iskm/learnxinyminutes-docs
1
0
Fork 0
mirror of https://github.com/adambard/learnxinyminutes-docs.git synced 2024-12-24 10:01:38 +00:00
Code Issues Actions Packages Projects Releases Wiki Activity

translation finished.

Browse Source
This commit is contained in:
Akira Hirose 2014-07-22 15:49:20 +09:00
parent bb1dc2de97
commit 3aa5f6aaaf
1 changed files with 103 additions and 109 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

212
ja-jp/r-jp.html.markdown
View File

@ -4,7 +4,7 @@ contributors:
- ["e99n09", "http://github.com/e99n09"] - ["e99n09", "http://github.com/e99n09"]
- ["isomorphismes", "http://twitter.com/isomorphisms"] - ["isomorphismes", "http://twitter.com/isomorphisms"]
translators: translators:
- ["akirahirose", "https://www.facebook.com/akira.hirose"] - ["akirahirose", "https://twitter.com/akirahirose"]
filename: learnr-jp.r filename: learnr-jp.r
lang: ja-jp lang: ja-jp
--- ---
@ -180,10 +180,10 @@ rnorm(9)
# 整数型 # 整数型
# 整数型の長さは、Lで指定します # 整数型はLで指定します
5L # 5 5L # 5
class(5L) # "integer" class(5L) # "integer"
# (?class を実行すると、class()関数についてさらなる情報が得られます) # (?class を実行すると、class()関数について、さらなる情報が得られます)
# Rでは、この5Lのような単一の値は、長さ1のベクトルとして扱われます # Rでは、この5Lのような単一の値は、長さ1のベクトルとして扱われます
length(5L) # 1 length(5L) # 1
# 整数型のベクトルはこのようにつくります # 整数型のベクトルはこのようにつくります
@ -196,7 +196,7 @@ class(c(4L, 5L, 8L, 3L)) # "integer"
# 倍精度浮動小数点数です # 倍精度浮動小数点数です
5 # 5 5 # 5
class(5) # "numeric" class(5) # "numeric"
# くどいですが、すべてはベクトルです # しつこいですが、すべてはベクトルです
# 1つ以上の要素がある数字のベクトルも、作ることができます # 1つ以上の要素がある数字のベクトルも、作ることができます
c(3,3,3,2,2,1) # 3 3 3 2 2 1 c(3,3,3,2,2,1) # 3 3 3 2 2 1
# 指数表記もできます # 指数表記もできます
@ -218,7 +218,7 @@ class(-Inf) # "numeric"
2.0 * 2L # 4 # 数字かける整数は数字 2.0 * 2L # 4 # 数字かける整数は数字
3L / 4 # 0.75 # 整数割る数字は数字 3L / 4 # 0.75 # 整数割る数字は数字
3 %% 2 # 1 # 二つの数字を割った余りは数字 3 %% 2 # 1 # 二つの数字を割った余りは数字
# 不正な計算は "not-a-number"になる # 不正な計算は "not-a-number"になります
0 / 0 # NaN 0 / 0 # NaN
class(NaN) # "numeric" class(NaN) # "numeric"
# 長さが1より大きなベクター同士で計算ができます # 長さが1より大きなベクター同士で計算ができます
@ -231,12 +231,12 @@ c(1,2,3) + c(1,2,3) # 2 4 6
class("Horatio") # "character" class("Horatio") # "character"
class('H') # "character" class('H') # "character"
# 上記は両方とも、長さ1のベクターです # 上記は両方とも、長さ1のベクターです
# 以下は、より長いものです # 以下は、より長い場合です
c('alef', 'bet', 'gimmel', 'dalet', 'he') c('alef', 'bet', 'gimmel', 'dalet', 'he')
# => # =>
# "alef" "bet" "gimmel" "dalet" "he" # "alef" "bet" "gimmel" "dalet" "he"
length(c("Call","me","Ishmael")) # 3 length(c("Call","me","Ishmael")) # 3
# 正規表現処理を文字ベクターに使えます # 正規表現処理を文字ベクターに適用できます
substr("Fortuna multis dat nimis, nulli satis.", 9, 15) # "multis " substr("Fortuna multis dat nimis, nulli satis.", 9, 15) # "multis "
gsub('u', 'ø', "Fortuna multis dat nimis, nulli satis.") # "Fortøna møltis dat nimis, nølli satis." gsub('u', 'ø', "Fortuna multis dat nimis, nulli satis.") # "Fortøna møltis dat nimis, nølli satis."
