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

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

社会のデジタル化が進み、さまざまなデータがネットで公開されるようになってきました。政府による各種の統計も、アクセスへの敷居が少しずつ下がってきています。

分析すれば、何かおもしろいことが分かるかもしれません。宝の山なわけです。

ただ、データが何百行もあったり、シートが何十個にも分かれていたりするファイルには、技術がなければ容易に手出しができません。データ量が多すぎて、手作業ではとても無理! そうやってあきらめたことがある人は、少なくないのではないでしょうか。

「R(アール)」というプログラミング言語を覚えると、そのハードルを越えられます。データが何百行どころか何百万行あっても平気です。しかも無料で使えます。

全国の市区町村の人口と高齢化率の散布図。2000年と2020年を色分けして重ねてあり、2020年のほうが全体に上にある
全国の市区町村の人口と高齢化率。赤が2000年、青緑が2020年(国勢調査)

データをいじくり回し、分析し、発見したことを記事にして伝える。私は朝日新聞でそうした仕事をしています。「データ報道」「データジャーナリズム」などと呼ばれるものです。Rはその大きな武器です。

この講座は、Rをまったく触ったことのない人を想定して書いています。統計の知識も、プログラミングの経験もいりません。使うのはいわゆるオープンデータ。国勢調査や選挙の得票といった、多くの人に関係のあるものを選びました。

どこから読むか

この講座で使うもの

  • RとRStudio(どちらも無料)。入れ方はRとRStudioを入れるで説明します。
  • tidyverseというパッケージ。データ加工とグラフはほぼこれで済みます。
  • データは主に国勢調査(政府統計の総合窓口 e-Stat)から取ってきたものを使います。この講座で使うファイルは全部ダウンロードできますので、手元にデータがなくても始められます。

データ一式(zip)3.5 MB

一つずつ落としたい人、もとの入手先を知りたい人は付録Cへ。各章にも、その章で使うファイルへのリンクを置いてあります。

Rと私

私自身、40歳を過ぎてRを使いはじめたときは、何がなんだかわかりませんでした。プログラミングというものの具体的な接点は、大学生のときの教養課程でCを教わって「Hello World」と出力した記憶がかすかにあるのみ、といった状態でした。

やりたいことをプログラミング言語として表現するという作業は、なじみのない人にはとっつきにくいものです。だからこの講座では、「なぜそう書くのか」と「どこでつまずくのか」をできるだけ書き残すようにしました。

この講座のもとにしたのは2025年の春、データ報道を急に担当することになった記者のために開いた勉強会です。週に1度、毎回2時間。つまずきながらも自分で考えて、とにかくプログラムを書く。まったく未経験だった同僚たちにこれを続けてもらったら、2カ月後には基本が身についていました。

わからないところは、飛ばして先に進んでかまいません。ただ、読んだだけで分かった気にはならないでください。何より大切なのは手を動かすこと。まずは書く。何をやっているのかは、やりながら腑に落ちていきます。

では先へ進みましょう。Rとはそもそも何なのか、から始めます。