高校生のためのデータサイエンス入門

データ分析のためのプログラミング言語R

苅谷千尋

kariyach@staff.kanazawa-u.ac.jp

金沢大学

November 7, 2025

0. この講義で学べること

この講義で学べること

データサイエンスとは何か
Rの何がよいのか、Rで何ができるか

この講義で学べないこと

Rのコード習得（簡単な案内のみ）

Ⅰ. データサイエンスとは何か {

いま、なぜデータサイエンスなのか

社会の要請：
- エビデンスベースの思考、政策提案・政策決定
ビッグデータの利活用：
- 蓄積されたデータという鉱脈
- 個々のデータを結合させ、ビッグデータとする
- 個々のデータは既知でも、結合させることによって新たしいデータ分析が可能に（Rが得意なこと）
- 例：健康に関するデータと学習成績に関するデータ

データ分析の目的

データの要約
データの意味、データ間の関係の探索
既知のデータから未知の知見の探究（予測）

データ分析の目的＞データの要約

膨大なデータと限られた人間の能力
- データの要約が必要

要約の手法

代表値によるデータの集約：例）最小値；最大値；平均値
ばらつきの指標の計算による分布の推定：例）分散；標準偏差
データの可視化：例）箱ひげ図；ヒストグラム

species	max	min	mean	sd
Adelie	46.0	32.1	38.82	2.66
Chinstrap	58.0	40.9	48.83	3.34
Gentoo	59.6	40.9	47.57	3.11

データ分析の目的＞データの意味、データ間の関係の探索

複数のデータを比較し、その関係を探索する

データ分析の手法

関係の数値化：例）共分散；相関係数
データの可視化・図表：例）散布図・クロス集計表

相関係数

species	cor_bill
Adelie	0.386
Chinstrap	0.654
Gentoo	0.654

散布図

データ分析の手順

flowchart LR
    A["Import / Load<br>データの読み込み"] --> 
    B["Wrangle<br>データ整形・変換"] --> 
    C["Explore<br>データの探索・可視化"] --> 
    D["Model<br>モデルの構築・分析"] --> 
    E["Communicate<br>結果の伝達"]

%% ノードのスタイル（色と中央寄せ）
style A fill:#FFA500,stroke:#333,stroke-width:1px,text-align:center
style B fill:#FFD700,stroke:#333,stroke-width:1px,text-align:center
style C fill:#87CEFA,stroke:#333,stroke-width:1px,text-align:center
style D fill:#90EE90,stroke:#333,stroke-width:1px,text-align:center
style E fill:#FFB6C1,stroke:#333,stroke-width:1px,text-align:center

Ⅱ. 「情報」の高大接続

「情報」の高大接続

高校教育：
- 第三者が作った図を正確に読み取る力が求められる
高等教育：
- 既知のデータから新たな図を作り、新しい解釈を下す力が求められる（Rが得意なこと）
- データを新たに収集し、新たな図を作り、新しい解釈を下す力が求められる

学習指導要領

イ（ウ）データの収集，整理，分析及び結果の表現の方法を適切に選択し，実行し，評価し改善することでは，データを問題の発見・解決に活用するために，必要なデータの収集について，選択，判断する力，それに応じて適切なデータの整理や変換の方法を判断する力，分析の目的に応じた方法を選択，処理する力，その結果について多面的な可視化を行うことにより，データに含まれる傾向を見いだす力を養う。また，データの傾向に関して評価するために，客観的な指標を基に判断する力，生徒自身の考えを基にした適正な解釈を行う力を養う。更に，地域や学校の実態及び生徒の状況に応じて，数学科と連携し，データを収集する前に，分析の構想を練り紐付ける項目を洗い出したり，外れ値の扱いについて確認したり，データの傾向について評価するために仮説検定の考え方などを取り扱ったりすることも考えられる。

表計算アプリでできなくはないが、総じて、高校生に過剰な能力を求めている

学習指導要領

例えば，データの型式に関しては，表形式以外の時系列データ，SNS などにおいて個人と個人の繋つながりを表現するためのデータ，項目（キー）と値（バリュー）をセットにして値を格納するキー・バリュー形式のデータを扱うことが考えられる。

