[R]2変量の散布図

# 2変量の散布図
png('test3.png')
plot(cars)
dev.off()

# 相関係数Rを求める
r = cor(cars$speed, cars$dist)
r

# 相関かどうかの検定
cor.test(cars$speed, cars$dist)

実行結果

$ Rscript test3.R
null device
  1
[1] 0.8068949

  Pearson's product-moment correlation

data: cars$speed and cars$dist
t = 9.464, df = 48, p-value = 1.49e-12
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 0.6816422 0.8862036
sample estimates:
  cor
0.8068949

Pearson's product-moment correlationの内容

Parameter	Description
df	Degrees of Freedom
p-value	p値
95 percent confidence interval	95%信頼区間

出力結果

[R]単回帰分析

# 2変量の散布図
png('test1-0.png')
plot(cars)
dev.off()

# 単回帰分析（simple linear regression analysis）を行う
# lm: linear model
result <- lm(dist ~ speed, data=cars)
summary(result)

# 結果の直線を描画する
# abline(a, b): 切片a, 傾きb（y=a+bx）の直線を描く
# abline(result): resultにlm()の結果が入っている場合は回帰直線を描く
png('test1-1.png')
plot(cars)
abline(result, col="red")
dev.off()

実行結果

$ Rscript test1.R
null device
  1

Call:
lm(formula = dist ~ speed, data = cars)

Residuals:
  Min 1Q Median 3Q Max
-29.069 -9.525 -2.272 9.215 43.201

Coefficients:
  Estimate Std. Error t value Pr(>|t|)
(Intercept) -17.5791 6.7584 -2.601 0.0123 *
speed 3.9324 0.4155 9.464 1.49e-12 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 15.38 on 48 degrees of freedom
Multiple R-squared: 0.6511, Adjusted R-squared: 0.6438
F-statistic: 89.57 on 1 and 48 DF, p-value: 1.49e-12

null device
  1

出力結果
test1-0.png

test1-1.png

[R]箱ひげ図

# 箱ひげ図を描く
x <- c(10, 20, 30, 40, 50, 30, 20)

png('test0.png')
boxplot(x)
dev.off()

出力結果

[R]plot グラフタイトル・軸ラベル

# 出力ファイル名
filename = "test1-"
file_no = 0

# 数値ベクトル同士のplot
x <- c(1:10)   # 1から10までの整数ベクトルを生成する
y <- rnorm(10) # rnorm(n): 正規分布に従う乱数をn個生成する
cat("x = ", x, "\n")
cat("y = ", y, "\n")

# 基本のplot
output = paste(filename, file_no, ".png", sep="") # 文字列間に空白が入るのでsep=""を指定して空白なしにする
file_no = file_no + 1
cat("output = ", output, "\n")
png(output)
plot(x, y)
dev.off()

# グラフタイトル
output = paste(filename, file_no, ".png", sep="") # 文字列間に空白が入るのでsep=""を指定して空白なしにする
file_no = file_no + 1
cat("output = ", output, "\n")
png(output)
plot(x, y, main="Main title")
dev.off()

# X軸項目名
output = paste(filename, file_no, ".png", sep="") # 文字列間に空白が入るのでsep=""を指定して空白なしにする
file_no = file_no + 1
cat("output = ", output, "\n")
png(output)
plot(x, y, xlab="X label")
dev.off()

# Y軸項目名
output = paste(filename, file_no, ".png", sep="") # 文字列間に空白が入るのでsep=""を指定して空白なしにする
file_no = file_no + 1
cat("output = ", output, "\n")
png(output)
plot(x, y, ylab="Y label")
dev.off()

実行結果

$ Rscript test1.R
x =  1 2 3 4 5 6 7 8 9 10
y =  0.2868086 -1.195694 1.50674 1.604657 -0.01464439 -0.3106049 -1.813415 0.2500726 0.2512269 0.9339756 output =  test1-0.png null device
          1
output =  test1-1.png
null device
          1
output =  test1-2.png
null device
          1
output =  test1-3.png
null device
          1

test1-0.png

test1-1.png

test1-2.png

test1-3.png

[R]zoo

# zooパッケージを読み込む
library(zoo)

x <- read.zoo('test0.csv', sep=',', format="%Y-%m-%d %H:%M:%S", tz='Japan', col.names=c("datetime", "value"))
cat("x = \n")
print(x)

# Plot
png(filename='test0-plot.png')
plot(x)
dev.off()

実行結果

$ Rscript test0.R

Attaching package: ‘zoo’

