進化学実習 2022 牧野研

1. 導入: データ解析の全体像。Rを使うメリット。Rの基本。

岩嵜航

東北大学生命科学研究科進化ゲノミクス分野牧野研

2022-04-11 東北大学理学部生物学科進化学実習 https://heavywatal.github.io/slides/tohoku2022r/

本実習のお品書き「データ取り扱いの基礎」

生物学研究におけるデータ解析の重要性を認識する。
- 理解する、とは
プログラミング言語Rを習得し、長い目で見て楽をする。
- データの可視化
- データの前処理
- レポート作成
データ解析入門
- 統計モデリング・仮説検定
- データ解釈の心構え・落とし穴

牧野研以外の実習・研究でも使える知識・技術。
(研究じゃない場面でも役に立つはず。)

「生物の理（ことわり）を知りたい」理学部生物学科

生物の複雑な機能や形態がどのように進化してきたのか解明したい
多様な生態系がどう誕生し維持されてきたのか理解したい
四肢と鰭の発生プログラムの違いや共通点を理解したい
行動選択や学習に関わる分子神経機構を解明したい
細胞内小器官の時空間的制御を理解したい
プラナリアなどの再生能力をもたらす遺伝的基盤を解明したい
昆虫が植物に「虫こぶ」を作らせる機構を解明したい
etc.

研究の基本プロセス

課題を見つける、仮説を立てる
実験🧫・観察🔬・文献📚などからデータを集める
データを整理・解析して仮説を検証する
結果を報告する、1に戻る

実験や観察は研究の半分くらい。
残り半分はデータの整理・解析・報告。
→ しかし軽視されがち。ここをちゃんと、でも楽にやりたい。

データ解析って必要？生データこそ至高では？

生のままでは複雑過ぎ、情報多すぎ、何もわからない。

print(ggplot2::diamonds)

      carat       cut color clarity depth table price     x     y     z
      <dbl>     <ord> <ord>   <ord> <dbl> <dbl> <int> <dbl> <dbl> <dbl>
    1  0.23     Ideal     E     SI2  61.5    55   326  3.95  3.98  2.43
    2  0.21   Premium     E     SI1  59.8    61   326  3.89  3.84  2.31
    3  0.23      Good     E     VS1  56.9    65   327  4.05  4.07  2.31
    4  0.29   Premium     I     VS2  62.4    58   334  4.20  4.23  2.63
   --                                                                  
53937  0.72      Good     D     SI1  63.1    55  2757  5.69  5.75  3.61
53938  0.70 Very Good     D     SI1  62.8    60  2757  5.66  5.68  3.56
53939  0.86   Premium     H     SI2  61.0    58  2757  6.15  6.12  3.74
53940  0.75     Ideal     D     SI2  62.2    55  2757  5.83  5.87  3.64

ダイヤモンド53,940個について10項目の値を持つデータセット

要約統計量を見てみよう

各列の平均とか標準偏差とか:

   stat carat depth table    price     x     y     z
  <chr> <dbl> <dbl> <dbl>    <dbl> <dbl> <dbl> <dbl>
1  mean  0.80 61.75 57.46  3932.80  5.73  5.73  3.54
2    sd  0.47  1.43  2.23  3989.44  1.12  1.14  0.71
3   max  5.01 79.00 95.00 18823.00 10.74 58.90 31.80

大きさ carat と価格 price の相関係数は 0.92 (かなり高い)。

生のままよりは把握しやすいかも。

しかし要注意…

平均値ばかり見て可視化を怠ると構造を見逃す

https://www.autodesk.com/research/publications/same-stats-different-graphs

作図してみると全体像・構造が見やすい

情報をうまく絞って整理 → 直感的にわかる

plot of chunk simplify-diamonds

carat が大きいほど price も高いらしい。
その度合いは clarity によって異なるらしい。

統計とは

データをうまくまとめ、それに基づいて推論するための手法。

記述統計: データそのものを要約する
- 要約統計量 (e.g., 平均、標準偏差、etc.)
- 作図、作表
推測統計: データの背後にある母集団・生成過程を考える
- 数理モデル
- 確率分布
- パラメータ(母数)

