Ⅰ. 前回の振り返り

1. 前回の「授業の感想」

別紙参照

2. 前回の積み残し

自作関数

3. 補足

図の2段組
- チャンクオプションを以下のように設定し、一つのチャンク内に二つのコードを書いて下さい

#| layout-ncol: 2

penguins |> 
  filter(!if_any(everything(), is.na)) |> 
  group_by(species) |>  
  summarise( 
    個数 = n()
  ) |> 
  ggplot(aes(x = species, y = 個数)) +
  geom_col() +
  geom_text(aes(label = 個数), vjust = -0.5,
            size = 4) 
palmerpenguins::penguins |> 
  filter(!if_any(everything(), is.na)) |>
  ggplot(aes(x = bill_length_mm, y = bill_depth_mm, color = species)) +
  geom_point() +
  scale_color_brewer(palette = "Paired") +
  scale_y_continuous(breaks = c(5, 15, 25))

Ⅱ. プレゼンテーション

提出したスライド資料にもとづく口頭発表（一人5分程度）

Ⅲ. マップ（階級区分図）

1. 定義と問題点

階級区分図

階級区分図は興味のある変数の値を元に地理的な領域の等級分けを行い､色や陰影の違いを表現する図です（ヒーリー，キーラン (2021), 248ページ）

注意点
- 空間を色分けすることが適切かどうか
  - 例：アメリカ大統領選挙（州単位の色分け）
    - 選挙は有権者数（投票者数）が重要であって､空間（大きさ､小ささ）に意味はない
    - ➡ 見る者に誤ったインパクトを与える
    - ➡ 階級区分図は不適切に用いると誤解を招きやすい

2. アメリカ合衆国の地図（州単位）

教科書7.1（251ページから）

⑴ データの確認

election |> 
  select(state, total_vote, r_points, pct_trump, party, census) |> 
  slice_sample(n = 5)

# A tibble: 5 × 6
  state          total_vote r_points pct_trump party      census   
  <chr>               <dbl>    <dbl>     <dbl> <chr>      <chr>    
1 North Carolina    4741564     3.66      49.8 Republican South    
2 New Jersey        3906723   -14.0       41   Democratic Northeast
3 Virginia          3982752    -5.32      44.4 Democratic South    
4 South Carolina    2103027    14.3       54.9 Republican South    
5 North Dakota       344360    35.7       63.0 Republican Midwest

⑵ 傾向の把握

# アメリカ主要政党のカラーコード
party_colors <- c("#2E74C0", "#CB454A")

election |> 
  filter(!st == "DC") |>  
  ggplot(aes(x = r_points,
             y = reorder(state, r_points),
             color = party)) +
  geom_vline(xintercept = 0, color = "gray30") +
  geom_point(sizse = 2) +
  scale_color_manual(values = party_colors) +
  scale_x_continuous(breaks = c(-30, -20, -10, 0, 10, 20, 30, 40),
                     labels = c("30\n(Clinton)", "20", "10", "0", "10", "20", "30", "40\n(Trump)")) +
  facet_wrap(~ census, ncol = 1, scales = "free_y") +
  guides(color = "none") +
  labs(x = "Point Margin", y = "") +
  theme(axis.text = element_text(size = 8))

教科書は､地図が最適な可視化とは限らないと､あらかじめ釘を刺している（そのための作図）

⑶ マップの作成

事前準備

maps()関数を読み込む（libraryに追加）
データフレームの作成（と確認）

us_states <- map_data("state")

us_states |> 
  head()

       long      lat group order  region subregion
1 -87.46201 30.38968     1     1 alabama      <NA>
2 -87.48493 30.37249     1     2 alabama      <NA>
3 -87.52503 30.37249     1     3 alabama      <NA>
4 -87.53076 30.33239     1     4 alabama      <NA>
5 -87.57087 30.32665     1     5 alabama      <NA>
6 -87.58806 30.32665     1     6 alabama      <NA>

白地図

us_states |> 
  ggplot(aes(x = long, y = lat, group = group)) +
  geom_polygon(fill = "white", color = "black")

