Enviar pesquisa
Carregar
Hijiyama.R Entry session
•
5 gostaram
•
2,741 visualizações
考司 小杉
Seguir
比治山Rのエントリーセッションで用いたスライドです。
Leia menos
Leia mais
Tecnologia
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 55
Baixar agora
Baixar para ler offline
Recomendados
SappoRo.R #2 初心者向けWS資料
SappoRo.R #2 初心者向けWS資料
考司 小杉
Yamadai.R チュートリアルセッション
Yamadai.R チュートリアルセッション
考司 小杉
JASELE2015-KumamotoWS
JASELE2015-KumamotoWS
SAKAUE, Tatsuya
HiRoshimaR3_IntroR
HiRoshimaR3_IntroR
SAKAUE, Tatsuya
LDA入門
LDA入門
正志 坪坂
トピックモデルの話
トピックモデルの話
kogecoo
Qaシステム解説
Qaシステム解説
yayamamo @ DBCLS Kashiwanoha
Nagoya.R #14 入門者講習
Nagoya.R #14 入門者講習
Yusaku Kawaguchi
Recomendados
SappoRo.R #2 初心者向けWS資料
SappoRo.R #2 初心者向けWS資料
考司 小杉
Yamadai.R チュートリアルセッション
Yamadai.R チュートリアルセッション
考司 小杉
JASELE2015-KumamotoWS
JASELE2015-KumamotoWS
SAKAUE, Tatsuya
HiRoshimaR3_IntroR
HiRoshimaR3_IntroR
SAKAUE, Tatsuya
LDA入門
LDA入門
正志 坪坂
トピックモデルの話
トピックモデルの話
kogecoo
Qaシステム解説
Qaシステム解説
yayamamo @ DBCLS Kashiwanoha
Nagoya.R #14 入門者講習
Nagoya.R #14 入門者講習
Yusaku Kawaguchi
Hiroshimar4_Rintro
Hiroshimar4_Rintro
SAKAUE, Tatsuya
10分で分かるr言語入門ver2 upload用
10分で分かるr言語入門ver2 upload用
Nobuaki Oshiro
質問応答システム入門
質問応答システム入門
Hiroyoshi Komatsu
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
nocchi_airport
LDA等のトピックモデル
LDA等のトピックモデル
Mathieu Bertin
Rを用いた外国語教育データの整理・要約
Rを用いた外国語教育データの整理・要約
Yusaku Kawaguchi
ベイズファクターとモデル選択
ベイズファクターとモデル選択
kazutantan
Introduction to statistics
Introduction to statistics
Kohta Ishikawa
外国語教育研究におけるRを用いた統計処理入門
外国語教育研究におけるRを用いた統計処理入門
Yusaku Kawaguchi
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
Shushi Namba
機会学習ハッカソン:ランダムフォレスト
機会学習ハッカソン:ランダムフォレスト
Teppei Baba
dplyr と purrrを用いたデータハンドリング
dplyr と purrrを用いたデータハンドリング
Somatori Keita
Rstudio事始め
Rstudio事始め
Takashi Yamane
Rの導入とRStudio事始め(改訂版)
Rの導入とRStudio事始め(改訂版)
Takashi Yamane
はじめての「R」
はじめての「R」
Masahiro Hayashi
Tokyor37
Tokyor37
TokorosawaYoshio
Rで部屋探し For slide share
Rで部屋探し For slide share
Shota Yasui
データ解析で割安賃貸物件を探せ!(山手線沿線編) LT
データ解析で割安賃貸物件を探せ!(山手線沿線編) LT
. .
