今日のトピック

目標：Rの便利なツールを概観する．

• Rの豆知識
• Rのコミュニティ
• Programming efficiency
• データビジュアリゼーション
• R MarkdownとReproducibility
• R Markdownと仲間たち
• Dashboardの活用

お知らせ

データサイエンス研究会（Twitter:@desaikenkyukai）オンライン講演会のお知らせ．

タイトル：データサイエンス分野での学生起業

講師：井本望夢 氏
滋賀大学データサイエンス学部在学．
データ分析のスタートアップ企業，合同会社「mitei」を起業．

日時：9月24日（木）16:00 ~ 18:00

(https://www.nikkei.com/article/DGXMZO63350260S0A900C2LKA000/)

Rの歴史

• 1976年に，Rの前身であるS言語が開発される．
• 1991年に，RがRobert GentlemanとRoss Ihakaによって開発された．
• 1993年に，公開．
• 1995年に，オープンソースに．
• 1996年に，メーリングリストがつくられる．
• 1997年に，R Core Groupが組織される．

参照

History and Overview of R, R Programming for Data Science

RとRStudio

• Rはプログラミング言語．
• RStudioは統合開発環境（IDE; Integrated Development Environment）．
• RはR Core Groupによるボランティアベーシスの運営．
• RStudioはRStudio, PBCという会社（public benefit corporation）によるプロダクト．
• RStudio, PBCは有償のプロダクトも提供していて，主に企業から収益を得る．
• ggplot2パッケージを開発したHadley WickhamやR Markdown関連パッケージを開発したYuihui Xieも，RStudio Inc.のエンジニア．
• RStudio, PBCの創設者J.J. Allaireは，学部生の頃にはポリサイと経済学を専攻していた．
• 計量分析に関心をもって，SASやSPSS，Excelを使ったりしていた．
• 楽しかったらしい（“I also became quite fascinated with [it.]”）．
• 卒業後はソフトウェア開発の仕事に．
• 次の仕事を探すときに，Rの噂を聞いて，RStudioの開発に着手．
• 2011年にRStudioのベータ版，2016年にVersion 1.0.0，2020年にVersion 4.0.0が公開．

参照

Interview with J.J. Alaire

新型コロナ対策で有名になった西浦博教授

• 感染症数理モデルのシミュレーションアプリをshinyというパッケージを使ってRで作成．
• そのアプリはここをクリック．
• 詳細はこちら．

こんな指摘も

Rと他のソフトウェア

Rユーザは稼ぐ…？？？笑

日経 xTECH独自調査：日本経済新聞

なお、上記は最低15人が利用している言語の平均年収である。この人数制限を設けなければ、平均年収が最も高いプログラミング言語は「R」だった。その額は907.1万円に達する。2位は「アセンブリ言語」（875.0万円）、3位は「FORTRAN」（716.7万円）だった。 RやFORTRANは統計解析や科学技術計算によく利用される。メジャーな言語とは言えないが、データ分析や数値解析のスペシャリストは、高い報酬を得ていることがうかがえる。

（日経電子版）

Statswars

Kieran Healyのブログより．

絶えない論争 １

• R vs. Stata
• Stataユーザ「スイッチングコストが」
• Stataユーザ？「フリーソフトは信頼できない」
• Rユーザ「料金が高すぎる」

絶えない論争 ２

• R vs. Python
• Pythonista「Rはプログラミング言語じゃない」
• Rユーザ「……」
• 最近は落ち着いてきた印象．
• 「両方できた方いいじゃん」という真っ当な意見が受け入れられつつある模様．（個人的に賛成）

コードの比較

回帰分析．

R

df1 <- read.csv("hogehoge.csv")
result <- lm(Y ~ X1 + X2, data = df1)
summary(result)

Python

import pandas as pd
import statsmodels.api as sm
df1 = pd.read_csv("hogehoge.csv")
df1['intercept'] = 1
reg1 = sm.OLS(endog=df1['Y'], exog=df1[['intercept', 'X1', 'X2']], missing='drop')
results = reg1.fit()
print(results.summary())

