R の基本2（データフレーム）

ここではデータフレームの扱い方について説明する。

データフレームの形式

データフレームの形式は以下のようなものである。

	ラベル1	ラベル2	…
ID1	要素1-1	要素1-2	…
ID2	要素2-1	要素2-2	…
…	…	…	…

要素の参照方法は後述するが、要素は行・列・ラベルのいずれかで指定する。

既存のデータセット

R にはあらかじめデータセットがいくつか用意されており、その中にはデータフレームが多くある。

例えば、airquality は 1973 年にニューヨークで観測されたオゾン濃度¹⁾などの時系列データである。

列	ラベル	説明
1	Ozone	平均オゾン濃度 [ppb] （ルーズベルト島、13時から15時）
2	Solar.R	太陽放射エネルギー密度 [ly] （セントラルパーク、8時から12時）
3	Wind	平均風速 [mph] （ラガーディア空港、7時から10時）
4	Temp	日最高温度 [°F] （ラガーディア空港）
5	Month	観測した月
6	Day	観測した日

単位は主にアメリカで使われている単位である。

単位	意味
ppb	parts per billion の略で、十億分率のこと。大気中の分子10億個中にあるオゾンの個数を表す。
ly	ラングレーといい、1平方センチメートルに1分間に到達する放射量をカロリーで表した単位である。
mph	miles per hour の略で、マイル毎時という。1マイルは 1.609344 kmである。
°F	華氏（ファーレンハイト）温度の単位である。華氏温度 $F$ から摂氏（セルシウス）温度へは $\frac{5}{9}(F-32)$ で変換される。

airquality を変数 df に代入して使用する場合はコンソールに次のように入力する。

> df <- airquality

コンソールに単純に df と入力すると内容が表示される。

> df

ただし、大きいデータだとコンソールでは見にくいので、 RStudio では右上のペインの Environment にリストされる変数 df をクリックすると左上のペインに df の内容が表示される。

以下ではこの df を使って例を示す。

データフレームの情報

データフレームの情報を表示するための関数には以下のようなものがある。

関数	機能
`dim(データフレーム)`	データフレームの次元を返す。
`nrow(データフレーム)`	データフレームの行数を返す。
`ncol(データフレーム)`	データフレームの列数を返す。
`colnames(データフレーム)`	データフレームの列のラベルをベクトルで返す。
`rownames(データフレーム)`	データフレームの行のラベルをベクトルで返す。
`str(データフレーム)`	データフレームの構造を表示する。

dim() では行数と列数が一度に表示される。

> dim(df)
[1] 153   6

df は 153 行 6 列のデータであることが分かる（ラベルはカウントしない）。

str() では少し詳しい情報が表示される。

> str(df)
'data.frame':	153 obs. of  6 variables:
 $ Ozone  : int  41 36 12 18 NA 28 23 19 8 NA ...
 $ Solar.R: int  190 118 149 313 NA NA 299 99 19 194 ...
 $ Wind   : num  7.4 8 12.6 11.5 14.3 14.9 8.6 13.8 20.1 8.6 ...
 $ Temp   : int  67 72 74 62 56 66 65 59 61 69 ...
 $ Month  : int  5 5 5 5 5 5 5 5 5 5 ...
 $ Day    : int  1 2 3 4 5 6 7 8 9 10 ...

要素の参照

単純参照

要素番号を指定して個別の要素を取り出すには、角かっこで [行番号,列番号] のように要素番号を指定する。

例）5行3列目の要素の参照

> df[5, 3]

名前付き参照

各項目に付けられたラベルで要素を取り出すには、要素番号の代わりにラベルを指定する。変数の後ろに $ラベル を付けてもよい。

例）5行3列目の要素の参照

> df[5, "Wind"]
> df$Wind[5]

行の集合参照

行番号（の範囲）を指定すると、その範囲の要素をまとめて取り出せる。

例）5行目の要素の参照

> df[5,]

例）3,10行目の参照

> df[c(3, 10),]

例）3〜6行目の参照

> df[3:6,]

