R システムのまとめ

パッケージ

• chooseCRANmirror() : CRAN ミラーサイトの選択
• utils:::menuInstallPkgs(): パッケージのインストール
• install.packages(＜パッケージ名＞): 指定したパッケージのインストール
• library(): インストール済みのパッケージの一覧表示
• update.packages(): インストール済みのパッケージの更新
• library(＜パッケージ名＞): 指定したパッケージの読み込み
• library(help="＜パッケージ名＞"): 指定したパッケージに関する概要表示
• example(＜パッケージ名＞): 読み込み済みのパッケージの使用例の表示
• help(＜関数名＞) : 読み込み済みのパッケージのヘルプの表示

データの読み込み

• data(): データの一覧
• data(package="＜パッケージ名＞"): 指定したパッケージ内のデータの一覧
• data(＜データ名＞): 指定したデータの読み込み
  • data(iris): Iris データセットの読み込み

    data(iris) 
    

    
  • data(lung): lung データの読み込み

    data(lung)
    

• ?(＜データ名＞) または help(＜データ名＞) : 読み込まれたデータの概要表示

  data(iris) 
  ?(iris)
  

  
• example(＜データ名＞): ロードされたデータの使用例の表示

データ型

主要なものを以下に挙げる

• TRUE, FALSE: 論理 (logical) オブジェクト
• NA : Not Available
• NULL : 空ベクトル等の意味を表すのに使用
• NaN : Not a Number (非数値)
• Inf, -Inf : Infinitive (無限大), 無限小
• 数値 (numeric) ：整数または倍精度浮動小数
• 複素数 (complex)
• 文字列 (character)：ダブルクオーテーションマークで囲み，「"apple"」のように書く．「文字」と呼ぶこともある．
• 日時
• ベクトル (vector)
• 行列 (matrix)
• 配列 (array)
• リスト (list)
• データフレーム (data frame)
• 因子 (factor)
• 順序付きの因子
• テーブル (table)

ベクトルの生成

t <- c(2, 1, 3)

※ ベクトルは，数値以外も要素にできるが，すべての要素が同じ型でなければならないことに注意．

• ベクトルの生成には c() を使うことができる
  • 例： c(1,2,3) ・・・　要素 1, 2, 3 のベクトル
  • 例２： c(1:3)　・・・　要素 1, 2, 3 のベクトル（コロンで区切って，先頭と末端を指定．先頭より末端が大きい場合は、公差１の数列になる）
  • 例３： c(3:1)　・・・　要素 3, 2, 1 のベクトル（コロンで区切って，先頭と末端を指定．先頭より末端が小さい場合は、公差−１の数列になる）
  
• numeric(＜要素数＞) : 要素がすべて 0 であるベクトルの生成
• seq() : 等差数列のベクトルを生成する関数

  例： seq(2, 10, by = 1.5) ・・・　初項２，公差１．５の等差数列で，１０を超えない値まで．

  例２： seq(2, 5, along = runif(8)) ・・・　初項２，終項５の等差数列で，長さ８．

  例３： seq(length=10, from=2, by=1) ・・・　初項２，公差１の等差数列で，長さ１０

  
• rep() : 要素の繰り返しでベクトルを生成する関数

  例： rep(3, 5) ・・・　要素「3」を5つもつベクトル

• runif() : 一様分布の乱数でベクトルを生成する関数

  例： runif(10) ・・・　区間(0,1)上の一様分布の乱数で，要素数１０のベクトル

• rnorm() : 正規分布の乱数でベクトルを生成する関数

  例： rnorm(10) ・・・　平均０，分散１の正規分布の乱数で，要素数１０のベクトル

• rpois() : ポアソン分布の乱数でベクトルを生成する関数
  
• as.vector() : 因子などからのベクトルの生成

  V <- as.vector(L) 
  

  

行列の生成

1 3
2 4

m <- matrix( c(1, 2, 3, 4, 5, 6), nrow = 2, ncol = 3 )