「グラフを眺めてなんとなく分かる」以上の分析にはモデルが必要

モデルとは

対象システムを単純化・理想化して扱いやすくしたもの

Mathematical Model 数理モデル: 数学的な方程式として記述されるもの。; e.g., Lotka-Volterra eq., Hill eq.
Computational Model 数値計算モデル: 数値計算の手続きとして記述されるもの。; e.g., Schelling’s Segregation Model, tumopp
Concrete Model 具象モデル: 具体的な事物で作られるもの。; e.g., San Francisco Bay-Delta Model

Weisberg 2012 "Simulation and Similarity" (科学とモデル)

ウェットな実験もモデルの一種と見なせる

対象システムを単純化・理想化して扱いやすくしたもの
→ 自然ではありえない状況にしてでも、見たい関係を見る
→ 「Xを変えればYが変わる」という還元的な理解の1ステップ

ノイズをなるべく除去
- 栄養や温度など、環境を揃える
- 近親交配を繰り返して純系を作り、遺伝的背景を揃える
興味のある要因のみ変えて、表現型の違いを評価
- 遺伝子1つ2つだけ改変
- 投与する薬剤の種類・量を変えてみる
- 栄養塩の濃度と光の強さを変えてみる

ドライの理論研究者を指して「モデル屋」と呼びがちだが、
広い意味では生物学者みんな「モデル屋」。

データ科学における数理モデル

データ生成をうまく真似できそうな仮定の数式表現。

データ科学における数理モデル

データ生成をうまく真似できそうな仮定の数式表現。
e.g., 大きいほど高く売れる: $\text{price} = A \times \text{carat} + B + \epsilon$

plot of chunk lm-diamonds

ダイヤモンドの価格はこういう数式でおよそ表せる、という理解
→ モデルをさらに改良していき、理解の精度を上げられるかも

科学の営み = 巨人の肩に立つ

https://en.wikipedia.org/wiki/
Standing_on_the_shoulders_of_giants

先人たちの積み重ねに基づいて、新しい発見をする

記録を残すことは何より重要: 実験や野外観察では些細なことも漏らさず記録。; 生データは何重にもバックアップ。
データ整理・解析・作図も不可欠、だけど…: 再現不能の職人技で切り抜けちゃう人も多い。; コピペ、メニュー選択、配色と配置を微調整…
疑義が生じたら…？別の人がその研究を発展させたいとき…？: 💩「ありまぁす！」; ✅「誰でも確実に再現できるプロトコルがこちらです」

Reproducible Research (再現可能な研究) が巨人を大きくする。

再現不可能な職人的研究の例

動物園の混合展示で、各種動物はどのように分布・行動しているか、
それらを決める要因は何か。膨大な観察データに基づく超大作卒論。

生データ: ここはまだそんなに悪くない

週に1回、各個体の位置と行動を種ごとのファイルに記録。
タブは個体、A列B列はXY座標でそれ以降の列は行動、各行はある時刻。

マウスとコピペを駆使して条件ごとに複製・集計

ちゃんと合ってるのかな… ファイルもタブもたくさん…

マウスとコピペを駆使して条件ごとに複製・集計

ちゃんと合ってるのかな… ファイルもタブもたくさん…

目と手で数え、濃淡を計算し、画像ソフトで塗る

泣きながら何十枚も…。無料期間が終わって今は使えない…。

目作業・手作業＝シーシュポスの岩

Punishment sisyph.jpg — https://en.wikipedia.org/wiki/Sisyphus

膨大な単純作業がそもそもツラい
人間だもの、ミスは防ぎきれない
ミスを減らすためのチェックもツラい
ミスを発見 → 初めからやり直し
新データ追加 → 初めからやり直し
熟練してもツラいまま
そのときの自分しかできない、記録に残らない
→ 検証のしようがない
卒論なら努力賞でいいかもしれないけど、科学の手続きとしては問題。

プログラミングで大量のファイルを捌く

先の例に負けず生データはどっさり。でも頑張るのは機械。

こんな感じの図もRでラクラク描けるよ

Rにやらせて楽しよう

規則性のある退屈な仕事は人間よりも機械のほうが得意。
一度書いたプログラムは、データが変わっても使いまわせる。
自分以外の人でも再現・検証できる
きれいな図を簡単に描ける
部分的に改変しながらいろんな解析を試せる。
→ 仮説検証 だけでなく、 仮説生成(探索的データ解析) もやりやすい
やれば上達する。どんどん楽になる！

