R言語入門：初心者向けチュートリアル

Rとは何か、何に使われるのか

Rは、統計計算とグラフ作成のための無料のオープンソースの言語・環境です。ベル研究所で開発されたS言語の流れをくみ、R Core Teamによって保守されています。Rはベクトル化されており、ほとんどの演算がデータのベクトル全体に一度に作用するため、データ分析のコードを短く書けます。

Rは、統計学者、データサイエンティスト、バイオインフォマティシャン、経済学者、研究者が、データクリーニング、統計モデリング、可視化、再現可能なレポート作成に使っています。CRAN（Comprehensive R Archive Network）やBioconductorから、何千ものアドオンパッケージを入手できます。

Rのインストールとスクリプトの実行

CRANから、Windows、macOS、Linux向けのRをダウンロードします。エディタ、コンソール、プロットビューア、ヘルプペインを備えたIDEのRStudioやPositronも一緒にインストールする人が多いです。コードはRコンソールに直接入力しても、.R ファイルに保存しても構いません。

# hello.R
print("Hello, world!")
cat("Hello, world!\n")

Rscript hello.R
# [1] "Hello, world!"
# Hello, world!

print は、コンソールと同じ形式で、[1] というインデックスの接頭辞付きで値を表示します。cat は素のテキストを出力するので、改行は自分で付けます。

変数、基本の型、ベクトル

代入には <-（慣例的なスタイル）か = を使います。Rにはスカラーがなく、1つの数値は長さ1のベクトルです。c() は値をまとめてベクトルにし、算術演算は要素ごとに適用されます。

x <- 42                 # numeric (double)
n <- 7L                 # integer (L suffix)
name <- "Ada"           # character
ok <- TRUE              # logical
class(x); class(n); class(name)   # "numeric" "integer" "character"
v <- c(2, 4, 6, 8)
v * 10                  # [1] 20 40 60 80
v[2]                    # [1] 4   (indexing starts at 1)
v[v > 4]                # [1] 6 8
length(v); sum(v); mean(v)        # 4 20 5
1:5                     # [1] 1 2 3 4 5
seq(0, 1, by = 0.25)    # [1] 0.00 0.25 0.50 0.75 1.00

制御構文

Rには、if/else、for、while、repeat があります。ベクトルに対しては、ループよりもベクトル化された ifelse() のほうが適していることが多くあります。

temp <- 25
if (temp > 30) {
  print("hot")
} else if (temp > 15) {
  print("mild")         # [1] "mild"
} else {
  print("cold")
}
for (i in 1:3) {
  cat("step", i, "\n")  # step 1 / step 2 / step 3
}
scores <- c(45, 80, 62)
ifelse(scores >= 50, "pass", "fail")
# [1] "fail" "pass" "pass"

if には、単一の TRUE か FALSE が必要です。R 4.2以降では、長さが2以上のベクトルを if に渡すとエラーになります。代わりに any()、all()、ifelse() を使ってください。

関数

関数は function で作成し、名前に代入します。最後に評価された式が自動的に戻り値になり、return() が必要なのは途中で抜けるときだけです。引数にはデフォルト値を指定でき、名前を指定して渡せます。

bmi <- function(weight_kg, height_m = 1.75) {
  weight_kg / height_m^2
}
bmi(70)                          # [1] 22.85714
bmi(height_m = 1.6, weight_kg = 60)  # [1] 23.4375
square <- function(x) x^2
square(1:4)                      # [1] 1 4 9 16 (vectorized)
sapply(c(1, 4, 9), sqrt)         # [1] 1 2 3
(\(x) x + 1)(10)                 # [1] 11 (short lambda syntax)

短いラムダ構文 \(x) は、R 4.1から使えます。ネイティブパイプ |> も同様で、左辺を最初の引数として渡します。c(1, 4, 9) |> sqrt() |> sum() は6を返します。

主要なデータ構造：ベクトル、リスト、データフレーム

アトミックベクトルのほかに、Rにはリスト（異なる型の値を保持できる）、行列、データフレームがあります。データフレームは、各列が同じ長さのベクトルである表で、データ分析の中心となる構造です。

person <- list(name = "Ann", age = 31, langs = c("R", "SQL"))
person$name                 # [1] "Ann"
person[["langs"]][2]        # [1] "SQL"
df <- data.frame(
  name  = c("Ann", "Bo", "Cy"),
  age   = c(31, 25, 40),
  city  = c("Oslo", "Rome", "Oslo")
)
nrow(df)                    # [1] 3
df$age                      # [1] 31 25 40
df[df$age > 30, "name"]     # [1] "Ann" "Cy"
df$senior <- df$age >= 40   # add a column
aggregate(age ~ city, data = df, FUN = mean)
#   city  age
# 1 Oslo 35.5
# 2 Rome 25.0
str(df)                     # compact structure summary

df[rows, columns] は、位置、名前、論理条件で選択します。df[1, ] のように片側を空にすると、すべての行またはすべての列を意味します。

統計とグラフ作成

統計関数は標準で用意されており、summary、sd、quantile、cor、t.test、lm（線形モデル）など多数あります。基本のグラフィックスでは、1回の呼び出しでプロットを描けます。

set.seed(1)
x <- 1:20
y <- 3 * x + rnorm(20, sd = 2)
model <- lm(y ~ x)
round(coef(model), 2)       # intercept near 0, slope near 3
summary(model)$r.squared    # close to 1
plot(x, y, main = "y vs x")
abline(model, col = "red")

数式構文 y ~ x は「yをxの関数としてモデル化する」という意味で、さまざまなモデリング関数で共通して使われます。高度なグラフやデータ整形には、install.packages("tidyverse") でggplot2やdplyrなどのtidyverseパッケージを入れるのが一般的です。

エラー処理

エラーは stop()、警告は warning() で発生させます。それらは tryCatch() で捕捉でき、error と warning のハンドラ関数と、任意の finally ブロックを渡せます。

safe_log <- function(x) {
  if (!is.numeric(x)) stop("x must be numeric")
  if (any(x <= 0)) warning("non-positive values give NaN or -Inf")
  log(x)
}
result <- tryCatch(
  safe_log("ten"),
  error = function(e) {
    message("Caught: ", conditionMessage(e))
    NA
  },
  finally = message("done")
)
# Caught: x must be numeric
# done
result                      # [1] NA

小さな完成プログラム：売上の集計

このスクリプトは、小さな売上表を作り、基本のRで地域ごとの売上を計算して、最も売上の高い地域を表示します。

sales <- data.frame(
  region = c("North", "South", "North", "East", "South"),
  units  = c(10, 4, 6, 8, 12),
  price  = c(2.5, 3.0, 2.5, 4.0, 3.0)
)
sales$revenue <- sales$units * sales$price
by_region <- aggregate(revenue ~ region, data = sales, FUN = sum)
by_region <- by_region[order(-by_region$revenue), ]
print(by_region, row.names = FALSE)
#  region revenue
#   South      48
#   North      40
#    East      32
best <- by_region$region[1]
cat(sprintf("Best region: %s (%.2f)\n", best, max(by_region$revenue)))
# Best region: South (48.00)

次のステップ

• CRANにある公式マニュアル「An Introduction to R」。
• 組み込みのヘルプ。コンソールで ?mean や help("lm") と入力します。
• Hadley Wickhamらによる「R for Data Science」。tidyverseの手法を学べる無料のオンライン書籍です。
• 計量経済学や機械学習などの分野別にパッケージを一覧できる「CRAN Task Views」。