← 授業トップへ戻る

本日の目標

  1. dplyr の基本動詞（filter, select, mutate, arrange）を使える
  2. パイプ演算子 |> を使って処理を連結できる
  3. 実際のデータを整形できる

0. 今日の進め方

第4回では，グラフの見た目を整えて ggsave() で保存しました。 今日からは，グラフではなくデータそのものを加工します。

  1. RStudioを起動する
  2. File → New File → R Script で新しいファイルを作る
  3. 資料のコードを写して，全選択（Ctrl + A）してから Ctrl + Enter （Mac は Cmd + A → Cmd + Enter）で，まとめて実行する
  4. 結果は図ではなく表で出ます。Plots タブではなく Console を見てください

今日は図を作りません。 Macの人が第4回で行った ragg / AGG の設定は， そのままにしておいてください。次回以降また使います。

前回の宿題（kadai_02.png が開けるか）は，できていなくても 今日の内容には影響しません。

準備：パッケージの読み込み

この回のコードは，すべて tidyverse を読み込んだ状態で動きます。 RStudioを起動したら，まずこれを実行してください。

library(tidyverse)

毎回必要です。今日使う msleep は tidyverse（ggplot2）に入っているデータなので， 読み込まないと，関数より先にデータのほうが見つかりません。

出るエラー 原因
オブジェクト 'msleep' がありません library(tidyverse) を実行していない
関数 "select" を見つけることができませんでした 同上

なお filter() は，読み込まなくても「関数が見つかりません」とは言われません。 R本体に別の filter()（stats::filter）があるためです。 エラーの文面が違っても，まず library(tidyverse) を疑ってください。

1. dplyrとは

dplyr は，データフレームを操作するための強力なパッケージです。

dplyrの6つの基本動詞

動詞 意味 Excelで例えると
filter() 行を絞り込む フィルタ機能
select() 列を選ぶ 列の選択・非表示
mutate() 新しい列を追加・変換 数式で新列作成
arrange() 並び替え 昇順・降順ソート
summarise() 集計（次回） AVERAGE・SUM関数
group_by() グループ化（次回） ピボットテーブル

2. 練習用データ

今日は msleep（哺乳類の睡眠データ，83種）を使います。

msleep は tidyverse を読み込むと使えるようになります（ggplot2に付属しています）。 第3・4回で使った iris はR本体に入っていたので読み込み不要でしたが，msleep は違います。

# データの確認
glimpse(msleep)
## Rows: 83
## Columns: 11
## $ name         <chr> "Cheetah", "Owl monkey", "Mountain beaver", "Greater shor…
## $ genus        <chr> "Acinonyx", "Aotus", "Aplodontia", "Blarina", "Bos", "Bra…
## $ vore         <chr> "carni", "omni", "herbi", "omni", "herbi", "herbi", "carn…
## $ order        <chr> "Carnivora", "Primates", "Rodentia", "Soricomorpha", "Art…
## $ conservation <chr> "lc", NA, "nt", "lc", "domesticated", NA, "vu", NA, "dome…
## $ sleep_total  <dbl> 12.1, 17.0, 14.4, 14.9, 4.0, 14.4, 8.7, 7.0, 10.1, 3.0, 5…
## $ sleep_rem    <dbl> NA, 1.8, 2.4, 2.3, 0.7, 2.2, 1.4, NA, 2.9, NA, 0.6, 0.8, …
## $ sleep_cycle  <dbl> NA, NA, NA, 0.1333333, 0.6666667, 0.7666667, 0.3833333, N…
## $ awake        <dbl> 11.9, 7.0, 9.6, 9.1, 20.0, 9.6, 15.3, 17.0, 13.9, 21.0, 1…
## $ brainwt      <dbl> NA, 0.01550, NA, 0.00029, 0.42300, NA, NA, NA, 0.07000, 0…
## $ bodywt       <dbl> 50.000, 0.480, 1.350, 0.019, 600.000, 3.850, 20.490, 0.04…
列名 説明
name 動物名
genus 属
vore 食性（herbi, omni, carni, insecti）7件が欠損
order 目
conservation 保全状況（絶滅危惧の区分など）
sleep_total 1日の総睡眠時間（時間）
sleep_rem REM睡眠時間（時間）
sleep_cycle 睡眠サイクル（時間）
awake 覚醒時間（時間）
brainwt 脳の重さ（kg）
bodywt 体重（kg）

3. パイプ演算子 |>

パイプ演算子 |> は，処理を連続して書くための道具です。

# パイプなし
result <- arrange(filter(msleep, vore == "carni"), sleep_total)

# パイプあり（読みやすい！）
result <- msleep |>
  filter(vore == "carni") |>
  arrange(sleep_total)

読み方：|> は「それを〇〇に渡す」と読みます。 データ |> 処理 → 「データを処理にかける」

%>% という別のパイプも見かけます。 教科書やインターネットの記事では %>%（magrittr のパイプ）がよく使われています。 今日の範囲では |> と同じ結果になるので，見かけたら |> に読み替えて構いません。 |> はR本体の機能で，R 4.1以降なら何も読み込まずに使えます。