• matrix(): ベクトルからの行列の生成

  matrix() 関数では，要素が並んだベクトル，行数，列数を指定する．ベクトルの要素は，行列の１列目，２列目・・・という順で入っていく．

  m <- matrix( c(1, 2, 3, 4), nrow = 2, ncol = 2 )
  

  

  ※ 「nrow=」，「ncol=」を省略することがよくある．

  m2 <- matrix( c(1, 2, 3, 4), 2, 2 )
  

  

  「byrow=TRUE」を付けると、 格納順が変わる。

  m <- matrix( c(1, 2, 3, 4), byrow=TRUE, nrow = 2, ncol = 2 )
  

  
• matrix(0, nrow=＜行数＞, ncol=＜列数＞) : 要素がすべて 0 の行列の生成
• rnorm() 関数は，正規分布で乱数を発生させ，ベクトルを作る関数．これと， matrix() 関数を組みあわせてみる．
  
• diag() : 対角行列の生成
  
  対角行列の例
• rbind() : 複数のベクトル等を縦に並べる (bind) ことで，行列を生成
• cbind() : 複数のベクトル等を横に並べる (bind) ことで，行列を生成
  
  rbind と cbind の例
• as.matrix() : データフレームなどからの行列の生成

  データフレームなどを行列に変換する関数． 例えば，データフレームの中身を行列とみなして，行列の掛け算を行いたい，というようなときには、行列に変換する。

  m <- as.matrix(d) 
  

  
• data.matrix() : データフレームなどからの行列の生成

  データフレームなどを行列に変換する関数．

  data.matrix() では文字列などは数値化される（下の実行例の通り）

  m <- data.matrix(d) 
  

  

リストの生成

L <- list("apple", 5, "fruits")

• リストの生成には list() を使う

  L <- list("apple", 5, "fruits")
  

  

データフレームの生成

d <- data.frame( type = c(1:6),
name = c("apple", "orange", "strawberry", "watermelon", "melon", "banana"),
price = c(50, 20, 100, 150, 200, 100) )

• 属性名とベクトルの並びからのデータフレームの生成には data.frame() を使う

  d <- data.frame( type = c(1:6),
  name = c("apple", "orange", "strawberry", "watermelon", "melon", "banana"),
  price = c(50, 20, 100, 150, 200, 100) )
  

  
• as.data.frame() : 行列などからのデータフレームの生成

  d <- as.data.frame(m)
  

  

因子の生成, 因子に関するデータ型の変換

• 因子の生成には factor() を使う

  a <- factor( c("apple", "orange", "banana") )
  

  
• as.numeric() : カテゴリ変数の数値化

  例１

  各因子に固有の番号（通し番号）が得られる

  L <- as.factor( c("1.2", "2.4", "2.1", "1.2") )
  as.numeric(L) 
  

  

  例２

  やはり、各因子に固有の番号（通し番号）が得られる.　Species は "setosa", "versicolor", "virginica" の 3値のいずれかになるが、as.numeric の結果1,2,3が得られる

  data(iris) 
  attach(iris)
  class(iris)
  summary(iris)
  as.numeric (Species)
  

  

  例３

  as.character と組み合わせると、因子を文字列化したのちに数値に変換される.

  L <- as.factor( c("1.2", "2.4", "2.1", "1.2") )
  as.numeric( as.character(L) )
  

  

順序付き因子の生成

• 順序付き因子の生成には factor() を使う

  b <- ordered( c("apple", "orange", "banana") )
  

  

テーブルの生成

• table(V) : ベクトル V から、度数分布を表すテーブルを生成

  出来たテーブルは，因子などの値ごとの度数分布を表す

  t <- table( c(1, 3, 2, 1, 4, 5, 4, 4, 2, 4) ) 
  

  
• table(V1, V2) : ベクトル V1, V2 から、度数分布を表すテーブルを生成

  data(warpbreaks)
  table(warpbreaks$wool)
  table(warpbreaks$tension)
  table(warpbreaks$wool, warpbreaks$tension)
  