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

Rとは

統計解析と作図の機能が充実したプログラミング言語・環境

クロスプラットフォーム: Linux, Mac, Windows で動く
オープンソース: 永久に無償で、すべての機能を使える。; 集合知によって常に進化している。
コミュニティ: 相談できる人や参考になるウェブサイトがたくさん見つかる。

他のプログラミング言語でもいいよ: PythonとかJuliaとか。

この実習の目標

✅ 生物学研究にはデータとモデルが必須だと認識

✅ 再現可能な解析を楽にやりたい気持ちになる

⬜ 必要な方法を調べ、実践する力をつける

Rでできそうなことを把握する
困ったときの対処法・相談先を知る

⬜ データ解析の基本に触れる

個々の方法は覚えなくても大丈夫！
忘れては調べ、を何度も繰り返しながら染み込ませていこう。

1時限目後半: Rの基礎

✅ ~~Rはデータ解析に便利なプログラミング言語・環境~~

⬜ R環境のセットアップ

⬜ Rとの対話

⬜ 「プロジェクト」と「スクリプト」を作る

⬜ 基本的な型と演算

⬜ Rパッケージ

⬜ 疑問・エラーの解決方法

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

R環境のセットアップ

R本体: コマンドを解釈して実行するコア部分。; よく使われる関数なども標準パッケージとして同梱。
RStudio Desktop: Rをより快適に使うための総合開発環境 (IDE); 必須じゃないけど便利なので結構みんな使ってる。

RStudioを起動してConsoleで対話しよう

Workspace (Environment) = 一時オブジェクトの集まり

毎回まっさらなワークスペースで始める設定

RStudio → Preferences command,
Tools → Global options

“Restore …” のチェックを外して、 “Save …” のNeverを選択

https://r4ds.had.co.nz/workflow-projects.html

“Project” を新規作成する

File → New Project… → New Directory → New Project →
→ Directory name: r-training-2022
→ as subdirectory of: ~/project or C:/Users/yourname/project

📁 ディレクトリ＝フォルダ。 ~/ = ホームディレクトリ

Rスクリプトに書いてから実行

File → New File → R script

Rスクリプトに書いてから実行

File → New File → R script

Rスクリプトに書いてから実行

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

Rスクリプトを保存する

手順
- File → Save commands
- ファイル名: hello.R
- 場所: さっき作ったプロジェクト内 (デフォルトでそうなるはず)
スクリプトを書いたら消さずに保存すること！
- 書いたスクリプトは財産
- 保存しておけばまた使い回せる

🔰 いろんな四則演算を試して hello.R に保存してみよう。
e.g., 1 + 2 + 3, 3 * 7 * 2, 4 / 2, 4 / 3, etc.

プロジェクト📁にファイルが溜まっていく

スクリプト、データ、結果を分けて整理する例:

r-training-2022/           # プロジェクトの最上階
├── r-training-2022.Rproj  # これダブルクリックでRStudioを起動
├── hello.R
├── 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
├── data/                  # 元データを置くところ
│   ├── iris.tsv
│   └── diamonds.xlsx
└── output/                # 結果の出力先
    ├── iris-petal.png
    └── iris-summary.tsv

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。; プログラミングの経験値 ≈ エラー解決の経験値
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。

この実習の取り組み方

とにかく手を動かして体感しよう！

こういう枠が出てきたら、自分のRスクリプトにコピペして保存:
```
head(iris)
```
実行してコンソールを確認。思ったとおりの出力？
Error や Warning があったらよく読んで対処する。
(無視していい Warning もたまーにあるけど)
🔰若葉マークの練習問題があれば解いてみる。
そこまでのコードのコピペ＋改変でできるはず。

疑問・困りごとがある場合は気軽にChat欄に書き込んでください。
私の代わりに解答するのも大歓迎です助かります。

変数/オブジェクトを作ってみよう

x = 2        # Create x
x            # What's in x?

[1] 2

y = 5        # Create y
y            # What's in y?

