ミクロ政治データ分析実習

第9回 データ・ハンドリング（1）

宋(そん)  財泫(じぇひょん)

関西大学総合情報学部

2024-06-06

授業開始前に

すぐに実習できるように準備しておきましょう。

1. JDCat分析ツールを起動しておいてください。
2. 本日授業用のプロジェクトを作成してください。
   • RStudioの右上に「Project: (none)」と表示されたら\(\times\)
3. LMSから実習用データをダウンロードしておいてください。
4. ダウンロードしてデータをプロジェクト・フォルダーにアップロードしてください。
   • プロジェクト・フォルダー内にDataフォルダーを作成し、そこにアップロードしましょう。
5. 実習用コードを入力する空のスクリプトファイル、またはQuartoファイルを開き、以下のコードを入力&実行してください。

library(tidyverse)

# countries.csvのアップロード先に応じて、パスを適宜修正すること
df <- read_csv("Data/countries.csv")

• トラブルが生じた場合、速やかにTAを呼んでください。
• 時間に余裕があれば、スライド内のコードも書いておきましょう。

Tidyverseの世界とパイプ演算子

Tidyverseの世界

データサイエンスのために考案された、強い信念と思想に基づいたRパッケージの集合

• {tidyverse}をインストールすることで導入可能
• Tidyverseに属するパッケージは思想、文法およびデータ構造を共有
  • {dplyr}、{tidyr}、{readr}、{ggplot2}など
• オブジェクトをパイプ演算子（|> or %>%）で繋ぐ

Rのコードはlibrary(tidyverse)で始めよう!

パイプ演算子

Tidyverseにおいてオブジェクトは|>で繋がっている。

• 既存の書き方：書き方と読み方が逆
  • 一般的なプログラミング言語共通
  • 書き方：print(sum(X))（print、sum、Xの順で書く）
  • 読み方1：Xをsum()し、print()する（コードの順番と逆）
  • 読み方2：print()する内容はsum()で、sum()はXに対して行う（直感的でない読み方）
• Tidyverseな書き方：書き方と読み方が（おおむね）一致
  • 今どきのRの書き方
  • 書き方：X |> sum() |> print()
  • 読み方：Xをsum()し、print()する

パイプ演算子の仕組み

• |>の左側を右側の最初の引数として渡すだけ
• X |> 関数(Y)は関数(X, Y)と同じ
  • X |> sum(na.rm = TRUE)はsum(X, na.rm = TRUE)と同じ
• ショートカットキーを使えば簡単に入力可能
  • macOS：Command（⌘） + Shift + m
  • Windows/Linux：Control（Ctrl） + Shift + m
• 二番目以降の引数として渡すことも可能（適宜、解説）

既存の書き方

X <- c(2, 3, 5, NA, 11)
print(sum(X, na.rm = TRUE))

[1] 21

Tidyverseな書き方

X <- c(2, 3, 5, NA, 11)
X |> sum(na.rm = TRUE) |> print()

[1] 21

様々な書き方

• 書き方1
• 書き方2
• 書き方3

結果1 <- 関数1(データ)
結果2 <- 関数2(結果1)
結果  <- 関数3(結果2)

結果 <- 関数3(関数2(関数1(データ)))

結果 <- データ |> 
  関数1() |> 
  関数2() |> 
  関数3()

参考）%>%：もう一つのパイプ演算子

R内蔵演算子としてパイプ演算子（|>）が追加

• 2021年5月リリースされたR 4.1からR内蔵のパイプ演算子|>が登場
• それまでは{magrittr}パッケージが提供する%>%を使用
  • {magrittr}は{tidyverse}を読み込むと自動的に読み込まれる。
• 使い方はほぼ同じ
  • ただし、演算子の左側のオブジェクトを右側の第一引数として渡す場合のみ
  • 第一引数以外の引数として渡す場合は使い方が異なる。
• インターネット、教科書などでは%>%を使用するケースがまだ多いが、今後の主流は|>になると予想されるため、本講義では|>を使用する。
  • むろん、現段階では%>%を使っても良いし、%>%を使ったコードを|>に置換して使ってもほぼ問題にならない。

