[B! R] kdmgs110のブックマーク

RでMySQLを操作してみる。 - 元データ分析の会社で働いていた人の四方山話

RfinanceYJというYahooFinanceから任意の銘柄の時系列データをぶっこ抜けるという素敵なライブラリがRにはあります。しかし、この素敵なライブラリの難点として、データの取得に若干時間がかかってしまうという点があり、データを取得して色々遊ぶには、どこかにデータを保存しておいた方が良いです。取得する期間や銘柄数にもよってはcsvファイルかなんかで保存していてもいいと思いますが、自分の場合は再利用性を考えて、ローカルにMySQLをたてて、そこに銘柄毎にぶっこ抜いてきたデータを保存するということをやっています。（その部分はまたいつか書くかも）で、DBに突っ込んだデータをRから使いたいので、そのあたりを試しました。結論から言うと異常に簡単です。環境はUbuntu10.10で、既にRとMySQLがインストールされている前提です。インストールここを参考にしました。参考URL

kdmgs110 2017/08/22

MySQLは使えるけど、INSERTは使えないらしい。

R

リンク

RでMySQLデータベース上のデータを操作する - Qiita

やりたいこと MySQL上のデータベースのデータをRから取り出して解析したい。 ※Mac環境で実行します。（Linux/UNIXも同様の手順で動くと思います。） RMySQLをインストールする RMySQLとは、RのためのデータベースインタフェースとMySQLドライバを収めたパッケージ

kdmgs110 2017/08/22

SQL

R

リンク

【R言語】Rの始め方とMySQLとの連携 - Qiita

Rについて統計解析向けのプログラミング言語として自分のサービスに組み込むことにした。パフォーマンスの面から、IO処理が過多な環境では使えないので管理画面で主に活用することとする。要は、グラフとか見たり機械学習させたりしたいわけですね。今の仕事（プロジェクト）ではただデータの分析にしか使ってないのでDBアクセスを踏まえて今回はやってみることとします。まだ面白いことはかけません。 Rのインストール本体のインストール R本体のミラーサイト R Studio brew brewでインストールした場合には、以下のMySQLインストール時のエラーは出ませんでした。 brew tap homebrew/science brew install r brew cask install xquartz brew cask install rstudio

kdmgs110 2017/08/22

R

リンク

母平均、標本平均、標本平均の平均 - 具体例で学ぶ数学

例として、日本人の身長の平均について考えてみます。日本人全員の身長を調べるのは無理なので、例えば $100$ 人分のデータを取ってくる、という状況が考えられます。このとき、母集団の平均（この例の場合、日本人全員の身長の平均）を母平均と言います。また、サンプルの平均（この例の場合、取ってきた $100$ 人の身長の平均）を標本平均、またはサンプル平均と言います。母集団を固定すると、母平均は１つの確定した値になりますが、標本平均はサンプリングの方法（この例の場合、どのように $100$ 人を選ぶか）に依存します。

kdmgs110 2017/08/06

R

リンク

Rの練習：Rの乱数で中心極限定理を確かめてみる - StatsBeginner: 初学者の統計学習ノート

乱数によるシミュレーションで中心極限定理を確かめる統計の初学者としての感想なのですが、統計モデルを「乱数発生器」と見なす考え方は学習の初期でしっかり教えてほしかったなと思っております。私が最初に勉強した『心理統計学の基礎』という本にも、よくみたら「確率モデル」とは何なのかを説明する節で、母集団を一種のデータ発生装置とみなし、そこから確率的に発生したデータによってサンプルが構成されると考えると書いてあります。今にして思えばべつにふつうのことを言っているのですが、最初はこの「データ発生装置」「乱数発生器」のイメージをしっかり持つというのが、統計学を理解する第一歩になるというのをあまり分かってなかった気がします。たとえばRだと、モデル式を書いて乱数を発生させるコマンドと組み合わせれば、そのモデルを「データ発生装置」として自分でサンプルデータを作り、数値実験を行ったりできます。「乱数」を

kdmgs110 2017/08/06

中心極限定理のシミュレーション

R

リンク

クロス集計表と連関係数 | FORECAST[フォーキャスト]

クロス集計表は，2つの変数間の関係性を調べる分析手法であり，ビジネス場面において頻繁に利用されている。表形式にまとめられるため，統計にそれほど詳しくない人にでも結果を分かりやすく伝えられるという利点がある。基本的には質的変数間の関係性を把握する際に用いられるが，量的変数に関しても，データを区間(階級)によりカテゴライズすることでクロス集計表を作成することができる。表形式にまとめるだけでなく，2つの質的な変数間の関連の強さの程度を表す指標も提案されている。本記事では，クロス集計表と関連の度合いを表す連関係数について解説する。例として，男女500人にある商品Aを購入したかどうかについて尋ねたとする。ここでは，性別(男性・女性)と購買行動(購入する・購入しない)の2つの質的な変数に注目し，変数のカテゴリの組合せに関して，人数が何人いるかを集計して表1にまとめる。表1より，男性で商品Aを購入した

kdmgs110 2017/08/05

ファイ係数の利用パターンってどんな感じなんだろうか。使うんかな

R

リンク

Rでデータフレームからデータを抽出(検索) - Qiita

都道府県国語A 国語B 算数A 算数B 北海道 71.8 52.9 75.8 55.2 青森県 76.6 60.5 81.3 60.8 岩手県 73.7 58.3 78.9 58.7 宮城県 74.2 54.3 77.3 56.8 秋田県 77.4 67.3 85.1 66.2 山形県 74.3 56.7 77.8 57.7 福島県 73.3 57.0 78.7 57.8 茨城県 76.9 57.4 79.7 58.6 栃木県 71.9 54.5 77.7 56.8 群馬県 73.6 55.5 78.0 57.8 埼玉県 72.5 55.5 76.9 57.8 千葉県 75.8 55.5 78.2 58.8 東京都 75.5 57.2 79.4 61.2 というCSVファイルを読み込んで、answer というオブジェクトにセットされているとき。 (一番上の都道府県国語A 国語B 算数