matplotlibで等高線やら何やらのプロット - たこ焼き食べた.net
今回は等高線や、疑似カラープロット(？)に挑戦です。 今までと違い、x, yのデータの他にz方向のデータを持っています。 以前のお話はこちら matplotlibでグラフを書く - たこ焼き食べた.net 疑似カラープロット(？) 行列の作り方 これは以下の等高線などでも使う知識なので重要です。 今回挑戦するx, y, zの3軸の情報を持つグラフは、今までと若干行列の与え方が異なります。 例えば、5*5の行列をプロットするとすると以下の行列が必要となります。 このように、x, y, zがそれぞれ、5*5の情報を持つ必要があります。 通常、x, y, zは x = arange(5) y = arange(5) Z = array([[24, 32, 12, 16, 21], [23, 24, 25, 26, 27], [43, 36, 32, 26, 25], [30, 32, 25, 2
RStanで『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
こんばんは、ゆるふわの対極であるところのガチムチ角刈り系のberoberoです。 この記事はR Advent Calendar 2013の26日目の記事になります。 12/22(日)にBUGS/Stan勉強会#2がドリコム株式会社にて催されました。そこで2つ発表をしました。そのうちの1つ「『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた」に関する詳細＆補足＆苦労話をここで書きたいと思います。RStanというパッケージでRからStanというMCMCサンプリングソフトを使っています。 最初に発表内容のスライドは以下になります。ざっと見るにはこれで十分です。 『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた from berobero11 以降ではスライドごとに簡単に補足していきます。 まずは元となった書籍の紹介です。時系列解析の第一人者による分か
単純な集計とデータサイエンスによる分析とで結果が食い違うかもしれない3ケース - 渋谷駅前で働くデータサイエンティストのブログ
一般に、データ分析の大半はそれほど高度なテクニックの類を必要としないものです。僕も常日頃から口に出して言うことが多いんですが、「統計学だの機械学習だのの出番なんてそもそも少なくて当たり前」。工数もかかるし、できればやらない方が良いです。ぶっちゃけ単純な四則演算で十分なケースの方が多数派でしょう。 なので、普段はDB上でSQL（というかHiveなど）でサクッと四則演算だけで集計処理を済ませてしまって、その結果だけを表示するようにしておいた方が圧倒的に楽で手っ取り早いはず。多くのBIツールもそういう考えのもとで作られていると思います。 ところがどっこい。世の中には、単純な四則演算での集計結果と、データサイエンスを駆使した分析結果とで、食い違ってしまうケースが何故かあることが知られています。どちらかと言うとレアケースだとは思いますが、その矛盾をおざなりにするととんでもないことになることも多々あり
Rから利用するオープンデータAPI
2. Linked Open Data • Web上で利用可能な，オープンなグラフデータベース • オープンデータの主要なデータモデルの１つ Wikipedia日本語版 DBpedia Japanese クエリ結果の可視化例 LOD化 クエリ実行 3. SPARQL • LODデータセットに対するクエリ言語 • W3C標準のAPI（エンドポイントと呼ぶ） PREFIX dbpja: <http://ja.dbpedia.org/property/> PREFIX dcterms: <http://purl.org/dc/terms/> select distinct ?movie ?director ?actor // 映画名，監督名，出演者名を取得 where { ?m dcterms:subject <http://ja.dbpedia.org/resource/Category:日本
非エンジニアにもオススメ。数学が苦手な統計初心者がR言語を触ってみる。
こんにちは。海原です。 ここ最近、統計学が流行していますね。「統計学が最強の学問である」がきっかけになっているのでしょうか。数年前に比べてマーケティングが重要視される今日、統計の需要が増えたのかもしれません。私はまだこの本を読んでいませんが、読もうと思った矢先にたまたま統計ツールRに出会いまして、調べながら少しいじってみました。Rを使った感触から申し上げますと、SQLを叩いて好きなデータをピックアップするよりもずっと簡単で小気味良いのです。 他の統計ツールには色々な種類があるようですが、よく知られるものとしてIBMのSPSS (IBM)（有償）があります。 その点、RはMac/Win両方に対応しており無償です。またSPSSに劣らない機能を備えており、統計学者の間でデファクトスタンダードとなっているようです。 Rに関して検索すれば丁寧な解説サイトがたくさんありますので、インストールから何の心
