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

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