  
• 区間ごとの頻度を表すテーブルを生成するには cut() と table() を組み合わせる

  t <- table( cut( c(3, 15, 2, 8, 22, 18, 4), breaks=c(0,10,20,30) ) ) 
  

  

  two-way contingency table を作る

  data(warpbreaks)
  table( cut( warpbreaks$breaks, c(0,10,20,30,40,50,60,70) ), warpbreaks$wool )
  

  
• 条件の成否によるテーブルを作ることもできる

  data(warpbreaks)
  table( warpbreaks$wool, warpbreaks$tension == "L" )
  

  

トランザクションの生成

アイテム集合や規則に関するデータマイニング用のトランザクションデータ

文字列の生成

RGB３原色の色を，文字列として表す流儀があります．白は"#FFFFFFF", 黒は"#000000" というようにです．

• grey() ：数値のベクトル → 色のベクトル（文字列標記されたRGB３原色の色）

  灰色生成

  
• rgb() ：数値のベクトル 数値のベクトル 数値のベクトル ... → 色のベクトル（文字列標記されたRGB３原色の色）

  引数は，red, green, blue, alpha (アルファ値), maxColorValue, names である． red, green, blue 以外は省略可能．

  

オブジェクトの一覧, データ型の取得, オブジェクトの構造の取得

• objects(): オブジェクトの一覧

  objects()
  

• class(), typeof() : データ型の取得

  データ型の取得には、typeof() 関数や class() 関数を使う． ベクトルの場合には，要素の型が表示される（ベクトルは，同じ型のデータの並び，という決まりがあるので，それで困らない）．

  d <- data.frame( type = c(1:6),
  name = c("apple", "orange", "strawberry", "watermelon", "melon", "banana"),
  price = c(50, 20, 100, 150, 200, 100) )
  typeof(d)
  class(d)
  

  

  m <- matrix( c(1, 2, 3, 4, 5, 6), nrow=2, ncol=3 )
  typeof(m)
  class(m)
  

  

  その他

  
• str() : オブジェクトの構造の取得

  d <- data.frame( type = c(1:6),
  name = c("apple", "orange", "strawberry", "watermelon", "melon", "banana"),
  price = c(50, 20, 100, 150, 200, 100) )
  str(d)
  

  

  m <- matrix( c(1, 2, 3, 4, 5, 6), nrow=2, ncol=3 )
  str(m)
  

  