色分け地図（州単位）

us_states |> 
  ggplot(aes(x = long, y = lat, group = group, fill = region)) +
  geom_polygon(color = "gray90", size = 0.1) +
  guides(fill = "none")

色分け地図（大統領選挙）

データの加工

us_state_elec <- 
  election |> 
  mutate(region = tolower(state)) |> 
  left_join(us_states, by = "region")

us_state_elec |> 
  head()

# A tibble: 6 × 28
  state   st     fips total_vote vote_margin winner party    pct_margin r_points
  <chr>   <chr> <dbl>      <dbl>       <dbl> <chr>  <chr>         <dbl>    <dbl>
1 Alabama AL        1    2123372      588708 Trump  Republi…      0.277     27.7
2 Alabama AL        1    2123372      588708 Trump  Republi…      0.277     27.7
3 Alabama AL        1    2123372      588708 Trump  Republi…      0.277     27.7
4 Alabama AL        1    2123372      588708 Trump  Republi…      0.277     27.7
5 Alabama AL        1    2123372      588708 Trump  Republi…      0.277     27.7
6 Alabama AL        1    2123372      588708 Trump  Republi…      0.277     27.7
# ℹ 19 more variables: d_points <dbl>, pct_clinton <dbl>, pct_trump <dbl>,
#   pct_johnson <dbl>, pct_other <dbl>, clinton_vote <dbl>, trump_vote <dbl>,
#   johnson_vote <dbl>, other_vote <dbl>, ev_dem <dbl>, ev_rep <dbl>,
#   ev_oth <dbl>, census <chr>, region <chr>, long <dbl>, lat <dbl>,
#   group <dbl>, order <int>, subregion <chr>

作図

us_state_elec |> 
  ggplot(aes(x = long, y = lat, group = group, fill = party)) +
  geom_polygon(color = "gray90", size = 0.1) +
  coord_map(projection = "albers", lat0 = 39, lat1 = 45) +
  scale_fill_manual(values = party_colors) +
  labs(title = "アメリカ大統領選挙結果 2016", fill = NULL) +
  theme_map(base_family = "HiraKakuProN-W3")

フォント名は各OS（Windowsなど）に対応するものに変更して下さい

us_state_elec |> 
  ggplot(aes(x = long, y = lat, group = group, fill = pct_trump)) +
  geom_polygon(color = "gray90", size = 0.1) +
  coord_map(projection = "albers", lat0 = 39, lat1 = 45) +
  scale_fill_gradient(low = "white", high = "#CB454A") +
  labs(title = "アメリカ大統領選挙結果 2016 トランプ得票率", fill = NULL) +
  theme_map(base_family = "HiraKakuProN-W3")

3. アメリカ合衆国の地図（州単位以外）

教科書7.2（260-261ページから）

アメリカの人口密度

county_full <-
  county_map |> 
  left_join(county_data, by = "id")

county_full |>  
  ggplot(aes(x = long, y = lat,
         fill = pop_dens,
         group = group)) +
  geom_polygon(color = "gray90", size = 0.05) +
  coord_equal() +
  scale_fill_brewer(palette = "Blues",
                    labels = c("0-10", "10-50", "50-100", "100-500", "500-1,000", "1,000-5,000", ">5,000")) +
  labs(fill = "Population per\nsquare mile") +
  theme_map() +
  guides(fill = guide_legend(nrow = 1)) +
  theme(legend.position = "bottom")

3. 日本の地図

⑴ 事前準備

パッケージのインストールと読み込み

以下の幾つかのパッケージはCRANからダウンロードできなくなっています

devtools::install_github("uribo/jpndistrict")

devtools::install_github("ropensci/rnaturalearth")

remotes::install_github("ropensci/rnaturalearthhires")

install.packages(
  "rnaturalearthhires",
  repos = "https://ropensci.r-universe.dev",
  type = "source"
)

library(sf)
library(NipponMap)
library(jpndistrict)
library(rnaturalearth)
library(rnaturalearthdata)
library(rnaturalearthhires)