初心者のためのRとRStudio入門 vol.2
初心者のためのRとRStudio入門 vol.2
OWL.learn
ハイレゾの話
ハイレゾの話
Kazuya Wada
日本教育心理学会2016WSスライド
日本教育心理学会2016WSスライド
考司 小杉
R6パッケージの紹介―機能と実装
R6パッケージの紹介―機能と実装
__nakamichi__
Mais conteúdo relacionado
Mais procurados
Hiroshimar4_Rintro
Hiroshimar4_Rintro
SAKAUE, Tatsuya
10分で分かるr言語入門ver2 upload用
10分で分かるr言語入門ver2 upload用
Nobuaki Oshiro
質問応答システム入門
質問応答システム入門
Hiroyoshi Komatsu
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
nocchi_airport
LDA等のトピックモデル
LDA等のトピックモデル
Mathieu Bertin
Rを用いた外国語教育データの整理・要約
Rを用いた外国語教育データの整理・要約
Yusaku Kawaguchi
ベイズファクターとモデル選択
ベイズファクターとモデル選択
kazutantan
Introduction to statistics
Introduction to statistics
Kohta Ishikawa
外国語教育研究におけるRを用いた統計処理入門
外国語教育研究におけるRを用いた統計処理入門
Yusaku Kawaguchi
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
Shushi Namba
機会学習ハッカソン:ランダムフォレスト
機会学習ハッカソン:ランダムフォレスト
Teppei Baba
dplyr と purrrを用いたデータハンドリング
dplyr と purrrを用いたデータハンドリング
Somatori Keita
Mais procurados
(12)
Hiroshimar4_Rintro
Hiroshimar4_Rintro
10分で分かるr言語入門ver2 upload用
10分で分かるr言語入門ver2 upload用
質問応答システム入門
質問応答システム入門
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
LDA等のトピックモデル
LDA等のトピックモデル
Rを用いた外国語教育データの整理・要約
Rを用いた外国語教育データの整理・要約
ベイズファクターとモデル選択
ベイズファクターとモデル選択
Introduction to statistics
Introduction to statistics
外国語教育研究におけるRを用いた統計処理入門
外国語教育研究におけるRを用いた統計処理入門
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
機会学習ハッカソン:ランダムフォレスト
機会学習ハッカソン:ランダムフォレスト
dplyr と purrrを用いたデータハンドリング
dplyr と purrrを用いたデータハンドリング
Destaque
Rstudio事始め
Rstudio事始め
Takashi Yamane
Rの導入とRStudio事始め(改訂版)
Rの導入とRStudio事始め(改訂版)
Takashi Yamane
はじめての「R」
はじめての「R」
Masahiro Hayashi
Tokyor37
Tokyor37
TokorosawaYoshio
Rで部屋探し For slide share
Rで部屋探し For slide share
Shota Yasui
データ解析で割安賃貸物件を探せ!(山手線沿線編) LT
データ解析で割安賃貸物件を探せ!(山手線沿線編) LT
. .
初心者のためのRとRStudio入門 vol.2
初心者のためのRとRStudio入門 vol.2
OWL.learn
ハイレゾの話
ハイレゾの話
Kazuya Wada
日本教育心理学会2016WSスライド
日本教育心理学会2016WSスライド
考司 小杉
R6パッケージの紹介―機能と実装
R6パッケージの紹介―機能と実装
__nakamichi__
How to use animation packages in R(Japanese)
How to use animation packages in R(Japanese)
sleipnir002
距離と分類の話
距離と分類の話
考司 小杉
R45LT
R45LT
TokorosawaYoshio
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
Nagi Teramo
ggplot2再入門(2015年バージョン)
ggplot2再入門(2015年バージョン)
yutannihilation
Granger因果による時系列データの因果推定(因果フェス2015)
Granger因果による時系列データの因果推定(因果フェス2015)
Takashi J OZAKI
Kandai R 入門者講習
Kandai R 入門者講習
考司 小杉
続・心理学のためのpsychパッケージ
続・心理学のためのpsychパッケージ
考司 小杉