# Rはいくつかの文字ベクターを組み込みで持っています # Rはいくつかの文字ベクターを組み込みで持っています
@ -251,7 +251,7 @@ month.abb # "Jan" "Feb" "Mar" "Apr" "May" "Jun" "Jul" "Aug" "Sep" "Oct" "Nov" "D
# Rでは、Booleanは論理（logical）型です # Rでは、Booleanは論理（logical）型です
class(TRUE) # "logical" class(TRUE) # "logical"
class(FALSE) # "logical" class(FALSE) # "logical"
# 以下は正しい動きです # 以下は比較演算子の例です
TRUE == TRUE # TRUE TRUE == TRUE # TRUE
TRUE == FALSE # FALSE TRUE == FALSE # FALSE
FALSE != FALSE # FALSE FALSE != FALSE # FALSE
@ -264,7 +264,7 @@ c('Z', 'o', 'r', 'r', 'o') == "Z" # TRUE FALSE FALSE FALSE FALSE
# ファクター # ファクター
# ファクタークラスは、カテゴリカルデータようのクラスです # ファクタークラスは、カテゴリカルデータ用のクラスです
# ファクターは、子供の学年のように順序がつけられるものか、性別のように順序がないものがあります # ファクターは、子供の学年のように順序がつけられるものか、性別のように順序がないものがあります
factor(c("female", "female", "male", "NA", "female")) factor(c("female", "female", "male", "NA", "female"))
# female female male NA female # female female male NA female
@ -280,7 +280,7 @@ levels(infert$education) # "0-5yrs" "6-11yrs" "12+ yrs"
# NULL # NULL
# "NULL" は変わった型です。ベクターを空にするときに使います # "NULL" は特殊な型なのですが、ベクターを空にするときに使います
class(NULL) # NULL class(NULL) # NULL
parakeet parakeet
# => # =>
@ -292,7 +292,7 @@ parakeet
# 型の強制 # 型の強制
# 型の強制は、ある値を、強制的にある型として利用する事です # 型の強制とは、ある値を、強制的に別の型として利用する事です
as.character(c(6, 8)) # "6" "8" as.character(c(6, 8)) # "6" "8"
as.logical(c(1,0,1,1)) # TRUE FALSE TRUE TRUE as.logical(c(1,0,1,1)) # TRUE FALSE TRUE TRUE
# さまざまな要素が入っているベクターに対して型の強制を行うと、おかしなことになります # さまざまな要素が入っているベクターに対して型の強制を行うと、おかしなことになります
@ -327,7 +327,7 @@ as.numeric("Bilbo")
# 代入する方法はいろいろあります # 代入する方法はいろいろあります
x = 5 # これはできます x = 5 # これはできます
y <- "1" # これがおすすめです y <- "1" # これがおすすめです
TRUE -> z # これも使えますが、変です TRUE -> z # これも使えますが、ちょっとわかりにくいですね
# ループ # ループ
@ -342,8 +342,8 @@ while (a > 4) {
a <- a - 1 a <- a - 1
} }
# Rでは、forやwhileは遅いことを覚えておいてください # Rでは、forやwhileは遅いことを覚えておいてください
# 処理を行う場合は、ベクター丸ごと処理する（つまり、行全体や、列全体）を指定して行うか、 # ベクターを丸ごと処理する（つまり、行全体や、列全体を指定して処理する）か、
# 後述する、apply()系の関数を使うのがお勧めです # 後述する、apply()系の関数を使うのが、速度的にはお勧めです
# IF/ELSE # IF/ELSE
@ -363,7 +363,7 @@ jiggle <- function(x) {
x = x + rnorm(1, sd=.1) #すこしだけ（制御された）ノイズを入れます x = x + rnorm(1, sd=.1) #すこしだけ（制御された）ノイズを入れます
return(x) return(x)
} }
# 他のR関数と同じように呼びます # 他の関数と同じように、呼びます
jiggle(5) # 5±ε. set.seed(2716057)をすると、jiggle(5)==5.005043 jiggle(5) # 5±ε. set.seed(2716057)をすると、jiggle(5)==5.005043
@ -394,24 +394,24 @@ which(vec %% 2 == 0) # 1 3
# 最初か最後の数個を取り出すこともできます # 最初か最後の数個を取り出すこともできます
head(vec, 1) # 8 head(vec, 1) # 8
tail(vec, 2) # 10 11 tail(vec, 2) # 10 11
