データのインタラクティブな探索だけでなく、コマンドによるデータ探索、決定木の作成、ランダムフォレスト、勾配ブースティング回帰木（XGBoost）やロジスティク回帰などの分析、サンプルデータとカラーパレットの作成に便利なパッケージの紹介です。
パッケージバージョンは1.3.1。実行コマンドはwindows 11のR version 4.3.3で確認しています。
紹介動画
パッケージのインストール
下記コマンドを実行してください。
# パッケージのインストール
install.packages("explore")コマンドの紹介
詳細はコマンド、パッケージのヘルプを確認してください。
# パッケージの読み込み
library("explore")
### データ内容の記述コマンド #####
# データ例の準備
Test_Data <- use_data_iris()
# データをインタラクティブに確認:exploreコマンド
explore(Test_Data)
# データの行列数,NA値情報を表示:describe_tblコマンド
# 合計値を表示:nオプション;初期値未設定
Test_Data |>
describe_tbl()
# 150 observations with 5 variables
# 0 observations containing missings (NA)
# 0 variables containing missings (NA)
# 0 variables with no variance
# データの変数数,class数をプロット:explore_tblコマンド
Test_Data |>
explore_tbl()
# データ内の全指標の情報をtibble classで返す:describe_allコマンド
# 返り値の内容を指定:outオプション;"small":variable,type,na,na_pct,初期値:"large"
Test_Data |>
describe_all(out = "large")
# A tibble: 5 × 8
# variable type na na_pct unique min mean max
# <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
# 1 Sepal.Length dbl 0 0 35 4.3 5.84 7.9
# 2 Sepal.Width dbl 0 0 23 2 3.06 4.4
# 3 Petal.Length dbl 0 0 43 1 3.76 6.9
# 4 Petal.Width dbl 0 0 22 0.1 1.2 2.5
# 5 Species fct 0 0 3 NA NA NA
# 例えばこんな使い方
Test_Data |>
describe_all(out = "large") |>
dplyr::filter(mean < 3.5)
# A tibble: 2 × 8
# variable type na na_pct unique min mean max
# <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
#1 Sepal.Width dbl 0 0 23 2 3.06 4.4
#2 Petal.Width dbl 0 0 22 0.1 1.2 2.5
# データ内の全指標の情報をプロット:explore_allコマンド
# グループ別に表示:targetオプション;初期値:設定なし
Test_Data |>
explore_all(target = Species)
# データ内の1指標の情報を返す:describeコマンド
Test_Data |>
describe(var = Petal.Length)
# variable = Petal.Length
# type = double
# na = 0 of 150 (0%)
# unique = 43
# min|max = 1 | 6.9
# q05|q95 = 1.3 | 6.1
# q25|q75 = 1.6 | 5.1
# median = 4.3
# mean = 3.758
########
# 決定木を作成:explain_treeコマンド
# 従属変数を指定:targetオプション
# 使用する最大カテゴリ変数数:max_catオプション
# 従属変数に対して使用する最大カテゴリ変数数:max_target_catオプション
# 決定木の最大の深さを指定:maxdepthオプション
# 決定木の剪定(complex parameter):cpオプション;初期値:0
# 重み:weightsオプション;初期値:NA
# テキストサイズ:sizeオプション
Test_Data |>
explain_tree(target = Species,
max_cat = 10,
max_target_cat = 5,
maxdepth = 3,
cp = 0, weights = NA,
size = 0.7)
# ランダムフォレストを実行:explain_forestコマンド
# 「randomForest」パッケージがない場合,インストールするか質問されます
# Number of trees used for Random Forest:ntreeオプション;初期値:50
# 結果の出力:outオプション;"plot","model","importance", all";初期値;"plot"
Test_Data |>
explain_forest(target = Species, ntree = 50, out = "all")
# 勾配ブースティング回帰木（XGBoost）を実行:explain_xgboostコマンド
# 「xgboost」パッケージがない場合,インストールするか質問されます
# 数値以外の変数は削除する必要があります,drop_var_not_numericコマンドの使用がおすすめです
Test_Data |>
drop_var_not_numeric() |>
# ランダムに0/1（binaryデータ）を追加:add_var_random_01コマンド
add_var_random_01("binary", prob = c(0.5, 0.5)) |>
explain_xgboost(target = binary, out = "all")
# ロジスティク回帰を実行:explain_logregコマンド
Test_Data |>
explain_forest(target = Species, ntree = 50, out = "all")
########
### サンプルデータ生成コマンド #####
# 空のデータオブジェクトを作成:create_data_emptyコマンド
# サンプルサイズを指定:obsオプション;初期値:1000
# id列を付与:add_idオプション;TRUE/FALSE;初期値:FALSE
create_data_empty(obs = 10, add_id = FALSE)
