library(conflicted) # 関数名の衝突を警告
conflicts_prefer( # 優先的に使う関数を指定
dplyr::filter(),
dplyr::select(),
dplyr::lag(),
)
library(tidyverse)統計データ解析I
第4講 練習問題 解答例
準備
以下で利用する共通パッケージを読み込む．
データフレームの操作
問題
datasets::airquality に対して以下の条件を満たすデータを取り出しなさい．
7月のオゾン濃度 (
Ozone)風速 (
Wind) が時速10マイル以上で，かつ気温 (Temp) が華氏80度以上の日のデータオゾン (
Ozone) も日射量 (Solar.R) も欠測 (NA) でないデータの月 (Month) と日 (Day)
解答例
datasets::airquality を tibble 形式に変換する．
aq_tbl <- as_tibble(airquality) # tibble 形式へ変換7月のオゾン濃度のデータを取り出す．
aq_tbl |>
filter(Month == 7) |> # Month %in% 7 などとしても良い
select(Ozone)# A tibble: 31 × 1
Ozone
<int>
1 135
2 49
3 32
4 NA
5 64
6 40
7 77
8 97
9 97
10 85
# ℹ 21 more rows風速時速10マイル以上かつ気温が華氏80度以上のデータを取り出す．
aq_tbl |>
filter(Wind >= 10 & Temp >= 80)# A tibble: 24 × 6
Ozone Solar.R Wind Temp Month Day
<int> <int> <dbl> <int> <int> <int>
1 45 252 14.9 81 5 29
2 71 291 13.8 90 6 9
3 39 323 11.5 87 6 10
4 NA 259 10.9 93 6 11
5 NA 332 13.8 80 6 14
6 NA 98 11.5 80 6 28
7 NA 101 10.9 84 7 4
8 40 314 10.9 83 7 6
9 27 175 14.9 81 7 13
10 NA 291 14.9 91 7 14
# ℹ 14 more rows日射量が欠測でないデータの月と日を取り出す．
aq_tbl |>
filter(!is.na(Ozone) & !is.na(Solar.R)) |>
select(Month,Day) # 書いた順に並ぶ# A tibble: 111 × 2
Month Day
<int> <int>
1 5 1
2 5 2
3 5 3
4 5 4
5 5 7
6 5 8
7 5 9
8 5 12
9 5 13
10 5 14
# ℹ 101 more rowsaq_tbl |>
filter(!is.na(Ozone) & !is.na(Solar.R)) |>
select(Month:Day) # もともと並んでいるので c(Month,Day) と同じ# A tibble: 111 × 2
Month Day
<int> <int>
1 5 1
2 5 2
3 5 3
4 5 4
5 5 7
6 5 8
7 5 9
8 5 12
9 5 13
10 5 14
# ℹ 101 more rowsデータの読み込みと操作
問題
サンプルデータ (jpdata) を読み込んで操作しなさい．
Note
https://www.e-stat.go.jp より取得したデータ (文字コード : utf8)
- jpdata1.csv : 県別の対象データ
- jpdata2.csv : 対象データの内容説明
- jpdata3.csv : 県と地域の対応関係
(地域から探す / 全県を選択 / 項目を選択してダウンロード)
作業ディレクトリ内にサブディレクトリ
dataを作成し，その中に置いて読み込む．jp_data <- read_csv(file = "data/jpdata1.csv") jp_item <- read_csv(file = "data/jpdata2.csv") jp_area <- read_csv(file = "data/jpdata3.csv")日本語に問題がある場合は英語版を読み込む．
jp_data_en <- read_csv(file = "data/jpdata1-en.csv") jp_area_en <- read_csv(file = "data/jpdata3-en.csv")
解答例
ファイルからデータを読み込む．
jp_data <- read_csv(file = "data/jpdata1.csv")
jp_item <- read_csv(file = "data/jpdata2.csv")
jp_area <- read_csv(file = "data/jpdata3.csv")
Note
文字コードは関数 readr::guess_encoding() により推測される．
guess_encoding("data/jpdata1.csv")以下にデータ操作の例を示す．
#' 項目名の内容を確認
jp_item# A tibble: 7 × 3
列名 内容 データ番号
<chr> <chr> <chr>
1 人口 総人口【人】 A1101
2 若年 １５歳未満人口【人】 A1301
3 老人 ６５歳以上人口【人】 A1303
4 面積 総面積（北方地域及び竹島を除く）【ｈａ】 B1101
5 婚姻 婚姻率（人口千人当たり）【‐】 #A06601
6 離婚 離婚率（人口千人当たり）【‐】 #A06602
7 失業 完全失業率【％】 #F01301 #' 最初の10県を表示
head(jp_data, n = 10) # A tibble: 10 × 8
