第4章: tidyrによるデータ再構造化

tidyrとは？

tidyrは「tidy data」の原則に基づいて設計された、データ再構造化の専門パッケージです。混沌としたデータを美しく整理し、分析しやすい形に変換する強力なツールを提供します。

現実のデータは常に理想的な形ではありません。Excel形式の幅の広いテーブル、不規則な欠損値、ネストされた複雑な構造...。tidyrは、これらすべてを「tidy」な形に変換する魔法を提供します。

tidyr_setup.R

                            # tidyrの読み込み（tidyverseに含まれる）
                            library(tidyr)
                            library(dplyr)
                            
                            # Tidy Dataの3つの原則
                            # 1. 各変数は1つの列
                            # 2. 各観測値は1つの行
                            # 3. 各値は1つのセル
                        

データ形状の変換

データの形状変換は、tidyrの最も重要な機能です。Wide形式（横に広い）とLong形式（縦に長い）を自在に変換し、分析の目的に最適な形にデータを整形できます。

pivot_longer()

Wide形式からLong形式への変換。複数の列を1つの列にまとめ、データを「長く」します。

pivot_longer(cols, names_to, values_to)

pivot_wider()

Long形式からWide形式への変換。1つの列の値を複数の列に展開し、データを「広く」します。

pivot_wider(names_from, values_from)

📊 pivot_longer(): Wide → Long変換

売上データをExcel形式（Wide）から分析用形式（Long）に変換する実例を見てみましょう。

pivot_longer_example.R

                            # Wide形式の売上データ（Excel形式）
                            sales_wide <- data.frame(
                              店舗 = c("東京店", "大阪店", "名古屋店"),
                              Q1 = c(1200, 980, 750),
                              Q2 = c(1350, 1100, 820),
                              Q3 = c(1180, 1250, 890),
                              Q4 = c(1420, 1380, 950)
                            )
                            
                            # Long形式に変換（分析しやすい形に）
                            sales_long <- sales_wide %>%
                              pivot_longer(
                                cols = starts_with("Q"),        # Q1,Q2,Q3,Q4の列を対象
                                names_to = "四半期",             # 列名が入る新しい列
                                values_to = "売上"              # 値が入る新しい列
                              )
                            
                            print(sales_long)
                        

🔄 データ変換結果

Wide形式（変換前）
店舗	Q1	Q2	Q3	Q4
東京店	1200	1350	1180	1420
大阪店	980	1100	1250	1380
名古屋店	750	820	890	950

→

Long形式（変換後）
店舗	四半期	売上
東京店	Q1	1200
東京店	Q2	1350
東京店	Q3	1180
東京店	Q4	1420
大阪店	Q1	980
...	...	...

📈 pivot_wider(): Long → Wide変換

アンケートデータをクロス集計表形式に変換する例を見てみましょう。

pivot_wider_example.R

                            # Long形式のアンケートデータ
                            survey_long <- data.frame(
                              回答者ID = rep(1:4, each = 3),
                              質問項目 = rep(c("満足度", "利便性", "価格"), 4),
                              評価 = c(5, 4, 3, 4, 5, 4, 3, 3, 5, 5, 4, 4)
                            )
                            
                            # Wide形式に変換（クロス集計表形式）
                            survey_wide <- survey_long %>%
                              pivot_wider(
                                names_from = 質問項目,        # この列の値が新しい列名になる
                                values_from = 評価            # この列の値が各セルに入る
                              )
                            
                            print(survey_wide)
                        

🔄 データ変換結果

Long形式（変換前）
回答者ID	質問項目	評価
1	満足度	5
1	利便性	4
1	価格	3
2	満足度	4
...	...	...

→

Wide形式（変換後）
回答者ID	満足度	利便性	価格
1	5	4	3
2	4	5	4
3	3	3	5
4	5	4	4

欠損値の優雅な処理

現実のデータには欠損値が付き物です。tidyrは、欠損値を適切に処理し、データの完全性を保ちながら分析を進めるための強力なツールを提供します。

drop_na()

欠損値を含む行を削除します。シンプルで直接的なアプローチです。

drop_na(columns)

fill()

前後の値で欠損値を埋めます。時系列データに特に有効です。

fill(columns, .direction)

replace_na()

欠損値を指定した値で置換します。カスタマイズされた補完が可能です。

replace_na(list(col = value))

complete()

データの組み合わせを完全にし、暗黙的な欠損値を明示的にします。

complete(columns, fill)

🔍 欠損値処理の実践

センサーデータの欠損値を様々な方法で処理する例を見てみましょう。

missing_data_handling.R

                            # 欠損値を含むセンサーデータ
                            sensor_data <- data.frame(
                              timestamp = seq(as.POSIXct("2023-01-01 00:00:00"), 
                                              by = "hour", length.out = 10),
                              temperature = c(22.5, NA, 23.1, 22.8, NA, 24.2, 24.5, NA, 23.9, 23.7),
                              humidity = c(65, 68, NA, 70, 72, NA, 69, 67, 65, NA)
                            )
                            
                            # 方法1: 欠損値のある行を削除
                            clean_data <- sensor_data %>%
                              drop_na()
                            
                            # 方法2: 前の値で埋める（温度センサー）
                            filled_data <- sensor_data %>%
                              fill(temperature, .direction = "down") %>%
                              fill(humidity, .direction = "up")
                            
                            # 方法3: 平均値で置換
                            imputed_data <- sensor_data %>%
                              replace_na(list(
                                temperature = mean(sensor_data$temperature, na.rm = TRUE),
                                humidity = mean(sensor_data$humidity, na.rm = TRUE)
                              ))
                            
                            print("補完後のデータ:")
                            print(imputed_data)
                        

🔄 欠損値処理結果

元データ（欠損値あり）
時刻	温度	湿度
00:00	22.5	65
01:00	NA	68
02:00	23.1	NA
03:00	22.8	70
04:00	NA	72

→

補完後データ
時刻	温度	湿度
00:00	22.5	65
01:00	23.3	68
02:00	23.1	68.0
03:00	22.8	70
04:00	23.3	72

🎯 高度なデータ整理術

separate()とunite()を使って、複雑な文字列データを分割・結合する方法を学びましょう。

advanced_tidyr.R

                            # 複雑な文字列データ
                            user_data <- data.frame(
                              user_info = c("田中太郎_25_東京", "佐藤花子_30_大阪", "山田次郎_28_名古屋"),
                              score = c(85, 92, 78)
                            )
                            
                            # 1つの列を複数の列に分割
                            separated_data <- user_data %>%
                              separate(
                                col = user_info,
                                into = c("名前", "年齢", "都市"),
                                sep = "_"
                              ) %>%
                              mutate(年齢 = as.numeric(年齢))
                            
                            # 複数の列を1つに結合
                            united_data <- separated_data %>%
                              unite(
                                col = "ID",
                                名前, 都市,
                                sep = "@",
                                remove = FALSE  # 元の列を残す
                              )
                            
                            print(united_data)
                        