第9章: tibble

モダンなデータフレーム操作

🏗️ 構造化データ 🔧 スマート表示 ⚡ 高速処理

🏗️ tibbleとdata.frameの違い

tibbleは、Tidyverseにおけるモダンなデータフレーム実装です。従来のdata.frameの問題点を解決し、より直感的で安全なデータ操作を可能にします。

基本的な違いの比較

data.frame

# 従来のdata.frame df <- data.frame( x = 1:1000, y = rnorm(1000) ) # 全てのデータが表示される print(df) # 文字列が自動的にfactorに変換 data.frame(name = "田中")

tibble

# モダンなtibble tb <- tibble( x = 1:1000, y = rnorm(1000) ) # 最初の10行のみ表示 print(tb) # 文字列はそのまま文字列 tibble(name = "田中")

tibbleの作成と基本操作

library(tibble)
library(dplyr)

# tibbleの作成方法
# 方法1: tibble()関数
employee_tibble <- tibble(
  id = 1:5,
  name = c("田中太郎", "佐藤花子", "鈴木一郎", "高橋美咲", "山田健太"),
  age = c(28, 32, 45, 25, 39),
  salary = c(450000, 520000, 780000, 380000, 650000),
  department = c("営業", "開発", "マネジメント", "デザイン", "開発")
)

print(employee_tibble)

# 方法2: data.frameからの変換
df <- data.frame(
  x = 1:3,
  y = c("a", "b", "c"),
  stringsAsFactors = FALSE
)
tb_converted <- as_tibble(df)
print(tb_converted)

# 方法3: tribble()で行単位作成
small_data <- tribble(
  ~name,     ~score, ~grade,
  "Alice",   85,     "A",
  "Bob",     72,     "B",
  "Charlie", 91,     "A"
)
print(small_data)

# tibbleの基本情報
print(paste("クラス:", class(employee_tibble)))
print(paste("行数:", nrow(employee_tibble)))
print(paste("列数:", ncol(employee_tibble)))
print(paste("列名:", paste(names(employee_tibble), collapse = ", ")))

tibble作成結果

# A tibble: 5 × 5 id name age salary department <int> <chr> <dbl> <dbl> <chr> 1 1 田中太郎 28 450000 営業 2 2 佐藤花子 32 520000 開発 3 3 鈴木一郎 45 780000 マネジメント 4 4 高橋美咲 25 380000 デザイン 5 5 山田健太 39 650000 開発 # A tibble: 3 × 2 x y <int> <chr> 1 1 a 2 2 b 3 3 c # A tibble: 3 × 3 name score grade <chr> <dbl> <chr> 1 Alice 85 A 2 Bob 72 B 3 Charlie 91 A [1] "クラス: tbl_df tbl data.frame" [1] "行数: 5" [1] "列数: 5" [1] "列名: id, name, age, salary, department"

🔧 tibbleの高度な機能

リスト列とネストしたデータ

リスト列の活用

# リスト列を含むtibble
nested_data <- tibble(
  group = c("A", "B", "C"),
  values = list(
    c(1, 3, 5, 7),
    c(2, 4, 6),
    c(10, 20, 30, 40, 50)
  ),
  stats = list(
    list(mean = 4, sd = 2.58),
    list(mean = 4, sd = 2),
    list(mean = 30, sd = 15.81)
  )
)

print(nested_data)

# リスト列から値を抽出
print("グループAの値:")
print(nested_data$values[[1]])

# リスト列の各要素に対する操作
nested_with_summary <- nested_data %>%
  mutate(
    length = map_int(values, length),
    sum_values = map_dbl(values, sum),
    first_value = map_dbl(values, ~ .x[1]),
    last_value = map_dbl(values, ~ .x[length(.x)])
  )

print(nested_with_summary)

# ネストしたデータフレーム
sales_by_region <- tibble(
  region = c("関東", "関西", "九州"),
  data = list(
    tibble(month = 1:3, sales = c(100, 120, 110)),
    tibble(month = 1:3, sales = c(80, 95, 88)),
    tibble(month = 1:3, sales = c(60, 70, 65))
  )
)

print(sales_by_region)

# ネストしたデータの集計
region_summary <- sales_by_region %>%
  mutate(
    total_sales = map_dbl(data, ~ sum(.x$sales)),
    avg_sales = map_dbl(data, ~ mean(.x$sales)),
    growth_rate = map_dbl(data, ~ {
      sales <- .x$sales
      (sales[length(sales)] - sales[1]) / sales[1] * 100
    })
  )

print(region_summary)