Mplus tutorial
Mplus tutorial
考司 小杉
MCMCによるベイズ因子分析法について
MCMCによるベイズ因子分析法について
考司 小杉
Destaque
(20)
Rstudio事始め
Rstudio事始め
Rの導入とRStudio事始め(改訂版)
Rの導入とRStudio事始め(改訂版)
はじめての「R」
はじめての「R」
Tokyor37
Tokyor37
Rで部屋探し For slide share
Rで部屋探し For slide share
データ解析で割安賃貸物件を探せ!(山手線沿線編) LT
データ解析で割安賃貸物件を探せ!(山手線沿線編) LT
初心者のためのRとRStudio入門 vol.2
初心者のためのRとRStudio入門 vol.2
ハイレゾの話
ハイレゾの話
日本教育心理学会2016WSスライド
日本教育心理学会2016WSスライド
R6パッケージの紹介―機能と実装
R6パッケージの紹介―機能と実装
How to use animation packages in R(Japanese)
How to use animation packages in R(Japanese)
距離と分類の話
距離と分類の話
R45LT
R45LT
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
ggplot2再入門(2015年バージョン)
ggplot2再入門(2015年バージョン)
Granger因果による時系列データの因果推定(因果フェス2015)
Granger因果による時系列データの因果推定(因果フェス2015)
Kandai R 入門者講習
Kandai R 入門者講習
続・心理学のためのpsychパッケージ
続・心理学のためのpsychパッケージ
Mplus tutorial
Mplus tutorial
MCMCによるベイズ因子分析法について
MCMCによるベイズ因子分析法について
Semelhante a Hijiyama.R Entry session
Perl入学式をやってみた! - YAPC::Asia 2012
Perl入学式をやってみた! - YAPC::Asia 2012
Takayuki Fukumoto
20120731 ALC Eijiro User Meeting
20120731 ALC Eijiro User Meeting
akikom0819
Jitsuryoku_Appu_JLPT_N1-Yomu.pdf
Jitsuryoku_Appu_JLPT_N1-Yomu.pdf
Tiếng Nhật Đơn giản
TokyoR#31 初心者セッション
TokyoR#31 初心者セッション
TokorosawaYoshio
[最新版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
[最新版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
Yuki Arase
[旧版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
[旧版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
Yuki Arase
研究しよう,伝えよう
研究しよう,伝えよう
Kazushi Yamashina
はじめてのテスト技法
はじめてのテスト技法
Tatsuya Saito
HiroshimaR5_Intro
HiroshimaR5_Intro
SAKAUE, Tatsuya
Jacet2014ykondo_final
Jacet2014ykondo_final
早稲田大学
Perl で自然言語処理
Perl で自然言語処理
Toshinori Sato
スライド(講師養成講座)
スライド(講師養成講座)
Cozy Azuma
英語の資料をITフル活用で乗り切る方法
英語の資料をITフル活用で乗り切る方法
Iwasaki Yusuke
シー・ビブリオ
シー・ビブリオ
genroku
Rブートキャンプ
Rブートキャンプ
Kosuke Sato
テキストマイニング講義資料
テキストマイニング講義資料
Kosuke Sato
知って得するかもしれない研究Tips
知って得するかもしれない研究Tips
Keisuke Mukai
“Septeni×Scala”勉強会#1資料_20150219_寺坂
“Septeni×Scala”勉強会#1資料_20150219_寺坂
ikuyaterasaka
HiroshimaR6_Introduction
HiroshimaR6_Introduction
SAKAUE, Tatsuya
シー・ビブリオ(作成中)
シー・ビブリオ(作成中)
genroku
Semelhante a Hijiyama.R Entry session
(20)
Perl入学式をやってみた! - YAPC::Asia 2012
Perl入学式をやってみた! - YAPC::Asia 2012
20120731 ALC Eijiro User Meeting
20120731 ALC Eijiro User Meeting
Jitsuryoku_Appu_JLPT_N1-Yomu.pdf
Jitsuryoku_Appu_JLPT_N1-Yomu.pdf
TokyoR#31 初心者セッション
