Chap4　データの加工

コンテンツ

4.1 データの加工とは？4.2 データの型4.3 基本操作4.4 新しいデータの作成

4.1 データの加工とは？

データが得られたら、分析しやすいようにデータを加工することが必要である。 データの加工とは、必要項目の追加、入力ミスの訂正、グループ分け（カテゴリー化）など、得られたデータを整理することである。 また、大量のデータから、その一部だけを抽出したり、複数のデータをまとめて1つのデータにする方ことでもある。

4.2 データの型

S-PLUSでは、次の8種類の型のデータ列を持つことができる。 列の要素はすべて、1つの型で統一される必要がある。

表4.1 データの型

character	文字列（ダブルクォーテーションでくくられる
complex	複素数
timeDate	日付
double	倍精度数値、およそ15桁の数値表現がされる
factor	因子
integer	整数
logical	論理値（T,F）
single	単精度数値、およそ7桁の数値表現がされる

Chapter3でインポートしたhyakkatenデータで各列のデータの型を確認する。 マウスカーソルを列の1番上、列番号に移動させる。 すると、吹き出しが現れ、"double"と、そのデータの型が表示される。

データの型の変更を行う。 まず、金額の列の型を小数から整数に変更する。 メニューバー データ / 列形式の変換 を選択すると、下図のようなダイアログが表示される。 下図のように設定をし、OKをクリックする。

同様の方法で、他の列も適切な型に変更する。

4.3 基本操作

列の追加・削除

Chapter3でインポートしたhyakkatenデータを使い、新しい列を追加する。 金額が50000円より高い商品にはT（真）を、それ以外の商品にはF（偽）を示す、論理値の列を作成する。 メニューバー 挿入 / 列 を選択すると、下図のようなダイアログが表示される。 下図のように設定をし、OKをクリックする。

次に、列の削除を行う。 削除したい列の上の灰色の部分で、右クリックする。 メニューから Cut を選択すれば、列を削除できる。

ソート

hyakkatenデータを用いる。 金額を選択し、ツールバーの昇順で並べ替え、あるいは降順で並べ替えボタンをクリックする。

グループ分け（カテゴリー化）

hyakkatenデータの金額を用いる。 金額データは数値であるが、これを、1万円、3万円、5万円、10万円を区切りにした因子データにする。 その際、下表のように金額帯を設定する。

表4.2 金額帯

廉価	0円〜10000円
低価格	10000円〜30000円
中価格	30000円〜50000円
高価格	50000円〜100000円
超高価格	100000円以上

メニューバー データ / 数値を因子に変換 を選択すると、下図のようなダイアログが表示される。 下図のように設定をし、OKをクリックする。

金額帯列を選択し、右クリックをし Properties を選択すると、下図のようなダイアログが表示される。 下図のように設定をし、OKをクリックする。

4.4 新しいデータの作成

データの抽出

4.3で作成したhyakkatenデータの高価格がTのデータを抽出する。 メニューバー データ / 行の部分集合 を選択すると、下図のようなダイアログが表示される。 下図のように設定をし、OKをクリックする。

データの結合

解析に使いたいデータが複数のファイルになっていることがある。 これを結合して、1つのデータにする。 ここでは、hyakkaten1.csvとhyakkaten2.csv を結合して、1つのデータにする。 金額が一致したデータを1つのデータとする。 以下から、ダウンロードしてS-PLUSにインポートしてみよう。

hakkaten1.csv、 hakkaten2.csv

メニューバー データ / マージ を選択すると、下図のようなダイアログが表示される。 下図のように設定をし、OKをクリックする。

データの分割

4.3で作成したhyakkatenデータの金額帯という列データによって、データを分割する。 メニューバー データ / 行の分割 を選択すると、下図のようなダイアログが表示される。 下図のように設定をし、OKをクリックする。