2012-01-16
■[R] R でコマンドライン引数を取得する方法
R のスクリプトを作成するときに「集計対象のデータファイルはコマンドライン引数で指定したい」という場合があります。
それを実現するには、R コマンドの --args オプションを使用します。--args オプション以降は R コマンド自体のオプションとはみなされなくなります。
R --file=summary.r --args data.csv
そして、--args で渡された引数は commandArgs() 関数で取得することができます。
commandArgs(trailingOnly=TRUE)[1] # => "data.csv"
ポイントは trailingOnly=TRUE を指定することです。trailingOnly=TRUE を指定しない場合は、以下のように --args より前に指定したオプションを取得してしまいます。指定したオプションの数によって添え字がずれるため、例えば commandArgs()[3] と書いた場合に取得できる値は、R コマンドのオプションを書いた順番に依存します。
commandArgs()[1] # => "/usr/lib/R/bin/exec/R" commandArgs()[2] # => "--file=summary.r" commandArgs()[3] # => "--args" commandArgs()[4] # => "data.csv"
Permalink | コメント(0) | トラックバック(0) | 22:41 
■[R] R の read.csv で欠損値を NA に変換しながらデータを取り込む方法
以下の成績データ（data.csv）があるとします。データ中の「XX」及び「-1」は欠損値を表します。
名前,国語,算数,理科,社会 太郎,95,70,75,80 次郎,90,80,80,85 花子,80,90,80,70 Ａ子,XX,70,70,70 Ｂ子,70,70,70,70 Ｃ子,80,80,80,80 Ｄ子,80,-1,80,80 Ｅ子,90,90,90,90 Ｆ子,90,XX,90,-1
ファイルを読み込むときに欠損値を NA に置き換えたい場合は、以下のように na.strings で NA に変換したい値を指定します。
read.csv("data.csv", header=TRUE, na.strings=c("XX",-1))
結果は以下の通りです。
名前 国語 算数 理科 社会 1 太郎 95 70 75 80 2 次郎 90 80 80 85 3 花子 80 90 80 70 4 Ａ子 NA 70 70 70 5 Ｂ子 70 70 70 70 6 Ｃ子 80 80 80 80 7 Ｄ子 80 NA 80 80 8 Ｅ子 90 90 90 90 9 Ｆ子 90 NA 90 NA
Permalink | コメント(0) | トラックバック(0) | 22:41 
■[R] R で欠損値を除外して集計する
以下の成績データ（data.csv）があるとします。
名前,国語,算数,理科,社会 太郎,95,70,75,80 次郎,90,80,80,85 花子,80,90,80,70 Ａ子,XX,70,70,70 Ｂ子,70,70,70,70 Ｃ子,80,80,80,80 Ｄ子,80,-1,80,80 Ｅ子,90,90,90,90 Ｆ子,90,XX,90,-1
各教科の平均点を求めるために以下の R スクリプトを実行すると、データに NA が含まれるため、思い通りの結果は得られません。
data <- read.csv("data.csv", header=TRUE, na.strings=c("XX",-1))
cat("国語平均:", mean(data["国語"]), "\n")
cat("算数平均:", mean(data["算数"]), "\n")
cat("理科平均:", mean(data["理科"]), "\n")
cat("社会平均:", mean(data["社会"]), "\n")
結果は以下の通りです。
国語平均: NA 算数平均: NA 理科平均: 79.44444 社会平均: NA
NA を除外して集計するには、na.rm=TRUE を指定します（他の関数でも使用可能です）。
data <- read.csv("data.csv", header=TRUE, na.strings=c("XX",-1))
cat("国語平均:", mean(data["国語"], na.rm=TRUE), "\n")
cat("算数平均:", mean(data["算数"], na.rm=TRUE), "\n")
cat("理科平均:", mean(data["理科"], na.rm=TRUE), "\n")
cat("社会平均:", mean(data["社会"], na.rm=TRUE), "\n")
結果は以下の通りです。
国語平均: 84.375 算数平均: 78.57143 理科平均: 79.44444 社会平均: 78.125
上記の例では列ごと（国語、算数、理科、社会）に見て NA を除外した上で平均を取る、という処理を行っていますが、行ごとにみて NA を含む行を集計対象外としたい場合もあります。その場合は na.omit() 関数で NA を含む行を削除することができます。
data <- read.csv(file, header=TRUE, na.strings=c("XX",-1))
na.omit(data)
結果は以下の通りです。
名前 国語 算数 理科 社会 1 太郎 95 70 75 80 2 次郎 90 80 80 85 3 花子 80 90 80 70 5 Ｂ子 70 70 70 70 6 Ｃ子 80 80 80 80 8 Ｅ子 90 90 90 90
各集計関数のオプションで na.rm=TRUE を指定するのか、それとも na.omit() 関数を使用するのかはケースバイケースです。全教科の得点が分かっている人のみ集計したい場合は na.omit() を使う、教科ごとの平均点が分かれば良いという場合は na.rm=TRUE を指定する、という具合に用途に応じて使い分けます。
Permalink | コメント(0) | トラックバック(0) | 22:41 