal.Length"]     # Petal.Length列
iris[2, 3]                 # 2行目3列目
iris[2, "Petal.Length"]    # 2行目Petal.Length列

data.frameの新規作成

同じ長さの 列(column) vector を結合して作る:

x = c(1, 2, 3)
y = c("A", "B", "C")
mydata = data.frame(x, y)
print(mydata)

  x y
1 1 A
2 2 B
3 3 C

data.frameの読み書き

• readxlパッケージを使えば .xlsx ファイルも読める、けど

• カンマ区切り(CSV)とかタブ区切り(TSV)のテキストが無難。

• ファイル名は作業ディレクトリからの相対パスで指定。

  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
  write_tsv(iris, "data/iris.tsv")   # 書き出し
  iris2 = read_tsv("data/iris.tsv")  # 読み込み
  

• 現在の作業ディレクトリとその中身を確認しておこう:

  getwd()               # Get Working Directory
  list.files(".")       # List files in "."
  list.files("data")    # List files in "./data"
  

R組み込みデータや自作データを読み書きしてみよう

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

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

• Conflicts ❌ とか表示されて不安だけど
  これは大丈夫なやつ:

── Attaching packages ─────────────────────────────────────── tidyverse 1.3.0 ──
✔ ggplot2 3.3.0     ✔ purrr   0.3.4
✔ tibble  3.0.1     ✔ dplyr   0.8.5
✔ tidyr   1.1.0     ✔ stringr 1.4.0
✔ readr   1.3.1     ✔ forcats 0.5.0
── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag()    masks stats::lag()

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！

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
• エラー文やパッケージ名をコピペしてウェブ検索
  → StackOverflow や個人サイトに解決策
• Slack r-wakalang で質問を投稿する。
  (質問に飢えた優しいワニが多数生息 👀   👀   👀   👀)
• 状況再現できる小さな例 (reprex) を添えると回答を得やすい。
  (これを準備してるうちに問題が切り分けられて自己解決したり)
• パッケージの公式ドキュメントをちゃんと読む

R basics: Summary

✅ Write R script, and send it to Console.

✅ Object types: numeric vector, data.frame, etc.

✅ Use packages.

✅ Relax. You know how to solve problems.

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

「Rによるデータ前処理実習」 岩嵜航 2019 東京医科歯科大