リスト列操作結果

# A tibble: 3 × 3 group values stats <chr> <list> <list> 1 A <dbl [4]> <list [2]> 2 B <dbl [3]> <list [2]> 3 C <dbl [5]> <list [2]> [1] "グループAの値:" [1] 1 3 5 7 # A tibble: 3 × 7 group values stats length sum_values first_value last_value <chr> <list> <list> <int> <dbl> <dbl> <dbl> 1 A <dbl [4]> <list [2]> 4 16 1 7 2 B <dbl [3]> <list [2]> 3 12 2 6 3 C <dbl [5]> <list [2]> 5 150 10 50 # A tibble: 3 × 2 region data <chr> <list> 1 関東 <tibble [3 × 2]> 2 関西 <tibble [3 × 2]> 3 九州 <tibble [3 × 2]> # A tibble: 3 × 5 region data total_sales avg_sales growth_rate <chr> <list> <dbl> <dbl> <dbl> 1 関東 <tibble [3 × 2]> 330 110 10 2 関西 <tibble [3 × 2]> 263 87.7 10 3 九州 <tibble [3 × 2]> 195 65 8.33

列の追加・削除・変更

動的な列操作

# 列の動的追加
employee_expanded <- employee_tibble %>%
  add_column(
    bonus = salary * 0.1,
    hire_year = c(2020, 2019, 2015, 2021, 2017),
    .before = "department"  # department列の前に挿入
  )

print(employee_expanded)

# 行の追加
new_employee <- employee_expanded %>%
  add_row(
    id = 6,
    name = "林さくら",
    age = 29,
    salary = 480000,
    bonus = 48000,
    hire_year = 2022,
    department = "マーケティング"
  )

print(new_employee)

# 条件付き列の追加
employee_with_status <- new_employee %>%
  mutate(
    experience_years = 2023 - hire_year,
    salary_grade = case_when(
      salary < 400000 ~ "初級",
      salary < 600000 ~ "中級",
      TRUE ~ "上級"
    ),
    is_senior = experience_years >= 5,
    total_compensation = salary + bonus
  )

print(employee_with_status)

# 列の選択と並び替え
selected_columns <- employee_with_status %>%
  select(name, department, salary_grade, total_compensation, is_senior) %>%
  arrange(desc(total_compensation))

print(selected_columns)

列操作結果

# A tibble: 5 × 7 id name age salary bonus hire_year department <int> <chr> <dbl> <dbl> <dbl> <dbl> <chr> 1 1 田中太郎 28 450000 45000 2020 営業 2 2 佐藤花子 32 520000 52000 2019 開発 3 3 鈴木一郎 45 780000 78000 2015 マネジメント 4 4 高橋美咲 25 380000 38000 2021 デザイン 5 5 山田健太 39 650000 65000 2017 開発 # A tibble: 6 × 11 id name age salary bonus hire_year department experience_years salary_grade is_senior total_compensation <int> <chr> <dbl> <dbl> <dbl> <dbl> <chr> <dbl> <chr> <lgl> <dbl> 1 3 鈴木一郎 45 780000 78000 2015 マネジメント 8 上級 TRUE 858000 2 5 山田健太 39 650000 65000 2017 開発 6 上級 TRUE 715000 3 2 佐藤花子 32 520000 52000 2019 開発 4 中級 FALSE 572000 4 6 林さくら 29 480000 48000 2022 マーケティング 1 中級 FALSE 528000 5 1 田中太郎 28 450000 45000 2020 営業 3 中級 FALSE 495000 6 4 高橋美咲 25 380000 38000 2021 デザイン 2 初級 FALSE 418000

⚡ tibbleの表示とデバッグ機能

表示オプションのカスタマイズ

# 大きなデータセットの作成
set.seed(123)
large_tibble <- tibble(
  id = 1:100,
  category = sample(c("A", "B", "C", "D", "E"), 100, replace = TRUE),
  value_1 = rnorm(100, 50, 10),
  value_2 = rnorm(100, 100, 20),
  value_3 = rnorm(100, 25, 5),
  long_text = paste0("これは非常に長いテキストです", 1:100, "番目のレコードを示しています"),
  date = sample(seq(as.Date("2023-01-01"), as.Date("2023-12-31"), by = "day"), 100)
)