# or figure out if a certain value is in the vector # ある値がベクターにあるかどうかをみることができます
any(vec == 10) # TRUE any(vec == 10) # TRUE
# If an index "goes over" you'll get NA: # ベクターの数より大きなインデックスを指定すると、NAが返ります
vec[6] # NA vec[6] # NA
# You can find the length of your vector with length() # ベクターの長さは、length()で取得できます
length(vec) # 4 length(vec) # 4
# You can perform operations on entire vectors or subsets of vectors # ベクター全体、または一部に対して、操作ができます
vec * 4 # 16 20 24 28 vec * 4 # 16 20 24 28
vec[2:3] * 5 # 25 30 vec[2:3] * 5 # 25 30
any(vec[2:3] == 8) # FALSE any(vec[2:3] == 8) # FALSE
# and R has many built-in functions to summarize vectors # R には、ベクターにある値を要約するための様々な関数があります
mean(vec) # 9.5 mean(vec) # 9.5
var(vec) # 1.666667 var(vec) # 1.666667
sd(vec) # 1.290994 sd(vec) # 1.290994
max(vec) # 11 max(vec) # 11
min(vec) # 8 min(vec) # 8
sum(vec) # 38 sum(vec) # 38
# Some more nice built-ins: # 他にも、ベクター関連ではいろいろな関数があります
5:15 # 5 6 7 8 9 10 11 12 13 14 15 5:15 # 5 6 7 8 9 10 11 12 13 14 15
seq(from=0, to=31337, by=1337) seq(from=0, to=31337, by=1337)
# => # =>
@ -419,10 +419,10 @@ seq(from=0, to=31337, by=1337)
# [13] 16044 17381 18718 20055 21392 22729 24066 25403 26740 28077 29414 30751 # [13] 16044 17381 18718 20055 21392 22729 24066 25403 26740 28077 29414 30751
# TWO-DIMENSIONAL (ALL ONE CLASS) # 2次元配列 (すべての値が同じ型の場合)
# You can make a matrix out of entries all of the same type like so: # 同じ型の値が含まれる配列は、このように作れます
mat <- matrix(nrow = 3, ncol = 2, c(1,2,3,4,5,6)) mat <- matrix(nrow = 3, ncol = 2, c(1,2,3,4,5,6))
mat mat
# => # =>
@ -430,17 +430,17 @@ mat
# [1,] 1 4 # [1,] 1 4
# [2,] 2 5 # [2,] 2 5
# [3,] 3 6 # [3,] 3 6
# Unlike a vector, the class of a matrix is "matrix", no matter what's in it # ベクターとは違い、配列のクラス名は"matrix"です。
class(mat) # => "matrix" class(mat) # => "matrix"
# Ask for the first row # 最初の行
mat[1,] # 1 4 mat[1,] # 1 4
# Perform operation on the first column # 最初の列に対する操作
3 * mat[,1] # 3 6 9 3 * mat[,1] # 3 6 9
# Ask for a specific cell # 特定のセルを取り出し
mat[3,2] # 6 mat[3,2] # 6
# Transpose the whole matrix # 配列全体を転置します
t(mat) t(mat)
# => # =>
# [,1] [,2] [,3] # [,1] [,2] [,3]
@ -448,7 +448,7 @@ t(mat)
# [2,] 4 5 6 # [2,] 4 5 6
# Matrix multiplication # 配列の積
mat %*% t(mat) mat %*% t(mat)
# => # =>
# [,1] [,2] [,3] # [,1] [,2] [,3]
@ -457,7 +457,7 @@ mat %*% t(mat)
# [3,] 27 36 45 # [3,] 27 36 45
# cbind() sticks vectors together column-wise to make a matrix # cbind() は、複数のベクターを、別々の列に並べて配列を作ります
mat2 <- cbind(1:4, c("dog", "cat", "bird", "dog")) mat2 <- cbind(1:4, c("dog", "cat", "bird", "dog"))