県名 人口 若年 老人 面積 婚姻 離婚 失業
<chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 北海道 5320000 588000 1632000 7842078 4.5 1.91 4.6
2 青森県 1278000 141000 407000 964564 4.01 1.64 5.3
3 岩手県 1255000 144000 400000 1527501 3.8 1.48 4
4 宮城県 2323000 280000 631000 728222 4.58 1.61 4.9
5 秋田県 996000 101000 354000 1163752 3.32 1.37 4.3
6 山形県 1102000 130000 355000 932315 3.91 1.32 3.6
7 福島県 1882000 220000 569000 1378390 4.29 1.7 4.4
8 茨城県 2892000 355000 819000 609719 4.42 1.62 4.5
9 栃木県 1957000 245000 536000 640809 4.49 1.64 4.3
10 群馬県 1960000 241000 567000 636228 4.25 1.61 4.3#' 最後の10県を表示
tail(jp_data, n = 10)# A tibble: 10 × 8
県名 人口 若年 老人 面積 婚姻 離婚 失業
<chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 愛媛県 1364000 164000 437000 567623 4.14 1.7 4.4
2 高知県 714000 80000 244000 710386 4.02 1.78 4.9
3 福岡県 5107000 675000 1384000 498652 5.07 1.88 5.3
4 佐賀県 824000 113000 240000 244068 4.42 1.56 4.1
5 長崎県 1354000 173000 424000 413088 4.31 1.54 4.4
6 熊本県 1765000 237000 531000 740948 4.47 1.62 4.5
7 大分県 1152000 143000 367000 634073 4.36 1.69 4.5
8 宮崎県 1089000 146000 338000 773532 4.3 1.96 4.6
9 鹿児島県 1626000 217000 501000 918701 4.39 1.7 4.7
10 沖縄県 1443000 247000 303000 228098 5.6 2.41 6.3#' 地方名を確認
View(jp_area) # 左上ペインに表として表示される
#' 人口の最大値を見る
with(jp_data, max(人口))[1] 13724000#' どの都道府県の人口多いか調べる ('?which.max' を参照)
with(jp_data, which.max(人口)) # 行番号が返る[1] 13jp_data[with(jp_data, which.max(人口)),]# A tibble: 1 × 8
県名 人口 若年 老人 面積 婚姻 離婚 失業
<chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 東京都 13724000 1542000 3160000 219396 6.19 1.68 3.9#' 行を抽出するには関数 dplyr::filter() を使うのが簡単
jp_data |> filter(人口 == max(人口))# A tibble: 1 × 8
県名 人口 若年 老人 面積 婚姻 離婚 失業
<chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 東京都 13724000 1542000 3160000 219396 6.19 1.68 3.9#' 人口の多い順に都道府県を並べる ('?order' を参照)
with(jp_data, order(人口, decreasing = TRUE)) # 行番号を取得 [1] 13 14 27 23 11 12 28 1 40 22 8 34 26 4 15 20 21 10 9 33 7 24 43 46 47
[26] 25 35 38 42 29 2 3 44 17 6 45 16 5 37 30 41 19 18 36 39 32 31jp_data[with(jp_data, order(人口, decreasing = TRUE)),] # 並べ替え# A tibble: 47 × 8
県名 人口 若年 老人 面積 婚姻 離婚 失業
<chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 東京都 13724000 1542000 3160000 219396 6.19 1.68 3.9
2 神奈川県 9159000 1122000 2274000 241617 5.05 1.68 3.9
3 大阪府 8823000 1069000 2399000 190514 5.15 1.92 5.3
4 愛知県 7525000 1010000 1852000 517292 5.33 1.66 3.4
5 埼玉県 7310000 899000 1900000 379775 4.61 1.66 4.3
6 千葉県 6246000 755000 1692000 515761 4.59 1.66 4.1
7 兵庫県 5503000 692000 1558000 840094 4.63 1.66 4.6
8 北海道 5320000 588000 1632000 7842078 4.5 1.91 4.6
