改訂 2 版 R ユーザのための RStudio[実践]入門〜tidyverse によるモダンな分析フローの世界

2018 年に刊行した通称「#宇宙本」を最新の情報に改訂!

本書は、R 言語の IDE である RStudio と、モダンなデータ分析を実現する tidyverse パッケージの入門書です。RStudio の基本機能からはじまり、R によるデータの収集 (2 章)、データの整形 (3 章)、可視化 (4 章)、レポーティング (5 章) といったデータ分析ワークフローの各プロセスの基礎を押さえることができます。

RStudio v1.4 に対応し、新たに追加された Visual Editor 機能や RStudio v1.2 で追加された「Jobs 機能」などを紹介します。また、dplyr 1.0 に対応し、データ処理系の関数の解説を追加しています。さらに改訂版では付録として、「stringr による文字列データの処理」「lubridate による日付・時刻データの処理」の 2 章を追加しています。

さまざまな機能が追加されていく RStudio と tidyverse に触れ、モダンなデータ分析をはじめましょう!

R の統合開発環境 RStudio と、データ分析のためのパッケージ群 tidyverse の入門書が、『改訂 2 版 R ユーザのための RStudio[実践]入門〜tidyverse によるモダンな分析フローの世界』 (松村優哉、湯谷啓明、紀ノ定保礼、前田和寛 著、技術評論社、2021 年 6 月 3 日発売) です。版元の紹介文は、2018 年に刊行した通称「#宇宙本」を改訂したものと説明しています。版元はおすすめの読者を「R / RStudio でモダンな分析環境を手にしたい方」と「分析フローを意識した業務 / 解析をしたい方」としています。

収集、整形、可視化、レポート生成の全 5 章と付録 2 章

目次は「はじめに」、全 5 章、付録 2 章です。「はじめに」には本書の対象読者や本書で解説しなかったことの項目に加え、tidyverse の成り立ちを述べる「tidyverse とは」があります。第 1 章「RStudio の基礎」はインストール、プロジェクト機能、Jobs 機能、カスタマイズ、readr パッケージや Excel ファイルの読み込み、困ったときのヘルプやチートシートの使い方を扱います。第 2 章「スクレイピングによるデータ収集」は Web の知識と API、第 3 章「dplyr/tidyr によるデータ前処理」は tidy data への変形と dplyr によるデータ操作やデータセットの結合、第 4 章「ggplot2 を用いたデータ可視化」は ggplot2 によるグラフと他者と共有できる形への仕上げ、第 5 章「R Markdown によるレポート生成」は R Markdown の入門と出力形式です。付録 A「stringr による文字列データの処理」は正規表現まで、付録 B は lubridate による日付と時刻のデータの変換、加工、計算とタイムゾーンの扱いまでを取り上げます。版元の紹介文によると、改訂では RStudio v1.4 で加わった Visual Editor 機能や v1.2 で加わった Jobs 機能を紹介し、dplyr 1.0 に合わせてデータ処理系の関数の解説を足し、付録の 2 章を新たに加えています。

tidy data とパイプでつなぐ分析フローの考え方

R の基本の関数だけでもデータの読み込みから集計、作図までは行えますが、関数ごとに引数の並びや戻り値の形がそろっておらず、処理を何段も重ねたコードは読みにくくなります。tidyverse は、1 つの変数が 1 列、1 つの観測が 1 行に並ぶ tidy data の形を共通の前提に置き、その形のデータを受け取って同じ形で返す関数をそろえています。そのため、行の絞り込み、列の追加、グループごとの集計といった手順をパイプで左から右へつなげて書け、処理の順序がそのままコードの順序になります。第 3 章は「tidy data とは」の節から始まり、tidyr による変形、dplyr による基本的なデータ操作と応用的なデータ操作へと進みます。

可視化の ggplot2 は、データ、見た目への対応付け、点や線などの図形の層を重ねてグラフを組み立てる設計で、同じデータから軸や色の割り当てを変えた図を少ない書き換えで作れます。分析の入口にあたる第 2 章では、Web ページから表や文章を取り出す スクレイピング と、API からのデータ取得を扱います。付録 A の文字列処理では、表記の揺れを整えたり一部を取り出したりするための 正規表現 も取り上げます。

R Markdown のレポートと 4 名の執筆分担

分析の結果を他の人に渡す段階では、手順と結果が食い違わないことが重要になります。R Markdown は Markdown の文章の中に R のコードの塊を埋め込み、文書を作るたびにコードを実行して表や図を差し込む仕組みです。データが更新されても同じ手順で文書を作り直せるため、コピーと貼り付けで結果を移す作業を挟まずに済みます。第 5 章は分析結果のレポーティングの意義から入り、R Markdown の入門と出力形式を扱います。

刊行時の版元の著者紹介では、第 1 章と第 2 章は松村優哉、「tidyverse とは」と第 3 章と付録 B は湯谷啓明、第 4 章と付録 A は紀ノ定保礼、「はじめに」と第 5 章は前田和寛が執筆しています。同じ紹介では、松村優哉は R の勉強会 Tokyo.R の運営に携わり、湯谷啓明は tidyverse へのコントリビューションが多数あると記されています。本書は RStudio の操作から、データの収集、tidyverse による前処理、ggplot2 の可視化、R Markdown のレポート生成までの分析フローを 5 章にまとめ、文字列と日付と時刻の処理を付録の 2 章に収めています。