mat2 mat2
# => # =>
@ -467,34 +467,33 @@ mat2
# [3,] "3" "bird" # [3,] "3" "bird"
# [4,] "4" "dog" # [4,] "4" "dog"
class(mat2) # matrix class(mat2) # matrix
# Again, note what happened! # ここでいま一度、型について注意してください!
# Because matrices must contain entries all of the same class, # 配列にある値は、すべて同じ型にする必要があります。そのため、すべて文字型に変換されています
# everything got converted to the character class
c(class(mat2[,1]), class(mat2[,2])) c(class(mat2[,1]), class(mat2[,2]))
# rbind() sticks vectors together row-wise to make a matrix # rbind() は、複数のベクターを、別々の行に並べて配列を作ります
mat3 <- rbind(c(1,2,4,5), c(6,7,0,4)) mat3 <- rbind(c(1,2,4,5), c(6,7,0,4))
mat3 mat3
# => # =>
# [,1] [,2] [,3] [,4] # [,1] [,2] [,3] [,4]
# [1,] 1 2 4 5 # [1,] 1 2 4 5
# [2,] 6 7 0 4 # [2,] 6 7 0 4
# Ah, everything of the same class. No coercions. Much better. # 全ての値は同じ型になります。この例の場合は、強制変換がされないのでよかったです
# TWO-DIMENSIONAL (DIFFERENT CLASSES) # 2次元配列 (いろいろな型を含む場合)
# For columns of different types, use a data frame # 異なる型の値を含む配列をつくりたい場合、データフレームを使ってください
# This data structure is so useful for statistical programming, # データフレームは、統計処理を行うプログラムをする際にとても便利です
# a version of it was added to Python in the package "pandas". # Pythonでも、 "pandas"というパッケージにて、似たものが利用可能です
students <- data.frame(c("Cedric","Fred","George","Cho","Draco","Ginny"), students <- data.frame(c("Cedric","Fred","George","Cho","Draco","Ginny"),
c(3,2,2,1,0,-1), c(3,2,2,1,0,-1),
c("H", "G", "G", "R", "S", "G")) c("H", "G", "G", "R", "S", "G"))
names(students) <- c("name", "year", "house") # name the columns names(students) <- c("name", "year", "house") #カラム名
class(students) # "data.frame" class(students) # "data.frame"
students students
# => # =>
@ -507,29 +506,28 @@ students
# 6 Ginny -1 G # 6 Ginny -1 G
class(students$year) # "numeric" class(students$year) # "numeric"
class(students[,3]) # "factor" class(students[,3]) # "factor"
# find the dimensions # 次元の数をみます
nrow(students) # 6 nrow(students) # 6
ncol(students) # 3 ncol(students) # 3
dim(students) # 6 3 dim(students) # 6 3
# The data.frame() function converts character vectors to factor vectors # このdata.frame() 関数は、デフォルトでは文字列ベクターをファクターのベクターに変換します
# by default; turn this off by setting stringsAsFactors = FALSE when # stringsAsFactors = FALSE に設定してからデータフレームを作成すると、変換されません
# you create the data.frame
?data.frame ?data.frame
# There are many twisty ways to subset data frames, all subtly unalike # データフレームの一部を取り出すには、いろいろな（変な）、似たような方法があります
students$year # 3 2 2 1 0 -1 students$year # 3 2 2 1 0 -1
students[,2] # 3 2 2 1 0 -1 students[,2] # 3 2 2 1 0 -1
students[,"year"] # 3 2 2 1 0 -1 students[,"year"] # 3 2 2 1 0 -1
# An augmented version of the data.frame structure is the data.table # データフレームの拡張版が、データテーブルです。
# If you're working with huge or panel data, or need to merge a few data # 大きなデータやパネルデータ、データセットの結合が必要な場合には、データテーブルを使うべきです。
# sets, data.table can be a good choice. Here's a whirlwind tour: # 以下に駆け足で説明します
install.packages("data.table") # download the package from CRAN install.packages("data.table") # CRANからパッケージをダウンロードします
require(data.table) # load it require(data.table) # ロードします