⑵ シンプルな日本地図

geom_sfは地理空間データを標準化された形式で扱うためのRパッケージです。geom_polygonに比べ､より高度な地理空間データを可視化できます

df_japan_map <-
  ne_states(country = "Japan", returnclass = "sf") # 日本の地図データを取得

df_japan_map <- 
  df_japan_map |> 
  select(都道府県 = name_ja, geometry)

df_japan_map |> 
  ggplot() +
  geom_sf() +
  theme_map()

⑶ シンプルな日本地図（離島を除外）

df_japan_map |> 
  ms_filter_islands(min_area = 1000000000) |>  #離島を除外（桁数を増やすと沖縄も除外される）
  ggplot() +
  geom_sf() +
  theme_map()

⑷ シンプルな地図（日本以外）

df_india_map <-
  ne_states(country = "India", returnclass = "sf") # 各国の地理データを持つ

df_india_map |> 
  ggplot() +
  geom_sf() +
  theme_map()

⑸ 南西諸島・小笠原諸島の位置を変更した地図

kuniezuパッケージを使用
- CRANにパッケージがないので(Rのバージョンとの対応関係の問題なのか、現在利用できません)、以下の方法でインストール（Consoleに入力）

install.packages("remotes")
remotes::install_github("uribo/kuniezu")

国絵図 (kuniezu)

jgd2011_bbox |> 
  move_jpn_rs() |>  
  st_union() |>  # 県境のオン／オフ
  ggplot() +
  geom_sf() +
  geom_jpsegment() +
  theme_map()

⑹ 日本地図（都道府県毎に人口で色分け）

df_日本の人口 <- 
  read_csv("data/日本の人口_2023年10月1日現在.csv") |> 
  mutate(
    男性 = 男性 * 1000,
    女性 = 女性 * 1000,
    人口 = 男性 + 女性,
    `人口（100万人）` = 人口/1000000
  ) 

df_japan_map_pop <- 
  df_japan_map |> 
  left_join(df_日本の人口, by = c("都道府県"))

df_japan_map_pop |>  
  ggplot(aes(fill = 人口), size = .pt / 10) +
  geom_sf() +
  scale_fill_continuous_tableau(labels = function(x) x / 1e6,
    guide = guide_colorbar(
      nbin = 10)  # 色の区分を10に設定
    ) +
  labs(fill = "人口 (100万人)") + 
  theme_void(base_family = "HiraKakuProN-W3")

df_japan_map_pop |> 
  ms_filter_islands(min_area = 1000000000) |>  
  ggplot(aes(fill = 人口), , size = .pt / 10) +
  geom_sf() +
  scale_fill_continuous_tableau(labels = function(x) x / 1e6,
                                guide = guide_colorbar(
                                  nbin = 10)  # 色の区分を10に設定
  ) +
  labs(fill = "人口 (100万人)") + 
  theme_void(base_family = "HiraKakuProN-W3")

df_日本の人口_long <- 
  df_日本の人口 |> 
  pivot_longer(
    cols = c("男性", "女性"),
    names_to = "性別",
    values_to = "人口_男女別"
  )

df_japan_map_pop_long <- 
  df_japan_map |> 
  left_join(df_日本の人口_long, by = c("都道府県")) 

df_japan_map_pop_long |> 
  ggplot(aes(fill = 人口), size = .pt / 10) +
  geom_sf() +
  scale_fill_continuous_tableau(labels = function(x) x / 1e6,
    guide = guide_colorbar(
      nbin = 10  # 色の区分を5に設定
    )
                                ) +
  labs(fill = "人口 (100万人)") + 
  facet_wrap(~ 性別) +
  theme_void(base_family = "HiraKakuProN-W3")

⑺ 都道府県の抽出：日本地図（石川県）

df_japan_map |> 
  filter(都道府県 == "石川県") |> 
  ggplot() +
  geom_sf() +
  theme_void()

