記者のためのR講座データを自分の手で確かめるために

はじめに

Rとは何か

Excelでもできるのに、なぜわざわざプログラミングをやるのか。まずはそこから。

Rは統計解析やデータ処理のために使えるプログラミング言語です。1990年代に開発され、いまでは世界中の研究者やデータアナリスト、そしてデータジャーナリストたちが使っています。無料で使えるうえ、さまざまな専門的な用途に合わせて有志が開発した多種多様な道具がそろっているため、高度な分析や複雑な可視化もかんたんにできます。

巨大なデータでもスイスイ

分析や可視化ならExcelでもできるでしょ? はい、確かにできます。でもExcelのような表計算ソフトに巨大なファイルを読み込ませると、動作が極端に遅くなってしまいます。

さらに表計算ソフト上でデータを手作業で加工していくと、途中で人為的なミスがまぎれ込むことがよくあります。で、つじつまが合わなくなって「おかしい」と気づいても、どこでミスしたかが分からない。結果、いちからやり直す羽目になったりします。めんどくさ。

一方でRを使えば、何百万行もあるような巨大なデータでもスムーズに処理できます。また、分析の過程でどんな操作をしたのか、その手順をプログラミング言語で書かれた文章(これを「コード」と言います)としてぜんぶ残しておけます。

分析の過程を記録できる

速い、大きいデータが扱える、というのはもちろんありがたいのですが、さらにうれしいのは後者のやったことが全部残るという点だと思っています。

たとえば、締め切り前日に上司から「この数字、もう一度確かめて」と言われたとしましょう。Excelでちくちく手作業をしていた場合、自分がどのセルをどう触ったかは記憶のなかにしかありません。一方、Rでやっていれば、読み込みから計算までの手順がぜんぶコードとして残っています。上から順に実行し直せば、同じ結果が同じように出てくる。どこが間違っていたかも追える。

しかも、次の年に同じ統計が発表されたとして、新しいデータを同じコードで処理すれば、去年やったのと同じ分析がもう一度できてしまいます。毎年同じ手作業を繰り返している分析があるなら、それを一度Rで書いておくだけで、その後はずっと楽に作業ができてしまうわけです。

作業場所はRStudio

そのRを快適に使うためのソフトがRStudioです。コードを書いて保存しておく場所、そのコードを実行する場所、実行した結果得られるグラフなどを確認する場所などが、一つの画面にまとまっているため、コードを書く→実行する→結果を確認する→またコードを書く……という作業をスムーズに進められます。

ただ、Rはマウスをポチポチして操作するのではなく、自分でコードを書くことで命令を与える必要があります。コンピューターは人間の意図をくみ取ってはくれないので、コードはR独特の「文法」にしたがって明確に書かなくてはいけません。

というわけで最初はとっつきにくく感じるかもしれませんが、その壁を乗り越えれば、大量のデータを自由自在に扱えるようになります。その基本的な扱い方を学んでいただくことをめざして、この講座を作りました。

一つ安心してほしいのは、覚えなくてはいけない命令の数はそれほど多くないということです。読み込む、いらない列を捨てる、計算した列を足す、条件で絞る、並べ替える、集計する。同じ十数個の命令を、組み合わせを変えて何度も使うことになります。

では次の章で、道具をそろえるところから始めましょう。