The following objects are masked from ‘package:base’:

  as.Date, as.Date.numeric

x =
2017-04-28 00:00:03 2017-04-28 00:00:11 2017-04-28 00:00:14 2017-04-28 00:00:20
  -1.4862333 0.1039043 -1.4335332 -0.2203692
2017-04-28 00:00:37 2017-04-28 00:00:49 2017-04-28 00:00:57 2017-04-28 00:01:13
  -1.3775672 -0.8206941 1.0668013 -0.8139086
2017-04-28 00:01:31 2017-04-28 00:01:32
  -0.1771520 0.5120787
null device
  1

test0-plot.png

# zooパッケージを読み込む
library(zoo)

###############
# 日単位の時系列データを表示

# Date: 日付型
t = as.Date("2017-04-28") + c(1, 3, 7, 9, 14) - 1
cat("t = ", t, "\n")

v <- rnorm(5)
cat("v = ", v, "\n")

x <- zoo(v, t)
cat("x = \n")
print(x)

png('test1-plot.png')
plot(x)
dev.off()

#####################
# 秒単位の時系列データを表示

# 要素数
n <- 10

# rexp(n, rate): 指数分布に従うランダム数を生成する
# n: 生成する乱数の数
# rate: 比率のベクトル
r <- rexp(n, rate=0.1)
cat("r = ", r, "\n")

# cumsum(): ベクトルの累積和
t <- cumsum(r)
cat("t = ", t, "\n")

# rnorm(n): 正規分布に従う乱数をn個生成する
v <- rnorm(n)
cat("v = ", v, "\n")

# ベクトルtの各要素にPOSIXct("2017-04-28 00:00:00", tz="JST")を加える
cat("POSIXct(2017-04-28 00:00:00, tz=JST) = ", as.POSIXct("2017-04-28 00:00:00", tz="JST"), "\n")
t <- t + as.POSIXct("2017-04-28 00:00:00", tz="JST")
cat("t = ", t, "\n")

# zoo(value, time): zooオブジェクト(Z's ordered observations)を生成する
# value: 値のベクトル
# time: 時間のベクトル
x <- zoo(v, t)
cat("x = \n")
print(x)

# Plot
lim = as.POSIXct(c("2017-04-28 00:00:00", "2017-04-28 00:05:00"), tz="JST")
cat("lim = ", lim, "\n")

png(filename='test1-plot1.png')
plot(x, xlim=lim)
dev.off()

実行結果

$ Rscript test1.R

Attaching package: ‘zoo’

The following objects are masked from ‘package:base’:

  as.Date, as.Date.numeric

t = 17284 17286 17290 17292 17297
v = 0.87807 -0.1978724 2.154195 -1.168555 -0.7520462
x =
2017-04-28 2017-04-30 2017-05-04 2017-05-06 2017-05-11
 0.8780700 -0.1978724 2.1541946 -1.1685551 -0.7520462
null device
  1
r = 11.0301 18.67322 3.54064 14.88312 1.521852 0.3181695 13.12669 5.038134 27.43955 15.86685
t = 11.0301 29.70332 33.24396 48.12708 49.64893 49.9671 63.09379 68.13193 95.57147 111.4383
v = 1.069938 -0.1263455 -0.799708 -0.8663653 0.2562313 0.1949112 0.6599253 1.93077 -0.7650325 -1.813658
POSIXct(2017-04-28 00:00:00, tz=JST) = 1493337600
t = 1493337611 1493337630 1493337633 1493337648 1493337650 1493337650 1493337663 1493337668 1493337696 1493337711
x =
2017-04-28 00:00:11 2017-04-28 00:00:29 2017-04-28 00:00:33 2017-04-28 00:00:48
  1.0699382 -0.1263455 -0.7997080 -0.8663653
2017-04-28 00:00:49 2017-04-28 00:00:49 2017-04-28 00:01:03 2017-04-28 00:01:08
  0.2562313 0.1949112 0.6599253 1.9307703
2017-04-28 00:01:35 2017-04-28 00:01:51
  -0.7650325 -1.8136584
lim = 1493337600 1493337900
null device

test1-plot.png


test1-plot1.png

[R]irts

# tseriesパッケージを読み込む
library(tseries)

# 要素数
n <- 10

# rexp(n, rate): 指数分布に従うランダム数を生成する
# n: 生成する乱数の数
# rate: 比率のベクトル
r <- rexp(n, rate = 0.1)
cat("r = ", r, "\n")

# cumsum(): ベクトルの累積和
t <- cumsum(r)
cat("t = ", t, "\n")

# rnorm(n): 正規分布に従う乱数をn個生成する
v <- rnorm(n)
cat("v = ", v, "\n")

# ベクトルtの各要素にPOSIXct("2017-04-28 00:00:00", tz="JST")を加える
cat("POSIXct(2017-04-28 00:00:00, tz=Japan) = ", as.POSIXct("2017-04-28 00:00:00", tz="Japan"), "\n")
t <- t + as.POSIXct("2017-04-28 00:00:00", tz="Japan")
cat("t = ", t, "\n")