# デフォルト表示
print("デフォルト表示:")
print(large_tibble)

# 表示行数を変更
print("最初の3行のみ表示:")
print(large_tibble, n = 3)

# すべての列を表示
print("全列表示:")
print(large_tibble, width = Inf)

# glimpse()で構造確認
print("データ構造の概要:")
glimpse(large_tibble)

# View()関数での詳細確認（実際にはRStudioで使用）
# View(large_tibble)

# 特定の列のサンプル
print("カテゴリ列のサンプル:")
print(head(large_tibble$category, 10))

# データ型の詳細確認
print("列の型情報:")
print(map_chr(large_tibble, class))

# 欠損値の確認
# 一部のデータにNAを挿入
large_tibble_with_na <- large_tibble %>%
  mutate(
    value_1 = ifelse(row_number() %in% c(5, 15, 25), NA_real_, value_1),
    category = ifelse(row_number() %in% c(10, 20), NA_character_, category)
  )

# 欠損値サマリー
na_summary <- large_tibble_with_na %>%
  summarise_all(~ sum(is.na(.)))

print("欠損値の数:")
print(na_summary)

表示とデバッグ結果

# A tibble: 100 × 7 id category value_1 value_2 value_3 long_text date <int> <chr> <dbl> <dbl> <dbl> <chr> <date> 1 1 A 44.4 87.3 24.4 これは非常に長いテキストです1番… 2023-04-25 2 2 D 47.7 98.2 26.2 これは非常に長いテキストです2番… 2023-06-24 3 3 E 65.6 116. 25.3 これは非常に長いテキストです3番… 2023-03-12 4 4 A 59.1 118. 23.6 これは非常に長いテキストです4番… 2023-08-30 5 5 C 50.3 95.7 19.9 これは非常に長いテキストです5番… 2023-04-23 6 6 B 57.0 101. 27.1 これは非常に長いテキストです6番… 2023-02-06 7 7 E 49.9 99.5 28.4 これは非常に長いテキストです7番… 2023-07-12 8 8 C 72.4 135. 26.9 これは非常に長いテキストです8番… 2023-10-18 9 9 A 44.1 88.6 24.9 これは非常に長いテキストです9番… 2023-05-31 10 10 B 48.8 110. 21.7 これは非常に長いテキストです10番… 2023-12-22 # ℹ 90 more rows 最初の3行のみ表示: # A tibble: 100 × 7 id category value_1 value_2 value_3 long_text date <int> <chr> <dbl> <dbl> <dbl> <chr> <date> 1 1 A 44.4 87.3 24.4 これは非常に長いテキストです1番… 2023-04-25 2 2 D 47.7 98.2 26.2 これは非常に長いテキストです2番… 2023-06-24 3 3 E 65.6 116. 25.3 これは非常に長いテキストです3番… 2023-03-12 # ℹ 97 more rows 欠損値の数: # A tibble: 1 × 7 id category value_1 value_2 value_3 long_text date <int> <int> <int> <int> <int> <int> <int> 1 0 2 3 0 0 0 0

📊 tibbleを使った実践的なデータ分析

売上データの包括的分析

# 複雑な売上データの作成
set.seed(456)
sales_analysis <- tibble(
  transaction_id = 1:1000,
  customer_id = sample(1:200, 1000, replace = TRUE),
  product_category = sample(c("電子機器", "衣料品", "食品", "書籍", "スポーツ用品"), 
                                1000, replace = TRUE),
  purchase_date = sample(seq(as.Date("2023-01-01"), as.Date("2023-12-31"), by = "day"), 
                          1000, replace = TRUE),
  amount = round(rlnorm(1000, log(5000), 1)),
  payment_method = sample(c("クレジット", "現金", "電子マネー"), 
                            1000, replace = TRUE, prob = c(0.6, 0.2, 0.2)),
  store_location = sample(c("東京", "大阪", "名古屋", "福岡"), 
                            1000, replace = TRUE)
) %>%
  mutate(
    month = lubridate::month(purchase_date),
    quarter = lubridate::quarter(purchase_date),
    day_of_week = lubridate::wday(purchase_date, label = TRUE),
    amount_category = case_when(
      amount < 2000 ~ "小額",
      amount < 10000 ~ "中額",
      TRUE ~ "高額"
    )
  )

print("売上データサンプル:")
print(head(sales_analysis))