Rのようなプログラム言語を習得しなければ困難

学習指導要領

また，気象データ，総務省統計局のデータ及び国や地方公共団体などが提供しているオープンデータなどについて扱い，データ収集の偏りについても考え，それらのデータを表計算ソフトウェアや統計ソフトウェアで扱うことができるように整理，加工し，適切な分析や分かりやすい可視化の方法について話し合い，これらを選択して実施し，その結果に関する生徒個々人の解釈をグループで協議し，評価する学習活動などが考えられる。

多くのオープンデータは人間にとって見やすい形（表）で提供されており、コンピュータには理解できない。カラムと値で構成されたデータフレームである必要がある。表からデータフレームへの変換・加工もRが得意なこと）の一つ

学習指導要領

更に，テキストマイニングの学習として，新聞記事や小説などをテキストデータとして読み込み，適当な整形等を行った上で，単語の出現頻度について調べさせ，出現頻度に応じた文字の大きさで単語を一覧表示したタグクラウドを作らせ，単語の重要度や他の単語との関係性を捉える学習活動などが考えられる。英語と日本語では，テキストマイニングをする際にどのような部分に違いがあるのかについて討論したり，実際にテキストマイニングを行って比較したりする活動なども考えられる。

Rのようなプログラム言語を習得しなければ困難

Ⅲ. なぜRなのか

なぜRなのか

Cf. Microsoft Excel / SPSS / python

無料
- ITベンダーから自由に（予算；分析；可視化）
コード
- 再現可能性
  - マウス操作と違い､手順を説明する必要性が少ない（真似しやすい）
  - 操作を忘れてもコードが残る
  - ミスも再現できる
- 使い回せる
- 反復性（作業の効率化）
  - 図を使ったコミュニケーションや分析自体に時間を使える
- 安全性（元データは加工しない）
- ➡ 初期コストはすぐに回収できる

なぜRなのか

豊富な可視化ツール
- ggplot2(公式サイト)
- カラーパッケージ
豊富な出力パッケージ（quarto）
- Documents
- Presentations
- Dashboards
  - e.g. How the “Clusterbuster” Shiny App Helps Hundreds of Doctors and Epidemiologists Battle COVID-19 in the Netherlands
- Website
  - このウェブサイトもQuartoの出力パッケージを使って作成
- ➡ YAML（ファイル冒頭部分）を変えるだけ
- この他､各図表を個別に出力可能（pngファイル；csvファイル）

なぜRなのか

親切なコミュニティ
- 各専門分野の研究者が､当該分野の分析に最適化したパッケージを作っている
- 困っていることはみんな一緒（先達の回答が参考になる）
  - Tokyo.R
簡易的な記述法
- markdown

Ⅳ. Rの実例

Rでできること

作図
- 5 Named Graphs(5NG)：棒グラフ；ヒストグラム；箱ひげ図；散布図；折れ線グラフなど
データ解析
- 因子分析や回帰分析など
スクレイピング
- ウェブサイトなどからデータを一括取得
テキスト分析
- テキストを量的に解析（質的ではなく）
地図情報

Rの実例

金沢広域急病センター利用者数
- データの入手先：URL
野生鳥獣の放射線モニター調査結果
- データの入手先：URL
OECD 各種データ
- ダッシュボード
- データセット
国際成人力調査（PIAAC：ピアック）
- OECD
- 文部科学省

作図

作図：金沢広域急病センター利用者数

df_hospital_long |>
  filter(!if_any(everything(), is.na)) |>
  ggplot(aes(x = 日付, y = 利用者数, color = 専門, group = 専門)) +
  geom_line()

作図：金沢広域急病センター利用者数

Code

df_hospital_long |> 
  filter(!if_any(everything(), is.na)) |>
  arrange(日付) |> 
  group_by(専門) |> 
  mutate(移動平均 = rollmean(利用者数, k = 90, fill = NA, align = "right")) |> 
  ggplot(aes(x = 日付, y = 移動平均, color = 専門, group = 専門)) +
  geom_line() +
  scale_x_date(
    date_breaks = "3 months",
    labels = label_date_short()
  ) +
  scale_color_paletteer_d("awtools::mpalette")

