• Rでローデータの読み込み（データフレーム、data.table、webデータの取得）

    calendar Jan 18, 2018 / · 2 分で読了 · Rデータ前処理data.table  ·
    共有する: linkedin copy
    Rでローデータの読み込み（データフレーム、data.table、webデータの取得）

    Rを使ったデータ前処理の方法を解説する。 データフレーム形式だけでなく、大きなデータを扱うのに高速なdata.tableを使ったデータの前処理の方法も解説する。 まず一般的にデータの前処理の手順は以下のようなものである。 ローデータの読み込み データの整形（分析用データセットの生成。データの持つ情報は保持） データの型確認 必要な（分析対象とする）列の抽出 列名の変更 データ変換 データの型変換 日時データの生成 因子データの生成（ordered） データクリーニング（正しく分析できるように必要に応じて情報を一部削る） 行の削除（抽出） 行の並べ替え（ソート） 標準化（scale） 欠損値処理 外れ値処理 結合 変数の追加と削除 変 …


    続きを読む

  • Rでデータクリーニング、変数の生成

    calendar Jan 22, 2018 / · 4 分で読了 · Rデータクリーニングdata.table  ·
    共有する: linkedin copy

    このあたりから処理がアドホック寄りになるので、data.tableを使う場合でもパイプ（dplyr）を使って一度に実行するのではなく添字記法を使って1ステップずつ進めていくといい（1行ずつ実行する場合は添字記法を使った方がコード量が少なくて済む）。 行の削除（抽出） 行の抽出 行の並べ替え（ソート） 行の並べ替え 変数の加工（データフレーム／data.frame共通） 標準化（scale） 指定した変数を標準化（平均＝０、分散＝1のスケールに圧縮／拡大）する。 scale()関数を使う。

    データフレーム x.dfpurchaseamount<−scale(x.dfpurchase_amount <- scale(x.dfpurchase_amount) # …


    続きを読む

  • Rでデータセットの抽出（行の抽出、並べ替え、サンプリング、分割）

    calendar Jan 23, 2018 / · 2 分で読了 · Rdata.tableデータ処理  ·
    共有する: linkedin copy

    前のページではデータフレーム、data.tableの列（変数）の処理について解説したが、今度は行の抽出、並べ替え、サンプリング、分割といった行の処理についてまとめる。 行の削除（抽出） データフレーム ad_log <- ad_log[ad_log$imp>1000 & ad_log$click<10, , drop=F] ad_log <- with(ad_log, ad_log[imp>1000 & click<10, , drop=F]) 上下は同じ。with()関数はバッチの中でも使えるので便利。 データフレームの抽出・絞り込みでは第3添字にdrop=FALSEを付けること！ 行列の添え字にdrop=FALSEを付けないと1 …


    続きを読む

  • Rのdata.tableパッケージの使える関数一覧

    calendar Jan 28, 2019 / · 2 分で読了 · Rdata.tableデータ処理  ·
    共有する: linkedin copy
    Rのdata.tableパッケージの使える関数一覧

    Rのdata.tableはデータフレームを高速に扱えるように改良した形式だが、この機能を提供するdata.tableパッケージには添え字を使ったdata.tableの処理機能だけでなく、さまざまな関数が実装されている。 中にはdata.table以外の形式にも使える関数もあり、 dt[,col1:=関数()] の形式で使えるdata.table用の関数にも一般的に知られていない便利なものが数多くある。 特に高速化を意識しているものが多く、知っていると処理時間を短縮できる。 data.tableはdplyrとセットで使われることも多いが、dplyr自体はdata.tableの高速仕様にのっとったものではない（tibble形式）ため、 …


    続きを読む