Rプログラミング入門

📚 コンテンツ概要

このコースは、基本的な数値ベクトル操作、オブジェクト属性、配列/行列の取り扱いからリスト/データフレームの管理、統計モデリング、高品質なグラフィックス作成まで、R言語環境の核心トピックを網羅する包括的な導入講座です。統計分析およびデータサイエンスの入門テキストとして適しています。

R言語の核となる機能を習得し、統計計算とデータ視覚化への扉を開こう。

著者: R開発コアチーム

謝辞: 本マニュアルはR開発コアチームによって維持されています。中国語版は、増田滋郎氏による日本語訳を基盤としており、李振平博士、李瑞博士らの中国語翻訳チームの貢献に感謝します。

🎯 学習目標

1. Rセッションの初期化、ヘルプシステムのナビゲーション、基本的な構文規則（大文字小文字の区別、代入、コメント）の適用。
2. 真理値ベクトル、文字ベクトルを区別し、作成し、欠損値（NA および NaN）を処理する。
3. 4つの異なるインデックス手法を使用して、特定のデータサブセットを選択、除外、または変更する。
4. Rオブジェクトの内在的属性（型と長さ）を識別・修正する。
5. class() 関数と attr() 関数を活用して、オブジェクトのメタデータやデータ構造を管理する。
6. カテゴリカルデータを表現するために因子および順序因子を作成・操作する。
7. 次元ベクトルと array() 関数を使用して配列および行列を定義・構築する。
8. 高度なインデックス技術（インデックス行列を使用した特定要素の抽出または変更など）を適用する。
9. 外積、一般化転置、行列逆行列など、線形代数演算を実行する。
10. リストの構築と編集：名前付きおよび名前なしのリストを作成し、特定のR構文で結合する。

🔹 レッスン1: Rの紹介とベクトルの基礎

概要: このレッスンでは、Rの基礎環境について学び、基本的な構文、コマンドの実行方法、ヘルプシステムをカバーします。さらに、真理値、文字、欠損値といった特殊なベクトル型を解説し、インデックスベクトルを通じてデータサブセットの選択および変更の詳細な方法を提示します。

学習成果:

• Rセッションの初期化、ヘルプシステムのナビゲーション、基本的な構文規則（大文字小文字の区別、代入、コメント）の適用。
• 真理値ベクトル、文字ベクトルの区別と作成、および欠損値（NA および NaN）の処理。
• 4種類の異なるインデックス手法を使用して、特定のデータサブセットを選択、除外、または変更する。

🔹 レッスン2: オブジェクト属性と因子の取り扱い

概要: このレッスンでは、Rオブジェクトの基本的性質である内在的属性（型と長さ）について学び、これらがどのように照会または変更されるかを解説します。また、「因子」というカテゴリカル変数を扱うための特別なデータ構造についても探求し、tapply() 関数を使って因子レベルごとのグループ化された統計分析を実行する方法を示します。

学習成果:

• Rオブジェクトの内在的属性（型と長さ）を識別・修正する。
• class() 関数と attr() 関数を活用して、オブジェクトのメタデータおよびデータ構造を管理する。
• カテゴリカルデータを表現するために因子および順序因子を作成・操作する。

🔹 レッスン3: 配列、行列、線形代数

概要: このレッスンでは、配列と行列を通じて、多次元データを扱うための強力なRの能力を学びます。次元ベクトルを使用したデータ構造の定義、複雑なインデックス処理、および行列乗算、逆行列、分解などの重要な線形代数演算を実行する方法を習得します。これらの技術は、統計計算とデータ解析において不可欠です。

学習成果:

• 次元ベクトルと array() 関数を使用して配列および行列を定義・構築する。
• インデックス行列を使用した特定要素の抽出または変更を含む高度なインデックス技術を適用する。
• 外積、一般化転置、行列逆行列などの線形代数演算を実行する。

🔹 レッスン4: データ管理：リスト、データフレーム、I/O

概要: このレッスンでは、複雑なデータ構造および外部データをRで扱う基本を学びます。リスト——異なる型のコンポーネントを格納できる柔軟なコンテナ——について焦点を当て、入出力（I/O）の実務、特に外部ファイルからのデータ読み込み、パッケージ内の組み込みデータセットへのアクセス、インタラクティブ編集ツールを用いたデータ修正の方法を解説します。

学習成果:

• リストの構築と編集：名前付きおよび名前なしのリストを作成し、特定のR構文で結合する。
• コンポーネントのアクセス：[[ ]]、[ ]、$ の異なるインデックス手法を区別し、リストデータを取得する。
• 外部データの入力：scan() 関数を使用して、外部ファイルから構造化されたリストまたは行列へデータを読み込む。