作図：金沢広域急病センター利用者数

Code

# 矩形のデータフレームを作成
rects <- data.frame(
  xmin = as.Date("2020-04-16"),
  xmax = as.Date("2021-09-30"),
  ymin = -Inf,
  ymax = Inf,
  label = "緊急事態宣言"  # 凡例に表示するラベル
)

df_hospital_long |> 
  filter(!if_any(everything(), is.na)) |>
  arrange(日付) |> 
  group_by(専門) |> 
  mutate(移動平均 = rollmean(利用者数, k = 90, fill = NA, align = "right")) |> 
  ggplot(aes(x = 日付, y = 移動平均, color = 専門, group = 専門)) +
  geom_line() +
  geom_rect(data = rects, aes(xmin = xmin, xmax = xmax, ymin = ymin, ymax = ymax, fill = label), alpha = 0.1,inherit.aes = FALSE) +
  scale_fill_manual(values = "red", name = "") +
  scale_x_date(
    date_breaks = "3 months",
    labels = label_date_short()
  ) +
  scale_color_paletteer_d("awtools::mpalette")

作図：野生鳥獣の放射線モニタリング調査結果

Code

基準値 <- data.frame(yintercept = 100, Lines = '基準値')

df_野生鳥獣 |>
  filter(!is.na(セシウム)) |> 
  group_by(動物) |> 
  ungroup() |> 
    mutate(検査月日 = as.POSIXct(検査月日),
         検査月日 = as.Date(検査月日)) |> 
  ggplot(aes(x = 検査月日, y = セシウム, colour = 動物, group = 動物)) +
  geom_boxplot() +
  geom_jitter() +
  geom_hline(aes(yintercept = yintercept, linetype = "基準値"), color = "red", data = 基準値) +
  scale_y_continuous(labels = comma) +
  labs(color = "動物", linetype = "") +
  scale_x_date(
    date_breaks = "6 months",
    labels = label_date_short()
  ) +
  scale_color_paletteer_d("awtools::mpalette")

作図：野生鳥獣の放射線モニタリング調査結果

Code

df_野生鳥獣 |>
  filter(動物 == "イノシシ") |>
  filter(!is.na(セシウム)) |> 
  group_by(方部, 西暦) |>
  ggplot(aes(x = "", y = セシウム, colour = 方部, group = 方部)) +
  geom_boxplot() +
  geom_jitter() +
  geom_hline(aes(yintercept = yintercept, linetype = "基準値"), color = "red", data = 基準値) +
  scale_linetype_manual(name = "", values = c("基準値" = "dashed")) +
  scale_y_continuous(labels = comma) +
  labs(x = "") +
  scale_color_paletteer_d("awtools::mpalette") +
  facet_wrap(~ 西暦)

作図：野生鳥獣の放射線モニタリング調査結果：イノシシ

Code

df_野生鳥獣 |>
  filter(動物 == "イノシシ") |>
  filter(!is.na(セシウム)) |> 
  group_by(方部, 西暦) |>
  ggplot(aes(x = factor(西暦), y = セシウム, color = 動物)) +
  geom_boxplot() +
  geom_jitter() +
  geom_hline(aes(yintercept = yintercept, linetype = "基準値"), color = "red", data = 基準値) +
  scale_linetype_manual(name = "", values = c("基準値" = "dashed")) +
  scale_y_continuous(labels = comma) +
  theme(legend.position = "bottom") +
  labs(x = "検査年") +
  scale_color_paletteer_d("awtools::mpalette") +
  scale_x_discrete(breaks = seq(2010, 2024, by = 2)) +
  facet_wrap(~ 方部)

作図：野生鳥獣の放射線モニタリング調査結果：「相双」のイノシシ

方部「相双」

Code

df_野生鳥獣 |>
  filter(動物 == "イノシシ") |>
  filter(!is.na(セシウム)) |> 
  filter(方部 == "相双") |> 
  group_by(方部, 西暦) |>
  ggplot(aes(x = factor(西暦), y = セシウム, colour = 動物)) +
  geom_boxplot() +
  geom_jitter() +
  geom_hline(aes(yintercept = yintercept, linetype = "基準値"), color = "red", data = 基準値) +
  scale_linetype_manual(name = "", values = c("基準値" = "dashed")) +
  scale_x_discrete(breaks = seq(2010, 2024, by = 2)) +
  scale_y_continuous(labels = comma) +
  theme(legend.position = "bottom") +
  scale_color_paletteer_d("awtools::mpalette") +
  labs(x = "検査年")