⑻ 日本地図（基礎自治体）

jpn_pref()関数は基礎自治体の情報をもっているので、以下のような地図を作成できます

ishikawa_cities <- 
  jpn_admins(jis_code = 17)

options:        ENCODING=cp932 
Reading layer `P34-14_17' from data source 
  `/private/var/folders/9s/7hsrcd3j2g94k9xw7prl70100000gn/T/RtmpVm1RN1/P34-14_17_GML/P34-14_17.shp' 
  using driver `ESRI Shapefile'
Simple feature collection with 46 features and 4 fields
Geometry type: POINT
Dimension:     XY
Bounding box:  xmin: 136.3114 ymin: 36.17683 xmax: 137.2604 ymax: 37.43637
Geodetic CRS:  JGD2000

ishikawa_cities |>
  gt()

jis_code	type	name	address	geometry
17201	1	金沢市役所	金沢市広坂1-1-1	c(136.656633, 36.561051)
17202	1	七尾市役所	七尾市袖ケ江町イ部25	c(136.967296, 37.043108)
17203	1	小松市役所	小松市小馬出町91	c(136.445588, 36.408357)
17203	2	南支所	小松市蓑輪町ハ84-2	c(136.427028, 36.354117)
17204	1	輪島市役所	輪島市二ツ屋町2字29	c(136.899185, 37.390557)
17204	2	門前総合支所	輪島市門前町走出6-69	c(136.768018, 37.287389)
17204	2	町野支所	輪島市町野町粟蔵川原田22-1	c(137.088106, 37.423297)
17204	2	南志見出張所	輪島市里町32字36	c(137.03413, 37.430293)
17204	2	三井出張所	輪島市三井町2字12-1	c(136.90266, 37.315457)
17204	2	西保出張所	輪島市大沢町ホサソ201-3	c(136.802894, 37.375095)
17205	1	珠洲市役所	珠洲市上戸町北方1-6-2	c(137.260406, 37.436369)
17206	1	加賀市役所	加賀市大聖寺南町ニ41	c(136.314685, 36.302669)
17206	2	山中温泉支所	加賀市山中温泉湯の出町タ33	c(136.371962, 36.246519)
17206	2	山代出張所	加賀市山代温泉山背台1-60	c(136.359226, 36.291588)
17206	2	片山津出張所	加賀市片山津温泉7-1-1	c(136.364943, 36.344962)
17206	2	動橋出張所	加賀市動橋町ホ15-1	c(136.389557, 36.330486)
17206	2	橋立出張所	加賀市橋立町ロ357-1	c(136.311401, 36.350844)
17207	1	羽咋市役所	羽咋市旭町ア200	c(136.778999, 36.893599)
17209	1	かほく市役所	かほく市宇野気ニ81	c(136.706668, 36.719973)
17209	2	大海連絡所	かほく市夏栗い34	c(136.749165, 36.77861)
17210	1	白山市役所	白山市倉光2-1	c(136.565833, 36.514427)
17210	2	美川支所	白山市美川浜町ヨ103	c(136.492179, 36.490829)
17210	2	鶴来支所	白山市鶴来本町4-ヌ85	c(136.625604, 36.452733)
17210	2	河内支所	白山市河内町口直海イ15	c(136.631316, 36.403684)
17210	2	吉野谷支所	白山市市原丁25	c(136.648455, 36.319984)
17210	2	鳥越支所	白山市別宮町ロ170	c(136.604031, 36.358585)
17210	2	尾口支所	白山市女原ト46	c(136.648148, 36.281625)
17210	2	白峰支所	白山市白峰ハ130	c(136.624569, 36.176827)
17211	1	能美市役所	能美市来丸町1110	c(136.554028, 36.446888)
17324	1	川北町役場	川北町字壱ツ屋174	c(136.542276, 36.468632)
17212	1	野々市市役所	野々市市三納1-1	c(136.609685, 36.519466)
17361	1	津幡町役場	津幡町字加賀爪ニ3	c(136.728683, 36.669093)
17365	1	内灘町役場	内灘町字大学1-2-1	c(136.645125, 36.65353)
17384	1	志賀町役場	志賀町末吉千古1-1	c(136.77801, 37.006187)
17384	2	富来支所	志賀富来領家町甲10	c(136.725432, 37.14426)
17386	1	宝達志水町役場	宝達志水町子浦そ18-1	c(136.797557, 36.862759)
17407	1	中能登町役場	中能登町末坂9部46	c(136.901476, 36.98889)
17407	2	鹿島庁舎	中能登町井田4-1-1	c(136.918042, 36.964951)
17407	2	鹿西庁舎	中能登町能登部下85-1	c(136.864454, 36.960911)
17461	1	穴水町役場	穴水町字川島ラ174	c(136.912479, 37.230874)
17463	1	能登町役場	能登町字宇出津新1字197-1	c(137.150052, 37.306588)
17463	2	柳田庁舎	能登町柳田仁部54	c(137.095925, 37.368885)
17463	2	内浦庁舎	能登町松波13字75	c(137.244519, 37.353254)
17463	2	小木支所	能登町小木15字30-1	c(137.224041, 37.30059)
17463	2	鵜川支所	能登町鵜川18字128-1	c(137.085412, 37.25282)
17463	2	高倉出張所	能登町姫12字36	c(137.208533, 37.302173)