students <- as.data.table(students) students <- as.data.table(students)
students # note the slightly different print-out students # 若干異なる出力がされることに注意
# => # =>
# name year house # name year house
# 1: Cedric 3 H # 1: Cedric 3 H
@ -538,17 +536,17 @@ students # note the slightly different print-out
# 4: Cho 1 R # 4: Cho 1 R
# 5: Draco 0 S # 5: Draco 0 S
# 6: Ginny -1 G # 6: Ginny -1 G
students[name=="Ginny"] # get rows with name == "Ginny" students[name=="Ginny"] # name == "Ginny"の行を取り出します
# => # =>
# name year house # name year house
# 1: Ginny -1 G # 1: Ginny -1 G
students[year==2] # get rows with year == 2 students[year==2] # year == 2の行を取り出します
# => # =>
# name year house # name year house
# 1: Fred 2 G # 1: Fred 2 G
# 2: George 2 G # 2: George 2 G
# data.table makes merging two data sets easy # データテーブルは、二つのデータセットを結合するのにも便利です
# let's make another data.table to merge with students # 結合用に、生徒データが入った別のデータテーブルをつくります
founders <- data.table(house=c("G","H","R","S"), founders <- data.table(house=c("G","H","R","S"),
founder=c("Godric","Helga","Rowena","Salazar")) founder=c("Godric","Helga","Rowena","Salazar"))
founders founders
@ -560,7 +558,7 @@ founders
# 4: S Salazar # 4: S Salazar
setkey(students, house) setkey(students, house)
setkey(founders, house) setkey(founders, house)
students <- founders[students] # merge the two data sets by matching "house" students <- founders[students] # 二つのデータテーブルを、"house"をキーとして結合します
setnames(students, c("house","houseFounderName","studentName","year")) setnames(students, c("house","houseFounderName","studentName","year"))
students[,order(c("name","year","house","houseFounderName")), with=F] students[,order(c("name","year","house","houseFounderName")), with=F]
# => # =>
@ -573,7 +571,7 @@ students[,order(c("name","year","house","houseFounderName")), with=F]
# 6: Draco 0 S Salazar # 6: Draco 0 S Salazar
# data.table makes summary tables easy # データテーブルは、要約を作るのも簡単です
students[,sum(year),by=house] students[,sum(year),by=house]
# => # =>
# house V1 # house V1
@ -583,8 +581,7 @@ students[,sum(year),by=house]
# 4: S 0 # 4: S 0
# To drop a column from a data.frame or data.table, # データフレームやデータテーブルから列を消したい場合は、NULL値を代入します
# assign it the NULL value
students$houseFounderName <- NULL students$houseFounderName <- NULL
students students
# => # =>
@ -597,8 +594,7 @@ students
# 6: Draco 0 S # 6: Draco 0 S
# Drop a row by subsetting # 行を消す場合は、データテーブルから、一部を除くことによってできます
# Using data.table:
students[studentName != "Draco"] students[studentName != "Draco"]
# => # =>
# house studentName year # house studentName year
@ -607,7 +603,7 @@ students[studentName != "Draco"]
# 3: G Ginny -1 # 3: G Ginny -1
# 4: H Cedric 3 # 4: H Cedric 3
# 5: R Cho 1 # 5: R Cho 1
# Using data.frame: # データフレームの場合も同様
students <- as.data.frame(students) students <- as.data.frame(students)
students[students$house != "G",] students[students$house != "G",]
# => # =>
@ -617,18 +613,18 @@ students[students$house != "G",]
