それでは、スライドで解説した事項を実践していきましょう。
この動画での目標は、tidyverseパッケージを皆さんのパソコンにインストールして、呼び出して、その動作を確認するところまでです。
tidyverseが使えるようになれば、Rでのデータ分析に必要な機能をRに追加することができます。
お手元のパソコンがインターネットに繋がっていることを確認して、下記を実行してください。
install.packages("tidyverse")
少し時間がかかったかもしれませんが、エラーメッセージが出ずに終了していれば成功です！
エラーメッセージが出て、うまくインストールができない場合は、次の動画で対処法を解説していますので、そちらに進んでください。
インストールが終わっているのであれば、パッケージペーンでtidyverseが標示されているはずです。
では呼び出していきますが、その前に、EnvironmentペーンのGlobal Environmentを確認しておきましょう。ここに、現在読み込まれているパッケージが標示されています内容なんとなく記憶しておいていただいて、
── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
✔ dplyr 1.1.2 ✔ readr 2.1.4
✔ forcats 1.0.0 ✔ stringr 1.5.0
✔ ggplot2 3.4.2 ✔ tibble 3.2.1
✔ lubridate 1.9.2 ✔ tidyr 1.3.0
✔ purrr 1.0.1
── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag() masks stats::lag()
ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
で呼び出してあげると、
PackagesペーンのTidyverseにチェックが入り、また、Environmentペーンの読み込まれているパッケージのリストも増えている状態です。
この状態で、パッケージに含まれる関数を呼び出すことができるよう になりました。
これらのパッケージの使い方は、次のセクションから解説を行っていきます。ここでは、tidyverseに含まれる関数群を利用して、デモ的なものをお示しいたします。
まずは、データを作りましょう
vec_id <- c(1:7)
vec_namae <- c("A","B","C","D","E","F","G")
vec_by <- c(1987, 1930, 1940, 1972, 1954, 1987, 1930)
vec_gender <- c("男","女","男","男","男","女","男")
vec_admission <- c("2018-1-23", "2018-1-27",
"2018-2-4","2018-3-2","2018-3-10",
"2018-3-12","2018-3-15")
vec_discharge <- c("2018-1-30", "2018-2-1",
"2018-2-9","2018-3-3","2018-3-13",
"2018-3-13","2018-4-1")
vec_is_dead <- c(0,0,0,0,0,1,0)
hyou <- data.frame(
id = vec_id,
name = vec_namae,
seinen = vec_by,
seibetu = vec_gender,
admission_date = vec_admission,
discharge_date= vec_discharge,
is_dead = vec_is_dead
)
実例1：男女別の入院時年齢を箱ひげ図にしてみる。
library(tidyverse)
library(lubridate)
hyou <- hyou %>%
mutate(
age_admission =
year(as.Date(admission_date)) -
as.numeric(seinen))
ggplot(data = hyou,
mapping = aes(x = seibetu,
y = age_admission)) +
geom_boxplot()
実例2：入院期間のヒストグラムを書いてみる。
hyou <- hyou %>%
mutate(nyuin_duration =
as.Date(discharge_date) -
as.Date(admission_date)) %>%
mutate(nyuin_duration = as.numeric(nyuin_duration))
ggplot(data = hyou,
mapping = aes(x = nyuin_duration)) +
geom_histogram(aes(fill = seibetu), binwidth = 1) +
theme_classic()
どうでしょうか？
複雑に見えるかもしれませんが、本コースの受講後は簡単に思えているはずです。