参考）%>%と|>の比較

渡す先が第一引数の場合

• R内蔵のパイプ（native pipe; |>）、{magrittr}のパイプ（%>%）の使い方は同じ

# {magrittr}のパイプ演算子
X %>% sum(na.rm = TRUE) %>% print()
# R内蔵のパイプ演算子
X |> sum(na.rm = TRUE) |> print()

渡す先が第一引数でない場合

• 実引数として渡す箇所に. (tidyverse)、_ (native pipe)を入力

# {magrittr}のパイプ演算子
my_data %>%
  lm(y ~ x1 + x2 + x3, data = .)
# R内蔵のパイプ演算子
my_data |>
  lm(y ~ x1 + x2 + x3, data = _)

{dplyr}: 列の抽出

{dplyr}とは

• 表形式データ (データフレームやtibble)を操作するパッケージ
• 第8回の講義で解説した行・列の抽出も簡単に可能
• {tidyverse}を読み込む際に自動的に読み込まれる
  • {tidyverse}はパッケージを集めたパッケージであり、{dplyr}もその一部

library(tidyverse)

実習用データ

countries.csv: 186カ国の社会経済・政治体制のデータ

# Dataフォルダー内のcountries.csvを読み込み、dfという名のオブジェクトとして作業環境に格納
df <- read_csv("Data/countries.csv")
df

# A tibble: 186 × 18
   Country  Population   Area    GDP     PPP GDP_per_capita PPP_per_capita    G7
   <chr>         <dbl>  <dbl>  <dbl>   <dbl>          <dbl>          <dbl> <dbl>
 1 Afghani…   38928346 6.53e5 1.91e4  8.27e4           491.          2125.     0
 2 Albania     2877797 2.74e4 1.53e4  3.97e4          5309.         13781.     0
 3 Algeria    43851044 2.38e6 1.70e5  4.97e5          3876.         11324.     0
 4 Andorra       77265 4.7 e2 3.15e3 NA              40821.            NA      0
 5 Angola     32866272 1.25e6 9.46e4  2.19e5          2879.          6649.     0
 6 Antigua…      97929 4.4 e2 1.73e3  2.08e3         17643.         21267.     0
 7 Argenti…   45195774 2.74e6 4.50e5  1.04e6          9949.         22938.     0
 8 Armenia     2963243 2.85e4 1.37e4  3.84e4          4614.         12974.     0
 9 Austral…   25499884 7.68e6 1.39e6  1.28e6         54615.         50001.     0
10 Austria     9006398 8.24e4 4.46e5  5.03e5         49555.         55824.     0
# ℹ 176 more rows
# ℹ 10 more variables: G20 <dbl>, OECD <dbl>, HDI_2018 <dbl>,
#   Polity_Score <dbl>, Polity_Type <chr>, FH_PR <dbl>, FH_CL <dbl>,
#   FH_Total <dbl>, FH_Status <chr>, Continent <chr>

実習用データの確認

186行、18列のデータ（= 186カ国、18変数）

dim(df)

[1] 186  18

変数の一覧

names(df)

 [1] "Country"        "Population"     "Area"           "GDP"           
 [5] "PPP"            "GDP_per_capita" "PPP_per_capita" "G7"            
 [9] "G20"            "OECD"           "HDI_2018"       "Polity_Score"  
[13] "Polity_Type"    "FH_PR"          "FH_CL"          "FH_Total"      
[17] "FH_Status"      "Continent"     

各変数について

詳細は教科書第18.2章を参照

変数名	説明		変数名	説明
Country	国名		OECD	OECD加盟有無
Population	人口		HDI_2018	人間開発指数 (2018年)
Area	面積( \(\text{km}^2\) )		Polity_Score	政治体制のスコア
GDP	国内総生産（ドル）		Polity_Type	政治体制
PPP	購買力平価国内総生産		FH_PR	政治的自由
GDP_per_capita	一人当たりGDP		FH_CL	市民的自由
PPP_per_capita	一人当たりPPP		FH_Total	FH_PR + FH_CL
G7	G7加盟有無		FH_Status	自由の状態
G20	G20加盟有無		Continent	大陸

列の選択（抽出）: 書き方

select()関数を使用

パイプを使わない書き方

select(データ, 変数名1, 変数名2, ...)

パイプを使う書き方

データ |>
  select(変数名1, 変数名2, ...)