作図：OECD景気先行指数 Composite Leading Indicators (CLI)

Code

url <- "https://sdmx.oecd.org/public/rest/data/OECD.SDD.STES,DSD_STES@DF_CLI/.M.LI...AA...H?startPeriod=2023-02&dimensionAtObservation=AllDimensions&format=csvfilewithlabels"

df_oecd_cli <- read_csv(url)

df_oecd_cli <- 
df_oecd_cli |> # 整形：必要な列を取り出す
select(REF_AREA, TIME_PERIOD, OBS_VALUE) |> 
mutate(TIME_PERIOD = as.Date(paste0(TIME_PERIOD, "-01"))) |> 
mutate(TIME_PERIOD = as.Date(TIME_PERIOD))

countries <- c("JPN", "USA", "DEU", "FRA", "KOR") #主要国だけ選ぶ

df_sub <-
df_oecd_cli |>
filter(REF_AREA %in% countries)

df_sub |> 
ggplot(aes(x = TIME_PERIOD, y = OBS_VALUE, color = REF_AREA)) +
geom_line() +
scale_x_date(
breaks = scales::breaks_width("3 months"),
labels = scales::label_date_short()
) +
scale_y_continuous(
"Composite Leading Indicator (CLI)",       # y軸ラベル
breaks = scales::breaks_extended(8),       # 目盛りの個数を指定
labels = scales::label_number(accuracy = 1) # 数値表示（小数なし）
) +
labs(
x = "Year", y = "CLI",
color = "Country"
) +
scale_color_paletteer_d("awtools::mpalette") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))

スクレイピング

スクレイピング：首相の発言集

Code

# 対象年度ページのURLリスト
years <- 2021:2024
base_url <- "https://www.kantei.go.jp/jp/101_kishida/statement"
urls <- paste0(base_url, "/", years, "/index.html")

# 各年度ページからタイトルとリンクを抽出
get_titles_and_urls <- function(url) {
  resp <- request(url) |> req_perform()
  html <- resp_body_html(resp)

  html_elements(html, "div.news-list-title a") |>
    map_dfr(~{
      title <- html_text2(.x)
      link <- html_attr(.x, "href")
      full_url <- ifelse(startsWith(link, "http"), link, paste0("https://www.kantei.go.jp", link))
      tibble(title = title, url = full_url)
    })
}

# 各個別ページから日付を抽出
get_date_from_page <- function(url) {
  tryCatch({
    resp <- request(url) |> req_perform()
    html <- resp_body_html(resp)
    date_node <- html_elements(html, "span") |> 
      keep(~ str_detect(html_text2(.x), "更新日："))
    if (length(date_node) > 0) {
      html_text2(date_node[[1]]) |>
        str_remove("^更新日：") |>
        str_trim()
    } else {
      NA_character_
    }
  }, error = function(e) NA_character_)
}

# 各年度ページからリンクを抽出して結合
results <- map_dfr(urls, get_titles_and_urls)

# 各URLごとに日付を取得
results <- results |> 
  mutate(date = map_chr(url, get_date_from_page)) |> 
  select(title, date, url)

results <- 
  results |>
  mutate(
    .before = url,
    year_part = stringr::str_extract(date, "^.{2,3}\\d+年"),
    md_part = stringr::str_remove(date, "^.{2,3}\\d+年"),
    年 = convert_jyear(year_part)
  ) |> 
  select(!year_part) |> 
  relocate(年, .before = md_part) |>
  rename(日付 = md_part) |>
  mutate(
    年月日 = paste0(年, 日付),
    date_gregorian = as.Date(年月日, format = "%Y%m月%d日")
  ) |> 
  select(!年月日) |> 
  rename(年月日 = date_gregorian) |> 
  arrange(desc(年月日)) |> 
  relocate(年月日, .before = 年) |> 
  select(title, 年月日, url) |> 
  rename(date = 年月日)

results |> 
  gt() |> 
  text_transform(
    locations = cells_body(columns = c(url)),  # ←ここを修正
    fn = function(x) {
      map(x, ~ html(paste0("<a href='", .x, "' target='_blank'>", .x, "</a>")))
    }
  )