論理演算、比較演算、数値演算、文字列に関する演算など

論理和，論理積，否定

【評価結果が論理オブジェクト】

• || : 論理オブジェクトのベクトル 論理オブジェクトのベクトル → 論理オブジェクト

  論理和（引数がベクトルの場合，先頭要素のみを使っての論理和）

• && : 論理オブジェクトのベクトル 論理オブジェクトのベクトル → 論理オブジェクト

  論理積（引数がベクトルの場合，先頭要素のみを使っての論理積）

【評価結果が論理オブジェクトのベクトル】

• | : 論理オブジェクトのベクトル 論理オブジェクトのベクトル → 論理オブジェクトのベクトル

  ベクトル化論理和

• & : 論理オブジェクトのベクトル 論理オブジェクトのベクトル → 論理オブジェクトのベクトル

  ベクトル化論理積

• ! : 論理オブジェクトのベクトル 論理オブジェクトのベクトル → 論理オブジェクトのベクトル

  否定

論理和，論理積，否定

比較

【評価結果が論理オブジェクト】

• all.equal : 比較可能なオブジェクトのベクトル 比較可能なオブジェクトのベクトル → 論理オブジェクト

  ほとんど等しい（引数がベクトルの場合，先頭要素のみの比較）

all.equal の例

all.equal では，引数がベクトルの場合，先頭要素のみの比較

【評価結果が論理オブジェクトのベクトル】

• == : 比較可能なオブジェクトのベクトル 比較可能なオブジェクトのベクトル → 論理オブジェクトのベクトル

  等しい

• != : 比較可能なオブジェクトのベクトル 比較可能なオブジェクトのベクトル → 論理オブジェクトのベクトル

  等しくない

• > : 比較可能なオブジェクトのベクトル 比較可能なオブジェクトのベクトル → 論理オブジェクトのベクトル

  より大

• >= : 比較可能なオブジェクトのベクトル 比較可能なオブジェクトのベクトル → 論理オブジェクトのベクトル

  以上

• < : 比較可能なオブジェクトのベクトル 比較可能なオブジェクトのベクトル → 論理オブジェクトのベクトル

  より小

• <= : 比較可能なオブジェクトのベクトル 比較可能なオブジェクトのベクトル → 論理オブジェクトのベクトル

  以下

結果として論理オブジェクトを返す演算子のうち，主要なもの

数値に関する二項演算子

• + ：数値のベクトル 数値のベクトル → 数値のベクトル

  和

• - ：数値のベクトル 数値のベクトル → 数値のベクトル

  差

• * ：数値のベクトル 数値のベクトル → 数値のベクトル

  積

• / ：数値のベクトル 数値のベクトル → 数値のベクトル

  割り算

• ^ ：数値のベクトル 数値のベクトル → 数値のベクトル

  べき乗

  ^の代わりに **と書いてもよい．

• %/% ：数値のベクトル 数値のベクトル → 数値のベクトル

  整数除算

• %% ：数値のベクトル 数値のベクトル → 数値のベクトル

  剰余（割った余り）

数値に関する二項演算子を，数値のベクトルに適用した例

長さが異なるベクトルが引数として与えられたときは，長さの短いベクトルが繰り返し呼び出される（「リサイクル規則」）

数値に関する単項演算子

• sqrt() ：数値のベクトル → 数値のベクトル

  平方根

  単項演算子は，ベクトルの各要素に適用される
• abs() ：数値のベクトル → 数値のベクトル

  絶対値

• sign() ：数値のベクトル → 数値のベクトル

  符号

• round(), floor(), ceiling() ：数値のベクトル → 数値のベクトル

  順に，丸め，切捨て（x 以下の最大の整数），切り上げ（x 以上の最小の整数）

• log(), log10(), log2() ：数値のベクトル → 数値のベクトル

  対数 (log() は底が e，log10() は底が 10，log2() は底が 2)

• exp() ：数値のベクトル → 数値のベクトル

  指数

• sin(), cos(), tan(), asin(), acos(), atan() ：数値のベクトル → 数値のベクトル

  三角関数と逆関数

文字列に関する演算子と関数

• 文字列の長さ nchar()
  
  
• 文字列の連結 paste()

  paste( "hoge2", "hoge3", "hoge4" )
  

ベクトルに関する演算子と関数

ベクトルを引数にとる演算子に関する規則

• 「『X』のベクトルを引数にとる演算子」というときは，「X」を引数にとることを許す．
  
  「+」は，ベクトルを引数にとる演算子．数値１個を引数に取ることも許されている．
• ２個以上の引数をとる演算子で，長さが異なるベクトルが引数として与えられたときは，長さの短いベクトルが繰り返し呼び出される（これを「リサイクル規則」という）

  ※ 長いベクトルの長さが，短いベクトルの長さの整数倍になっている必要がある．

  
  リサイクル規則の例．長さが整数倍になっていないときは実行時エラー．

添え字に関する操作

• [] で、添え字として整数を１つ指定する場合
  
  添え字として整数を１つ指定する場合
• [] で、添え字として整数のベクトルを指定する場合

  整数のベクトルを指定する場合，指定された整数値を添え字とみなし，ベクトル内の整数値の順番どおりに要素が取り出され，新しいベクトルが生成される．

  
  整数のベクトルを指定する場合
• [] で、添え字として-c(数値の並び)を指定する場合

  「-c(整数のベクトル)」は，整数のベクトル c(...) の前にマイナス「-」を付けたものである． この場合，指定された添え字以外の要素をすべて，元のベクトルの順序を保ったままで取り出す． 例えば，次のように書く．

  x[-c(1,2}]
  