注意: select()関数は複数ある!

select()関数は{dplyr}だけでなく、{MASS}からも提供されるが、別の関数である。

• {MASS}もデータ分析において頻繁に使われるパッケージであるため、select()だけだと、どのパッケージのselect()か分からなくなる場合がある。
• エラーが生じる場合は、dplyr::select()など、パッケージ名を指定すること

列の選択（抽出）: 例

dfからCountry、Population、HDI_2018列を抽出し、最初の5行のみ出力

df |>                                      # dfから
  select(Country, Population, HDI_2018) |> # Country, Population, HDI_2018のみ抽出して
  head(n = 5)                               # 最初の5行を出力する

# A tibble: 5 × 3
  Country     Population HDI_2018
  <chr>            <dbl>    <dbl>
1 Afghanistan   38928346    0.496
2 Albania        2877797    0.791
3 Algeria       43851044    0.759
4 Andorra          77265    0.857
5 Angola        32866272    0.574

この時点では抽出・出力されただけ。抽出した結果をdf2という名で作業環境内に格納するためには

df2 <- df |>
  select(Country, Population, HDI_2018)

課題では格納が必要な場合もある

課題の問題には「出力せよ」だけでなく、「格納した上で出力せよ」といった形式もある。加工したデータを引き続き使うためには格納が必須であるため、問題文を注意深く読むこと。

列の選択と変数名の変更

変数名の変更と抽出を同時に行うことも可能

• 新しい変数名 = 既存の変数名

例) HDI_2018の変数名をHDIに変更

df |>
  select(Country, Population, HDI = HDI_2018)

# A tibble: 186 × 3
   Country             Population   HDI
   <chr>                    <dbl> <dbl>
 1 Afghanistan           38928346 0.496
 2 Albania                2877797 0.791
 3 Algeria               43851044 0.759
 4 Andorra                  77265 0.857
 5 Angola                32866272 0.574
 6 Antigua and Barbuda      97929 0.776
 7 Argentina             45195774 0.83 
 8 Armenia                2963243 0.76 
 9 Australia             25499884 0.938
10 Austria                9006398 0.914
# ℹ 176 more rows

抽出せず、変数名のみ変更

rename()関数を使用

データ |>
  rename(新しい変数名 = 既存の変数名)

例) PopulationをJinkoに、AreaをMensekiに変更

df |>
  rename(Jinko = Population, Menseki = Area)

# A tibble: 186 × 18
   Country      Jinko Menseki    GDP     PPP GDP_per_capita PPP_per_capita    G7
   <chr>        <dbl>   <dbl>  <dbl>   <dbl>          <dbl>          <dbl> <dbl>
 1 Afghanistan 3.89e7  652860 1.91e4  8.27e4           491.          2125.     0
 2 Albania     2.88e6   27400 1.53e4  3.97e4          5309.         13781.     0
 3 Algeria     4.39e7 2381740 1.70e5  4.97e5          3876.         11324.     0
 4 Andorra     7.73e4     470 3.15e3 NA              40821.            NA      0
 5 Angola      3.29e7 1246700 9.46e4  2.19e5          2879.          6649.     0
 6 Antigua an… 9.79e4     440 1.73e3  2.08e3         17643.         21267.     0
 7 Argentina   4.52e7 2736690 4.50e5  1.04e6          9949.         22938.     0
 8 Armenia     2.96e6   28470 1.37e4  3.84e4          4614.         12974.     0
 9 Australia   2.55e7 7682300 1.39e6  1.28e6         54615.         50001.     0
10 Austria     9.01e6   82409 4.46e5  5.03e5         49555.         55824.     0
# ℹ 176 more rows
# ℹ 10 more variables: G20 <dbl>, OECD <dbl>, HDI_2018 <dbl>,
#   Polity_Score <dbl>, Polity_Type <chr>, FH_PR <dbl>, FH_CL <dbl>,
#   FH_Total <dbl>, FH_Status <chr>, Continent <chr>

列の除外

変数名の前に! (推奨)、または-を付ける

• 2つ以上の変数を除外する場合、変数名をc()でまとめる。

例) dfからGDP_per_capitaとPPP_per_capitaを除外

df |>
  select(!c(GDP_per_capita, PPP_per_capita))