テキスト分析：岸田首相の発言

ネットワーク分析

Code

key <-
  textstat_keyness(speech_dfm)

feat <- 
  head(key$feature, 20)

speech_fcm <- 
  dfm_select(speech_dfm, feat) |>
  fcm()

size <- 
  sqrt(rowSums(speech_fcm))

#textplot_network(speech_fcm, min_freq = 0.85, edge_alpha = 0.9, 
                 # vertex_size = size / max(size) * 3)

# fcm オブジェクトを行列に変換
fcm_mat <- as.matrix(speech_fcm)

# igraph オブジェクトに変換（重み付きの無向グラフ）
g <- graph_from_adjacency_matrix(fcm_mat, mode = "undirected", weighted = TRUE, diag = FALSE)

# ノードのサイズ（出現頻度など）も確認済みなら：
V(g)$size <- sqrt(rowSums(fcm_mat))  # もしくは size ベクトル

# ネットワーク図を描画
ggraph(g, layout = "fr") +
  geom_edge_link(aes(edge_alpha = weight), show.legend = FALSE) +
  geom_node_point(aes(size = size),
                  color = "steelblue",
                  alpha = 0.8) +
  geom_node_text(aes(label = name), repel = TRUE,  family = "HiraKakuProN-W3", size = 3) +
  theme(legend.position = "bottom",
        text = element_text(family = "HiraKakuProN-W3"))

テキスト分析：岸田首相の発言

感情分析

Code

result <-
  dfm_lookup(speech_dfm, dictionary = dict)

df_result <-
  convert(result, to = "data.frame")

df_long <-
  df_result |> 
  pivot_longer(cols = -doc_id, names_to = "sentiment", values_to = "count")

df_long |>
  ggplot(aes(x = doc_id, y = count, fill = sentiment)) +
  geom_col(position = "dodge") +
  theme(
    legend.position = "bottom",
    axis.text.x = element_text(angle = 45, hjust = 1)
  ) +
  labs(title = "感情語の出現数（文書ごと）", x = "文書", y = "単語数")

出典：「日本語評価極性辞書」Tohoku NLP GroupURL

max_pos_noun

max_pos_verb

max_neg_noun

max_neg_verb

テキスト分析：岸田首相の発言

政治辞書

Code

# 辞書を適用
dfm_dict <-
  dfm_lookup(speech_dfm, dictionary = political_dict)

# dfm_dict |> print()

dfm_dict_df <-
  convert(dfm_dict, to = "data.frame")

dfm_dict_df |> 
  slice(1:10) |> 
  gt()

地図情報

Code

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")

コードの出典：ヒーリー，キーラン (2021)

アメリカの人口密度

Code

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")

コードの出典：ヒーリー，キーラン (2021)

Ⅴ. Rを動かしてみよう

Rの手順

flowchart TB
    Start([YAML設定（ドキュメントの設定）:<br> タイトル、出力形式、テーマなど]) --> B[データの読み込み・前処理:<br> dplyr / tidyr
    <br>（フィルタリング / 集計・要約 / 新列作成・計算<br>/ 縦持ち・横持ち変換 / 欠損値処理）]
    B --> C1[データの探索・可視化:<br> skim, gt_summary / ggplot2]
    B --> C2[統計分析・モデル構築:<br> lm, glm, 因果推論]
    C1 --> D[結果の評価・解釈:<br> broom, modelsummary, performance]
    C2 --> D
    D --> End([レポート作成（レンダリング）:<br> knitr / rmarkdown<br>（pdf; reveal.js; webpage; docx; pptx; pdf）])

    %% 色付け
    style Start fill:#a2d4f1,stroke:#333,stroke-width:2px
    style End fill:#f1d4a2,stroke:#333,stroke-width:2px
    style C1 fill:#d4f1a2,stroke:#333,stroke-width:1px
    style C2 fill:#f1a2d4,stroke:#333,stroke-width:1px

Rの手順

flowchart TB
    Start([YAML設定・パッケージ読み込み]) --> B[データの読み込み・前処理]
    B --> C1[データの探索・可視化: ggplot2 / gt_summary]
    B --> C2[統計分析・モデル構築: lm, glm]
    C1 --> D[結果の評価・解釈: broom]
    C2 --> D
    D --> End([レポート作成（レンダリング）])

