---
title: "第6回　データの加工（2）：データの集計と要約統計量の算出"
subtitle: "行動計量学（行動科学分析法入門）"
author: "小野原 彩香"
date: "令和8年度"
output:
  html_document:
    toc: true
    toc_float: true
    theme: flatly
    highlight: tango
    df_print: paged
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE, warning = FALSE, message = FALSE)
library(tidyverse)
```

---

## 本日の目標

1. `group_by()` + `summarise()` でグループ別集計ができる
2. `count()` でカテゴリの頻度を集計できる
3. 集計結果を `ggplot2` でグラフ化できる

---

## 1. summarise()：集計

`summarise()` はデータ全体を1行（または数行）に集約します。

```{r}
# msleep の全体の睡眠時間の平均
msleep |>
  summarise(mean_sleep = mean(sleep_total, na.rm = TRUE))
```

```{r}
# 複数の統計量をまとめて計算
msleep |>
  summarise(
    n = n(),
    mean_sleep = mean(sleep_total, na.rm = TRUE),
    sd_sleep   = sd(sleep_total, na.rm = TRUE),
    min_sleep  = min(sleep_total, na.rm = TRUE),
    max_sleep  = max(sleep_total, na.rm = TRUE)
  )
```

### よく使う集計関数

| 関数 | 意味 |
|------|------|
| `mean(x, na.rm=TRUE)` | 平均値 |
| `sd(x, na.rm=TRUE)` | 標準偏差 |
| `median(x, na.rm=TRUE)` | 中央値 |
| `min(x)` / `max(x)` | 最小値 / 最大値 |
| `n()` | データ件数 |
| `sum(x, na.rm=TRUE)` | 合計 |

> `na.rm = TRUE` は欠損値（NA）を除いて計算するオプションです。

---

## 2. group_by() + summarise()：グループ別集計

`group_by()` と `summarise()` を組み合わせると，グループごとに集計できます。

```{r}
# 食性（vore）ごとの平均睡眠時間
msleep |>
  group_by(vore) |>
  summarise(
    n = n(),
    mean_sleep = mean(sleep_total, na.rm = TRUE),
    sd_sleep   = sd(sleep_total, na.rm = TRUE)
  )
```

```{r}
# irisデータ：種ごとの平均と標準偏差
iris |>
  group_by(Species) |>
  summarise(
    n = n(),
    mean_sepal = mean(Sepal.Length),
    sd_sepal   = sd(Sepal.Length),
    mean_petal = mean(Petal.Length),
    sd_petal   = sd(Petal.Length)
  )
```

---

## 3. count()：カテゴリの頻度集計

```{r}
# 食性ごとの件数
msleep |>
  count(vore)
```

```{r}
# 降順で並べる
msleep |>
  count(vore, sort = TRUE)
```

---

## 4. 集計結果をグラフ化する

### 棒グラフ（平均値の比較）

```{r}
# 集計データを作成
sleep_summary <- msleep |>
  filter(!is.na(vore)) |>
  group_by(vore) |>
  summarise(
    mean_sleep = mean(sleep_total, na.rm = TRUE),
    sd_sleep   = sd(sleep_total, na.rm = TRUE),
    n          = n()
  )

# 棒グラフ（geom_col で集計済みデータを使う）
ggplot(sleep_summary, aes(x = vore, y = mean_sleep, fill = vore)) +
  geom_col() +
  labs(title = "食性ごとの平均睡眠時間",
       x = "食性", y = "平均睡眠時間（時間）",
       fill = "食性") +
  theme_bw()
```

### エラーバー付き棒グラフ

```{r}
ggplot(sleep_summary, aes(x = vore, y = mean_sleep, fill = vore)) +
  geom_col() +
  geom_errorbar(aes(ymin = mean_sleep - sd_sleep,
                    ymax = mean_sleep + sd_sleep),
                width = 0.2) +
  labs(title = "食性ごとの平均睡眠時間（±SD）",
       x = "食性", y = "平均睡眠時間（時間）") +
  theme_bw() +
  theme(legend.position = "none")
```

---

## 5. 欠損値の扱い

```{r}
# 欠損値がある列の確認
msleep |>
  summarise(across(everything(), ~ sum(is.na(.))))
```

```{r}
# 欠損値を除いて集計（na.rm = TRUE）
msleep |>
  summarise(mean_rem = mean(sleep_rem, na.rm = TRUE))
```

```{r}
# 欠損値のある行を除いてから集計
msleep |>
  filter(!is.na(sleep_rem)) |>
  group_by(vore) |>
  summarise(
    n = n(),
    mean_rem = mean(sleep_rem)
  )
```

---

## 6. 実際のCSVファイルの読み込み

```{r, eval=FALSE}
# CSVファイルの読み込み（readrパッケージ，tidyverseに含まれる）
my_data <- read_csv("data/my_data.csv")

# 文字コードを指定する場合（日本語データ）
my_data <- read_csv("data/my_data.csv", locale = locale(encoding = "UTF-8"))

# Excelファイルを読む場合（readxlパッケージが必要）
# install.packages("readxl")
library(readxl)
my_data <- read_excel("data/my_data.xlsx")
```

---

## 演習

### 演習1：グループ別集計

`iris` データを使って，種（`Species`）ごとに以下を計算してください。

- `Petal.Length` の平均・標準偏差・サンプルサイズ

```{r, eval=FALSE}
iris |>
  group_by(___) |>
  summarise(
    n    = n(),
    mean = mean(___),
    sd   = sd(___)
  )
```

### 演習2：集計結果のグラフ化

演習1で作った集計結果を使って，エラーバー付きの棒グラフを作成してください。

```{r, eval=FALSE}
# まず集計
petal_summary <- iris |>
  group_by(Species) |>
  summarise(
    mean_petal = mean(Petal.Length),
    sd_petal   = sd(Petal.Length)
  )

# グラフ
ggplot(petal_summary, aes(x = ___, y = ___, fill = ___)) +
  geom_col() +
  geom_errorbar(aes(ymin = ___ - ___, ymax = ___ + ___), width = 0.2) +
  labs(title = "種ごとの花びらの長さ（平均±SD）",
       x = "___", y = "___") +
  theme_bw()
```

### 演習3：count()の応用

`msleep` で欠損値がない場合の食性（`vore`）ごとのサンプルサイズを
`count()` を使って集計し，多い順に並べてください。

---

## 本日のまとめ

- `summarise()` でデータを集計できる
- `group_by()` と組み合わせるとグループ別集計が可能
- `count()` でカテゴリの頻度を数えられる
- 集計結果を `ggplot2` でグラフ化できる
- `na.rm = TRUE` で欠損値を除いた計算ができる

---

## 宿題・予習

- 本日の演習を仕上げ，スクリプトを保存しておく
- 次回は**習熟度確認テスト（第1回）**と復習です
- 第2〜6回で学んだ内容（可視化・加工）を見直しておく