# A tibble: 186 × 16
   Country           Population   Area    GDP     PPP    G7   G20  OECD HDI_2018
   <chr>                  <dbl>  <dbl>  <dbl>   <dbl> <dbl> <dbl> <dbl>    <dbl>
 1 Afghanistan         38928346 6.53e5 1.91e4  8.27e4     0     0     0    0.496
 2 Albania              2877797 2.74e4 1.53e4  3.97e4     0     0     0    0.791
 3 Algeria             43851044 2.38e6 1.70e5  4.97e5     0     0     0    0.759
 4 Andorra                77265 4.7 e2 3.15e3 NA          0     0     0    0.857
 5 Angola              32866272 1.25e6 9.46e4  2.19e5     0     0     0    0.574
 6 Antigua and Barb…      97929 4.4 e2 1.73e3  2.08e3     0     0     0    0.776
 7 Argentina           45195774 2.74e6 4.50e5  1.04e6     0     1     0    0.83 
 8 Armenia              2963243 2.85e4 1.37e4  3.84e4     0     0     0    0.76 
 9 Australia           25499884 7.68e6 1.39e6  1.28e6     0     1     1    0.938
10 Austria              9006398 8.24e4 4.46e5  5.03e5     0     0     1    0.914
# ℹ 176 more rows
# ℹ 7 more variables: Polity_Score <dbl>, Polity_Type <chr>, FH_PR <dbl>,
#   FH_CL <dbl>, FH_Total <dbl>, FH_Status <chr>, Continent <chr>

隣接する列の同時選択

:を使用

• CountryからPPPまでの列: Country:PPP
• Country:PPPはCountry, Population, Area, GDP, PPPと同じ意味

例) dfのCountry〜PPP, HDI_2018列を抽出

df |>
  select(Country:PPP, HDI_2018)

# A tibble: 186 × 6
   Country             Population    Area      GDP      PPP HDI_2018
   <chr>                    <dbl>   <dbl>    <dbl>    <dbl>    <dbl>
 1 Afghanistan           38928346  652860   19101.   82737.    0.496
 2 Albania                2877797   27400   15278.   39658.    0.791
 3 Algeria               43851044 2381740  169988.  496572.    0.759
 4 Andorra                  77265     470    3154.      NA     0.857
 5 Angola                32866272 1246700   94635.  218533.    0.574
 6 Antigua and Barbuda      97929     440    1728.    2083.    0.776
 7 Argentina             45195774 2736690  449663. 1036721.    0.83 
 8 Armenia                2963243   28470   13673.   38446.    0.76 
 9 Australia             25499884 7682300 1392681. 1275027.    0.938
10 Austria                9006398   82409  446315.  502771.    0.914
# ℹ 176 more rows

高度な変数選択

• 特定の文字列で始まる列を選択: starts_with()
  • 例)FHで始まる列の選択: starts_with("FH")
• 特定の文字列で終わる列を選択: ends_with()
• 特定の文字列を含む列を選択: contains()

例) dfからCountry, "FH"で始まる列を抽出

df |>
  select(Country, starts_with("FH"))

# A tibble: 186 × 5
   Country             FH_PR FH_CL FH_Total FH_Status
   <chr>               <dbl> <dbl>    <dbl> <chr>    
 1 Afghanistan            13    14       27 NF       
 2 Albania                27    40       67 PF       
 3 Algeria                10    24       34 NF       
 4 Andorra                39    55       94 F        
 5 Angola                 11    21       32 NF       
 6 Antigua and Barbuda    33    52       85 F        
 7 Argentina              35    50       85 F        
 8 Armenia                21    32       53 PF       
 9 Australia              40    57       97 F        
10 Austria                37    56       93 F        
# ℹ 176 more rows

• 応用) !starts_with("FH"): "FH"で始まる列を除外

列の順番変更: select()使用

抽出後のデータフレームにおける変数はselect()内で指定された順番に

例) G7からOECD列をCountryとPopulationの間へ移動

df |>
  select(Country, G7:OECD,
         Population:PPP_per_capita, HDI_2018:Continent)