(Rで)塩基配列解析
(Rで)塩基配列解析 (last modified 2024/07/11, since 2010) このページは、RStudio (R含む)で生命科学系のデータ解析を行うためのテンプレート集です。このページに特化したチュートリアル（インストール | についてと基本的な利用法）を一通り実践した上でご利用ください。より一般的なチュートリアルは、教科書の付録ページ(←読込に時間がかからなくなりました)にあるR1.010とR1.020で提供しています(2023/04/01)。 アグリバイオインフォマティクス、@Agribio_utokyo、アグリバイオの教科書、(Rで)塩基配列解析のサブページ What's new? (過去のお知らせはこちら) 生命科学研究のためのデジタルツール入門 第2版（監修：坊農秀雅・小野浩雅）が2024年6月末に出版されています。生命科学分野に参入してきた学生さんに、最新
統計を学びたい人へ贈る、統計解析に使えるデータセットまとめ - ほくそ笑む
はじめに 統計解析の手法を学ぶのに、教科書を読むのは素晴らしい学習方法です。 しかし、教科書で理論的なことを学んだだけでは、統計手法を使いこなせるようにはなりません。 統計解析手法を身につけるには、実際のデータについて手法を適用し、パラメータを変えるなどの試行錯誤を行い、結果を考察するというような経験を積むことが大切です。 それでは実際のデータをどうやって手に入れましょうか？ 実験や調査をして実際のデータを得るのは大変でお金もかかります。 幸運なことに、世の中には適度なサイズの自由に使えるデータがたくさん存在します。 例えば、統計言語 R には、100以上ものデータセットがデフォルトで付属しています。 ただし、不幸なことに、それらのほとんどは英語で説明が書かれています。 英語は、いつかは乗り越えなければならない壁ですが、最初のうちはちょっと避けて通りたいところです。 というわけで、今日は、
野球の数字を解析してみるの事
Ｒというソフトを入れてみた。 Ｒで統計 ちょう便利な統計ソフトである。しかもフリーソフト。 うっしっし。 簡単に統計が可能なソフトを入れたので 試しに野球の数字を入れて、統計を行ってみることにした。 今回の統計で、目指すのは、 「野球において、最も勝率と密接に結びついている数字はなんなのか？」 である。 まず、2004のセパのデータから、各球団の勝率と得失点差を Ｒにぶち込んでみる。 x <-c(0.590, 0.573, 0.509, 0.468, 0.432, 0.422, 0.678, 0.635, 0.478, 0.475,0.457,0.292) y <- c(134,46,14,-15,-80,-113,160,245,-47,-57,-13,-274) そして、相関係数を調べる。 [1] 0.960335 勝率と得失点差の間には９６０という超高い相関性があることが わかった。
はてなグループの終了日を2020年1月31日(金)に決定しました - はてなの告知
はてなグループの終了日を2020年1月31日(金)に決定しました 以下のエントリの通り、今年末を目処にはてなグループを終了予定である旨をお知らせしておりました。 2019年末を目処に、はてなグループの提供を終了する予定です - はてなグループ日記 このたび、正式に終了日を決定いたしましたので、以下の通りご確認ください。 終了日: 2020年1月31日(金) エクスポート希望申請期限:2020年1月31日(金) 終了日以降は、はてなグループの閲覧および投稿は行えません。日記のエクスポートが必要な方は以下の記事にしたがって手続きをしてください。 はてなグループに投稿された日記データのエクスポートについて - はてなグループ日記 ご利用のみなさまにはご迷惑をおかけいたしますが、どうぞよろしくお願いいたします。 2020-06-25 追記 はてなグループ日記のエクスポートデータは2020年2月28
JIN'S PAGE
R、R言語、R環境・・・・・・ Rのダウンロードとインストール リンク集 題名 Chap_01 データ解析・マイニングとR言語 Chap_0２ Rでのデータの入出力 Chap_03 Rでのデータの編集と演算 Chap_04 Rと基本統計量 Chap_05 Rでの関数オブジェクト Chap_06 Rでのデータの視覚化(1) Chap_07 Rでのデータの視覚化(2) Chap_08 Rでのデータの視覚化(3) Chap_09 GGobiとデータの視覚化(Rgobi) Chap_10 Rと確率分布 Chap_11 Rと推定 Chap_12 Rと検定 Chap_13 Rと分散分析 Chap_14 Rと回帰分析 Chap_15 Rと重回帰分析 Chap_16 Rと一般化線形モデル Chap_17 Rと非線形モデル Chap_18 Rと判別分析 Chap_19 Rと樹木モデル Chap_20 WEK
ef-prime, inc.