4. filter()：行の絞り込み

# 肉食動物だけ抽出
msleep |>
  filter(vore == "carni")
# 睡眠時間が12時間以上の動物
msleep |>
  filter(sleep_total >= 12)
# 複数条件：肉食で睡眠10時間以上
msleep |>
  filter(vore == "carni", sleep_total >= 10)

比較演算子と論理演算子

記号 意味
== 等しい
!= 等しくない
> / < より大きい / より小さい
>= / <= 以上 / 以下
& または , かつ（AND）
\| または（OR）
is.na() 欠損値である
!is.na() 欠損値でない

欠損値（NA）のある行は落ちます

vore には7件の欠損があります。filter() は，条件の判定が NA になる行を 結果から落とします。

# 草食「以外」を取り出したつもりでも……
msleep |>
  filter(vore != "herbi") |>
  nrow()
## [1] 44

全83件のうち草食は32件なので 51件になりそうですが，44件です。 vore が欠損している7件は，「herbiである」とも「herbiでない」とも判定できないため， != でも拾われません（83 − 32 − 7 ＝ 44）。

欠損のある行を扱うには is.na() を使います。

msleep |> filter(is.na(vore))    # 欠損している7件だけ
msleep |> filter(!is.na(vore))   # 欠損していない76件だけ

次回グループごとに集計すると，この7件が NA というグループとして表に現れます。

5. select()：列の選択

# 動物名・食性・睡眠時間だけ選ぶ
msleep |>
  select(name, vore, sleep_total)
# 特定の列を除外する
msleep |>
  select(-genus, -order, -conservation)

msleep の列 order（目）は，R本体の関数 order() と同じ名前です。 select() や filter() の中では列として扱われるので問題ありませんが， 単独で order と書くと関数のほうを指します。

# 列名のパターンで選択
msleep |>
  select(name, starts_with("sleep"))

6. mutate()：新しい列の作成・変換

# 睡眠時間を分に変換した列を追加
msleep |>
  select(name, sleep_total) |>
  mutate(sleep_min = sleep_total * 60)
# 脳の割合（脳重量 / 体重）を計算
msleep |>
  select(name, brainwt, bodywt) |>
  mutate(brain_ratio = brainwt / bodywt) |>
  filter(!is.na(brain_ratio)) |>
  arrange(desc(brain_ratio))

7. arrange()：並び替え

# 睡眠時間の短い順（昇順）
msleep |>
  select(name, sleep_total) |>
  arrange(sleep_total)
# 睡眠時間の長い順（降順）
msleep |>
  select(name, sleep_total) |>
  arrange(desc(sleep_total))

8. 複数の動詞を組み合わせる

# 草食動物の中で睡眠時間が長い上位5種を表示
msleep |>
  filter(vore == "herbi") |>
  select(name, sleep_total, bodywt) |>
  arrange(desc(sleep_total)) |>
  head(5)

演習

演習1：filter()の練習

msleep から以下の条件に合う動物を抽出してください。

  1. 雑食動物（vore == "omni"）だけ抽出
  2. 体重（bodywt）が 100 kg 以上の動物だけ抽出
  3. 草食（vore == "herbi"）かつ総睡眠時間（sleep_total）が 8 時間以上の動物を抽出

問：1 で取り出した雑食動物は20件でした。vore が欠損している7件は， この20件に入っていますか。入っていないとすれば，それはなぜですか。

演習2：select() の練習

msleep から動物名・食性・総睡眠時間・体重の4列だけを選んだデータフレームを作ってください。

演習3：mutate() の練習

msleep に「覚醒時間の割合」を計算した列（awake_ratio = awake / 24）を追加してください。 その後，値の大きい順に並べ替え，上位10行を表示してください。

msleep |>
  select(name, awake) |>
  mutate(awake_ratio = ___ / ___) |>
  arrange(___) |>
  head(___)

問：上位に並ぶのはどんな動物ですか。sleep_total（総睡眠時間）と見比べて， 気づいたことを書いてください。

本日のまとめ

  • filter() で行を絞り込む
  • select() で列を選ぶ
  • mutate() で新しい列を作る・変換する
  • arrange() で並び替える
  • パイプ |> で処理をつなげると読みやすい
  • 条件の判定が NA になる行は，filter() の結果から落ちる

宿題・予習

  • 本日の演習を完成させ，スクリプトを保存する
  • 次回は summarise() と group_by() によるデータ集計を学びます
  • 教科書のdplyrに関する章（集計まで）を読んでおく

← 授業トップへ戻る