Rの構造

graph BT
    A(["<strong>Base R</strong>
Rの基本構文・関数
例: mean(), sum(), if"]) --> 
    B(["<strong>Modern R</strong>
便利な文法・スタイル
例: |> パイプ, tibble, dplyr 文法,<br> ggplot2 文法"]) --> 
    C(["<strong>Packages</strong>
Rに追加するツール集
例: tidyverse, ggplot2,<br>readr, lubridate, shiny"])


%% ノードのスタイル
style A text-align:center
style B text-align:center
style A text-align:center, fill:#FFD700,stroke:#333,stroke-width:1px,font-weight:bold;
style B text-align:center, fill:#87CEFA,stroke:#333,stroke-width:1px,font-weight:bold;
style C text-align:center, fill:#90EE90,stroke:#333,stroke-width:1px,font-weight:bold;

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」や「設計の考え方」
Base R
- R言語そのもの：家の基礎部分

tidyverse は家具も文法も含むが、文法部分は Modern R、インストールして使う部分は Packages に分類できる

準備：インストール

1. R：本体

ブラウザからRにアクセス
手持ちのPCに適したファイルをダウンロードして、実行
- Windows / macOS / Linux

Chromebookにインストールすることは簡単ではないので、お勧めしません

準備：インストール

2. R Studio：統合開発環境

ブラウザからR Studioにアクセス
手持ちのPCに適したファイルをダウンロード、実行
- Windows / macOS / Ubuntu

準備：ファイルの作成

3. OSで、この授業用のフォルダ作成

ファイル名は念のため英数のみとして下さい

4. R Studioで操作:

File > New Project > Existing Directory > 3で作成したフォルダを指定 > Create Project

5. R Studioで操作:

File > Quarto Document > Create
以下のチェックを外す
- Title:
- HTML
- Editor: Use visual markdown editor

準備：ファイルの作成

5. R Studioで操作:

5で作成したquartoファイルを保存

ファイル名は念のため英数のみとして下さい

動かしてみよう：palmer penguins

palmer penguinsは、R 4.5から組み込まれたデータセットの一つです
- これは、パッケージを追加したり、データを読み込む必要がないことを意味します
- 従来のデータセットとは違い、カラム名、naなどの点で、教育的配慮のあるデータセット

動かしてみよう：palmer penguins

このデータセットは、Allison Horstさんが南極のパーマーランドの三つの島に住むペンギンたちのデータです
ペンギンの種類：
- Adelie（Adélie、アデリーペンギン）
- Gentoo（ジェンツーペンギン）
- Chinstrap（ヒゲペンギン）
島の名前：
- Biscoe（ビスコー）
- Dream（ドリーム）
- Torgersen（トージャーセン）

