Rでよく使われるデータの形式にデータフレーム(data frame)があります。 データフレームは、行と列からなる表形式のデータで、Excelのシートのようなものです。
Rにもともと備わっているdata.frameの拡張版として、tidyverseではtibbleというデータフレームの拡張版が使われていますが、初心者のうちはほとんど違いを意識することがないと思うので、ここではdata.frameを使います。
通常、外部のデータベースから取得したExcelデータやCSVデータをRで読み込むと、データフレームとして読み込まれます。 ここでは練習のために、data.frame()を使ってデータフレームを作成します。 data.frame()関数の引数は主に，
... : 列に格納するデータrow.names : 行名check.rows : 行数をチェックするかどうかcheck.names : 列名をチェックするかどうかstringsAsFactors : 文字列を因子型に変換するかどうかfix.empty.names : 空の列名を修正するかどうか以下では、3つの自動車メーカーの2022年と2023年の売上高をデータフレームdf_carに代入します。
df_car <- data.frame( # データフレームを作成
name = c(rep("トヨタ",2),rep("日産",2),rep("ホンダ",2)), # 企業名
year = rep(c("2022", "2023"),3), # 年度
sale = c(31379507,37154298,8424585,10596695,14552696,16907725) # 売上高
)
df_car| name | year | sale |
|---|---|---|
| トヨタ |20 | 2 | 3 | 379507| |
| トヨタ |20 | 3 | 3 | 154298| |
| 日産 |2 | 22 | | 8424585| |
| 日産 |2 | 23 | | 0596695| |
| ホンダ |20 | 2 | 1 | 552696| |
| ホンダ |20 | 3 | 1 | 907725| |
rep()は、ベクトルの要素を繰り返す関数です。引数は、rep(繰り返すベクトル, 繰り返す回数)です。
データフレームdf_carには、3つの変数があります。
次に、このデータフレームの中の特定の変数や値にアクセスする方法を説明します。
データフレームの中の特定の変数にアクセスするには、$を使います。
たとえば、df_carのname変数を表示するには、次のようにします。
df_car$name[1] "トヨタ" "トヨタ" "日産" "日産" "ホンダ" "ホンダ"あるいは、データフレームの列数を指定することで、特定の変数にアクセスすることもできます。 Rのデータフレームは行と列に1から順に番号が振られています。
特定の行、列、値にアクセスするには、[行,列]を指定します。
例えば、df_carの1列目(つまりname変数)を表示するには、次のようにします。
df_car[,1] # 1列目の変数[1] "トヨタ" "トヨタ" "日産" "日産" "ホンダ" "ホンダ"
同様に、1行目（つまりトヨタの2022年の行）を表示するには、次のようにします。
df_car[1,] # 1列目の変数| name | year | sale |
|---|---|---|
| トヨタ |20 | 2 | 3 | 379507| |
さらに、df_carの特定の値にアクセスするには、次のようにします。
df_car[2,3] # 2行目の3列目の値[1] 37154298
条件を指定して、特定の行を抽出することもできます。
たとえば、name変数がトヨタの行を抽出するには、次のようにします。
df_car[df_car$name == "トヨタ",]| name | year | sale |
|---|---|---|
| トヨタ |20 | 2 | 3 | 379507| |
| トヨタ |20 | 3 | 3 | 154298| |
条件式の書き方には、主に以下のようなものがあります。
== : 等しい!= : 等しくない< : より小さい<= : 以下> : より大きい>= : 以上%in% : ベクトルの中に含まれるたとえば、name変数がトヨタまたは日産の行を抽出するには、次のようにします。