9 福岡県 5107000 675000 1384000 498652 5.07 1.88 5.3
10 静岡県 3675000 464000 1069000 777742 4.51 1.63 4
# ℹ 37 more rowswith(jp_data, 県名[order(人口, decreasing = TRUE)]) # 県名のみを表示 [1] "東京都" "神奈川県" "大阪府" "愛知県" "埼玉県" "千葉県"
[7] "兵庫県" "北海道" "福岡県" "静岡県" "茨城県" "広島県"
[13] "京都府" "宮城県" "新潟県" "長野県" "岐阜県" "群馬県"
[19] "栃木県" "岡山県" "福島県" "三重県" "熊本県" "鹿児島県"
[25] "沖縄県" "滋賀県" "山口県" "愛媛県" "長崎県" "奈良県"
[31] "青森県" "岩手県" "大分県" "石川県" "山形県" "宮崎県"
[37] "富山県" "秋田県" "香川県" "和歌山県" "佐賀県" "山梨県"
[43] "福井県" "徳島県" "高知県" "島根県" "鳥取県" #' 行を並べ替えるには関数 dplyr::arrange() を使うのが簡単
jp_data |> arrange(desc(人口)) |> print(n = Inf) # ('?dplyr::desc' を参照)# A tibble: 47 × 8
県名 人口 若年 老人 面積 婚姻 離婚 失業
<chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 東京都 13724000 1542000 3160000 219396 6.19 1.68 3.9
2 神奈川県 9159000 1122000 2274000 241617 5.05 1.68 3.9
3 大阪府 8823000 1069000 2399000 190514 5.15 1.92 5.3
4 愛知県 7525000 1010000 1852000 517292 5.33 1.66 3.4
5 埼玉県 7310000 899000 1900000 379775 4.61 1.66 4.3
6 千葉県 6246000 755000 1692000 515761 4.59 1.66 4.1
7 兵庫県 5503000 692000 1558000 840094 4.63 1.66 4.6
8 北海道 5320000 588000 1632000 7842078 4.5 1.91 4.6
9 福岡県 5107000 675000 1384000 498652 5.07 1.88 5.3
10 静岡県 3675000 464000 1069000 777742 4.51 1.63 4
11 茨城県 2892000 355000 819000 609719 4.42 1.62 4.5
12 広島県 2829000 368000 809000 847963 4.66 1.63 3.7
13 京都府 2599000 308000 743000 461220 4.57 1.58 4.4
14 宮城県 2323000 280000 631000 728222 4.58 1.61 4.9
15 新潟県 2267000 265000 709000 1258415 3.93 1.28 3.7
16 長野県 2076000 260000 647000 1356156 4.32 1.55 3.4
17 岐阜県 2008000 258000 589000 1062129 4.18 1.48 3.4
18 群馬県 1960000 241000 567000 636228 4.25 1.61 4.3
19 栃木県 1957000 245000 536000 640809 4.49 1.64 4.3
20 岡山県 1907000 243000 567000 711432 4.63 1.7 4.1
21 福島県 1882000 220000 569000 1378390 4.29 1.7 4.4
22 三重県 1800000 226000 522000 577441 4.41 1.55 3.4
23 熊本県 1765000 237000 531000 740948 4.47 1.62 4.5
24 鹿児島県 1626000 217000 501000 918701 4.39 1.7 4.7
25 沖縄県 1443000 247000 303000 228098 5.6 2.41 6.3
26 滋賀県 1413000 200000 357000 401738 4.66 1.56 3.5
27 山口県 1383000 164000 462000 611253 4.11 1.59 4
28 愛媛県 1364000 164000 437000 567623 4.14 1.7 4.4
29 長崎県 1354000 173000 424000 413088 4.31 1.54 4.4
30 奈良県 1348000 163000 408000 369094 4.07 1.52 4.9
31 青森県 1278000 141000 407000 964564 4.01 1.64 5.3
32 岩手県 1255000 144000 400000 1527501 3.8 1.48 4
33 大分県 1152000 143000 367000 634073 4.36 1.69 4.5
34 石川県 1147000 145000 331000 418605 4.51 1.34 3.4
35 山形県 1102000 130000 355000 932315 3.91 1.32 3.6
36 宮崎県 1089000 146000 338000 773532 4.3 1.96 4.6
37 富山県 1056000 124000 334000 424761 4.13 1.32 3.1