動かしてみよう：palmer penguins

ペンギン

skim_type	skim_variable	island	n_missing	complete_rate	factor.ordered	factor.n_unique	factor.top_counts	numeric.mean	numeric.sd	numeric.p0	numeric.p25	numeric.p50	numeric.p75	numeric.p100	numeric.hist
factor	species	Biscoe	0	1.0000000	FALSE	2	Gen: 124, Ade: 44, Chi: 0	NA	NA	NA	NA	NA	NA	NA	NA
factor	species	Dream	0	1.0000000	FALSE	2	Chi: 68, Ade: 56, Gen: 0	NA	NA	NA	NA	NA	NA	NA	NA
factor	species	Torgersen	0	1.0000000	FALSE	1	Ade: 52, Chi: 0, Gen: 0	NA	NA	NA	NA	NA	NA	NA	NA
factor	sex	Biscoe	5	0.9702381	FALSE	2	mal: 83, fem: 80	NA	NA	NA	NA	NA	NA	NA	NA
factor	sex	Dream	1	0.9919355	FALSE	2	mal: 62, fem: 61	NA	NA	NA	NA	NA	NA	NA	NA
factor	sex	Torgersen	5	0.9038462	FALSE	2	fem: 24, mal: 23	NA	NA	NA	NA	NA	NA	NA	NA
numeric	bill_len	Biscoe	1	0.9940476	NA	NA	NA	45.25749	4.7727314	34.5	42.00	45.80	48.70	59.6	▂▅▇▃▁
numeric	bill_len	Dream	0	1.0000000	NA	NA	NA	44.16774	5.9535266	32.1	39.15	44.65	49.85	58.0	▅▇▆▇▁
numeric	bill_len	Torgersen	1	0.9807692	NA	NA	NA	38.95098	3.0253180	33.5	36.65	38.90	41.10	46.0	▅▆▇▆▂
numeric	bill_dep	Biscoe	1	0.9940476	NA	NA	NA	15.87485	1.8207214	13.1	14.50	15.50	17.00	21.1	▇▇▃▃▁
numeric	bill_dep	Dream	0	1.0000000	NA	NA	NA	18.34435	1.1331159	15.5	17.50	18.40	19.00	21.2	▁▃▇▅▁
numeric	bill_dep	Torgersen	1	0.9807692	NA	NA	NA	18.42941	1.3394468	15.9	17.35	18.40	19.25	21.5	▃▇▆▃▃
numeric	flipper_len	Biscoe	1	0.9940476	NA	NA	NA	209.70659	14.1422683	172.0	199.50	214.00	220.00	231.0	▁▃▁▇▅
numeric	flipper_len	Dream	0	1.0000000	NA	NA	NA	193.07258	7.5073659	178.0	187.75	193.00	198.00	212.0	▃▇▇▅▂
numeric	flipper_len	Torgersen	1	0.9807692	NA	NA	NA	191.19608	6.2322375	176.0	187.00	191.00	195.00	210.0	▂▅▇▃▁
numeric	body_mass	Biscoe	1	0.9940476	NA	NA	NA	4716.01796	782.8557429	2850.0	4200.00	4775.00	5325.00	6300.0	▂▅▇▇▃
numeric	body_mass	Dream	0	1.0000000	NA	NA	NA	3712.90323	416.6441116	2700.0	3400.00	3687.50	3956.25	4800.0	▂▆▇▃▂
numeric	body_mass	Torgersen	1	0.9807692	NA	NA	NA	3706.37255	445.1079402	2900.0	3337.50	3700.00	4000.00	4700.0	▅▇▇▅▂
numeric	year	Biscoe	0	1.0000000	NA	NA	NA	2008.09524	0.7833453	2007.0	2007.00	2008.00	2009.00	2009.0	▆▁▇▁▇
numeric	year	Dream	0	1.0000000	NA	NA	NA	2007.98387	0.8552456	2007.0	2007.00	2008.00	2009.00	2009.0	▇▁▆▁▇
numeric	year	Torgersen	0	1.0000000	NA	NA	NA	2007.92308	0.8365699	2007.0	2007.00	2008.00	2009.00	2009.0	▇▁▆▁▆

動かしてみよう：palmer penguins

このデータセットは、Allison Horstさんが南極のパーマーランドの三つの島に住むペンギンたちのデータです

ペンギンの種類：

Adelie（アデリーペンギン）
Gentoo（ジェンツーペンギン）
Chinstrap（ヒゲペンギン）

島の名前：

Biscoe（ビスコー）
Dream（ドリーム）
Torgersen（トージャーセン）

動かしてみよう：palmer penguins

R chunkを作る
- RはR Chunk内でのみ動作します
- R Chunk以外の領域はYAMLもしくはmarkdown

R Studioで操作:

Code > Insert Chunk

動かしてみよう：palmer penguins

データを確認しよう

R chunkに以下のコードを書く

# パッケージの読み込み ---- #「# ○○-----」と書いておくと、Outlineに表示されてみやすい
library(tidyverse) #「モダンなデータ分析」を行うためのパッケージ群
library(gt) # 表パッケージ

penguins |> # penguinsのデータセットを使用
  filter(species == "Adelie" & island == "Biscoe") |>  # Biscoe島にいるAdelieペンギンを抽出
  slice(1:5) |>  # 表示用に最初の5行だけ取り出す
  gt()  # 表形式で表示

species	island	bill_len	bill_dep	flipper_len	body_mass	sex	year
Adelie	Biscoe	37.8	18.3	174	3400	female	2007
Adelie	Biscoe	37.7	18.7	180	3600	male	2007
Adelie	Biscoe	35.9	19.2	189	3800	female	2007
Adelie	Biscoe	38.2	18.1	185	3950	male	2007
Adelie	Biscoe	38.8	17.2	180	3800	male	2007