# 6 S Salazar Draco 0 # 6 S Salazar Draco 0
# MULTI-DIMENSIONAL (ALL ELEMENTS OF ONE TYPE) # 多次元 (すべての値が同じ型の場合)
# Arrays creates n-dimensional tables # 配列でN次元の表を作ります
# All elements must be of the same type # すべての値は同じ型にする必要があります
# You can make a two-dimensional table (sort of like a matrix) # この方法で、配列のような2次元表も作成可能です
array(c(c(1,2,4,5),c(8,9,3,6)), dim=c(2,4)) array(c(c(1,2,4,5),c(8,9,3,6)), dim=c(2,4))
# => # =>
# [,1] [,2] [,3] [,4] # [,1] [,2] [,3] [,4]
# [1,] 1 4 8 3 # [1,] 1 4 8 3
# [2,] 2 5 9 6 # [2,] 2 5 9 6
# You can use array to make three-dimensional matrices too # 配列から3次元行列を作ることもできます
array(c(c(c(2,300,4),c(8,9,0)),c(c(5,60,0),c(66,7,847))), dim=c(3,2,2)) array(c(c(c(2,300,4),c(8,9,0)),c(c(5,60,0),c(66,7,847))), dim=c(3,2,2))
# => # =>
# , , 1 # , , 1
@ -646,58 +642,56 @@ array(c(c(c(2,300,4),c(8,9,0)),c(c(5,60,0),c(66,7,847))), dim=c(3,2,2))
# [3,] 0 847 # [3,] 0 847
# LISTS (MULTI-DIMENSIONAL, POSSIBLY RAGGED, OF DIFFERENT TYPES) # リスト（多次元、不完全なのか複数の型が使われているもの)
# Finally, R has lists (of vectors) # ついにRのリストです
list1 <- list(time = 1:40) list1 <- list(time = 1:40)
list1$price = c(rnorm(40,.5*list1$time,4)) # random list1$price = c(rnorm(40,.5*list1$time,4)) # random
list1 list1
# You can get items in the list like so # リストの要素は以下のようにして取得できます
list1$time # one way list1$time # ある方法
list1[["time"]] # another way list1[["time"]] # 別の方法
list1[[1]] # yet another way list1[[1]] # また別の方法
# => # =>
# [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 # [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33
# [34] 34 35 36 37 38 39 40 # [34] 34 35 36 37 38 39 40
# You can subset list items like any other vector # 他のベクターと同じく、一部を取り出すことができます
list1$price[4] list1$price[4]
# Lists are not the most efficient data structure to work with in R; # リストは、Rで一番効率的なデータ型ではありません
# unless you have a very good reason, you should stick to data.frames # なにか特別な理由がない限りは、データフレームを使い続けるべきです
# Lists are often returned by functions that perform linear regressions # リストは、線形回帰関数の返値として、しばしば使われます
################################################## ##################################################
# The apply() family of functions # apply() 系の関数
################################################## ##################################################
# Remember mat? # matは覚えていますよね？
mat mat
# => # =>
# [,1] [,2] # [,1] [,2]
# [1,] 1 4 # [1,] 1 4
# [2,] 2 5 # [2,] 2 5
# [3,] 3 6 # [3,] 3 6
# Use apply(X, MARGIN, FUN) to apply function FUN to a matrix X # apply(X, MARGIN, FUN) は、行列Xの行（MARGIN=1)または列（MARGIN=2)に対して、関数FUNを実行します
# over rows (MAR = 1) or columns (MAR = 2) # RでこのようにXの全行か全列に関数を実行すると、forやwhileループを使うより、遥かに速くできます
# That is, R does FUN to each row (or column) of X, much faster than a
# for or while loop would do
apply(mat, MAR = 2, jiggle) apply(mat, MAR = 2, jiggle)
# => # =>
# [,1] [,2] # [,1] [,2]
# [1,] 3 15 # [1,] 3 15
# [2,] 7 19 # [2,] 7 19
# [3,] 11 23 # [3,] 11 23
# Other functions: ?lapply, ?sapply # 他にも関数があります。?lapply, ?sapply で確認してみてください
# Don't feel too intimidated; everyone agrees they are rather confusing # このやり方がちょっとややこしいという事は、みんな同意です。なので、あまり怖がりすぎないでください
# The plyr package aims to replace (and improve upon!) the *apply() family. # plyr パッケージは、*apply() 系の関数を置き換えて（さらに改善して）いこうとしています
install.packages("plyr") install.packages("plyr")
