Rのパッケージについて

パッケージ

パケージのインストールで R を挫折する人もおられますので解説します。Rのパッケージは、関数やデータセットをまとめたもので、世界中の研究者から無償で提供されています。Rには「base」といったデフォルトで最初からインストールされているパッケージもありますが、追加のパッケージはCRAN（Comprehensive R Archive Network）を通してダウンロードすることができます。CRANはR言語のパッケージ、ソフトウェア、そして関連するドキュメントが集められ、配布されるネットワークで、全世界にミラーサイトが存在します。

パッケージの保存場所とパス指定

パッケージがどこに保存されるか確認してみます。Rを使用していくと、保存場所が数カ所存在する場合もあります。

.libPaths()

パッケージをダウンロードする前に、.libPaths()関数でパッケージの保管場所を指定されることを推奨します。デスクトップに専用のフォルダ（例：Rpackages）を作成しても構いません…フォルダ名は何でも大丈夫です。Rに標準装備されているパッケージ（base）以外のパッケージを保管する場所になります。Rを更新した場合でも、同じ場所に保管しておくことで，これまでインストールしたパッケージを継続して使用することができます。

例として、デスクトップにRpackagesというフォルダを作成して，パッケージを保管するフォルダに指定します。

# The package folder created on the desktop
.libPaths("C:/Users/your PC name/Desktop/Rpackages")
# for MAC
.libPaths(new = "/your/custom/path")

R3.2.0より以前のバージョンでは スラッシュの代わりにバックスラッシュを２つ(\\\\)書かなければなりません。

これでパッケージの保管場所が指定できました

その後は、パッケージをダウンロードしたら、同じ場所に保管してくれます

僕の保管フォルダ（Rpackages）の中を見てみます。いろいろなパッケージがあります。一度ダウンロードしたら次回からはダウンロードが不要です。

パッケージのダウンロード

それでは実際にパッケージをダウンロードしてみましょう。試しにdplyrというパッケージをCRANからダウンロードしてみます（dplyrを利用することで一覧表の操作が楽になります）。インストールは，install.packages()関数を使用します。下記のコードをペーストしてEnterをクリックするとダウンロードが始まります。

install.packages("dplyr")

では、実際にやってみましょう。CRANはJapanを選択してOKをクリックしてください。最後にどこにインストールされたか表示されます。他のパッケージもインストールしたらここに追加されることになります。私の場合は常にデスクトップに置いておきたいので、インストール場所をデスクトップに指定します。Rのバージョンを変更したときも常に同じ場所にパッケージを保管しておけばすぐに使えます。また、他のPCで作業する場合もパッケージだけ持ち出すことパッケージを使用することができます（もちろん再度ダインロードしても構いません）。

パッケージを起動する library()関数

パッケージを使う場合は、library()関数 を使用します。

library(dplyr)

これでパッケージdplyrが使える状態になります。プログラムのなかで :: の記号がある場合は、「このパッケージを使用してます」という意味です（記号::は、使用しなくても構いません）。ダウンロードした、パッケージdplyrを使用してみます。データセット sample01 をdataに格納します（ファイルの読み込み）。

data <- read.csv("sample01.csv", header=T, fileEncoding = "UTF-8")
head(data)

ダウンロードしたパッケージdplyrをlibrary()関数で起動します。

library(dplyr)

treatmentAとBのage、scoreの平均および標準偏差を一気に出力。group_by()で層別、summarise()で各層の要約を実行します。na.rm = TRUEは、欠損値を無視するための理論値です。.group = “drop” により、summarise()関数が保持しているグループ化を解除することができる。改めて、group_byで設定すれば問題はない。

data %>%
  group_by(treatment) %>%
  summarise(
    age_mean = mean(age, na.rm = TRUE),
    age_sd = sd(age, na.rm = TRUE),
    score_mean = mean(score, na.rm = TRUE),
    score_sd = sd(score, na.rm = TRUE),
    .group = "drop"
  )

階層的な構造（入れ子）になっている値の要約
各treatmentの男性、女性の人数を一気に出力。

data %>%
  group_by(treatment, sex) %>%
  summarise(
    count = n()  ,
    .groups = "drop"
  )

パイプ演算子 %>%

パイプ演算子 %>%の使い方。便利な使い方があれば随時更新します。

y2pt.com

2023.04.22