[1] 5

Rでは代入演算子として矢印 <- も使えるけど私は = 推奨。
# 記号より右はRに無視される。コメントを書くのに便利。

x + y

[1] 7

🔰 x と y の引き算、掛け算、割り算をやってみよう

基本的な演算

+ とか * のような演算子(operator)を変数の間に置く。

10 + 3    # addition
10 - 3    # subtraction
10 * 3    # multiplication
10 / 3    # division
10 %/% 3  # integer division
10 %% 3   # modulus 剰余
10 ** 3   # exponent 10^3

🔰 コピペして結果を確認してみよう。

関数 (function)

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

🔰 自分の関数を何か作ってみよう。 e.g., 2倍にする関数 twice

変数/オブジェクトを作ってみよう Part 2

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

[1] 42

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

[1] "24601"

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

変数/オブジェクトの型

class(x)

[1] "numeric"

is.numeric(x)

[1] TRUE

is.character(x)

[1] FALSE

as.character(x)

[1] "42"

🔰 さっき作った y にも同じ関数を適用してみよう。

変数/オブジェクトの型

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。

vector: 一次元の配列

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

x < 5           # 5より小さいか

[1]  TRUE  TRUE FALSE

🔰 この x, y を使っていろいろな演算を試してみよう

vectorから部分的に抜き出す

[] を使う。番号は1から始まる。

letters

 [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r" "s" "t" "u" "v" "w" "x" "y" "z"

letters[3]

[1] "c"

letters[seq(4, 6)]       # 4 5 6

[1] "d" "e" "f"

letters[seq(1, 26) < 4]  # TRUE TRUE TRUE FALSE FALSE ...

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

vectorを渡した結果は関数によって異なる

各要素に適用するもの:

x = c(1, 2, 9)
y = sqrt(x)     # square root
y

[1] 1.000000 1.414214 3.000000

全要素を集約した値を返すもの:

z = sum(x)
z

[1] 12

🔰 log(), exp(), length(), max(), mean() にvectorを渡してみよう。

matrix: 二次元の配列 (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

🔰 結果を確認してみよう: x + y, dim(x), nrow(x), ncol(x).

行 (row), 列 (column) の憶え方

https://commons.wikimedia.org/wiki/File:2012_Super_GT_Sugo_starting_grid.jpg

data.frame: 長方形のテーブル (重要!)

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。末尾は tail()
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

🔰 次のようなdata.frameを作って theDF と名付けよう:

 i s
24 x
25 y
26 z

ヒント: c() 無しでクリアすることも可能。

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

あれれー、エラーが出る？

Error: Cannot open file for writing:
* 'data/iris.tsv'

ファイル読み書きでありがちなエラー

読みたいファイル名が間違っている。
読みたいファイルが作業ディレクトリとは違うところにある。
書き込み先のディレクトリが存在しない。→ 予め作っておこう

冷静に、現在の作業ディレクトリとその中身を確認しよう:

getwd()               # GET Working Directory
list.files(".")       # List files in "." (here)
list.files("data")    # List files in "./data"
dir.create("data")    # Create directory

よくあるエラー集 (石川由希さん@名古屋大) を読んでおきましょう。

🔰 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

── Attaching packages ─────────────────── tidyverse 1.3.1 ──
✔ ggplot2 3.3.5     ✔ purrr   0.3.4
✔ tibble  3.1.6     ✔ dplyr   1.0.8
✔ tidyr   1.2.0     ✔ stringr 1.4.0
✔ readr   2.1.2     ✔ forcats 0.5.1
── Conflicts ────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag()    masks stats::lag()

Conflicts ❌ とか表示されて不安だけど ↑ これは大丈夫なやつ

次回からはこれらを使って解説

疑問やエラーの解決方法

エラーのほとんどは凡ミス由来。よく確認しよう。
- エラー文をちゃんと読む: No such file or directory
- 変数の中身を確かめる: str(iris), attributes(iris)
- よくあるエラー集 (石川由希さん@名古屋大) をチェックする
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(Studio)内のヘルプを読む: ?sum, help.start()

1時限目後半: Rの基礎

✅ Rはデータ解析に便利なプログラミング言語・環境

✅ R環境のセットアップ

✅ プロジェクトを使ってファイルを管理

✅ スクリプトを書いてからコンソールで実行

✅ 変数には型がある: 数値、文字列、データフレームなど

✅ 便利なパッケージを使おう

✅ 疑問・エラーの解決方法

個々の方法は覚えなくても大丈夫！
忘れては調べ、を何度も繰り返しながら染み込ませていこう。

データ解析のおおまかな流れ

コンピュータ環境の整備
データの取得、読み込み
探索的データ解析
- 前処理、加工 (地味。意外と重い) 👈 明日以降の主題
- 可視化、仮説生成 (派手！楽しい！) 👈 本日の主題
- 統計解析、仮説検証 (みんな勉強したがる)
報告、発表