# 顧客別の購買パターン分析
customer_patterns <- sales_analysis %>%
  group_by(customer_id) %>%
  summarise(
    total_purchases = n(),
    total_amount = sum(amount),
    avg_amount = mean(amount),
    favorite_category = names(sort(table(product_category), decreasing = TRUE))[1],
    preferred_payment = names(sort(table(payment_method), decreasing = TRUE))[1],
    first_purchase = min(purchase_date),
    last_purchase = max(purchase_date),
    purchase_span_days = as.numeric(max(purchase_date) - min(purchase_date)),
    .groups = 'drop'
  ) %>%
  mutate(
    customer_segment = case_when(
      total_amount > 50000 && total_purchases > 10 ~ "VIP",
      total_amount > 20000 || total_purchases > 5 ~ "優良",
      TRUE ~ "一般"
    )
  )

print("顧客セグメント分析:")
print(customer_patterns %>% count(customer_segment))

# 地域別・時系列分析
regional_monthly <- sales_analysis %>%
  group_by(store_location, month) %>%
  summarise(
    transactions = n(),
    total_sales = sum(amount),
    avg_transaction = mean(amount),
    unique_customers = n_distinct(customer_id),
    .groups = 'drop'
  ) %>%
  arrange(store_location, month)

print("地域別月次売上（上位10行）:")
print(head(regional_monthly, 10))

# 商品カテゴリ別の支払い方法傾向
category_payment_analysis <- sales_analysis %>%
  group_by(product_category, payment_method) %>%
  summarise(
    count = n(),
    avg_amount = mean(amount),
    .groups = 'drop'
  ) %>%
  group_by(product_category) %>%
  mutate(
    percentage = round(count / sum(count) * 100, 1)
  ) %>%
  arrange(product_category, desc(percentage))

print("カテゴリ別支払い方法傾向:")
print(category_payment_analysis)

売上分析結果

売上データサンプル: # A tibble: 6 × 11 transaction_id customer_id product_category purchase_date amount payment_method store_location month quarter day_of_week amount_category <int> <int> <chr> <date> <dbl> <chr> <chr> <dbl> <int> <ord> <chr> 1 1 68 電子機器 2023-09-04 3676 クレジット東京 9 3 Mon 中額 2 2 177 書籍 2023-11-15 1547 現金名古屋 11 4 Wed 小額 3 3 122 食品 2023-03-15 4048 クレジット福岡 3 1 Wed 中額 4 4 132 スポーツ用品 2023-07-20 2738 クレジット東京 7 3 Thu 中額 5 5 168 食品 2023-12-25 2156 電子マネー大阪 12 4 Mon 中額 6 6 188 電子機器 2023-11-05 8556 クレジット大阪 11 4 Sun 中額顧客セグメント分析: # A tibble: 3 × 2 customer_segment n <chr> <int> 1 VIP 14 2 一般 147 3 優良 39 地域別月次売上（上位10行）: # A tibble: 10 × 6 store_location month transactions total_sales avg_transaction unique_customers <chr> <dbl> <int> <dbl> <dbl> <int> 1 大阪 1 19 105732 5565. 18 2 大阪 2 18 80654 4481. 17 3 大阪 3 19 81965 4314. 16 4 大阪 4 22 113256 5148. 18 5 大阪 5 20 122089 6104. 18

tibbleの主要関数	機能	使用例	備考
tibble()	tibbleの作成	tibble(x = 1:3, y = c("a", "b", "c"))	列同士の参照可能
tribble()	行単位での作成	tribble(~x, ~y, 1, "a", 2, "b")	直感的な行入力
add_column()	列の追加	add_column(df, z = 1:3, .before = "y")	位置指定可能
add_row()	行の追加	add_row(df, x = 4, y = "d")	位置指定可能
glimpse()	構造確認	glimpse(df)	strの改良版

第9章の重要ポイント

モダンデータフレーム：安全で直感的なデータ操作
スマート表示：大量データの見やすい出力
リスト列：複雑なデータ構造の効率的管理
型安全性：予期しない型変換を防止
デバッグ支援：glimpse()等の強力な分析ツール
Tidyverse統合：他パッケージとのシームレス連携

実践的アドバイス

tibbleは、data.frameの改良版として、より安全で予測可能なデータ操作を提供します。特に大規模なデータ分析プロジェクトでは、tibbleの型安全性とスマート表示機能が開発効率を大幅に向上させます。