TokyoR#31 初心者セッション
[最新版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
[最新版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
[旧版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
[旧版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
研究しよう,伝えよう
研究しよう,伝えよう
はじめてのテスト技法
はじめてのテスト技法
HiroshimaR5_Intro
HiroshimaR5_Intro
Jacet2014ykondo_final
Jacet2014ykondo_final
Perl で自然言語処理
Perl で自然言語処理
スライド(講師養成講座)
スライド(講師養成講座)
英語の資料をITフル活用で乗り切る方法
英語の資料をITフル活用で乗り切る方法
シー・ビブリオ
シー・ビブリオ
Rブートキャンプ
Rブートキャンプ
テキストマイニング講義資料
テキストマイニング講義資料
知って得するかもしれない研究Tips
知って得するかもしれない研究Tips
“Septeni×Scala”勉強会#1資料_20150219_寺坂
“Septeni×Scala”勉強会#1資料_20150219_寺坂
HiroshimaR6_Introduction
HiroshimaR6_Introduction
シー・ビブリオ(作成中)
シー・ビブリオ(作成中)
Mais de 考司 小杉
Mds20190303
Mds20190303
考司 小杉
HCGシンポジウム2018;心理学における新しい統計学との付き合い方
HCGシンポジウム2018;心理学における新しい統計学との付き合い方
考司 小杉
HCG20181212
HCG20181212
考司 小杉
20180602kosugi
20180602kosugi
考司 小杉
Jap2017 ss65 優しいベイズ統計への導入法
Jap2017 ss65 優しいベイズ統計への導入法
考司 小杉
StanとRでベイズ統計モデリング読書会Ch.9
StanとRでベイズ統計モデリング読書会Ch.9
考司 小杉
心理統計の課題をRmdで作る
心理統計の課題をRmdで作る
考司 小杉
学部生向けベイズ統計イントロ(公開版)
学部生向けベイズ統計イントロ(公開版)
考司 小杉
R stan導入公開版
R stan導入公開版
考司 小杉
家族データに対する非対称MDSの応用(2)
家族データに対する非対称MDSの応用(2)
考司 小杉
Yamadai.R#3 Function
Yamadai.R#3 Function
考司 小杉
Yamadai.R #1 Introduction to R
Yamadai.R #1 Introduction to R
考司 小杉
Kenshu
Kenshu
考司 小杉
Yamadai.Rデモンストレーションセッション
Yamadai.Rデモンストレーションセッション
考司 小杉
Amosを使ったベイズ推定
Amosを使ったベイズ推定
考司 小杉
複合システムネットワーク論を読む(公開版)
複合システムネットワーク論を読む(公開版)
考司 小杉
YamadaiR(Categorical Factor Analysis)
YamadaiR(Categorical Factor Analysis)
考司 小杉
心理学のためのPsychパッケージ
心理学のためのPsychパッケージ
考司 小杉
Mais de 考司 小杉
(18)
Mds20190303
Mds20190303
HCGシンポジウム2018;心理学における新しい統計学との付き合い方
HCGシンポジウム2018;心理学における新しい統計学との付き合い方
HCG20181212
HCG20181212
20180602kosugi
20180602kosugi
Jap2017 ss65 優しいベイズ統計への導入法
Jap2017 ss65 優しいベイズ統計への導入法
StanとRでベイズ統計モデリング読書会Ch.9
StanとRでベイズ統計モデリング読書会Ch.9
心理統計の課題をRmdで作る
心理統計の課題をRmdで作る
学部生向けベイズ統計イントロ(公開版)
学部生向けベイズ統計イントロ(公開版)
R stan導入公開版
R stan導入公開版
家族データに対する非対称MDSの応用(2)
家族データに対する非対称MDSの応用(2)
Yamadai.R#3 Function
Yamadai.R#3 Function
Yamadai.R #1 Introduction to R
Yamadai.R #1 Introduction to R
Kenshu
Kenshu
Yamadai.Rデモンストレーションセッション
Yamadai.Rデモンストレーションセッション
Amosを使ったベイズ推定
Amosを使ったベイズ推定
複合システムネットワーク論を読む(公開版)
複合システムネットワーク論を読む(公開版)
YamadaiR(Categorical Factor Analysis)
YamadaiR(Categorical Factor Analysis)
心理学のためのPsychパッケージ
心理学のためのPsychパッケージ
Hijiyama.R Entry session
1.