Stata

import delimited "/Users/.../hogehoge.csv" 
reg Y X1 X2, robust

主観的な比較

• 自論：全部できた方が良いんじゃないかな？
• PythonもPyEconというプロジェクトがあったりして，今後より使いやすくなるかも．
• 最近は，juliaも注目されている（らしい）．

Rのコミュニティ

Rはコミュニティが充実している．

• #rstats ハッシュタグ on Twitter
• R-ladies
• Tokyo.R
• Stack Overflow（ここに大体の答えは載っている．）
• R-bloggers

Minimal Reproducible Example

エラーになってどうしたらいいかわからない場合に，プラットフォームで質問するときは，Minimal Reproducible Exampleを提示するのがマナー（minimal working exampleとも呼ぶ）．

Minimal reproducible exampleとは：

• なるべくコードが少なく，
• しかし，質問に関係する部分は残し，
• そして同じエラーが再現される

ようにした自己完結なコードの例のこと．Minimal reproducible exampleと提示しないと，そもそも誰も答えてくれないことが多いし，自分自身も時間の無駄になることが多い．

悪い例

I tried to do regression with lm() function, but I got an error. What’s wrong? What should I do?

Can you provide a self-contained, minimal working example?

良い例

I tried to do regression with lm() function, but I got an error, which says Error in eval(predvars, data, env) : object 'speed' not found. I used the preset dataset, cars. And here’s the codes:

mydata <- cars
model <- lm(dist ~ speed)

You need to specify which data frame you’re using for lm() with its argument data. So, it should be something like:

mydata <- cars
model <- lm(dist ~ speed, data = mydata)

Rの良いところ

• いろんな教材（動画・教科書）が無料で公開されている！！
• Bookdown

おすすめ

• R for Data Science
• R Markdown: The Definitive Guide
• R Graphics Cookbook, 2nd edition
• Introduction to Econometrics with R
• Using R for Introductory Econometrics
• BBC Visual and Data Journalism cookbook for R graphics
• KUT 計量経済学応用
• Rで計量政治学入門
• 卒業論文のためのR入門
• 西山 他『計量経済学』のためのR
• Rによる原因を推論する

R Markdown

R Markdownはデータサイエンスのためのauthoring frameworkを提供する． 1つのR Markdownファイルで，

• コードを保存して実行し，

• 読者・利用者と共有できる高品質のレポートを生成することができる．

R Markdownは，プログラミングコードとナラティブ（文章による説明）の両方が同じドキュメントにあり，結果がソースコードから自動的に生成されるため，再現性（reproducibility）を確保できる設計になっている．

R Markdownでつくれるファイルの種類

ドキュメント

• HTML
• PDF
• Word

スライド

• HTML（ioslides, Slidy）
• beamer
• PowerPoint

PDFについて

• 日本語でPDFを作成するのは少しトリッキーという弱点．
• \(\TeX\)の知識が必要．
• 詳しくは，Atsushi776，Rで計量政治学入門，盆暗の学習記録

R Markdownの便利な仲間たち

便利な拡張パッケージ．

• rticles：多くのジャーナルのテンプレート．
• bookdown：本を作成できる．
• blogdown：ブログやウェブサイトを作成できる．
• flexdashboard：ビジネスレポートなどに使えるダッシュボードを作成できる．

