2010「データ解析環境Rの整備と利用」

2010「データ解析環境Rの整備と利用」 のプログラム「国内ユーザによる報告（Rユーザー会）」に参加。 プログラム: 11月27日（土）　9:50 – 17:30 09:50-10:00 開会挨拶および諸連絡 10:00-10:30 鈴木　了太（株式会社ef-prime）Rによるデータ解析ツールの新提案 10:30-11:00 長島　健悟（城西大学）Rパッケージの開発・登録とメンテナンス 11:00-11:30 青木　繁伸（群馬大学）統計学・データ解析におけるRの活用 11:30-11:40　 岡田　昌史（筑波大学）『Rパッケージ本』プロジェクトのご紹介 11:40-13:00　　　昼食 13:00-13:30 村井　潤一郎（文京学院大学）心理統計教育におけるRの利用 13:30-14:00 里　洋平（Tokyo.R）地域コミュニティ「x.R」の活動とJapan.R 14:00-14:30 牧山　文彦（データキューブ株式会社）今更ながらのrcom/DCOM解説 14:30-15:00 合崎　英男（農村工学研究所）RExcelによるデータ解析 15:00-15:30 休憩 15:30-16:00 奥村　晴彦（三重大学）TeX＋Rによる美文書・美グラフ作成 16:00-16:30 山本　義郎（東海大学）Rによるデータの視覚化について 16:30:-17:00 谷村　晋（兵庫医科大学）Rを用いたデータ分析における再現性の保証 17:00-17:30 討論 09:50-10:00 開会挨拶および諸連絡 去年は昨年よりたくさんの人に集まってくださり、、、みたいな話。 10:00-10:30 鈴木　了太（株式会社ef-prime）Rによるデータ解析ツールの新提案 以下の2製品(クライアントアプリ)の紹介 R AnalyticFlow(分析過程をフローチャートで可視化) Natto R とクライアントアプリとのブリッジには JRI を利用している。 10:30-11:00 長島　健悟（城西大学）Rパッケージの開発・登録とメンテナンス Windows環境でのパッケージングの話。 最後のほうは、メッセージの多言語化の話もある。 作者自身のスライド 作者自身のブログ QA:ヘルプの多言語化はできるのか?

Prospects and Challenges for CRAN at ISM

14:10-15:10 Prospects and Challenges for CRAN  — with a glance on 64-bit Windows binaries by Uwe Ligges Prof. Uwe Ligges (Technische Universitat Dortmund, Germany) R のパッケージ登録・管理にまつわる話。 R パッケージのレポジトリ * cran * bioconductor * Omega Hat * R-Forge パッケージが更新されるたびに、依存パッケージに影響がでていないか、テストする必要がある。 依存関係は次の2種類がある。 * 他のパッケージを依存している * 他のパッケージから依存されている 中でも、次の2つのパッケージは多くのパッケージから依存されている。 MASS survival 依存テストでエラーがあると、メール通知される。 CRAN Package Check Results (WEBのテスト結果画面) 2008 年までは、多くの依存関係があるパッケージも、こけることはなかった。原因不明 近年は、エラーになるパッケージが多い。

Tutorial of ggplot2 by Hadley Wickham at ISM

大学共同利用機関法人 情報・システム研究機構　統計数理研究所(The Institute of Statistical Mathematics)で開催された R のグラフィックパッケージggplot2 の作者本人によるチュートリアルに参加。 Speaker Prof. Hadley Wickham (Rice University, USA) Prof. Uwe Ligges (Technische Universitat Dortmund, Germany) Program 25 November (Thu) 10:30 – 17:00 10:30-12:00 Tutorial of ggplot2 (1) by Hadley Wickham 12:00-13:00 Lunch 13:00-14:00 Tutorial of ggplot2 (2) by Hadley Wickham 14:10-15:10 Prospects and Challenges for CRAN –

[R]Play with ggplot2 Part 01 “barplot”

ggplot2 になれるために、いろいろいじってみる。 National Cancer Institute で公開されている “Epidemiology and End Results (SEER) “ のデータをもとに、以下をグラフ化。 5-Year Relative Survival (Percent) by Year of Diagnosis(5年相対生存率) Stage Distribution (%) 1999-2006c, Case Counts and Percentages(発見時のステージ分布) 5-Year Relative Survival (Percent) 1999-2006c by Stage at Diagnosis (ステージ別5年相対生存率) 選んだ癌は次の3つ。(深い意味なし) Lung and Bronchus Pancreas Liver and Intrahepatic Bile Duct 5-Year Relative Survival (Percent) by Year