列の集合参照

列番号（の範囲）を指定すると、その範囲の要素をまとめて取り出せる。列の集合参照には何通りか方法があるが、戻り値が少し異なる。

変数がデータフレーム、tibble型、行列の場合をまとめて挙げる。

形式	変数がデータフレームの戻り値	変数が tibble 型の戻り値	変数が行列の戻り値
`変数[列番号]`	列の要素（データフレーム）	列の要素（tibble 型）	行列を1次元配列とした要素
`変数["ラベル"]`	列の要素（データフレーム）	列の要素（tibble 型）
`変数[,列番号]`	列の要素（ベクトル）	列の要素（tibble 型）	列の要素（ベクトル）
`変数[,"ラベル"]`	列の要素（ベクトル）	列の要素（tibble 型）
`変数[[列番号]]`	列の要素（ベクトル）	列の要素（ベクトル）	行列を1次元配列とした要素
`変数[["ラベル"]]`	列の要素（ベクトル）	列の要素（ベクトル）
`変数$ラベル`	列の要素（ベクトル）	列の要素（ベクトル）

例）3列目の要素の参照

ベクトルとしての参照

> df[, 3]
> df[, "Wind"]
> df$Wind

データフレームとしての参照

> df["Wind"]
> df[3]

例）1,3,5列目の要素の参照

> df[, c(1, 3, 5)]
> df[c(1, 3, 5)]

例）2〜4列目の参照

> df[, 2:4]
> df[2:4]

除外参照

頭に - をつけて要素を指定すると、その要素以外の要素を取り出すことができる。これを利用すれば、データフレームから任意の行や列を削除できる。

例）3列目以外の参照

> df[, -3]
> df[-3]

例）2,4列目以外の参照

> df[, -c(2, 4)]
> df[-c(2, 4)]

例）10〜19行目以外の参照

> df[-(10:19),]

条件付き参照

条件式で条件を満たす要素だけを取り出すことができる。

例）平均風速が10mph以上の行の参照

> df[df$Wind >= 10,]

この意味は、df$Wind >= 10 だけを実行してみると分かる。

例）平均オゾン濃度が100ppb以上の行の参照

> df[!is.na(df$Ozone) & df$Ozone >= 100,]

is.na(値) は、値が NA の場合は TRUE、それ以外では FALSE を返す。 Ozone の列には NA が含まれているので、!is.na(df$Ozone) を使って NA を含む行を FALSE にしている。

例）平均オゾン濃度が100ppb以上または平均風速が10mph以上の行の参照

> df[(!is.na(df$Ozone) & df$Ozone >= 100) | df$Wind >= 10,]

ソート

例）平均風速の小さい順にソート

> df[order(df$Wind),]

例）平均風速の大きい順にソート

> df[order(-df$Wind),]

例）平均風速の小さい順にソートし、平均風速が同じ場合は平均オゾン濃度の小さい順にソート

> df[order(df$Wind, df$Ozone),]

要素の追加

列の追加

データフレームに列を追加するには cbind() を使う。

例）平均風速をkm毎時に変換して列を追加

> df2 <- cbind(df, 風速 = df$Wind * 1.609344)

「風速」というラベルの列が最後の列に追加されて変数 df2 に代入される。

行の追加

データフレームに行を追加するには rbind() を使う。

例）1,2,3,4,5,6 という値を持つ行を追加

> df3 <- rbind(df, c(1, 2, 3, 4, 5, 6))

新しい行が最後の行に追加されて変数 df3 に代入される。

要素の削除

列の削除

データフレームから列を削除するには、対象の列に NULL を代入すると簡単にできる。

例）df2 から「風速」のラベルの列を削除

> df2$風速 <- NULL

行の削除

データフレームから行を削除するには、対象の行を除外参照して代入する。

例）df3 から 154行目を削除

> df3 <- df3[-154,]

¹⁾

オゾンは酸素原子が3つ結合した分子である。大気中のオゾン濃度が高い層はオゾン層と呼ばれ、太陽光の紫外線を吸収する効果がある。