2.
Kazutan.R Kazutan.R
3.
3
4.
始めよう,R Hijiyama.R 初心者向けワークショップ
4
5.
自己紹介 • なまえ;小杉考司(Twitter
@kosugitti) • しょぞく;山口大学教育学部教育心理学コース • せんもん;グループダイナミックス • しゅみ;因子分析,双対尺度法,多次元尺度構成法 5
6.
Rはとてもよいものです • オープンなフリーソフトウェアでプログラムがしやすい
• サンプルコード,サンプルデータが豊富 • パッケージを入れればどんどん成長する • コミュニティが世界中に!
7.
Rに関するオープンな情報源 • Rjpwiki;日本語のR情報がここに集結
• 手前味噌ですが「山口大学教育学部教育心理学コース」のサイ トには動画やテキストが公開されています。 • http://psycho.edu.yamaguchi-u.ac.jp/ へGo!
8.
統計モデルの解説もネットで • 青木先生のサイトやseekRも役に
立ちます。 8
9.
【入門編】 Rでできる基本的なこと 9
10.
Rを導入しよう • 「R」一文字では検索できないので,「Rproject」で検索してみ
ましょう。 10
11.
11
12.
12
13.
13
14.
15.
15
16.
加えて,オススメするのは と 16
17.
どのくらいオススメかというと と 17
18.
19.
20.
21.
22.
四つの領域と複数のタブ Console Script
調理場ここでレシピを展開 Workspace/History Files/Plots/Packages/Help Files 冷蔵庫/Plot ブログ用画像 Package 調味料/Help レシピ本 シンク/カメラ 22
23.
プロジェクト単位で管理します • プロジェクト単位によ
るデータ管理をしてお くとよい • ひとつのフォルダに データとソースコー ドを入れておく 23
24.
25.
26.
27.
28.
29.
完全に一致
30.
長所 • ファイルがあちこちに拡散しない
• プロジェクトごとにワークスペース(Rの記憶)が保持できる • Working Directoryが自動的に設定される(パスが短くて済む) • R単体だとsetwd関数で指定する 30
31.
他にも便利な機能がいっぱい • 関数補完機能(TABキー)
• SourceからConsoleへ(Run),HistoryからConsoleやSourceへ • 実行してうまく行ったものをSourceに保存=清書 • プロットした図の出力(サイズ変更やClipboard出力,File出力) 31
32.
over 4000 packages!
• パッケージは「新しい料理のレシピ」,”Cookpad”のようなもの。 • インターネット上のCRANから取り込んで料理上手になろう! • パッケージをインストールするのは三通り • install.packages関数を使う • Rguiから • Rstudioから 32
33.
パッケージのインストール • install.packages(“psych”)
とするか, • メニューのパッケージから進むか 33
34.
Rstudio)packageタブから • ここでinstall
Packagesを選ぶと グイグイいけます。 • ダウンロード済みのパッケー ジをアップデートするのもグ イッと! 34
35.
ダウンロードと実装 • インストールするだけでは使えません。
• 「ここで装備していくかい?」=library関数 • library(psych)とするとpsychパッケージの関数群がつかえるよう になります。 35
36.
Rstudio)libraryもボタン一つで 装備を外す=detachもチェックボックスをオフにするだけ 36
37.
Rの基本 • Rと一問一答スタイルです!
• 大文字と小文字を区別することに注意! • 「>」この状態になっていれば会話スタートです! 37
38.
Rの基本 • 四則演算をやってみましょう。
• 1+2はいくらだい?と聞いてみます。 38
39.
もっともっと • 2+3,3*4,4/5,(2+6)/4などの四則演算もお茶の子さいさい
• sqrt(16)とかabs(-2),cos(30)といった関数も使えます • 2+3i+4+5iという複素数の計算も! • piと書くと円周率がでてきます(予約語) • 予約語については?Constantsで調べてね 39 Tips
40.