# A tibble: 186 × 18
   Country        G7   G20  OECD Population   Area    GDP     PPP GDP_per_capita
   <chr>       <dbl> <dbl> <dbl>      <dbl>  <dbl>  <dbl>   <dbl>          <dbl>
 1 Afghanistan     0     0     0   38928346 6.53e5 1.91e4  8.27e4           491.
 2 Albania         0     0     0    2877797 2.74e4 1.53e4  3.97e4          5309.
 3 Algeria         0     0     0   43851044 2.38e6 1.70e5  4.97e5          3876.
 4 Andorra         0     0     0      77265 4.7 e2 3.15e3 NA              40821.
 5 Angola          0     0     0   32866272 1.25e6 9.46e4  2.19e5          2879.
 6 Antigua an…     0     0     0      97929 4.4 e2 1.73e3  2.08e3         17643.
 7 Argentina       0     1     0   45195774 2.74e6 4.50e5  1.04e6          9949.
 8 Armenia         0     0     0    2963243 2.85e4 1.37e4  3.84e4          4614.
 9 Australia       0     1     1   25499884 7.68e6 1.39e6  1.28e6         54615.
10 Austria         0     0     1    9006398 8.24e4 4.46e5  5.03e5         49555.
# ℹ 176 more rows
# ℹ 9 more variables: PPP_per_capita <dbl>, HDI_2018 <dbl>, Polity_Score <dbl>,
#   Polity_Type <chr>, FH_PR <dbl>, FH_CL <dbl>, FH_Total <dbl>,
#   FH_Status <chr>, Continent <chr>

列の順番変更: relocate()使用

relocate()の使い方

• .after = XXX: XXX列の後ろへ移動 / .before = YYY: YYY列の前へ移動

データ |>
  relocate(移動したい変数名, .after = 変更先)

例) G7からOECD列をCountryの後ろへ移動

df |>
  relocate(G7:OECD, .after = Country) # .before = PopulationもOK

# A tibble: 186 × 18
   Country        G7   G20  OECD Population   Area    GDP     PPP GDP_per_capita
   <chr>       <dbl> <dbl> <dbl>      <dbl>  <dbl>  <dbl>   <dbl>          <dbl>
 1 Afghanistan     0     0     0   38928346 6.53e5 1.91e4  8.27e4           491.
 2 Albania         0     0     0    2877797 2.74e4 1.53e4  3.97e4          5309.
 3 Algeria         0     0     0   43851044 2.38e6 1.70e5  4.97e5          3876.
 4 Andorra         0     0     0      77265 4.7 e2 3.15e3 NA              40821.
 5 Angola          0     0     0   32866272 1.25e6 9.46e4  2.19e5          2879.
 6 Antigua an…     0     0     0      97929 4.4 e2 1.73e3  2.08e3         17643.
 7 Argentina       0     1     0   45195774 2.74e6 4.50e5  1.04e6          9949.
 8 Armenia         0     0     0    2963243 2.85e4 1.37e4  3.84e4          4614.
 9 Australia       0     1     1   25499884 7.68e6 1.39e6  1.28e6         54615.
10 Austria         0     0     1    9006398 8.24e4 4.46e5  5.03e5         49555.
# ℹ 176 more rows
# ℹ 9 more variables: PPP_per_capita <dbl>, HDI_2018 <dbl>, Polity_Score <dbl>,
#   Polity_Type <chr>, FH_PR <dbl>, FH_CL <dbl>, FH_Total <dbl>,
#   FH_Status <chr>, Continent <chr>

{dplyr}: 行の抽出

行の抽出: 書き方

filter()関数を使用

パイプを使わない書き方

filter(データ, 条件1, 条件2, ...)

パイプを使う書き方

データ |>
  filter(条件1, 条件2, ...)

行の抽出: 例

例) dfからContinentが"Europe"の行を抽出し、Country〜PPP, HDI_2018列を抽出し、HDI_2018はHDIに変更

• filter()とselect()の組み合わせ
• 以下の例の場合、filter()とselect()の順番を逆にすることは不可
  • select()後、Continent変数がなくなるため

df |>
  filter(Continent == "Oceania") |>
  select(Country:PPP, HDI = HDI_2018)

# A tibble: 4 × 6
  Country          Population    Area      GDP      PPP   HDI
  <chr>                 <dbl>   <dbl>    <dbl>    <dbl> <dbl>
1 Australia          25499884 7682300 1392681. 1275027. 0.938
2 Fiji                 896445   18270    5536.   12496. 0.724
3 New Zealand         4842780  263820  206929.  204260. 0.921
4 Papua New Guinea    8947024  452860   24970.   37319. 0.543