Shiny application

ShinyはRからインタラクティブなwebアプリケーションを作成できるパッケージ．

• Shinyの公式サイト
• Shinyのチュートリアル
• Shinyの例
• その他の例

インタラクティブなグラフ

Plotlyというパッケージで簡単にインタラクティブなグラフを作成できる．

library(plotly)

mydata <- read.csv("Vfirm_sample.csv")
mydata$gender <- ifelse(mydata$sex == 1, "女性", "男性")
mydata$lwage <- log(mydata$total_pay)

fig <- mydata %>%
  plot_ly(
    x = ~tenure,
    y = ~lwage,
    color = ~gender,
    text = ~gender,
    hoverinfo = "text",
    opacity=0.5,
    frame = ~year,
    type = 'scatter',
    mode = 'markers'
  )

fig

mydata$job_type <- factor(mydata$job_type)

fig2 <- mydata %>%
  plot_ly(
    x = ~tenure,
    y = ~lwage,
    color = ~job_type,
    text = ~job_type,
    hoverinfo = "text",
    opacity=0.5, 
    frame = ~year,
    type = 'scatter',
    mode = 'markers'
  )

fig2

まとめ

Rではいろいろなことができる．そして，教材も充実している．

• R Markdownをつかうことで，再現可能なワークフローを実現できる．
• R Markdownでは，HTML，PDF，Wordなどのドキュメントを作成できる．
• R Markdownでは，HTML，beamer，PowerPointなどのプレゼンテーションを作成できる．
• rticleパッケージを使えばジャーナルのテンプレートをRで簡単に使える．
• bookdownパッケージを使えば，Rで本が書ける（\(\LaTeX\), gitbook, epub）．
• blogdownパッケージを使えば，Rでウェブサイトやブログが作れる．
• Shinyを使えば，Rでウェブアプリケーションが作れる．

その他

Programming efficiency

効率性

\(Q\)を単位努力量として，\(W\)を仕事量とすると，効率性\(\eta\)は次のように定義される．

\[ \eta = \frac{W}{Q}. \]

1. Algorithmic efficiency

• 単位時間あたりの計算処理数．
• コードによって改善する．
• 大規模な計算をしない限りはそこまで気にしないで良い．

2. Programmer pruductivity

• 単位時間あたりの人間の処理数．
• 人間がそのコードを書くに要する時間．
• 計算処理が0.001秒改善しても，そのコーディングに10秒手間がかかれば意味がない．
• タッチタイピング！！！意外とできていない人が多い．YouTubeとかに練習動画あるので，自信がなければやってみよう．
• なるべくRStudioのショートカットキーは覚えよう．割り当て演算子<-をいつもどうやって入力していますか？

参照

Efficient R programming

不自然なエラーが続くとき

• いつもなら普通にできる処理がなぜかエラーになるとき．
• SessionからRestart Rを押すとうまくいくことが多い．

おまけ

Rでは音楽もつくれます．

library("dplyr")
library("audio")
notes <- c(A = 0, B = 2, C = 3, D = 5, E = 7, F = 8, G = 10)
pitch <- "D D E D G F# D D E D A G D D D5 B G F# E C5 C5 B G A G"
duration <- c(rep(c(0.75, 0.25, 1, 1, 1, 2), 2),
              0.75, 0.25, 1, 1, 1, 1, 1, 0.75, 0.25, 1, 1, 1, 2)
bday <- data_frame(pitch = strsplit(pitch, " ")[[1]],
                   duration = duration)

bday <-
  bday %>%
  mutate(octave = substring(pitch, nchar(pitch)) %>%
           {suppressWarnings(as.numeric(.))} %>%
           ifelse(is.na(.), 4, .),
         note = notes[substr(pitch, 1, 1)],
         note = note + grepl("#", pitch) -
           grepl("b", pitch) + octave * 12 +
           12 * (note < 3),
         freq = 2 ^ ((note - 60) / 12) * 440)

tempo <- 120
sample_rate <- 44100

make_sine <- function(freq, duration) {
  wave <- sin(seq(0, duration / tempo * 60, 1 / sample_rate) *
                freq * 2 * pi)
  fade <- seq(0, 1, 50 / sample_rate)
  wave * c(fade, rep(1, length(wave) - 2 * length(fade)), rev(fade))
}

bday_wave <-
  mapply(make_sine, bday$freq, bday$duration) %>%
  do.call("c", .)

play(bday_wave)

(https://stackoverflow.com/questions/31782580/how-can-i-play-birthday-music-using-r)