Rによるデータ前処理実習 2024 東京医科歯科大

概要

  1. 授業内容 (100–150字程度)
    データを元に可視化や検定・予測を行うためのソフトウェアは華々しく発展していますが、 それらを利用するためにはまず入力データを整える必要があり、 「データ分析に費やす労力の8割は前処理」などとも言われています。 その地味ながら重要な作業をなるべく楽に行うためにRを使う方法を学びましょう。
  2. 授業タイトル
    1. 入門1: 前処理とは。Rを使うメリット。Rの基本。
    2. 入門2: データ可視化の重要性と方法。
    3. データ構造の処理1: 抽出、集約など。
    4. データ構造の処理2: 結合、変形など。
    5. データ内容の処理: 数値、文字列、日時など。
    6. 実践: 現実の問題に対処してみる。
  3. 受講するうえで必要になる前提知識
    • ファイル、フォルダ、クリックなど一般的なパソコンの基礎知識と経験
  4. 教科書
    • なし
  5. 参考書
  6. その他 (注意事項等)

実習環境の設定

  1. OSのソフトウェア・アップデートを基本的に全て適用して再起動。

    • Windows 11 (≥23H2)
    • macOS Sonoma (≥14.6)

  2. ファイル名の末尾(.pdf とか .png とか)の拡張子を常時表示するようにOSを設定。

  3. https://cran.r-project.org/ から最新版の R本体(≥ 4.4.1) をダウンロードしてインストール。 OK連打のデフォルト設定で。 古いものが既に入っている場合は念のため削除してから。

    • Windows → base → R-4.*.*-win.exe
    • Mac → R-4.*.*-arm64.pkg (Apple Silicon) or R-4.*.*.pkg (Intel)

  4. https://posit.co/download/rstudio-desktop/ から最新版の RStudio (≥ 2024.04.2) をダウンロードしてインストール。 古いものが既に入っている場合は念のため削除してから。

  5. 開発者ツールをインストール。 ここでは必須ではないけどいずれ使うことになる。

    • Windows: Rtools (R本体のバージョンに合わせる)
    • Mac: Command Line Tools: ターミナルで xcode-select --install を実行。 Xcode環境は不要。

  6. RStudioを起動し、左側のConsoleで次の1行を実行:

    install.packages("tidyverse", type = "binary")

    何か訊かれたら yes と回答。 パッケージがたくさんインストールされる。 エラーや警告らしきものがあれば全文コピーしておく。

  7. Consoleに次の2行を打ち込んでメッセージを確認:

    library(conflicted)
library(tidyverse)

    ── Attaching core tidyverse packages ──── tidyverse 2.0.0 ──
✔ dplyr     1.1.4     ✔ readr     2.1.5
✔ forcats   1.0.0     ✔ stringr   1.5.1
✔ ggplot2   3.5.1     ✔ tibble    3.2.1
✔ lubridate 1.9.3     ✔ tidyr     1.3.1
✔ purrr     1.0.2

エラーや警告が出たら

  1. 実習当日に教員に相談。

  2. バージョン確認。OS、R、RStudioなどのソフトウェアが古すぎるかも。 それらが十分に新しければ、次に挙げる日本語やOneDriveの問題は対処済みのはず。

  3. 手元のコンピューターのホームフォルダを確認。 新しくターミナルを開いて pwd コマンドを実行。 ここに半角アルファベットじゃない文字(日本語とか記号とか空白とか)が含まれている場合、不具合の原因になりがち。 ここだけ修正するのはかなり難しい (ユーザー名のフルネーム表示は変更できるけどそれは無関係)。 新しいユーザーアカウントを作って引っ越すとか、 OSをクリーンインストールするとかしてやり直したほうが結局早そう。 半角アルファベット小文字のみで短いものを推奨。

    • ✅ Good: watal, tamakino
    • ❌ Bad: 岩嵜航, Watal Iwasaki, heavy.watal

    Windowsのホームフォルダ(%USERPROFILE%)はログインの仕方で決まるっぽい:

    • ✅ Microsoftアカウント(example@outlook.jp)でログイン: C:/Users/examp/ (ユーザー名が漢字だろうがなんだろうが、メールアドレスの最初の5文字が使われるのでセーフ)
    • Microsoftアカウントを使わず、ローカルユーザーとしてログイン
      • ✅ 半角英字のみのユーザー名なら問題ない: C:/Users/goodname/
      • ❌ 漢字など全角文字を含むアカウント名: C:/Users/朗軽 遊佐/
        RとRStudioは既に対応済みだけど、Quarto(あるいはPandoc?)は未対応らしくてエラー。 他のソフトウェアでも不具合が出る危険あり。 ローカルユーザーを作ったあとでMicrosoftアカウントと紐付けても直らなそう。

  4. Windowsの場合OneDriveが悪さしているかも。 参考:

講義資料

←→キーで戻る・進むスライド形式。