• [] で、添え字としてTRUE, FALSE のベクトルを与える場合，TRUE になっている要素だけが取り出され，新しいベクトルが生成される．
  
• [] で、添え字として条件式を指定する場合

  条件式に合致する要素だけからなるベクトルが得られる。

• ベクトルから要素をランダムに抽出 sample

  X = c(1, 3, 4, 6, 2, 7, 5)
  X 
  sample(X, 3, replace=FALSE)
  sample(X, 3, replace=FALSE)
  sample(X, 3, replace=FALSE)
  

  
• 条件に合致するベクトルの添え字を得る which
  

ベクトルの集約, 統計量

• length(V) : ベクトル V の長さ（要素数）
• max(V), min(V) : ベクトル V の最大値，最小値
  
• range(V) : ベクトル v の最大値と最小値をベクトルとして取得
• sum(V) : ベクトル v の要素の総和

  例

  sum( c(1,2,3) )
  
  
  
  
  
  
  
  
  
  
  
  
   mean(V) : 
  ベクトル V の要素の平均 
  
  
  
  
  
  
   prod(V) : 
  ベクトル V の要素の積
   cor(X,Y) : 
  ベクトル X,Y の相関係数
   var(V) : 
  ベクトル V の不偏分散
  
  
  
  
  
  
   var(X, Y) : 
  ベクトル X, Y の不偏共分散
   sd(V) : 
  ベクトル V の要素の不偏標準偏差
  
  
  
  
  
  
   summary(V) : 
  ベクトル V の統計量の要約
  

ベクトルに関する関数

• c : ベクトルの連結
  
• append : 要素の挿入 「after=...」を指定すると，after 番目の要素の次に挿入という意味になる．
  
• cut(V, ＜区間を示すベクトル＞) : 区間ごとの数え上げ

  出力はベクトルである．出力ベクトルの要素は，区間を表す因子である

  V <- rnomr(20, 5)
  cut( V, c(0:10) )
  

  
• 数え上げ table オブジェクトを利用
  
• sort(V) : ベクトル V のソート
• unique(V) : ベクトル V の一意化

  重複を除去する

  X = c(2, 1, 1, 3, 5, 2, 4, 4)
  unique(X)
  

  
• duplicated(V) : ベクトル V の要素に重複があるかを調べる

  重複があれば TRUE

  X = c(2, 1, 1, 3, 5, 2, 4, 4)
  duplicated(X)
  

  
• テーブル化による数え上げ

  各要素が何個あるか

  
• rle(V) : ベクトル V のランレングス (run length)

  X = c(2, 1, 1, 3, 5, 2, 4, 4) 
  rle(X)
  

  
• sapply(V, f) : ベクトル V の全要素に関数 f を適用し，新しいベクトルを得る

  V >- c(1, 2, 3)
  sapply(V, function(x) (x * 2))
  

行列に関する演算子と関数

添え字に関する操作

• [] : 行列の添字操作

  x[i,j] のような書き方をすると，i 行 j 列という意味． x[i,] のような書き方をすると，i 行全体という意味． x[,j] のような書き方をすると，j 列全体という意味． x[,c(j,k)] のような書き方をすると，j 列と k 列を取り出して出来る2列の行列という意味．

  
• order() : 要素の順序の取得、並べ替え
  • order(m[i,]) : i行の要素の順序
  • order(m[,j]) : j列の要素の順序
  • m[order(m[i,]),] : i行の順序による並べ替え
  • m[,order(m[,j])] : j列の順序による並べ替え

行列に関する操作

• summary(m) : 行列 m の統計量の要約

  数値要約として，最小，第一回分位点，中央値（median），平均，第三回分位点，最大が表示される．

  m <- matrix( c(1, 2, 3, 4, 5, 6), nrow=2, ncol=3 )
  summary(m)
  