# irts(time, value): Irregular time-series objectを生成する
# time: 時間のベクトル, POSIXctクラスも使える
# value: 値のベクトル
x <- irts(t, v)
cat("x = \n")
print(x)

# plot
png('test0-plot.png')
plot(x)
dev.off()

# xの範囲を00:00:00から00:05:00に拡大
lim = as.POSIXct(c("2017-04-28 00:00:00", "2017-04-28 00:05:00"), tz="Japan")
cat("lim = ", lim, "\n")

png('test0-plot1.png')
plot(x, xlim=lim)
dev.off()

実行結果

$ Rscript test0.R
r = 19.13138 28.15198 7.95869 5.508244 5.016306 26.64211 3.880155 0.1472298 0.8519172 13.92242
t = 19.13138 47.28335 55.24204 60.75029 65.76659 92.4087 96.28885 96.43608 97.288 111.2104
v = 1.670187 0.5241287 0.1358097 0.4557246 0.2969836 -1.170975 -0.09803701 1.608483 -1.257771 0.7104526
POSIXct(2017-04-28 00:00:00, tz=Japan) = 1493305200
t = 1493305219 1493305247 1493305255 1493305261 1493305266 1493305292 1493305296 1493305296 1493305297 1493305311
x =
2017-04-27 15:00:19 GMT 1.67
2017-04-27 15:00:47 GMT 0.5241
2017-04-27 15:00:55 GMT 0.1358
2017-04-27 15:01:00 GMT 0.4557
2017-04-27 15:01:05 GMT 0.297
2017-04-27 15:01:32 GMT -1.171
2017-04-27 15:01:36 GMT -0.09804
2017-04-27 15:01:36 GMT 1.608
2017-04-27 15:01:37 GMT -1.258
2017-04-27 15:01:51 GMT 0.7105
null device
  1
lim = 1493305200 1493305500
null device
  1

test0-plot.png


test0-plot1.png

CSVファイルの読み書き

# tseriesパッケージを読み込む
library(tseries)

# 要素数
n <- 10

# rexp(n, rate): 指数分布に従うランダム数を生成する
# n: 生成する乱数の数
# rate: 比率のベクトル
r <- rexp(n, rate = 0.1)
cat("r = ", r, "\n")

# cumsum(): ベクトルの累積和
t <- cumsum(r)
cat("t = ", t, "\n")

# rnorm(n): 正規分布に従う乱数をn個生成する
v <- rnorm(n)
cat("v = ", v, "\n")

# ベクトルtの各要素にPOSIXct("2017-04-28 00:00:00", tz="JST")を加える
cat("POSIXct(2017-04-28 00:00:00, tz=Japan) = ", as.POSIXct("2017-04-28 00:00:00", tz="Japan"), "\n")
t <- t + as.POSIXct("2017-04-28 00:00:00", tz="Japan")
cat("t = ", t, "\n")

# irts(time, value): Irregular time-series objectを生成する
# time: 時間のベクトル, POSIXctクラスも使える
# value: 値のベクトル
x <- irts(t, v)
cat("x = \n")
print(x)

# データを書き出す
write.irts(x, file='test1.csv', sep=',')

# 書き出したcsvデータを読み込む
x1 <- read.table(file='test1.csv', sep=',', header=F, col.names=c("datetime", "value"))
x1$datetime <- as.POSIXct(x1$datetime, tz="GMT") # 文字列をPOSIXct形式に変換
print(x1$datetime)
print(x1$value)

x1 <- irts(x1$datetime, x1$value)
cat("x1 = \n")
print(x1)

# plotする
lim = as.POSIXct(c("2017-04-28 00:00:00", "2017-04-28 00:05:00"), tz="Japan")
cat("lim = ", lim, "\n")

png('test1-plot.png')
plot(x1, xlim=lim)
dev.off()

