データクリーニング
79
messyデータをtidyデータに変換してみる 例1
79
messyデータをtidyデータに変換してみる 例1
医師が教えるR言語での医療データ分析入門-2022年改訂
はじめに
1
コースの全体像
セクション1:導入と準備
2
コースへようこそ!(L1)
3
RとR Studio(L2)
4
各OSへのインストール!(L3-6)
Rの基本
5
R Studioの画面の説明(L9)
6
R Studioを実際に操作してみよう(L10)
7
プロジェクトを作成してみよう(L11)
8
型を理解しよう(説明)(L12)
9
型を理解しよう(実践)(L13)
10
コメント(L14)
11
変数(説明)(L15)
12
変数(実践)(L16)
13
rm関数(L17)
14
型の基本(L18)
15
ベクトル(作り方)(L19)
16
ベクトル(型変換)(L20)
17
ベクトル(ベクトル同士の計算)(L21)
18
ベクトル(ベクトル同士の計算) 練習問題(L22)
19
ベクトル(長さが違うもの同士の計算)(L23)
20
ベクトル操作のまとめ(L24)
21
データフレームについて(L25)
22
データフレーム(データフレームを作成しよう)(L26)
23
データフレーム(データフレームを操作してみよう)(L27)
24
データフレーム（スライドのデータフレームを作成してみよう）(L28)
25
パッケージ(パッケージについて)(L29)
26
パッケージ(パッケージのインストールと呼び出し)(L30)
27
パッケージ(tidyverseでエラーが出た場合)(L31)
28
s02-027.html
29
関数(ヘルプファイルの読み方1)(L33)
30
関数(ヘルプファイルの読み方2)(L34)
31
関数(実際に使ってみよう)(L35)
32
セクション2のまとめ(L36)
セクション3:インポート
33
セクションの概要(L37)
34
パスとディレクトリについて(L38)
35
相対パスについて(L39)
36
相対パスの指定方法(L40)
37
ワーキングディレクトリの確認(L41)
38
テキストファイルの読み込み(L42)
39
課題:テキストファイルの読み込み(L43)
40
イメージ(L44)
41
指定方法(L45)
42
(さらに知りたい人へ)(L46)
43
ファイル拡張子(L47)
44
デリミター(L48)
45
テキストファイルのインポート(L49)
46
tibble形式について(L50)
47
tibble形式の確認と変換(さらに知りたい人のために)(L51)
48
Parseとは(L52)
49
Parseの落とし穴(L53)
50
エクセルファイルの読み込み(L54)
51
他の統計ソフトのデータの取り込み(L55)
可視化
52
セクションの全体像
53
graphics:関数を使ってグラフを描画する
54
ggplot2の導入
55
解説
56
data.frame関数
57
as.factorで作成する
58
レベルを置き換える
59
手動で作成してみる
60
課題
61
geom関数群
62
軸の設定方法
63
軸の設定方法(演習問題)
64
軸の設定方法(解答)
65
色と形の設定
66
色と形の設定(実践)
67
ラベルの設定
68
凡例の設定方法
69
凡例の設定実践
70
凡例の設定演習
71
themeの解説
72
themeの実践
73
集計方法を指定して描画する～statオプション~
74
theme!:凡例の位置を変える
75
X軸のテキストが重なる場合の解消法
データクリーニング
76
セクションの概要
77
tidyデータとmessyデータ
78
tidyデータとは?
79
messyデータをtidyデータに変換してみる 例1
80
messyデータをtidyデータに変換してみる 例2
81
tidyデータのための関数群
82
関数の作り方
83
関数の作り方(演習問題と解答)
84
パイプ関数の説明
85
パイプ関数(演習)
86
補足 |> (native pipe)
87
mutate()の説明
88
mutate()の実践
89
mutate()の練習問題
90
rename()の解説
91
rename()の実践
92
rename()の練習問題
93
select()の解説
94
selectの実践
95
select()の練習問題
96
解説
97
導入
98
「==」オペレーター
99
比較オペレーター
100
ベクトルとロジカル
101
ロジカルオペレーターと!
