目次
- 前回の振り返り
- データフレームの構造と型
- データの抽出
- データの要約と集計
- 生成AIを活用する
- Rの構造：base R と modern R(tidyverse)の関係
0. 本日の目標
- データフレームの基本的な構造（行・列・変数）を理解する
- データの型（数値・文字・ファクターなど）の違いをなんとなく理解する
- データの抽出・除外についての基本的な操作を行ってみる
- データを簡単に計算し、その結果を図にしてみる（詳しい説明、理解は次週以降）
- 生成AIの注意点を理解してRの補助ツールとして活用する
- base Rとmodern Rの関係をなんとなく理解する
2. データフレームの構造と型
- Rの基本操作：列名中心
- → 列名をわかりやすく、かつ、一意な名前を付けることが重要 Cf. colnames()関数
- データフレーム = データを表の形でまとめたもの
- 明確な列名とそれに従った値からなる
- 行（row）: 1つの観測（例：1羽のペンギン）
- 列（column）: 1つの変数（例：体重・種類）
- 明確な列名とそれに従った値からなる
- 型によって「できる操作」が異なる
- 数値：計算に向いている
- 文字：分類に向いている
- カテゴリ：分類に使われるデータ（順序を持つこともある）
- skim()関数によるデータの特徴・型の把握
3. データの抽出
- filter()関数：指定した変数のデータのみ残す
- filter_out()関数：指定した変数のデータを除外する
- 欠損値
- RはNAの扱いを明示しないと計算しない仕様
- 欠損値の除外：drop_na()関数が基本
- 欠損値の置き換え：replace_na()関数
4. データの要約と集計（基本編）
- 平均値を算出する：summarise()関数とmean()関数を組み合わせる
summarise(avg_body_mass = mean(body_mass))
- グループごとの平均値を算出する：group()関数
group_by(species)
5. 生成AIを活用する
⑴ 生成AIの利点を知る
- コードと生成AIは相性がよい
⑵ 生成AIの限界を知る
- 古い情報・不正確な情報や、存在しない関数、間違ったコードを出すことがある
- AIは目的や問い、仮説を立てることはできない
- →︎ 何を分析したいかは自分で考える必要がある
6. Rの構造：base R と modern R(tidyverse)の関係
⑴ 3層構造
- Packages
- 目的別に追加するツール：家具や家電
- modern R：tidyな（整然とした）R:
- 近年の改良で、より読みやすく・便利になった文法：家の骨組み・壁・柱、設計の考え
- 関数は動詞ベース（何をするかがわかりやすい）
- 例：filter; select Cf. base R: subset（数学の「部分集合」に由来）
- base R：R言語そのもの：家の基礎部分
⑵ パイプ処理
- |> または %>%
- 前の結果を次の関数に渡して、処理を順番につなげる役割を担う
- コードはオブジェクト（データ）から始まる
- 何をどうしたいのかが明確（書きやすく、読みやすい）
- → コードを単純化でき、上から順に読めるコードになる
宿題
授業の感想：
- 回答先：Google Forms
- 締め切り：4月17日（金）23時59分
演習：
- 内容：授業内で課した演習①〜④
- ファイル：演習の該当箇所を抜き出すのではなく、qmdファイルをそのまま提出
- ファイル名：氏名をかな表記にして下さい（例：かりやちひろ.qmd）
- 回答先：dropbox
- 締め切り：4月20日（月）23時59分
Copyright
CHIHIRO KARIYA 2026