自己紹介

• 情報学科計算機 新3回 wass80
• 趣味: ボドゲ, ボカロ
• 後期のプロジェクトは飯作ってばっかりだった気がする
• 去年に引き続きバイトでのネタ

R言語の利点

• 豊富なライブラリ

バイトでRを使う理由

• 生物系のライブラリが異常に多いから
• 生物のRライブラリリポジトリBioconductorには
  1000以上もライブラリが登録されている
• ほとんどが論文付き

このスライドの目的

R言語を書かざるをえなくなった人が

• 独特な仕様を理解してつまづきを減らす
• データ解析する
• メタプログラミングする

R言語の名を知っているぐらいの人が対象

スライドの構成

• 第1部はR言語の基本
• 第2部は実際にデータ解析
• 第3部はメタプログラミング

環境構築

起動

この型は?

42

## [1] 42

の型はわかりますか

答え

42

## [1] 42

1要素の数値型ベクトル

ベクトルの挙動を知らずにRは書けない

変数束縛

識別子 <- 式

x <- 1
y <- 1
x + y

## [1] 2

Rの変数束縛

• ドットも識別子
• 逆向き束縛->もある
• snake_case推奨

a.b <- 2
1 -> z
a.b + z

## [1] 3

現在の環境を表示

ls()

## [1] "a.b" "x"   "y"   "z"

ベクトルの型

c(TRUE, FALSE, T, F)  # 論理値(logical)
c(1L, -2L) # 数値(integer) Lをつけないとdouble
c(1.1, 1e10)   # 小数(double)
c("1.1", "a") # 文字列(character)

• 上から下に暗黙の型変換が起きる
• ベクトルの型は基本的にこれらのみ

vector

• ベクトル
• コロン演算子で連続した数値ベクトルを作る

1:25

##  [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
## [24] 24 25

ベクトル操作

5番目を取り出す (初めの要素は1番目)

a <- 2:7
a[5] 

## [1] 6

5番目を変更

a[5] <- 42
a

## [1]  2  3  4  5 42  7

1要素のベクトル

スカラー(値)は1要素のベクトル

5

## [1] 5

1要素のベクトルの1要素目の1要素目の1要素目

42[1][1][1]

## [1] 42

ベクトルの結合

c(2:5,3:1) # Concat(結合)のC

## [1] 2 3 4 5 3 2 1

1要素のベクトルの結合

c(1,4,3) # ベクトルのリテラル表現

## [1] 1 4 3

• ベクトルはネストできない
• ベクトルをベクトルの要素に出来ない

ベクトルはネストできない

• ベクトルに潰される(ようにみえる)

a <- 1:3
b <- 2:3
c(a, b, c(1,3,5))

## [1] 1 2 3 2 3 1 3 5

ベクトルの型変換

ベクトルは同じ型を持つように型変換される

c(TRUE, 1, 1.1)

## [1] 1.0 1.0 1.1

c(1:5, "a")

## [1] "1" "2" "3" "4" "5" "a"

NULL

• 0要素を表す特殊なNULL型ベクトル
• 空集合の表現

NULL

## NULL

c(NULL, 1:4, NULL)

## [1] 1 2 3 4

NA

• どの型のベクトルの要素にもなれる
• 欠損値(Not Available)
• NULLと混同しないように
• 殆どの結果がNA

c(1,2,NA,4)

## [1]  1  2 NA  4

NA == NA

## [1] NA

まとめ: ベクトル

• スカラーは1要素のベクトル
• ベクトルの要素は同じ型
• ベクトルをベクトルの要素に出来ない
• NULLは0要素ベクトル
• NAは要素

ベクトル化された関数(N->N)

ベクトルを与えることで要素ごとに計算する

sqrt(2)

## [1] 1.414214

sqrt(c(1,4,9,16,25))

## [1] 1 2 3 4 5

ベクトルの2項演算(NxN->N)

map演算

1 + 3

## [1] 4

c(1,2,3) + c(2,4,6)

## [1] 3 6 9

c(1,1,1) == c(3,1,2)

## [1] FALSE  TRUE FALSE

リサイクル

要素が足りない場合, 繰り返して補う

1:5 + 3 # 1:5 + c(3,3,3,3,3)

## [1] 4 5 6 7 8

1:2 + 1:6 # c(1,2,1,2,1,2) + 1:6

## [1] 2 4 4 6 6 8

c(3,1,2) == 1 # c(3,1,2) == c(1,1,1)

## [1] FALSE  TRUE FALSE

縮約関数(N->1)

ベクトルを取ってスカラーを返す関数

mean(1:10)

## [1] 5.5

var(1:10)

## [1] 9.166667

ベクトル化の嬉しさ

モンテカルロ法で円周率を求める例

s <- 1000
sum(runif(s)^2+runif(s)^2 <= 1)*4/s

## [1] 3.048

意味

ランダムに点をまいて, 四分円の内側を数える

説明

runif(5) # Random UNIFication

## [1] 0.99240864 0.09130816 0.20068849 0.85771570 0.32205799

sum(c(T,F,T,T,F)) # Tは1 Fは0に型変換

## [1] 3

sum(runif(s)^2+runif(s)^2 <= 1)*4/s

## [1] 3.12

ループだとダメなの?