🔹 レッスン5: 確率分布と統計検定

概要: このレッスンでは、確率分布の取り扱いや統計的推論を実行するための包括的なガイドを提供します。学生は、分布関数における標準化されたプレフィックス体系（d, p, q, r）の使い方、記述統計量の生成、経験的累積分布関数（ecdf）およびQ-Qプロットを用いたデータの視覚的評価方法を学びます。

学習成果:

• Rの分布命名規則（プレフィックス d, p, q, r）を習得し、正規分布、t分布、F分布などの標準分布に適用する。
• 経験的累積分布関数（ecdf）およびクアンタイル-クアンタイル（Q-Q）プロットといった視覚診断ツールを構築・解釈し、分布の適合度を評価する。
• パラメトリック検定とノンパラメトリック検定の違いを理解し、ウェルチのt検定、シャピロ・ウィルク正規性検定、コルモゴロフ＝スミルノフ検定などを実行する。

🔹 レッスン6: プログラム制御と反復的ロジック

概要: このレッスンでは、Rにおける実行フローを制御する基本的な仕組みについて学びます。複数の式を単一のユニットにグループ化し、条件分岐（if-else）および各種ループ構造（for、repeat、while）といった制御ステートメントを活用することで、データ分析タスクの自動化と複雑なロジックの処理を行います。

学習成果:

• 中括弧を使用して複数のR式を一つのステートメントにグループ化する。
• 論理的基準に基づいて特定のコードブロックを実行する条件付きロジックを実装する。
• ベクトルやリストなどのデータ構造に対して繰り返し操作を自動化する反復ループを構築する。

🔹 レッスン7: カスタム関数の開発とスコープ

概要: このレッスンでは、Rをインタラクティブな電卓として使うだけでなく、プログラミング言語として活用するための移行について学びます。関数定義の構文、引数の扱い、レキシカルスコープのルール、そしてジェネリック関数とメソッドを通じたS3オブジェクト指向システムの基礎概念を解説します。

学習成果:

• カスタム関数の作成と呼び出し：形式パラメータとカスタム二項演算子を持つ関数を定義する。
• 引数とスコープの管理：位置引数とキーワード引数のマッチングの違いを区別し、レキシカルスコープが局所変数と自由変数をどのように管理するかを説明する。
• 可変状態とカスタム環境の実装：クロージャーとスーパーアサインメント演算子を使用して状態を保持し、スタートアップ/セッション関数を用いてR環境をカスタマイズする。

🔹 レッスン8: 統計モデリング：線形および非線形モデル

概要: このレッスンでは、単純な線形回帰を超える、Rにおける統計モデリングの包括的なツール群について学びます。汎用関数を通じたモデル情報の抽出、ANOVAによるモデル比較、二値データやカウントデータに対する一般化線形モデル（GLM）の適合、さらには非線形モデリング技術もカバーします。

学習成果:

• 汎用のR関数を活用して、あてはめられたモデルから情報を抽出・要約・可視化する。
• ANOVA表を使用してモデルを比較し、効率的な構文で既存モデルを更新する。
• 適切な分布族とリンク関数（例：ロジット、プロビット、ポアソン）を使用して一般化線形モデル（GLM）を適合させる。

🔹 レッスン9: 高レベル・低レベルグラフィックスによるデータの視覚化

概要: このレッスンでは、Rの包括的なグラフィックス機能について学びます。完全なチャートを生成する高レベルのプロット関数と、既存の表示に特定の要素を追加する低レベルのコマンドの違いを区別します。グラフィカルパラメータの操作により、正確な美学的制御を行い、複数の図環境を管理する方法も習得します。

学習成果:

• 高レベル（例：plot()、hist()）と低レベル（例：points()、lines()）のグラフィックス関数の違いを識別し、実装する。
• 永続的（par()）および一時的（関数レベル）な条件付けを使用して、グラフィカルパラメータを適用・管理する。
• 複雑なレイアウト、特に多次元データ表示や複数図環境の調整を行う。

🔹 レッスン10: パッケージエコシステムと環境設定

概要: このレッスンでは、Rの構造的基盤について学びます。パッケージエコシステム、CRANの役割、関数を管理するためのネームスペースの仕組みに焦点を当てます。また、さまざまなインターフェースを通じてRを実行する実用的な道筋と、コマンドライン引数およびキーボードショートカットを用いた環境設定の習得を紹介します。

学習成果:

• パッケージ、ネームスペース、CRANリポジトリシステムの関係を理解する。
• データ操作、統計モデリング、複雑な数学的プロットを含む包括的な「サンプルセッション」を実行する。
• コマンドラインフラグおよび環境変数を使用して、Rの起動環境を設定する。