実習全体の予定

時間	4/11 Mon	4/12 Tue	4/13 Wed	4/14 Thu
13:00	導入	課題解答	課題解答	課題解答
14:30	可視化	構造処理1	内容処理	モデリング2
16:00	予備	構造処理2	モデリング1	データ解釈

毎日最後に課題を出します
翌日最初に班ごとに解答例を発表してもらいます。
発表前に20分ほど、班ごとに相談する時間を設けます。
4/18 Mon は講義なしで相談と発表の時間を長めに取ります。

レポート課題

4/14木曜に、Rを使ったレポート作成技術を習得します。
それを使って、実習中に解いた課題をまとめてください。

課題
- 講義資料の🔰若葉マークの練習問題
- 毎日最後に出る課題
評価ポイント
- エラーも警告も無くコードが動く
- 文書の構造や図が視覚的に見やすく整理されている
- 習った技術や自分で調べた技術がいろいろ盛り込まれている
手抜きポイント
- 生物学的な意義、実用性があるか、みたいなのは不問

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)

データ分析のための数理モデル入門江崎貴裕 2020
統計学を哲学する大塚淳 2020
科学とモデル—シミュレーションの哲学入門 Michael Weisberg 2017
(原著: Simulation and Similarity 2013)

Other versions: 「Rによるデータ前処理実習」岩嵜航 2020 東京医科歯科大; 「Rを用いたデータ解析の基礎と応用」石川由希 2021 名古屋大学

2. データの可視化。

進化学実習 2022 牧野研

1. 導入: データ解析の全体像。Rを使うメリット。Rの基本。

本実習のお品書き「データ取り扱いの基礎」

「生物の理（ことわり）を知りたい」理学部生物学科

研究の基本プロセス

データ解析って必要？ 生データこそ至高では？

要約統計量を見てみよう

平均値ばかり見て可視化を怠ると構造を見逃す

作図してみると全体像・構造が見やすい

統計とは

モデルとは

ウェットな実験もモデルの一種と見なせる

データ科学における数理モデル

データ科学における数理モデル

科学の営み = 巨人の肩に立つ

再現不可能な職人的研究の例

生データ: ここはまだそんなに悪くない

マウスとコピペを駆使して条件ごとに複製・集計

マウスとコピペを駆使して条件ごとに複製・集計

目と手で数え、濃淡を計算し、画像ソフトで塗る

目作業・手作業 ＝ シーシュポスの岩

プログラミングで大量のファイルを捌く

こんな感じの図もRでラクラク描けるよ

Rにやらせて楽しよう

Rとは

この実習の目標

✅ 生物学研究にはデータとモデルが必須だと認識

✅ 再現可能な解析を楽にやりたい気持ちになる

⬜ 必要な方法を調べ、実践する力をつける

⬜ データ解析の基本に触れる

1時限目後半: Rの基礎

Keyboard shortcuts

R環境のセットアップ

RStudioを起動してConsoleで対話しよう

毎回まっさらなワークスペースで始める設定

“Project” を新規作成する

Rスクリプトに書いてから実行

Rスクリプトに書いてから実行

Rスクリプトに書いてから実行

Rスクリプトを保存する

プロジェクト📁にファイルが溜まっていく

Rと接する上での心構え

この実習の取り組み方

変数/オブジェクトを作ってみよう

基本的な演算

関数 (function)

変数/オブジェクトを作ってみよう Part 2

変数/オブジェクトの型

変数/オブジェクトの型

vector: 一次元の配列

vectorから部分的に抜き出す

vectorを渡した結果は関数によって異なる

matrix: 二次元の配列 (行列)

行 (row), 列 (column) の憶え方

data.frame: 長方形のテーブル (重要!)

data.frameを眺める

data.frameを眺める

data.frameの新規作成

data.frameの読み書き

ファイル読み書きでありがちなエラー

R package

tidyverse

tidyverse

疑問やエラーの解決方法

1時限目後半: Rの基礎

データ解析のおおまかな流れ

実習全体の予定

レポート課題

Reference

データ解析って必要？生データこそ至高では？

目作業・手作業＝シーシュポスの岩