require(plyr) require(plyr)
?plyr ?plyr
@ -708,24 +702,24 @@ require(plyr)
######################### #########################
# Loading data # データロード
######################### #########################
# "pets.csv" is a file on the internet # "pets.csv"は、インターネット上に置いてあるファイルです
# (but it could just as easily be be a file on your own computer) # (しかし、自分のPCにあるのと同じぐらい簡単に扱う事ができます)
pets <- read.csv("http://learnxinyminutes.com/docs/pets.csv") pets <- read.csv("http://learnxinyminutes.com/docs/pets.csv")
pets pets
head(pets, 2) # first two rows head(pets, 2) # 最初の2行
tail(pets, 1) # last row tail(pets, 1) # 最後の行
# To save a data frame or matrix as a .csv file # データフレームか行列をcsvファイルとして保存します
write.csv(pets, "pets2.csv") # to make a new .csv file write.csv(pets, "pets2.csv") # 新しくcsvファイルを作ります
# set working directory with setwd(), look it up with getwd() # ワーキングディレクトリを、setwd()で設定します。　ワーキングディレクトリは getwd()で確認可能です
# Try ?read.csv and ?write.csv for more information # ?read.csv や ?write.csv を入力すると、よりたくさんの情報を確認できます
@ -733,29 +727,29 @@ write.csv(pets, "pets2.csv") # to make a new .csv file
######################### #########################
# Plots # プロット
######################### #########################
# BUILT-IN PLOTTING FUNCTIONS # 組み込みのプロット関数です
# Scatterplots! # 散布図です!
plot(list1$time, list1$price, main = "fake data") plot(list1$time, list1$price, main = "fake data")
# Regressions! # 回帰図です!
linearModel <- lm(price ~ time, data = list1) linearModel <- lm(price ~ time, data = list1)
linearModel # outputs result of regression linearModel # outputs result of regression
# Plot regression line on existing plot # 回帰直線を既存の図上に引きます
abline(linearModel, col = "red") abline(linearModel, col = "red")
# Get a variety of nice diagnostics # いろいろな診断方法を見ましょう
plot(linearModel) plot(linearModel)
# Histograms! # ヒストグラムです！
hist(rpois(n = 10000, lambda = 5), col = "thistle") hist(rpois(n = 10000, lambda = 5), col = "thistle")
# Barplots! # 棒グラフです！
barplot(c(1,4,5,1,2), names.arg = c("red","blue","purple","green","yellow")) barplot(c(1,4,5,1,2), names.arg = c("red","blue","purple","green","yellow"))
# GGPLOT2 # GGPLOT2
# But these are not even the prettiest of R's plots # 上記よりも、もっときれいな図を描くこともできます
# Try the ggplot2 package for more and better graphics # より多くよい図を描くために、ggplot2 パッケージを使ってみましょう
install.packages("ggplot2") install.packages("ggplot2")
require(ggplot2) require(ggplot2)
?ggplot2 ?ggplot2
@ -764,7 +758,7 @@ pp + geom_histogram()
ll <- as.data.table(list1) ll <- as.data.table(list1)
pp <- ggplot(ll, aes(x=time,price)) pp <- ggplot(ll, aes(x=time,price))
pp + geom_point() pp + geom_point()
# ggplot2 has excellent documentation (available http://docs.ggplot2.org/current/) # ggplot2 には、素晴らしい関連ドキュメントがそろっています (http://docs.ggplot2.org/current/)
@ -774,8 +768,8 @@ pp + geom_point()
``` ```
## How do I get R? ## Rの入手方法
* Get R and the R GUI from [http://www.r-project.org/](http://www.r-project.org/) * RとR GUIはこちら [http://www.r-project.org/](http://www.r-project.org/)
* [RStudio](http://www.rstudio.com/ide/) is another GUI * [RStudio](http://www.rstudio.com/ide/) はまた別のGUIです