res <- 0
for(i in 1:s){
  res <- res + (runif(1)^2+runif(1)^2 <= 1)
}
res * 4 / s

## [1] 3.248

速度比較

library(microbenchmark)
s <- 1000
bench <- microbenchmark(vec_f(s), loop_f(s))

(microsecond)

• ベクトル化しないと50倍から100倍遅くなるケースがある
• 従ってベクトル化出来ないならRで書くべきではない

Rを使うべきではない？？？

• スクリプト言語としてRはほぼ最遅
• Rの紹介本でPerlやPythonが紹介されていることがある
• Rで書きにくい処理は無理に書くべきではない
• 統計処理用の言語だと割り切ろう

関数

• functionで作る
• イコールは名前付き引数の構文
• 式の場合{}は不要

sub <- function(x,y) x - y
sub(5,3)

## [1] 2

sub(y = 10, x = 5) # 名前付き引数

## [1] -5

factor(因子)

(sex <- factor(c("M","F","F"), levels = c("M", "F")))

## [1] M F F
## Levels: M F

• 有限集合表現
• 内部的にはintegerのvectorであることを覚えておく

str(sex)

##  Factor w/ 2 levels "M","F": 1 2 2

list

連想配列

(obj <- list(one=1, two=c(1,1,1), three="3"))

## $one
## [1] 1
## 
## $two
## [1] 1 1 1
## 
## $three
## [1] "3"

listへのアクセス

print_list(obj) #list表示用に定義した関数

## $one: 1; $two: c(1, 1, 1); $three: 3

obj$one

## [1] 1

obj[["two"]]

## [1] 1 1 1

• 異なる型でも格納できる
• $か[[でアクセス

属性

• オブジェクトの付加情報

print_list(attributes(obj)) # List

## $names: c("one", "two", "three")

print_list(attributes(sex)) # Factor

## $levels: c("M", "F"); $class: factor

• strでは見えない情報が見える

S3 ジェネリック

• 付加情報classを利用したジェネリックな関数
• 同じ名前の関数でもclassによって関数を呼び分ける
• 例: str関数は引数によって実際は以下の関数に振り分けられる

methods("str")

##  [1] str.data.frame*       str.Date*             str.default*         
##  [4] str.dendrogram*       str.logLik*           str.POSIXt*          
##  [7] str.Rcpp_stack_trace* str.root_criteria*    str.uneval*          
## [10] str.unit.arithmetic* 
## see '?methods' for accessing help and source code

S3の例

my_method <- function(x) UseMethod("my_method")
my_method.a <- function(o) cat("called by a", o$a)
my_method.default <- function(o) cat("called by defalut")
obj <- list(x = 1)
class(obj) <- "a" # class属性を"a"に
my_method(obj) # my_method.a が呼ばれる

## called by a

class(obj) <- "b" # class属性を"b"に
my_method(obj) # 無いのでmy_method.defualtが呼ばれる

## called by defalut

• ちなみにclassは複数持てる (継承の役割)

S3ガバガバでは?

• ガバガバ。ただ, 自分でいじる必要はない
• S3はの中身は大抵単なるリスト

num <- c(1,2,3)
class(num)

## [1] "numeric"

class(num) <- "Date"
str(num) # 日付に!?

##  Date[1:3], format: "1970-01-02" "1970-01-03" "1970-01-04"

S4 クラス

• S3を厳密にしたもの

setClass("Person",
  slots=list(name="character", age="integer"))
str(me <- new("Person", name="wass", age=20L))

## Formal class 'Person' [package ".GlobalEnv"] with 2 slots
##   ..@ name: chr "wass"
##   ..@ age : int 20

S4 クラスのスロット

@でアクセスする

me@name

## [1] "wass"

me@age

## [1] 20

S4の安全性

• 存在しないスロット作れない
• スロットと同じ型しか代入できない
• クラスを変更できない

try(me@weight <- 80)
try(me@age <- "a")
try(class(me) <- "factor")

中身がリストのS3の場合, どれも出来てしまう

• S3と同様にメソッドが定義できる
• S4は継承の仕組みもある

まとめ: List, S3, S4

• Listは連想配列, $でアクセス
• S3はclass属性を使った簡易ジェネリック

• S4はS3から少し厳密になったクラス

• S3とS4どっちが良いかは終わらない議論
  • ちなみにGoogleはS3派
  • (GoogleにはRコーディング規約が存在する)

大まとめ

• だいたいベクトル
• ベクトルで計算しよ
  • ベクトル計算で出来ないのであれば, Rで書くべきでない
  • ベクトル演算の命令を把握しておく必要がある
• S3かS4が他の言語でいうデータ構造の役割