  
• diag(m) : 行列 m の対角要素の取得
• t(m) : 行列 m の転置行列
• m1 %*% m2 : 行列 m1, m2 の行列積

  「*」は行列にも使えるが，単に行列の要素同士の単純な掛け算になる． %*%は，行列どうしの行列積，行列とベクトルの積（このとき，ベクトルは，幅あるいは高さ１の行列とみなされる）を求める．

  

  X <- matrix( runif(2000 * 2000), 2000, 2000 )
  Y <- matrix( runif(2000 * 2000), 2000, 2000 )
  Z = X %*% Y
  

  
• crossprod() : 転置して行列積

  「crossprod(c(2:4), c(1:3))」は「t(c(2:4)) %*% c(1:3)」に等しい．

• lu(m) : 行列 m の LU 分解 (LU decomposition)

  install.packages("Matrix")
  library("Matrix")
  X <- matrix( runif(2000 * 2000), 2000, 2000 )
  Z = lu( X )
  

• solve(m) : 正方行列 m の逆行列，線形連立方程式の解

  X <- matrix( runif(2000 * 2000), 2000, 2000 )
  Z = solve( X )
  

• library(MASS); ginv(m) : 行列 m のムーア・ベンローズ型一般逆行列
• det(m) : 正方行列 m の行列式 (determinant)

  X <- matrix( runif(2000 * 2000), 2000, 2000 )
  Z = det( X )
  

• eigen(m) : 行列 m の固有値と固有ベクトル
  
• svd(m) : 特異値分解 (Singular Value Decomposition; SVD), m = U%*%S%*%V

  X <- matrix( runif(2000 * 2000), 2000, 2000 )
  Z = svd( X )
  

• qr(m) : QR 分解 (QR factorization) (QR decomposition ともいう)

  X <- matrix( runif(2000 * 2000), 2000, 2000 )
  Z = qr( X )
  

• cov(m) : 分散共分散行列

  install.packages("Matrix")
  library("Matrix")
  X <- matrix( runif(2000 * 2000), 2000, 2000 )
  Z = cov( X )
  

  分散共分散行列の固有値と固有ベクトル（主成分分析）

  install.packages("Matrix")
  library("Matrix")
  X <- matrix( runif(2000 * 2000), 2000, 2000 )
  Z = eigen( cov( X ) )
  

• chol(m) : 正定値対称行列のコレスキー分解 (Cholesky 分解)
• cor() : 相関行列
  
• fft(m) : 2次元の高速フーリエ変換 (FFT)

  install.packages("fftw")
  library("fftw")
  X <- matrix( runif(2000 * 2000), 2000, 2000 )
  Z = fft( X )
  

• library(relimp); showData(m) : 行列 m の表示 (別ウインドウで表示)

  library(relimp)
  d <- data.frame( type = c(1:6),
  m <- matrix( c(1, 2, 3, 4), nrow = 2, ncol = 2 )
  showData(m) 
  

  
• apply(m, c(1,2), f) : 行列 m の全要素に関数 f を適用し，新しい行列を得る．

  m <- matrix( c(1, 2, 3, 4, 5, 6), nrow = 2, ncol = 3 )
  apply(m, c(1,2), function(x) (x * 2))
  

  
• apply(m, ＜次元の指定＞, f) : 行列 m を構成する行ベクトルあるいは列ベクトルごとに関数 f の適用を繰り返し、結果を得る

  apply による処理の繰り返し. ＜次元の指定＞は

  • 1:
  • 2: 列

  m <- matrix( c(1, 2, 3, 4, 5, 6), nrow = 2, ncol = 3 )
  apply(m, 1, max)
  apply(m, 2, max)
  

  

  下のように、「要素を2倍する」ような関数を扱うこともできる

  m <- matrix( c(1, 2, 3, 4, 5, 6), nrow = 2, ncol = 3 )
  apply(m, 1, function(x) (x * 2))
  apply(m, 2, function(x) (x * 2))
  