# 例えばこんな使い方
create_data_empty(obs = 10, add_id = FALSE) |>
# ランダムに0/1を追加:add_var_random_01コマンド
add_var_random_01("初アクセス", prob = c(0.5, 0.5)) |>
# ランダムに指定文字を追加:add_var_random_catコマンド
add_var_random_cat(name = "からだにいいもの", cat = c("HP", "youtube")) |>
# ランダムに数字を追加:add_var_random_intコマンド
add_var_random_int(name = "年齢", min_val = 18, max_val = 100)
# # A tibble: 10 × 3
# 初アクセス からだにいいもの 年齢
# <int> <chr> <int>
# 1 0 HP 30
# 2 0 HP 72
# 3 0 HP 89
# 4 0 HP 90
# 5 0 HP 88
# 6 0 HP 55
# 7 1 HP 82
# 8 0 youtube 61
# 9 0 HP 89
# 10 0 HP 37
# A/Bテストのサンプルデータ:create_data_abtestコマンド
# Aグループの総数を指定:n_aオプション;初期値:100
# Aグループのsuccess数を指定:success_aオプション;初期値:10
# Bグループの総数を指定:n_bオプション;初期値:100
# Bグループのsuccess数を指定:success_bオプション;初期値:5
# n列の表示設定:success_unitオプション:"count","percent"
# 集計データで表示する:countオプション:TRUE/FALSE
create_data_abtest(n_a = 200, success_a = 20,
n_b = 198, success_b = 20,
success_unit = "count",
count = TRUE)
# iOSやAndroidなどのアクセスデータ:create_data_appコマンド
# サンプルサイズを指定:obsオプション
# id列を付与:add_idオプション;TRUE/FALSE
# 乱数のシードを指定:seedオプション;初期値:123
create_data_app(obs = 1000, add_id = TRUE, seed = 123)
# 年齢や性別,通信量やデバイス情報などのネット環境を含むデータ:create_data_buyコマンド
# buy列名を変更する:target_nameオプション;初期値:"buy"
# buy列を因子化する:factorise_targetオプション;TRUE/FALSE:TRUEでYES/NO,FALSEで1/0
# buy列内の出現確立:target1_probオプション;初期値:0.5
# 外れ値(異常値, 極端な値)データを追加する:add_extremeオプション;TRUE/FALSE
# 性別を反転する:flip_genderオプション;TRUE/FALSE
# id列を追加する:add_idオプション;TRUE/FALSE
# 乱数のシードを指定:seedオプション;初期値:123
create_data_buy(obs = 1000, target_name = "buy",
factorise_target = TRUE,
target1_prob = 0.5, add_extreme = TRUE,
flip_gender = FALSE, add_id = TRUE, seed = 123)
### その他生成コマンド#####
create_data_churn()
create_data_esoteric()
create_data_newsletter()
create_data_person()
create_data_random()
create_data_unfair()
########
### パッケージ付属データの紹介 #####
# Rのirisデータ:use_data_irisコマンド
use_data_iris()
# Rのmtcarsデータ:use_data_mtcarsコマンド
use_data_mtcars()
# RのTitanicデータ:use_data_titanicコマンド
use_data_titanic(count = TRUE)
# 「palmerpenguins」パッケージのpalmerpenguinsデータ:use_data_penguinsコマンド
use_data_penguins()
# 「dplyr」パッケージのstarwarsデータ:use_data_starwarsコマンド
use_data_starwars()
# 「tibble」パッケージのbeerデータ:use_data_beerコマンド
use_data_beer()
# 「ggplot2」パッケージのdiamondsデータ:use_data_diamondsコマンド
use_data_diamonds()
# 「ggplot2」パッケージのmpgデータ:use_data_mpgコマンド
use_data_mpg()
########
### カラーパレットに関するコマンド #####
# 指定した色に基づきカラーパレットを作成:mix_colorコマンド
# 単色/2色で指定します
Get_Color <- mix_color(c("#4b61ba", "#ad8a80"), n = 5)
# カラーパレットを表示する:show_colorコマンド
show_color(Get_Color)
# パッケージ収録のカラーパレットを利用する:get_colorコマンド
# 収録内容を確認
get_color()
# カラーパレットを表示
show_color(get_color("ubuntu"))出力例
・exploreコマンド
・explain_treeコマンド
・mix_colorコマンド
少しでも、あなたの解析が楽になりますように！！
Amazon audibleの登録の紹介
プライム会員限定で2024年7月22日まで3か月無料体験キャンペーン開催中です。無料体験後は月額1,500円で聞き放題です。なお、聞き放題対象外の本はAudible会員であれば非会員価格の３０％引きで購入することが可能です。
Amazon audibleはプロのナレーターが朗読した本をアプリで聞くことができるサービスで、オフライン再生も可能です。通勤や作業のお供にAmazon audibleのご登録はいかがでしょうか。
・AmazonのAudible
https://amzn.to/3L4FI5o
amzn.to
