csvデータの読み込み・書き込み

データをcsvから読み込む

# たとえばinput.csvというファイルをdataという変数に読み込む場合

# header=Fは，先頭行のデータを無視する。FALSEでもOK

data <- read.csv("input.csv", header=F)

クリップボードのデータを変数に保存（読み込み）

# ”コピペ”するときの”コピー”したやつは”クリップボード”に保存されています。

# テキストデータをコピーして，そこから読み込むことができるということ

data <- read.table("clipboard")

データをcsvに保存する

# たとえばdataという変数をoutput.csvに出力する場合

write.csv(data, "output.csv")

xlsxデータの読み込み

パッケージのインストール・読み込み

install.packages("openxlsx")

# パッケージの読み込み

library(openxlsx)

データのダウンロード

• Supporting informationの下のDownloadからファイルをダウンロードする

  • https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0226832

• 適当なフォルダにファイルを保存し，そのフォルダに作業ディレクトリを設定する

データの読み込み

• read.xlsx: エクセルファイルを読み込む

# read.xlsxで読みこんだデータをdataに保存

data <- read.xlsx("pone.0226832.s001.xlsx")

# データフレーム型で読み込まれることを確認

# class()でデータが型を確認可能

# データフレームは，「$」を使用して列を指定できる

class(data)

data$Kusho

data$Age

# 数値で列を指定することも可能

data[,5]

リスト・データフレーム

• 数値や文字列など，異なるデータ型の要素も含められる行列・配列をリストと呼ぶ

• 二次元リストの拡張版であり，各列にラベル（名前）をつけられるデータ型をデータフレームと呼ぶ

  • データフレームのメリットは，data$sexのように，ラベルを用いてデータにアクセスできる点

  • データフレームにすると by(データフレーム，層別する変数，summary)  が使えて便利

代表値の算出

• summary(): 最小値，第一四分位，中央値，平均値，第一四分位，最大値を各列ごとに計算してくれる

summary(data)

summary(data$Kusho)

度数をグラフ化する

• seq(): 単調増加・減少するデータを作る

  • seq(A, B, C) : AからBまでCずつ増える

• cut(): 指定した数値の範囲でデータを分割する

  • cut(A, B)

• pie(): 円グラフを描画

• barplot(): 棒グラフを描画

# 度数分布表の区間を指定する

breaks <- seq(60, 100, 5)               

result <- table(cut(data$Age, breaks))

# pie(): 円グラフを描画 【！円グラフはデータの読み取りに難があるので使わないこと！】 

# barplot(): 棒グラフで描画

pie(result)

barplot(result)

#ヒストグラム用の関数も用意されている

hist(data$Age)

平均値を棒グラフとしてプロットする

• apply(): 複数列に関数を適用する

  • apply(data, [1 or 2], function)

  • 1は行内データに対して，2は列内データに対して，functionを適用

  • na.rm=TRUEで，NAを無視

平均値の算出

# データフレームの列ごとに平均値を算出

# 計算できない列があることを確認する

means <- apply(data,2,mean)

# NA（欠損値）を排除してから平均

means <- apply(data,2,mean,na.rm=TRUE)

# meansを転置してからデータフレームに変換

means <- as.data.frame(t(means))

標準偏差（データのバラつきに関する指標）の算出

# NA（欠損値）を排除してから平均

sds <- apply(data,2,sd,na.rm=TRUE)

# meansを転置してからデータフレームに変換

sds <- as.data.frame(t(sds))

プロット用のデータを作成

# 平均値，標準偏差にそれぞれについて，3列をひとつのデータにまとめる

meandata <- cbind(means$Kusho,means$Static,means$Circle)

sddata <- cbind(sds$Kusho,sds$Static,sds$Circle)

# meansの3列に名前をつける

colnames(meandata) <- c("Kusho","Static","Circle")

プロットする

# bar plot and error bar

h <- barplot(meandata, xlab = "Exp Condition", ylab = "Task performance", ylim = c(0, 20),

             col = "lightgrey")

arrows(h, meandata - sddata, h, meandata + sddata, code = 3, lwd = 1, angle = 90, length = 0.1)

データを箱ひげ図としてプロットする

# 箱ひげ図をプロットするのはとても簡単

boxplot(data[,1:3],col="lightgrey",ylab="Task performance",xlab="Exp condition")

データを散布図としてプロットする

# Circle条件の課題成績とAge，MMSE，Educationそれぞれとの散布図をプロットする

plot(data$Circle,data$Age,ylab="Age",xlab="Task performance in the Circle condition")

plot(data$Circle,data$MMSE,ylab="MMSE",xlab="Task performance in the Circle condition")

plot(data$Circle,data$Education,ylab="Education",xlab="Task performance in the Circle condition")