38 秋田県 996000 101000 354000 1163752 3.32 1.37 4.3
39 香川県 967000 120000 301000 187677 4.46 1.74 4
40 和歌山県 945000 112000 304000 472464 4.28 1.81 4.5
41 佐賀県 824000 113000 240000 244068 4.42 1.56 4.1
42 山梨県 823000 99000 245000 446527 4.39 1.67 4.4
43 福井県 779000 101000 232000 419051 4.34 1.39 3.3
44 徳島県 743000 85000 241000 414680 4.02 1.57 5
45 高知県 714000 80000 244000 710386 4.02 1.78 4.9
46 島根県 685000 85000 230000 670806 3.89 1.51 2.9
47 鳥取県 565000 72000 175000 350713 4.27 1.58 3.9上記と同じ内容を英語版のデータで実行する場合は以下のようになる．
jp_data_en <- read_csv(file="data/jpdata1-en.csv")
jp_area_en <- read_csv(file="data/jpdata3-en.csv")
#' データを確認する
head(jp_data_en, n = 10) # A tibble: 10 × 8
prefecture population young_population old_population area marriage divorce
<chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 Hokkaido 5320000 588000 1632000 7.84e6 4.5 1.91
2 Aomori 1278000 141000 407000 9.65e5 4.01 1.64
3 Iwate 1255000 144000 400000 1.53e6 3.8 1.48
4 Miyagi 2323000 280000 631000 7.28e5 4.58 1.61
5 Akita 996000 101000 354000 1.16e6 3.32 1.37
6 Yamagata 1102000 130000 355000 9.32e5 3.91 1.32
7 Fukushima 1882000 220000 569000 1.38e6 4.29 1.7
8 Ibaraki 2892000 355000 819000 6.10e5 4.42 1.62
9 Tochigi 1957000 245000 536000 6.41e5 4.49 1.64
10 Gunma 1960000 241000 567000 6.36e5 4.25 1.61
# ℹ 1 more variable: unemployed <dbl>tail(jp_data_en, n = 10)# A tibble: 10 × 8
prefecture population young_population old_population area marriage divorce
<chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 Ehime 1364000 164000 437000 567623 4.14 1.7
2 Kochi 714000 80000 244000 710386 4.02 1.78
3 Fukuoka 5107000 675000 1384000 498652 5.07 1.88
4 Saga 824000 113000 240000 244068 4.42 1.56
5 Nagasaki 1354000 173000 424000 413088 4.31 1.54
6 Kumamoto 1765000 237000 531000 740948 4.47 1.62
7 Oita 1152000 143000 367000 634073 4.36 1.69
8 Miyazaki 1089000 146000 338000 773532 4.3 1.96
9 Kagoshima 1626000 217000 501000 918701 4.39 1.7
10 Okinawa 1443000 247000 303000 228098 5.6 2.41
# ℹ 1 more variable: unemployed <dbl>View(jp_area_en)
#' 人口の最大値を見る
with(jp_data_en, max(population))[1] 13724000#' 人口の最大値を与える県の番号を見る
with(jp_data_en, which.max(population))[1] 13#' どの都道府県の人口多いか調べる
jp_data_en |> filter(population == max(population))# A tibble: 1 × 8
prefecture population young_population old_population area marriage divorce
<chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 Tokyo 13724000 1542000 3160000 219396 6.19 1.68
# ℹ 1 more variable: unemployed <dbl>#' 人口の多い順に都道府県を並べる
jp_data_en |> arrange(desc(population)) |> View()データの集計
問題