関数とヘルプ • ()で括るのを「関数」といいます。
• sqrt()もabs()もcos()も関数です。()の中に数値やデータやオプ ションを指定します。 • ヘルプをひくのも関数で。help(sqrt)など。 • Rを終わらせるのも関数で。q()とします。 40
41.
作業スペース? • Rの記憶だと思ってください。
• 次にRを使うときに,今やったことの記憶を引き継ぎたければ「は い」を,宵越しの記憶は持たない,という人は「いいえ」を選択。 41
42.
関数の書き方 • 関数は,関数名(引数,引数,引数,...)のように書きます。
• 引数(ひきすう)は関数に渡したい数字やデータです。 • 引数でオプションの指定をすることもあります。 • 例)mean(x, na.rm=TRUE) • TRUE/FALSEはスイッチのon/offを表す記号です(予約語)
43.
ヘルプを使おう • 関数の意味が分からなかった
ら,「>」とRが聞き耳を立て ているときにお伺いをたてま しょう。 • help(mean) あるいは ?meanと 書いてみましょう • そうするとびっくりすること が起きるよ。 43
44.
ヘルプの使い方 • ヘルプは英語ですが,書式は整っているので慣れれば読めます
• Description;解説 • Usage;使い方とデフォルト情報。 • Auguments;引数。与える情報。 • Details;関数の詳細。 • Value;関数が返す値。アウトプット。 • ReferenceやExampleもあります。 44
45.
ただの電卓じゃないよ • 数字をセットで扱えます。
• 数字のセットに名前を付けてとっておくことができます。次の ように入力してみてください。 > 1:4 -> kazutan > kazutan • 1:4 -> kazutan [1] 1 2 3 4 • 「いちころんよん ハイフン だいなり かずたん」 • 「かずたん」 45
46.
一言一句解説 • 一行目;
• 「いちころんよん」;1から4まで連続した数字 • 「ハイフン だいなり」;→のつもり。代入しなさい。 • 「かずたん」;かずたんと名付けた箱の中に。 • 二行目 • 「かずたん」;かずたんの中身はなんなんだい? 46
47.
数をセットで扱える • 次のように入力してみましょう
• c(1,3,5,7,9) ->Kazutan • 注意!Kazutanとkazutanは別物です!kazuTanもね! • Kazutan+3 • Kazutan*2 cは「つないで」 > c(1,3,5,7,9)-> Kazutan > Kazutan+3 [1] 4 6 8 10 12 > Kazutan*2 [1] 2 6 10 14 18 47
48.
数をセットで扱うので • 当然こんなことができます。
> x <- 1:10 > y <- c(2,3,4,2,3,4,2,3,4,5) > mean(x) [1] 5.5 > var(x) [1] 9.166667 > sd(x) [1] 3.02765 > cor(x,y) [1] 0.5330018 平均はmean() 分散はvar() 標準偏差はsd() 相関はcor() 48
49.
数字のセットとセットで • 数字と数字のセットを足し合わせたりすることもできます
> x [1] 1 2 3 4 5 6 7 8 9 10 > y [1] 2 3 4 2 3 4 2 3 4 5 > x+y [1] 3 5 7 6 8 10 9 11 13 15 49
50.
いわゆるデータの形としては • data.frame型というスタイル
• 変数名がつけられる矩形行列
51.
データフレームの例 • Irisデータをみてみましょう。baseに最初から含まれるデータ
セットですので,特に何もしなくても読み込まれています。 • head(iris)/tail(iris);データの最初の数行,最後の数行 • summary(iris);データの要約が表示されます。 51
52.
$をつかって変数指定 • データフレーム$変数名,で指定
53.
$をつかって変数指定 • データフレーム$新しい変数名
<- 操作,で変数作成
54.
データハンドリングが山 • Rに乗り換えを考えるときに,一番大変なのがデータの加工
• これを乗り越えれば,関数の使い方は共通のフォーマットがあ るし,便利な関数が山のようにある • データハンドリングの詳細は,次の発表者にバトンタッチ!
55.
Enjoy Life! Thank
you!
Baixar agora