動かしてみよう：palmer penguins

図を作ってみよう

penguins |> # penguinsのデータセットを使用
  ggplot(aes(x = species, y = body_mass, fill = species)) +  # ggplotでグラフ作成、x軸に種類、y軸に体重、棒の色を種類ごとに分ける
  stat_summary(fun = mean, geom = "bar") +                  # 各種類の体重の平均を計算して棒グラフにする
  labs(
    x = "種類",                                             # x軸のラベルを「種類」に変更
    y = "体重 (g)"                                         # y軸のラベルを「体重 (g)」に変更
  )

test

penguins |>
  ggplot(aes(x = species, y = body_mass, fill = species)) +
  stat_summary(fun = mean, geom = "bar") +
  labs(
    x = "種類",
    y = "体重 (g)"
  )

Ⅵ. 基本的な流れと用語

1. 基本的な流れ：dplyrとggplot

flowchart TB
    A([データの加工 <br> <strong>dplyr</strong> <br> 例 select filter]) --- B([データの可視化 <br> <strong>ggplot2</strong> <br> 例 geom_bar])

aa

Tips | 代入演算子（<-）のショートカット

チャンク内で
- Win: Alt + 「-」キー
- Mac: Option + 「-」キー

4. 整然データと雑然データ

⑴ 整然（tidy）データ

各変数は独立した列で表現される
観測した値は1行に記録される
観測データの集合はテーブルを表現する

（ヒーリー，キーラン (2021), 「付録A.1.3「Tidyデータ」329-332ページ）

Ⅶ データの入手先（お勧め）

1. ckan（シーカン）

引用文献

瓜生真也「データ分析入門」https://github.com/uribo/tokupon_ds
文部科学省「高等学校学習指導要領（平成30年告示）解説情報編」https://www.mext.go.jp/content/1407073_11_1_2.pdf

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, 瓜生真也・江口哲史・三村喬生訳. 講談社.

高校生のためのデータサイエンス入門

0. この講義で学べること

この講義で学べること

この講義で学べないこと

Ⅰ. データサイエンスとは何か {

いま、なぜデータサイエンスなのか

データ分析の目的

データ分析の目的 ＞ データの要約

要約の手法

データ分析の目的 ＞ データの意味、データ間の関係の探索

データ分析の手法

相関係数

散布図

データ分析の手順

Ⅱ. 「情報」の高大接続

「情報」の高大接続

学習指導要領

学習指導要領

学習指導要領

学習指導要領

Ⅲ. なぜRなのか

なぜRなのか

なぜRなのか

なぜRなのか

Ⅳ. Rの実例

Rでできること

Rの実例

作図

作図：金沢広域急病センター利用者数

作図：金沢広域急病センター利用者数

作図：金沢広域急病センター利用者数

作図：野生鳥獣の放射線モニタリング調査結果

作図：野生鳥獣の放射線モニタリング調査結果

作図：野生鳥獣の放射線モニタリング調査結果：イノシシ

作図：野生鳥獣の放射線モニタリング調査結果：「相双」のイノシシ

方部「相双」

作図：OECD景気先行指数 Composite Leading Indicators (CLI)

スクレイピング

スクレイピング：首相の発言集

テキスト分析：岸田首相の発言

ネットワーク分析

テキスト分析：岸田首相の発言

感情分析

max_pos_noun

max_pos_verb

max_neg_noun

max_neg_verb

テキスト分析：岸田首相の発言

政治辞書

地図情報

地図情報

アメリカの人口密度

Ⅴ. Rを動かしてみよう

Rの手順

Rの手順

Rの構造

準備：インストール

1. R：本体

準備：インストール

2. R Studio：統合開発環境

準備：ファイルの作成

3. OSで、この授業用のフォルダ作成

4. R Studioで操作:

5. R Studioで操作:

準備：ファイルの作成

5. R Studioで操作:

動かしてみよう：palmer penguins

動かしてみよう：palmer penguins

動かしてみよう：palmer penguins

ペンギン

動かしてみよう：palmer penguins

ペンギンの種類：

島の名前：

動かしてみよう：palmer penguins

R Studioで操作:

動かしてみよう：palmer penguins

データを確認しよう

動かしてみよう：palmer penguins

図を作ってみよう

test

データ分析の目的＞データの要約

データ分析の目的＞データの意味、データ間の関係の探索