# 例：石川県（pref_code=17）の基礎自治体データを取得
ishikawa <-
  jpn_pref(pref_code = 17, district = TRUE)

ishikawa |> 
  ggplot() +
  geom_sf(fill = "lightblue", color = "black") +
  ggtitle("石川県の基礎自治体地図")

# 石川県の基礎自治体データ取得
ishikawa <-
  jpn_pref(pref_code = 17, district = TRUE)

# 金沢市だけ抽出
kanazawa <- ishikawa |> 
  filter(city == "金沢市")

# 金沢市の地図を描く
kanazawa |> 
  ggplot() +
  geom_sf(fill = "orange", color = "black") +
  ggtitle("金沢市の地図")

より詳しい説明を必要とする方はデータ分析入門（山本雅資）を参照しましょう

Ⅳ. インターネットで公開する

コードは紹介しませんが、Rでこんなこともできます

1. Quarto Pub

追加で用意するもの
- Quarto Pubアカウント
サイト
- Quarto Pub・公式サイト
- .qmd を超お手軽完全無料パブリッシュできる Quarto Pub を使ってみる
方法
- Terminalに以下のコードを入力
```
quarto publish quarto-pub /path/to/file.qmd
```
パスやファイル名は適宜、置き換えること

2. GitHub Pages

追加で用意するもの
- GitHubアカウント
- GitHub Desktop（アプリ）
サイト
- GitHub Pages・公式サイト -Markdown ライクな Quarto でスライドを作成して GitHub Actions で HTML 出力する
- Create Your Website with Quarto: Complete Tutorial and Template
方法

R Studioの右上のパネルの「Build」でRender Websiteをクリック
出力された「docs」フォルダを、アップロード用のGitHubフォルダにそのまま入れる
GitHub Desktopで「commit」

Ⅴ. スクレイピングとテキスト分析

コードは紹介しませんが、Rでこんなこともできます
- 首相官邸の岸田首相の演説などを一括取得
  - 岸田首相の総理の演説・記者会見などのリスト化
  - 分析例

パッケージ

スクレイピングには、httr2やrvestといったパッケージを使っています
テキスト分析には、quantedaをベースに、形態素解析器にRMeCabを用いています。quantedaの他、tidytextが著名です（ただし日本語非対応）

Ⅵ. 宿題

1. 授業の感想

note | 回答先と締め切り

回答先：Google Forms
締め切り：2025年6月6日（金）23時59分まで

2. 学期末授業アンケート

note | 回答先と締め切り

回答先：Google Forms
締め切り：2025年6月6日（金）23時59分まで

3. レポート（最終成果物）

note | 提出先と締め切り

回答先：Google Forms
締め切り：2025年6月4日（水）10時30分まで
出力形式:

レポート（最終成果物）の出力ファイル
レポート（最終成果物）のquartoファイル
レポート（最終成果物）で用いたデータファイル（すべて）

アップロードするすべてのファイル名のどこかに氏名を入れて下さい

再提出する場合は6月6日（金）23:59分までに提出して下さい（必須ではありません）。最終版のファイルで成績を評価します

References

ヒーリー，キーラン (2021) 『データ分析のためのデータ可視化入門』, 講談社.

Copyright

苅谷千尋