Nattoは全く新しい データ分析ソフトウェアです。 コンセプトは 「見える、触れる、理解できる」。 無料でご利用いただけますので、 是非お試しください。 News (2013/09/05): nattoR 1.1.0 を公開しました。
第1回 Rは統計解析のブッシュナイフだ - 実践！ Rで学ぶ統計解析の基礎 - ＠IT
今ほど統計解析が必要とされる時代はありません。オープンソースの統計処理言語・環境の「R」を使って実践的な統計解析のテクニックとリテラシーを習得しましょう！ 読者にとってRは、世に溢れるデータの密林を切り開くための“ブッシュナイフ”となることでしょう（編集部） 統計解析の必要性とリテラシー 21世紀になって、経営学者の故ピーター・ドラッカー氏が言うところの知識労働者は、ますます統計解析を必要する局面が増えてきました。この状況は、20世紀後半から21世紀に起きた計算機能力の増大とインターネットの発展を基礎に、3つの大きな潮流が現れたことがキッカケとなっているように思います。その3つの潮流とは、オープンソース、オープンデータ、そしてオープンアイデアです。後ろの2つは今筆者が名付けました。 オープンソースは、皆さんがご存知のように、Linux、Apache、Perl、Python、RubyなどのO
R-Source
パッケージ・ライブラリ R は関数とデータを機能別に分類してパッケージ（ライブラリ）という形にまとめている．どのようなパッケージが用意されているかは，関数 library() を実行することで知ることが出来る．
インターリュード: TwitterとR
今回はTwitterという身近な題材を使って、Rによるデータ収集と可視化をやってみます。Rの豊富なライブラリを使えば意外に手軽にできます。 今回は間奏的にIT寄りの話題を この連載は＠ITの連載でもかなり毛色の違う内容です。それにもかかわらず前回までの4回は、統計的検定をいきなり導入したり、日本政府や世界銀行の経済統計にアクセスしてみたり、さらにはWikiLeaksの暴露データを統計解析してみたりと、かなりハードコアな内容に走ってしまいました。 第4回の「あとがき」では同じ路線で突っ走ろうということを申し上げていたのですが、今回は間奏（インタリュード）として、より＠ITらしく、IT寄りの話題を取り上げたいと思います。 TwitterとR Twitterの人気は世界的にまだまだ続いているようです。2010年8月後半に発表された2010年6月分の統計によれば、現在はインドネシアやブラジル、ベネ
Rプログラム (TAKENAKA's Web Page)
R でプログラミング：データの一括処理とグラフ描き started on 2005-06-06 updated on 2017-09-16 竹中明夫 この文書は，フリーの統計解析・作図システム R を使って， データの一括処理と図化のプログラムを書けるようになるためのチュートリアルです． R の経験がまったくなくても読めるように書いています． ただし統計解析手法そのものについての解説はほとんどしていません． ひとつ覚えた統計解析用の関数を使って、 数十セットのデータを一度に処理しりたいとか、 ついでに自動的に作図してしまいたいとか、 統計解析の前にデータを一通りグラフにして全体像を見たいとか、 解析・作図の手順をプログラムとして書きとめ、 再利用できるようにしたいといった要望に応えるための文書です。 まずは はじめに：この文書のねらい をごらんください。 終りにでも、この文書の守備範囲に触
Rプログラム (TAKENAKA's Web Page)
この文書の最終的な目標は，いくつものデータセットを一括処理するためのプログラムを 書くことですが，そのまえに，ひとつのデータファイルを読み込んでの処理を ごくごく簡単に練習してみます． 練習用ディレクトリとデータファイルの用意 すでに前のページの練習のためにディレクトリは作ってあるかもしれません． それならそれを使いましょう．まだ作ってないなら，さっそく用意してください． 名前はなんでもけっこうです． そのディレクトリの中に，最初に使う練習用データ len_width.txt を入れます． ＞データファイル len_width.txt クリックするとそのまま内容が表示される場合，全体をコピーしてから エディタの新規文書に貼りつけるとか，「対象をファイルに保存」「リンク先を保存」 （ブラウザによる）というようなメニュー項目を選ぶとかしてみてください． このファイルに，以下のように３列のデータ
44. データの加工と抽出 - R-Source
論理ベクトルが TRUE となっている行にのみアクセスする．例えば x[sapply(x, is.numeric)] ならば数値データにのみアクセスする．
Rのデータフレームと行列
Rでは見かけ上は同じ形式でも「データフレーム」と「行列」とに区別されていますが、これらの違いを把握しておかないと思わぬ落とし穴に落ちてしまうことがあります。 > data(iris) > (x.data.frame <- iris[1:5, 1:4]) #これはデータフレーム Sepal.Length Sepal.Width Petal.Length Petal.Width 1 5.1 3.5 1.4 0.2 2 4.9 3.0 1.4 0.2 3 4.7 3.2 1.3 0.2 4 4.6 3.1 1.5 0.2 5 5.0 3.6 1.4 0.2 > (x.matrix <- as.matrix(iris[1:5, 1:4])) #これは行列 Sepal.Length Sepal.Width Petal.Length Petal.Width 1 5.1 3.5 1.4 0.2 2 4.
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
https://ef-prime.com/index.html
基礎統計学講座 @ ウィキ - 「Rへのデータの取り込み」は見つかりません