行の抽出: 2つ以上の条件（AND）

2つ以上の条件を同時に満たす行を抽出

• ,で条件式を追加するだけ (&もOK; むしろ&を推奨)

例) dfから「Continentが"Asia"（条件1）」、「HDI_2018が0.8以上（条件2）」の行を抽出し、CountryとHDI_2018列を抽出

• 条件1 AND 条件2 \(\Rightarrow\) 条件1 & 条件3

df |>
  filter(Continent == "Asia" & HDI_2018 >= 0.8) |>
  select(Country, HDI_2018)

# A tibble: 13 × 2
   Country              HDI_2018
   <chr>                   <dbl>
 1 Bahrain                 0.838
 2 Brunei                  0.845
 3 Israel                  0.906
 4 Japan                   0.915
 5 Kazakhstan              0.817
 6 South Korea             0.906
 7 Kuwait                  0.808
 8 Malaysia                0.804
 9 Oman                    0.834
10 Qatar                   0.848
11 Saudi Arabia            0.857
12 Singapore               0.935
13 United Arab Emirates    0.866

行の抽出: 2つ以上の条件（OR）

2つ以上の条件を片方か両方に満たす行を抽出

• |で条件式を追加するだけ

例) dfから「Continentが"Asia"（条件1）か"Oceania"（条件2）」であり、かつ「HDI_2018が0.9以上（条件3）」の行を抽出し、CountryとHDI_2018、Continent列を抽出

• (条件1 OR 条件2) AND 条件3 \(\Rightarrow\) (条件1 | 条件2) & 条件3

df |>
  filter((Continent == "Asia" | Continent == "Oceania") & HDI_2018 >= 0.9) |>
  select(Country, HDI_2018, Continent)

# A tibble: 6 × 3
  Country     HDI_2018 Continent
  <chr>          <dbl> <chr>    
1 Australia      0.938 Oceania  
2 Israel         0.906 Asia     
3 Japan          0.915 Asia     
4 South Korea    0.906 Asia     
5 New Zealand    0.921 Oceania  
6 Singapore      0.935 Asia     

%in%演算子

%in%: |の代わりに使用可能な便利な演算子

例) Continentの値がc("Asia", "Oceainia")の要素に含まれている場合

df |>
  filter(Continent %in% c("Asia", "Oceania") & HDI_2018 >= 0.9) |>
  select(Country, HDI_2018, Continent)

# A tibble: 6 × 3
  Country     HDI_2018 Continent
  <chr>          <dbl> <chr>    
1 Australia      0.938 Oceania  
2 Israel         0.906 Asia     
3 Japan          0.915 Asia     
4 South Korea    0.906 Asia     
5 New Zealand    0.921 Oceania  
6 Singapore      0.935 Asia     

欠損値が含まれた行の扱い

dfのPPPが欠損している行を抽出し、CountryからPPP列まで出力

• 変数名 == NAを条件にしてはいけない

df |>
  filter(PPP == NA) |>
  select(Country:PPP)

# A tibble: 0 × 5
# ℹ 5 variables: Country <chr>, Population <dbl>, Area <dbl>, GDP <dbl>,
#   PPP <dbl>

欠損値が含まれた行の扱い

dfのPPPが欠損している行を抽出し、CountryからPPP列まで出力

• 正解: is.na(変数名)

df |>
  filter(is.na(PPP)) |>
  select(Country:PPP)

# A tibble: 8 × 5
  Country        Population   Area     GDP   PPP
  <chr>               <dbl>  <dbl>   <dbl> <dbl>
1 Andorra             77265    470   3154.    NA
2 Cuba             11326616 106440 100023     NA
3 Holy See              801      0     NA     NA
4 Liechtenstein       38128    160   6553.    NA
5 Monaco              39242      1   7188.    NA
6 Somalia          15893222 627340    917.    NA
7 Syria            17500658 183630  40405.    NA
8 Western Sahara     597339 266000    909.    NA

欠損値が含まれた行の除外

dfのPPPが欠損している行を除外し、CountryからPPP列まで出力

• 否定を意味する!を使用する

df |>
  filter(!is.na(PPP)) |>
  select(Country:PPP)

