付録
付録B 関数早見表
「あれ、何だっけ」の8割はここで済むように並べました。tidyverseを呼び出せば、大半はそのまま使えます。ほかのパッケージが要るものには、表の中で library() を書き添えました。
よく使う組み合わせ
ふだんの仕事で出てくるデータ処理は、たいていこの並びでできています。詰まったときは、この順に手を動かしてみてください。
| やること | 使う関数 |
|---|
| 読み込む | read_csv read_excel |
| いらない列を捨てる、名前をつけかえる | select rename |
| 計算した列を足す | mutate |
| 条件に合う行だけ絞る、並べ替える | filter arrange |
| グループごとに集計する | group_by summarize |
| 別のデータとくっつける | bind_rows left_join |
| 縦長と横長を入れ替える | pivot_longer pivot_wider |
| グラフにする | ggplot + geom_* |
読み込む・書き出す
| 関数 | すること |
|---|
read_csv("path") | csvを読み込む |
read_csv("path", skip = 8) | 上の8行を飛ばして読む |
read_csv("path", locale = locale(encoding = "CP932")) | Shift-JISのcsvを読む |
read_csv("path", col_types = cols(.default = "c")) | 全部の列を文字列として読む |
read_excel("path", sheet = 2) | Excelの2枚目のシートを読む(library(readxl)) |
excel_sheets("path") | Excelのシート名の一覧(library(readxl)) |
parse_number(x) | カンマや単位を無視して数字だけ取り出す |
write_excel_csv(df, "path") | csvに書き出す。Excelで開いても化けない |
list.files("folder", full.names = TRUE) | フォルダの中のファイル名一覧 |
中身を確かめる
| 関数 | すること |
|---|
view(df) | 表形式で全部見る |
glimpse(df) | 列名とデータ型を縦に並べて見る |
nrow(df) / ncol(df) | 行数/列数 |
colnames(df) | 列名の一覧 |
head(df, 20) | 最初の20行 |
count(df, year) | year列の値ごとの行数 |
distinct(df, code) | 重複を除く |
summary(df) | 列ごとの最小・最大・平均などをまとめて見る |
列を扱う
| 関数 | すること |
|---|
select(a, b, c) | 列a、b、cだけ残す |
select(-a, -b) | 列aとbを捨てる |
select(year, code, everything()) | yearとcodeを左に持ってきて、あとはそのまま |
rename(new = old) | 列名を変える |
mutate(new = a * 100 / b) | 新しい列を作る |
mutate(across(everything(), as.character)) | 全部の列を文字列に変える |
relocate(code, .after = year) | 列の順番を変える |
行を扱う
| 関数 | すること |
|---|
filter(x > 100) | 条件に合う行だけ残す |
filter(is.na(x)) | xが空っぽの行だけ |
filter(x %in% c("A", "B")) | xがAかBの行だけ |
arrange(x) | xの小さい順に並べる |
arrange(desc(x)) | xの大きい順に並べる |
slice_max(x, n = 10) | xが大きい上位10行だけ取り出す |
distinct(df, code, .keep_all = TRUE) | codeが重複する行を一つに絞る |
集計する
| 関数 | すること |
|---|
group_by(prefecture) | 都道府県ごとにグループ分けする |
summarize(gokei = sum(x)) | グループごとに合計する |
ungroup() | グループ分けを解除する |
n() | そのグループの行数(=件数) |
sum(x) / mean(x) / median(x) | 合計/平均/中央値 |
min(x) / max(x) | 最小/最大 |
sum(x, na.rm = TRUE) | NAを除いて合計する(使うときは理由を確かめて) |
くっつける
| 関数 | すること |
|---|
bind_rows(a, b) | 縦に積み上げる |
left_join(b, by = join_by(code)) | codeをとっかかりに横にくっつける |
left_join(b, by = join_by(year, code)) | 二つの列で突合する |
left_join(b, by = join_by(code == shikuchoson_code)) | 名前が違う列同士で突合する |
anti_join(b, by = join_by(code)) | 突合できなかった行を探す |
full_join() / inner_join() | 両方全部残す/両方にあるものだけ残す |
形を変える
| 関数 | すること |
|---|
pivot_wider(names_from = year, values_from = population) | 横長にする |
pivot_longer(cols = -c(region), names_to = "year", values_to = "population") | 縦長にする |
pivot_wider(names_from = c(category, year), values_from = value) | 二つの列を組み合わせた列名で横長にする |
文字を扱う(stringr)
名前が str_ で始まります。
| 関数 | すること |
|---|
str_c("a", "b") | くっつける |
str_sub(x, 1, 4) | 1文字目から4文字目を取り出す |
str_sub(x, -1, -1) | 最後の1文字を取り出す |
str_split_i(x, " ", 1) | 半角スペースで区切って一つ目を取り出す |
str_detect(x, "市") | 「市」を含むかどうか(TRUE/FALSE) |
str_subset(x, "syozai") | 「syozai」を含むものだけに絞る |