実行結果

$ Rscript test1.R
r = 0.7161429 1.793284 0.2478615 2.984724 12.45114 0.01925959 3.400675 7.554745 1.237016 0.7123535
t = 0.7161429 2.509427 2.757288 5.742012 18.19315 18.21241 21.61309 29.16783 30.40485 31.1172
v = 0.6099315 0.8728334 0.4375745 0.07694671 -0.0349662 -0.9421087 -0.1829869 -1.074823 0.8262679 2.159355
POSIXct(2017-04-28 00:00:00, tz=Japan) = 1493305200
t = 1493305201 1493305203 1493305203 1493305206 1493305218 1493305218 1493305222 1493305229 1493305230 1493305231
x =
2017-04-27 15:00:00 GMT 0.6099
2017-04-27 15:00:02 GMT 0.8728
2017-04-27 15:00:02 GMT 0.4376
2017-04-27 15:00:05 GMT 0.07695
2017-04-27 15:00:18 GMT -0.03497
2017-04-27 15:00:18 GMT -0.9421
2017-04-27 15:00:21 GMT -0.183
2017-04-27 15:00:29 GMT -1.075
2017-04-27 15:00:30 GMT 0.8263
2017-04-27 15:00:31 GMT 2.159
 [1] "2017-04-27 15:00:00 GMT" "2017-04-27 15:00:02 GMT"
 [3] "2017-04-27 15:00:02 GMT" "2017-04-27 15:00:05 GMT"
 [5] "2017-04-27 15:00:18 GMT" "2017-04-27 15:00:18 GMT"
 [7] "2017-04-27 15:00:21 GMT" "2017-04-27 15:00:29 GMT"
 [9] "2017-04-27 15:00:30 GMT" "2017-04-27 15:00:31 GMT"
 [1] 0.60990 0.87280 0.43760 0.07695 -0.03497 -0.94210 -0.18300 -1.07500
 [9] 0.82630 2.15900
x1 =
2017-04-27 15:00:00 GMT 0.6099
2017-04-27 15:00:02 GMT 0.8728
2017-04-27 15:00:02 GMT 0.4376
2017-04-27 15:00:05 GMT 0.07695
2017-04-27 15:00:18 GMT -0.03497
2017-04-27 15:00:18 GMT -0.9421
2017-04-27 15:00:21 GMT -0.183
2017-04-27 15:00:29 GMT -1.075
2017-04-27 15:00:30 GMT 0.8263
2017-04-27 15:00:31 GMT 2.159
lim = 1493305200 1493305500
null device
  1

test1-plot.png

[R]PostgreSQLからのデータ取得

インストール
DBIパッケージとPostgreSQLパッケージをインストールする。

$ R
> options(CRAN="https://cran.ism.ac.jp/")
> options(repos="https://cran.ism.ac.jp/")
> install.packages("DBI")
> install.packages("RPostgreSQL")

DBに接続、データ取得

require("DBI")
require("RPostgreSQL")

connection <- dbConnect(PostgreSQL(), host="localhost, port=5432, dbname="test", user="username", password="password")
sql <- "SELECT * FROM test_table WHERE datetime BETWEEN '2017-03-19 00:00:00' AND '2017-03-19 01:00:00' AND ORDER BY datetime ASC;"
dataset <- dbGetQuery(connection, sql)
print(dataset)

[R]plot

# 数値ベクトル同士のplot
x <- c(1:10) # 1から10までの整数ベクトルを生成する
y <- rnorm(10) # rnorm(n): 正規分布に従う乱数をn個生成する
cat("x = ", x, "\n")
cat("y = ", y, "\n")

# x, yのplot
png('test0-plot.png')
plot(x, y)
dev.off()

# y=整数のplot
y <- runif(10, min = 1, max=6) # runif(n, min, max): minからmaxの範囲でn個の乱数を生成する
y <- as.integer(y) # 小数点以下を切り捨て
cat("x = ", x, "\n")
cat("y = ", y, "\n")

png('test0-plot1.png')
plot(x, y)
dev.off()

# Y軸の項目を置き換える
png('test0-plot2.png')
plot(x, y, axes=F)
ylabels = c("a", "b", "c", "d", "e")
axis(2, 1:length(ylabels), labels=ylabels)
axis(1, labels=T)
box()
dev.off()

# 参照線を引く
png('test0-plot3.png')
plot(x, y, axes=F)
axis(2, 1:length(ylabels), labels=ylabels, tck=1.0, lty="dotted")
axis(1, labels=T)
box()
dev.off()

# プロットのマーカーを変更する（pch=16は黒丸）
png('test0-plot4.png')
plot(x, y, axes=F, pch=16)
axis(2, 1:length(ylabels), labels=ylabels)
axis(1, labels=T)
box()
dev.off()

実行結果

$ Rscript test0.R
x = 1 2 3 4 5 6 7 8 9 10
y = -1.404267 -0.5969088 0.06568647 -1.244883 0.5858204 -0.5415655 -2.311732 -0.3103803 -0.2324204 1.663108
null device
  1
x = 1 2 3 4 5 6 7 8 9 10
y = 1 4 1 5 4 5 1 4 5 3
null device
  1
null device
  1
null device
  1
null device
  1

test0-plot.png


test0-plot1.png


test0-plot2.png


test0-plot3.png


test0-plot4.png