以下の指示に従ってサンプルデータ (jpdata) を整理しなさい．
県別の人口密度を求めよ．
地方別の人口密度を求めよ．
Warning県ごとに人口が異なるので単純に人口密度を平均してはいけない．
地方別の1000人当たりの婚姻・離婚数を概算せよ． なお，データの記述では「人口1000人当たり」とあるが，この「人口」とは若年層は婚姻不可として除いた「婚姻可能な人口1000人当たり」と考えて計算しなさい．
解答例
県別の人口密度 (人口/面積) を求める．
with(jp_data, 人口/面積) # 値のみ返す [1] 0.6783916 1.3249510 0.8216034 3.1899613 0.8558524 1.1820039
[7] 1.3653610 4.7431686 3.0539521 3.0806566 19.2482391 12.1102604
[13] 62.5535561 37.9071009 1.8014725 2.4861040 2.7400533 1.8589623
[19] 1.8431136 1.5307973 1.8905425 4.7252174 14.5469097 3.1172016
[25] 3.5172177 5.6350549 46.3115572 6.5504574 3.6521862 2.0001524
[31] 1.6110039 1.0211596 2.6805092 3.3362305 2.2625656 1.7917430
[37] 5.1524694 2.4030034 1.0050874 10.2416114 3.3761083 3.2777520
[43] 2.3820835 1.8168255 1.4078280 1.7698903 6.3262282都道府県別の人口密度を求める．
jp_data |>
select(県名, 人口, 面積) |> # 県名，人口，面積を選択
mutate(人口密度 = 人口/面積) # 人口密度を計算# A tibble: 47 × 4
県名 人口 面積 人口密度
<chr> <dbl> <dbl> <dbl>
1 北海道 5320000 7842078 0.678
2 青森県 1278000 964564 1.32
3 岩手県 1255000 1527501 0.822
4 宮城県 2323000 728222 3.19
5 秋田県 996000 1163752 0.856
6 山形県 1102000 932315 1.18
7 福島県 1882000 1378390 1.37
8 茨城県 2892000 609719 4.74
9 栃木県 1957000 640809 3.05
10 群馬県 1960000 636228 3.08
# ℹ 37 more rows地方別の人口密度 (地方の総人口/地方の総面積) を求める．
jp_data |>
mutate(地方 = as_factor(jp_area[["地方"]])) |> # 地方の情報を付加
group_by(地方) |> # 地方ごとにグループ化
summarize((across(c(人口, 面積), sum))) |> # 地方ごとに人口と面積を集計
mutate(人口密度 = 人口/面積) # 地方別の人口密度を計算# A tibble: 8 × 4
地方 人口 面積 人口密度
<fct> <dbl> <dbl> <dbl>
1 北海道 5320000 7842078 0.678
2 東北 8836000 6694744 1.32
3 関東 43248000 3243305 13.3
4 中部 21356000 6680678 3.20
5 近畿 22431000 3312565 6.77
6 中国 7369000 3192167 2.31
7 四国 3788000 1880366 2.01
8 九州 14360000 4451160 3.23 地方別の婚姻・離婚数(1000人あたり)を求める．
jp_data |>
mutate(婚姻可能 = 人口-若年, # 婚姻可能な人口を推計
婚姻数 = 婚姻可能*婚姻/1000, # 婚姻数/1000人から人数を推計
離婚数 = 婚姻可能*離婚/1000, # 離婚数/1000人から人数を推計
地方 = as_factor(jp_area[["地方"]])) |> # 地方の情報を付加
group_by(地方) |> # 地方ごとにグループ化
summarize((across(婚姻可能:離婚数, sum))) |> # 地方別の合計を計算
mutate(婚姻 = 婚姻数/婚姻可能*1000, # 1000人あたりの婚姻数を計算
離婚 = 離婚数/婚姻可能*1000) # 1000人あたりの離婚数を計算# A tibble: 8 × 6
地方 婚姻可能 婚姻数 離婚数 婚姻 離婚
<fct> <dbl> <dbl> <dbl> <dbl> <dbl>
1 北海道 4732000 21294 9038. 4.5 1.91
2 東北 7820000 32040. 12133. 4.10 1.55
3 関東 38089000 196958 63410. 5.17 1.66
4 中部 18630000 86724. 28741. 4.66 1.54
5 近畿 19661000 93660. 34135. 4.76 1.74
6 中国 6437000 28622. 10463. 4.45 1.63
7 四国 3339000 13939. 5675. 4.17 1.70
8 九州 12409000 58870. 22567. 4.74 1.82
Tip
日本語の扱いで不具合がある場合は
- jp_data -> jp_data_en
- 人口 -> population
- 若年 -> young_population
- 婚姻 -> marriage
- 離婚 -> divorce
など書き換えて試してみて下さい．