str_remove_all(x, ",") | カンマを全部取り除く |
str_replace_all(x, "ヶ", "ケ") | 置き換える |
str_trim(x) / str_squish(x) | 前後の空白を取る/連続する空白もまとめる |
str_length(x) | 文字数を数える |
str_pad(x, 5, pad = "0") | 5桁になるまで頭に0を足す |
str_pad() は地味に重要です。市区町村コードをExcelから読むと、先頭の0が落ちて「1100」(本当は「01100」)になっていることがあります。突合の前にこれで桁をそろえます。
日付を扱う(lubridate)
日付だけは、library(lubridate) を書いたほうが安全です(tidyverseに含まれていますが、明示しておくと後で読みやすい)。
| 関数 | すること |
|---|
ymd("2025-04-09") | 年月日の順に並んだ文字を日付に変える |
ymd("2025年4月9日") | 日本語混じりでも読んでくれる |
ymd_hms("2025-04-09 13:05:00") | 時刻つき |
year(x) / month(x) / day(x) | 年/月/日を取り出す |
wday(x, label = TRUE) | 曜日を取り出す |
today() / now() | 今日/いま |
floor_date(x, "month") | その月の1日にそろえる(月ごとの集計に使う) |
x - y | 日付の差(何日か)を計算する |
日付として読み込めていれば、「月ごとの件数」「曜日ごとの件数」「発生から処分までの日数」といった集計ができるようになります。文字列のままではできません。事件や事故のデータを扱うなら、まず日付をきちんと日付型にするのが出発点です。
jiken %>%
mutate(hi = ymd(発生年月日)) %>%
mutate(tsuki = floor_date(hi, "month")) %>%
count(tsuki)
条件で振り分ける
| 関数 | すること |
|---|
if_else(条件, 合うとき, 合わないとき) | 二つに振り分ける |
case_when(条件1 ~ 値1, 条件2 ~ 値2, .default = 値3) | 三つ以上に振り分ける |
ifelse() | if_else() の緩い版。型がずれていても黙って通す |
グラフを描く(ggplot2)
| 関数 | すること |
|---|
ggplot() | キャンバスを作る。ここから先は + でつなぐ |
geom_line(aes(x = year, y = population)) | 折れ線 |
geom_col(aes(x = year, y = population)) | 棒(集計済みの数字を使う) |
geom_bar(aes(x = prefecture)) | 棒(行数を数えて高さにする) |
geom_point(aes(x = a, y = b)) | 散布図 |
aes(color = x) / aes(fill = x) | 線の色/面の色を列によって変える |
aes(size = x) / alpha = 0.3 | 点の大きさを変える/半透明にする |
position = "dodge" / "stack" / "fill" | 横並び/積み上げ/100%積み上げ |
labs(title =, subtitle =, x =, y =, color =) | タイトルや軸の名前 |
scale_x_log10() | 横軸を対数目盛りにする |
facet_wrap(~ prefecture) | 都道府県ごとに小さいグラフを並べる |
theme_minimal(base_family = "Yu Gothic") | 見た目を変える。日本語フォントの指定もここ |
ggsave("out.png", width = 8, height = 5, dpi = 200) | 画像として保存 |
繰り返す
| 書き方 | すること |
|---|
for (i in x) { ... } | xの中身を一つずつ取り出して繰り返す |
for (i in seq_along(x)) { ... } | 番号で繰り返す |
for (i in seq_len(nrow(df))) { ... } | 表の行数だけ繰り返す |
tibble() | 空っぽの受け皿を作る |
bind_rows(kekka, temp) | 受け皿に足す |
tryCatch({ ... }, error = function(e) { ... }) | エラーが出ても止まらない |
Sys.sleep(2) | 2秒待つ |
message("...") | 途中経過を表示する |
ウェブから取る
| 関数 | すること |
|---|
read_html("url") | ページのHTMLを読む(library(rvest)) |
html_element("div.class-name table") | 場所を指定して、最初に見つかった一つを取り出す |
html_elements("div.class-name table") | 場所を指定して、見つかったものを全部取り出す |
html_elements("a") | リンクを全部取り出す |
html_attr("href") | リンク先のURLを取り出す |
html_table() | 表をtibbleに変える |
html_text2() | 中の文字だけを取り出す |
url_absolute(x, "元のURL") | 相対パスを完全なURLに直す |
stop_for_status(res) | サーバーの返事が失敗(「見つかりません」など)ならエラーにする(library(httr)) |
unlink("path") | ファイルを消す |
GET(url, write_disk("path", overwrite = TRUE)) | ファイルを落とす(library(httr)) |
basename(url) | URLの末尾のファイル名だけ取り出す |
神エクセルを解体する
| 関数 | すること |
|---|
xlsx_cells("path") | セルを1個ずつバラして読む(library(tidyxl)) |
behead("up", "name") | 上のラベルを剥がしてname列にする(library(unpivotr)) |
behead("up-left", "name") | 上にあって左に寄ったラベルを剥がす |
behead("left-up", "area") | 左にあって上に寄ったラベル(グループの先頭の行にだけ書かれたラベル)を剥がす |
behead("left", "name") | 左のラベルを剥がす |