  
• edit(m) : 行列 m の編集

  m <- matrix( c(1, 2, 3, 4), nrow = 2, ncol = 2 )
  edit(m) 
  

  
• image(m, col=...) : 行列 m の画像表示

  「col = ...」の「...」には grey(), heat.colors(), topo.colors(), rainbow(), terrain() などを指定できる．

  • grey() : グレースケール
  • heat.colors() : 熱を表現するのに適したカラーマップ
  • topo.colors() : 離散データの可視化に適したカラーマップ
  • rainbow() : 離散データの可視化に適したカラーマップ（虹のようなカラーマップ）
  • terrain() : 地形データの可視化に適したカラーマップ
  
  画像表示の例

リストに関する演算子と関数

• list(L) : リスト L の長さ
• L[] : リスト L の要素の取得
  • L[1] : 1番目の要素
  • L[-1] : 1番目の要素以外全て
  • L[1:3] : 1, 2, 3番目
  • L[c(F,T,F,T)] : 2, 4番目
  • L[L>10] : 10より大きい要素だけ
• lapply(L, f) : リスト L の全要素に関数 f を適用し，新しいリストを得る

  L >- list(1, 2, 3)
  lapply(L, function(x) (x * 2))
  

  

データフレームに関する演算子と関数

データフレームには，配列に使える演算子や関数の多くが，そのまま使える． データフレームに特有の関数は次の通り．

• $ : 列名（属性名）による取り出し

  ベクトルが出力される．

  d <- data.frame( type = c(1:6),
  name = c("apple", "orange", "strawberry", "watermelon", "melon", "banana"),
  price = c(50, 20, 100, 150, 200, 100) )
  d$type
  d$name
  d$price
  

  
• [＜列名のベクトル＞] : 列名（属性名）の並びによる射影

  データフレームが出力される．

  d[ "type" ]
  d[ c("type", "name") ]
  

  
• subset(d, 属性名 ＜比較演算子＞ ＜値＞) : データフレーム d のある列（属性）値が、ある条件を満たす行の選択：

  条件式による選択を行いたい場合，subset の引数に条件式を書く．

  subset( d, name == "apple" )
  subset( d, price > 140 )
  

  
• subset(d, 属性名 %in% c(＜要素の並び＞) : データフレーム d のある列（属性）が取るべき値の列挙による行の選択：

  subset() と %in% の組み合わせを使う．

  subset( d, name %in% c( "apple", "orange", "banana") )
  

  
• summary(d) : データフレーム d の統計量の要約

  d <- data.frame( type = c(1:6),
  name = c("apple", "orange", "strawberry", "watermelon", "melon", "banana"),
  price = c(50, 20, 100, 150, 200, 100) )
  summary(d)
  

  
• t(d) : データフレーム d の転置

  データフレームの転置を行う関数． 出力は，行列になる．

  
• data.frame( d, ＜属性名＞ = ＜ベクトル＞ ) : データフレーム d に新しい列の追加
  
• rbind( d, V ) : データフレーム d に，新しい行 V の追加
• merge(d1, d2, by.x=<属性名＞, by.y=<属性名＞) : マージ

  データフレームR のno列とデータフレームSのno列でのマージの例

  d2 <- data.frame( no = c(1,2,3), name=("apple", "orange", "banana") )
  d3 <- data.frame( no = c(1,2,3), color=("red", "orange", "yellow") )
  merge(R, S, by.x="no", by.y="no")
  

  

  データフレームd2のname列とデータフレームd3のname列でのマージの例

  d2 <- data.frame( 
  name = c("apple", "orange", "rose", "rose"), 
  color = c("red", "orange", "red", "yellow"), 
  price = c(50, 20, 300, 450) )
  d3 <- data.frame( 
  name = c("apple", "orange", "rose"), 
  type = c("fruits", "fruits", "flower") ) 
  merge(d2, d3, by.x="name", by.y="name")
  