102
練習問題(出題)
103
練習問題(解答)
104
arrange()の説明
105
arrange()の実践
106
arrange()の練習問題
107
filter()の説明
108
filter()の実践
109
filter()の練習問題
110
説明
111
実践1 数字の指定
112
実践2 メタ文字
113
補足 R4.0.0以降のRaw String
114
実践3 小数の抜き出し
115
実践4 Look Around(先読み、後読み)
116
練習問題
117
説明
118
実践 str_detectとfilter
119
実践 str_extract/str_replaceとmutate
120
実践 str_trim
121
練習問題
122
練習問題の解答
123
正規表現の記載方法についての補足
124
応用 全角から半角数字への変換
125
説明
126
実践 if_else
127
実践 case_when
128
練習問題 出題
129
練習問題 解答
130
separate() 解説
131
実践 separate()
132
extract() 解説と実践
133
練習問題
134
解説 fill
135
実践 fill
136
練習問題
137
解説 replace_na
138
解説 list
139
実践 replace_na
140
練習問題
141
説明 導入
142
説明 横から縦の変換 pivot_longer
143
説明 縦から横の変換 pivot_wider
144
実践 基本
145
実践 pivot_wider よくある警告
146
実践 pivot_widerで複数列を横にする
147
実践 pivot_longerで複数列を同時に作成する
148
練習問題
149
解説1
150
解説2
151
実践 left_join
152
left_joinでの多対多の結合
153
色々なjoin関数
154
練習問題
現実のデータのTidy化
155
パート2の概要
156
看護記録もどきの加工1
157
看護記録もどきの加工2
158
看護記録もどきの加工3
159
人口動態統計データの加工1
160
人口動態統計データの加工2
161
人口動態統計データの加工3
162
食中毒データの加工1
163
食中毒データの加工2
セクションの概要
164
イントロダクション
165
状況設定
166
データの作成
167
数値の集計
168
シンプルな書き方での演算(attach)
169
シンプルな書き方での演算(dplyr::summarise)
170
summariseの中で動く特別な関数
171
全体集計の課題(tidyverse)
172
全体集計の実践
173
全体集計の実践(tidyverse)
174
全体集計の実践2(tidyverse)
175
全体集計の実践(tidyverse)応用3-across
176
イメージで理解する
177
group_by関数
178
group_byの効果の確認(sld70)
179
group_byでの集計
180
group_by関数の使い方の例
181
差の計算
182
group_byと差の計算
183
差の計算のRでの実践
184
差の計算の課題と解答
185
時間の型(sld95)
186
文字列を日付・時刻型へ(sld96)
187
数字を日付・時刻型へ(sld97)
188
タイムゾーン(sld98)
189
日付・時刻の計算(sld99)
190
duration(sld100)
191
period(sld101)
192
:interval(sld102)
193
:時間の集計1(sld103)
194
:時間の集計2
195
:時間の集計3
196
:時間の集計4 Rで実施1(sld126)
197
:時間の集計4 Rで実施2(sld126)
198
:時間の集計4 Rで実施3(sld126)
199
:時間の集計 補足
Rで分析結果の共有
200
セクションの導入
201
Markdownとは?
202
Rmarkdownとは?
203
Example
204
YAMLの解説
205
チャンクオプションの解説
206
チャンクオプションの解説(全体の設定)
207
Wordへの出力
208
Wordへの出力2
209
Powerpointへの出力
210
Powerpointへの出力2
211
Openxlsx:Excelへの出力
212
Openxlsx:Excelへの出力2
213
Openxlsx:Excelへの出力3
214
Rmarkdownでレポートを作成してみる―状況設定
215
Rmarkdownでレポートを作成してみる―課題1
216
Rmarkdownでレポートを作成してみる―課題2
217
Rmarkdownでレポートを作成してみる―課題3
218
終わりに
ここからどこにいくか
219
ここからどこに行くか
78
tidyデータとは?
80
messyデータをtidyデータに変換してみる 例2
