2 データの処理
2.2 データの読み込み
データの読み込みを参考に：1 。
rootdatafolder = rprojroot::find_rstudio_root_file("Data/")
filename = '瀬戸内海藻場データ.xlsx'
path = str_c(rootdatafolder, filename)
# fy1990 の処理
RNG = "A4:C27" # セルの範囲
SHEET = "FY1990" # シート名
d19 = read_xlsx(path, sheet = SHEET, range = RNG)
# fy2018の処理
RNG = "A6:C15" # 海藻データのセル範囲
SHEET = "FY2018" # シート名
seaweed = read_xlsx(path, sheet = SHEET, range = RNG)
RNG = "E6:G15" # 海草データのセル範囲
seagrass = read_xlsx(path, sheet = SHEET, range = RNG)2.3 データの処理
データの形（横長から縦長）を変えたいとき、tidyverse の pivot_wider() と pivot_longer() を使うと楽です。
では、FY2018シートの構造をFY1990シートと同じようにします。
横長のデータを縦長に変換するには、pivot_longer() を使います。
これは MS Excel の ピボットテーブル (pivot table) の機能とにています。
# %>% と |> はパイプ演算子とよびます。
# |> はR 4.1.0 から追加された、ネーティブのパイプ演算子です。
# RStudio の設定を変えなければ、CTRL+SHIFT+M をしたら、%>% が入力されるとおもいます。
# ネーティブパイプを使いたいなら、Tools -> Global Options -> Code に
# いって、Use native pipe operator のボックスにチェックを入れてください。
# seaweed = seaweed %>% pivot_longer(cols = everything())
seaweed = seaweed |> pivot_longer(cols = everything())ここでの重要なポイントは、必ずピボットしたい列を指定することです。
このとき、すべての列をピボットしたいので、pivot_longer() には cols = everything() をわたします。
ピボットされた seaweed は次のとおりです。
|> print(n = Inf) をすると、tibble 内容をすべて表示できます6。
seaweed |> print(n = Inf)
#> # A tibble: 27 × 2
#> name value
#> <chr> <dbl>
#> 1 東部 14
#> 2 中部 62
#> 3 西部 108
#> 4 東部 93
#> 5 中部 838
#> 6 西部 0
#> 7 東部 12
#> 8 中部 933
#> 9 西部 0
#> 10 東部 8
#> 11 中部 193
#> 12 西部 0
#> 13 東部 444
#> 14 中部 235
#> 15 西部 0
#> 16 東部 85
#> 17 中部 150
#> 18 西部 126
#> 19 東部 NA
#> 20 中部 283
#> 21 西部 0
#> 22 東部 NA
#> 23 中部 3
#> 24 西部 0
#> 25 東部 NA
#> 26 中部 12
#> 27 西部 NAseagrass も同じように処理しました。
seagrass = seagrass |> pivot_longer(cols = everything())では、次は seaweed と seagrass を縦に結合することです。
複数の tibble を縦に結合するための関数は bind_rows() です。
d20 = bind_rows(seaweed = seaweed, seagrass = seagrass, .id = "type")seaweed に seaweed、seagrass に seagrass を渡します。
さらに、seaweed と seagrass を type 変数に書き込みます。
d20 # FY2018 データ
#> # A tibble: 54 × 3
#> type name value
#> <chr> <chr> <dbl>
#> 1 seaweed 東部 14
#> 2 seaweed 中部 62
#> 3 seaweed 西部 108
#> 4 seaweed 東部 93
#> 5 seaweed 中部 838
#> 6 seaweed 西部 0
#> 7 seaweed 東部 12
#> 8 seaweed 中部 933
#> 9 seaweed 西部 0
#> 10 seaweed 東部 8
#> # … with 44 more rows実は、次のように bind_rows() を実行できますが、データの構造は不都合になります。
どちらも 2つの tibble を縦に結合してくれますが、結果は全く違います。
コードと結果の違いをよく確認して、その違いを理解しましょう。
bind_rows(seaweed, seagrass)
#> # A tibble: 54 × 2
#> name value
#> <chr> <dbl>
#> 1 東部 14
#> 2 中部 62
#> 3 西部 108
#> 4 東部 93
#> 5 中部 838
#> 6 西部 0
#> 7 東部 12
#> 8 中部 933
#> 9 西部 0
#> 10 東部 8
#> # … with 44 more rowsでは、d20 の type ごとの value 変数を横にならべたら、d19 と全く同じ構造になります。
d20 = d20 |> pivot_wider(id_cols = name,
names_from = type,
values_from = value)このように処理したら、Warning message がでます。
Warning (ウォーニング) は Error (エラー) ほどの問題ではないので、コードは実行されています。
Error の場合はコードは実行されません。
この Warning で values are not uniquely identified と返ってきました。
つまり、各サンプルの値は、区別することができないと意味します。
このデータの場合は、区別しなくても問題ないので、このまま解析を続きます。
それにしても、seaweed と seagrass の変数 type は <list> です。
それぞれの変数の要素に <dbl [9]> と記述されています。
各要素に 9つの値が入力されていると意味します。
研究室では、seaweed と seagrass 変数は nested (ネスト) または、「たたまれている」といいます。
では、この２つの変数を unnest (アンネスト) します。
d20 = d20 |> unnest(c(seaweed, seagrass))
d20
#> # A tibble: 27 × 3
#> name seaweed seagrass
#> <chr> <dbl> <dbl>
#> 1 東部 14 71
#> 2 東部 93 145
#> 3 東部 12 94
#> 4 東部 8 82
#> 5 東部 444 49
#> 6 東部 85 100
#> 7 東部 NA NA
#> 8 東部 NA NA
#> 9 東部 NA NA
#> 10 中部 62 63
#> # … with 17 more rowsさらに、name を site (調査海域) に変更します。
d20 = d20 |> rename(site = name)
d20
#> # A tibble: 27 × 3
#> site seaweed seagrass
#> <chr> <dbl> <dbl>
#> 1 東部 14 71
#> 2 東部 93 145
#> 3 東部 12 94
#> 4 東部 8 82
#> 5 東部 444 49
#> 6 東部 85 100
#> 7 東部 NA NA
#> 8 東部 NA NA
#> 9 東部 NA NA
#> 10 中部 62 63
#> # … with 17 more rows最後に、d20 の NA データを外します。
d20 = d20 |> drop_na() # NAを外す
d20
#> # A tibble: 23 × 3
#> site seaweed seagrass
#> <chr> <dbl> <dbl>
#> 1 東部 14 71
#> 2 東部 93 145
#> 3 東部 12 94
#> 4 東部 8 82
#> 5 東部 444 49
#> 6 東部 85 100
#> 7 中部 62 63
#> 8 中部 838 5
#> 9 中部 933 674
#> 10 中部 193 69
#> # … with 13 more rowsこれで、d20 と d19 はほぼ同じ構造です。
次のコードブロックで、d19 の変数名をrename() を用いて英語に変えます。
日本語の変数名は使いづらくて、バグの原因になることが多いので名前を変更します。
解析をするまえに、site を要因 (因子) として設定します。
levels = c('東部', '中部', '西部') は因子の順序を指定するためです。
指定しなかった場合、アルファベット順やあいうえお順になります。
ちなみに R バージョン 4.1.0 (2021-05-18) からは
|>が追加されました。これは R のネーティブパイプ演算子です。使い方は tidyverse の%>%とほとんど同じです。↩︎