  
• split(d, d$<属性名＞) : 第二引数の属性を使って，データフレーム d を分割

  d <- data.frame( type = c(1:6),
  size = c("M", "S", "M", "M", "L", "S"),
  price = c(120, 80, 110, 100, 200, 60) )
  split(d, d$size)
  

  
• apply(d, ＜次元の指定＞, f) : データフレーム d を構成する行ベクトルあるいは列ベクトルに関数 f の適用を繰り返し新しいベクトルを作る

  apply による処理の繰り返し. apply は、データフレームにも使える. ＜次元の指定＞は

  • 1:
  • 2: 列

  d <- data.frame( type = c(1:6),
  name = c("apple", "orange", "strawberry", "watermelon", "melon", "banana"),
  price = c(50, 20, 100, 150, 200, 100) )
  apply(d, 2, range) 
  

  
• apply(d$＜属性名＞, d$<属性名＞, f) : 第二引数の属性を使って，データフレーム d を、行単位でグループ化し、各グループに f を適用して結果を得る

  d <- data.frame( type = c(1:6),
  size = c("M", "S", "M", "M", "L", "S"),
  price = c(120, 80, 110, 100, 200, 60) )
  tapply(d$price, d$size, mean)
  

  
• bt(d$＜属性名＞, d$<属性名＞, f) : 第二引数の属性を使って，データフレーム d を、行単位でグループ化し、各グループに f を適用して結果を得る

  d <- data.frame( type = c(1:6),
  size = c("M", "S", "M", "M", "L", "S"),
  price = c(120, 80, 110, 100, 200, 60) )
  by(d$price, d$size, mean)
  

  
• xtab( ＜集計したい属性名＞ ~ ＜属性名＞, d ), xtab( ＜集計したい属性名＞ ~ ＜属性名１＞ + ＜属性名2 ＞, d ) : クロス集計表

  data(warpbreaks)
  table(warpbreaks$wool)
  table(warpbreaks$tension)
  table(warpbreaks$wool, warpbreaks$tension)
  

  
• library(relimp); showData(d) : データフレーム d の表示 (別ウインドウで表示)

  library(relimp)
  d <- data.frame( type = c(1:6),
  name = c("apple", "orange", "strawberry", "watermelon", "melon", "banana"),
  price = c(50, 20, 100, 150, 200, 100) )
  showData(d) 
  

  
• edit(d) : データフレーム d の編集

  d <- data.frame( type = c(1:6),
  name = c("apple", "orange", "strawberry", "watermelon", "melon", "banana"),
  price = c(50, 20, 100, 150, 200, 100) )
  edit(d) 
  

  

条件分岐と繰り返し

主要なものを以下に挙げる

• for(arg in range)
• while(cond) expr
  
  for と while の例
• if(条件式) {式} else {式}
  • else 以下は省略可能：　if(条件式) (式) else {式} の形になる．
  • 式のところには if を書くことができる（入れ子になる） if(条件式) {式} else if (条件式) (式) ... のような形になる．
  
  if の例
• ifelse(条件式, 式1, 式2)

  条件がベクトルの要素ごとに評価される．

グラフ

• plot(X) : ベクトル X の散布図
• plot(X, Y) : ベクトル X, Y の散布図
• plot(m) : ２次元の行列 m に対する散布図

  plot( matrix( rnorm(100), 50, 2 ) ) 
  

  
  ２次元の行列に対する散布図の例
• plot(d) : データフレーム d の散布図

  data(iris) 
  plot(iris, col=Species) 
  

  
• 行列の各 i 列 x[,i] を１つの系列とみなし，各列 x[,i] ごとに記号を替えてプロットする matplot()

  matplot( cbind( c(1,2,3,4), c(3,4,5,6) )
  hist( as.matrix( iris["Petal.Length"] ) )
  

  
  各列のプロットの例
• hist(X) : ベクトル X のヒストグラム

  data(iris) 
  hist( as.matrix( iris["Petal.Length"] ) )
  

  
• barplot(X) : ベクトル X の棒グラフ
• legend() : 凡例
• abline() : 回帰曲線