[R]2 axes plotting in R

R でY軸に左右ことなるスケールのグラフをプロットする方法 標準グラフライブラリ版 データフレームで A, B, C の3つの変数があったとき、 AxB, AxC をプロットしたいとする。 手順としては、次のようにする。 AxB をプロット C の定義式を B に合わせるように変換 変換した C の定義域を利用して AxC をプロット Yの右軸にCの定義式でスケールをふる 手順(3) では B in [a, b] の場合 y = a + (b-a) * x, x in [0,1] として y in [a, b] となるようにパラメータ変換する。 datasets.longley を利用すると、次のような感じになる。 plot(longley$Year, longley$Employed, type=’l’) temp1 <- range(longley$Employed)

[R]viewports’ grid in ggplot2

R の ggplot2 でレイアウトをグリッド分割し、各グリッドに対してプロットする方法。 次のように、まずグリッド分割し、セルを指定してプロットしていけばよい。 grid.newpage() pushViewport(viewport(layout = grid.layout(2, 3))) print(qplot(speed, dist, data=cars), vp=viewport(layout.pos.row = 1:2, layout.pos.col = 1)) print(qplot(log(speed), log(dist), data=cars), vp=viewport(layout.pos.row = 1, layout.pos.col = 2:3)) print(qplot(speed, dist, data=cars), vp=viewport(layout.pos.row = 2, layout.pos.col = 2)) print(qplot(log(speed), log(dist), data=cars), vp=viewport(layout.pos.row = 2, layout.pos.col = 3)) Hadley Wickham の “Ggplot2: Elegant Graphics for Data Analysis

[R]Monte Carlo Method による円周率計算

お仕事で Monte Carlo 法でシミュレーションをやってほしいという話があったので(その後、流れたけど)、wikipedia の最初の数十行だけお勉強。 モンテカルロ法の概要 Define a domain of possible inputs. Generate inputs randomly from the domain using a certain specified probability distribution. Perform a deterministic computation using the inputs. Aggregate the results of the individual computations into the final result. このアルゴリズムを利用し、円周率を求めるには次のようにする。 １辺2の正方形を描く その中に単位円を描く 4分割し、右上のブロックにランダムに点を打っていく。 打った点の数と単位円のなかにある点の数から円周率を求める。 # イメージ図 円周率をもとめるのは Monte Carlo 法の Hello World

[R]ベクトルに対してNAをまとめて代入する方法

R でベクトルに対して NAをまとめて代入する方法。 NA の判定方法を調べていた時に (is.na(elm) を利用する)、マニュアルを読んでいて見つけた。 方法 次のようにする is.na(対象のベクトル) <- ベクトル内でのインデックス ※このシンタックスは R に慣れた人でないと、思い浮かばないのではないかと思う。 マニュアルから The generic function is.na<- sets elements to NA. 例 > (xx <- c(0:4)) [1] 0 1 2 3 4 > is.na(xx)<- c(2, 4) > xx [1] 0 NA 2 NA 4 次のようにベクトル以外にも適用できる > (foo <- ‘bar’) [1] “bar” >

[R]ベクトルの一番最後のオブジェクトを取り出す

R でベクトルの一番最後のオブジェクトを取り出す方法。 > x <- 1:5 > x [1] 1 2 3 4 5 このベクトル x から最後の[5]を取り出したい。R ではこれを一発で実現する方法がないようだ。 次の23通りがある。 x[length(x)] tail(x, n=1) UPDATE コメント投稿していただいたように rev(x)[1] とする方法もある R でベクトルの最後から2つ目のオブジェクトを取り出す方法 同様に、最後から2つ目のオブジェクトも取り出せる x[length(x)-1] head(tail(x, n=2), 1) # 少し苦しい、、、 rev(x)[2] Python Version 一方 Python の場合 x[-1] とすればOK. R でベクトルのインデックスでマイナスを使うと、除外の意味になるので注意が必要。 > x[-1] [1] 2 3 4 5 > x[-1:-3] [1]

[R]numericとfactorの相互変換

背景 R で read.csv  したデータに対して as.numeric(val) < n のような評価をしていたら、期待と全く異なる結果が返ってきた。 数値(numeric)がカテゴリーデータ(factor) として取り込まれているのが原因だった。 というわけで numeric <-> factor の相互変換の方法を調査。 numeric -> factor の変換 factor への変換は、素直に factor を使う。 # numeric なベクトルをつくる > size <- c(8, 7, 5, 7, 8) > size [1] 8 7 5 7 8 > class(size) [1] “numeric” > as.numeric(size) [1] 8 7 5 7 8