# A tibble: 178 × 5
   Country             Population    Area      GDP      PPP
   <chr>                    <dbl>   <dbl>    <dbl>    <dbl>
 1 Afghanistan           38928346  652860   19101.   82737.
 2 Albania                2877797   27400   15278.   39658.
 3 Algeria               43851044 2381740  169988.  496572.
 4 Angola                32866272 1246700   94635.  218533.
 5 Antigua and Barbuda      97929     440    1728.    2083.
 6 Argentina             45195774 2736690  449663. 1036721.
 7 Armenia                2963243   28470   13673.   38446.
 8 Australia             25499884 7682300 1392681. 1275027.
 9 Austria                9006398   82409  446315.  502771.
10 Azerbaijan            10139177   82658   48048.  144556.
# ℹ 168 more rows

もう一つの方法

drop_na()関数を利用

• ()内で指定した変数が欠損している行をすべて除外（複数指定可）

df |>
  drop_na(PPP, Polity_Score) |> # PPPとPolity_Scoreどちらか欠損した行を除外
  select(Country:PPP, Polity_Score)

# A tibble: 155 × 6
   Country     Population    Area      GDP      PPP Polity_Score
   <chr>            <dbl>   <dbl>    <dbl>    <dbl>        <dbl>
 1 Afghanistan   38928346  652860   19101.   82737.           -1
 2 Albania        2877797   27400   15278.   39658.            9
 3 Algeria       43851044 2381740  169988.  496572.            2
 4 Angola        32866272 1246700   94635.  218533.           -2
 5 Argentina     45195774 2736690  449663. 1036721.            9
 6 Armenia        2963243   28470   13673.   38446.            7
 7 Australia     25499884 7682300 1392681. 1275027.           10
 8 Austria        9006398   82409  446315.  502771.           10
 9 Azerbaijan    10139177   82658   48048.  144556.           -7
10 Bahrain        1701575     760   38574.   74230.          -10
# ℹ 145 more rows

{dplyr}: 行のソート

行のソート: 書き方

arrange()関数を使用

パイプを使わない書き方

arrange(データ, 変数名1, 変数名2, ...)

パイプを使う書き方

データ |> arrange(変数名1, 変数名2, ...)

基本的には昇順 (値が小さい行が先にくる)

• 降順にする場合はdesc(変数名)
• 変数名1を基準にソートし、同点の場合は変数名2を基準に

行のソート: 例

例) dfからContinentの値が"Africa"の行のみを抽出し、Polity_Scoreが高い行を上位にする。そして、CountryとPPP_per_capita、Polity_Score列のみ残す。

• Polity Scoreが高い (低い) = より民主主義 (権威主義)に近い

df |>
  filter(Continent == "Africa") |>
  arrange(desc(Polity_Score)) |>
  select(Country, PPP_per_capita, Polity_Score)

# A tibble: 54 × 3
   Country      PPP_per_capita Polity_Score
   <chr>                 <dbl>        <dbl>
 1 Mauritius            22637.           10
 2 Kenya                 4105.            9
 3 South Africa         12605.            9
 4 Botswana             17311.            8
 5 Ghana                 5097.            8
 6 Lesotho               3019.            8
 7 Benin                 3067.            7
 8 Liberia               1461.            7
 9 Nigeria               5018.            7
10 Senegal               3248.            7
# ℹ 44 more rows

行のソート: 応用

• dfからアフリカのみを抽出し、Polity_Scoreが低い行を上位に
• Polity_Scoreが同点の場合、PPP_per_capitaが高い行を上位に
• CountryとPolity_Score, PPP_per_capita列のみ残す
• Polity_ScoreはPolityに、PPP_per_capitaはPPPと名前を変更

df |>
  filter(Continent == "Africa") |>
  arrange(Polity_Score, desc(PPP_per_capita)) |>
  select(Country, Polity = Polity_Score, PPP = PPP_per_capita)

# A tibble: 54 × 3
   Country             Polity    PPP
   <chr>                <dbl>  <dbl>
 1 Eswatini                -9  8634.
 2 Eritrea                 -7  1860.
 3 Equatorial Guinea       -6 19458.
 4 Egypt                   -4 11198.
 5 Morocco                 -4  7554.
 6 Sudan                   -4  4063.
 7 Cameroon                -4  3506.
 8 Congo (Brazzaville)     -4  3191.
 9 Comoros                 -3  3007.
10 Rwanda                  -3  2008.
# ℹ 44 more rows