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

📊 高度なTibble操作とモダン技法

ネストしたデータ構造とリスト列の活用

# リスト列を含む高度なデータ構造 library(tidyverse) library(broom) library(modelr) # ネストしたデータフレーム作成 nested_sales <- sales_data %>% group_by(region, product_category) %>% nest() %>% mutate( # 各グループに対して線形回帰モデル models = map(data, ~ lm(sales ~ month, data = .x)), # モデルの統計情報 model_stats = map(models, broom::glance), # 係数情報 coefficients = map(models, broom::tidy), # 予測値 predictions = map(models, broom::augment) ) # R²値の抽出と分析 r_squared_analysis <- nested_sales %>% unnest(model_stats) %>% select(region, product_category, r.squared, p.value, AIC, BIC) %>% arrange(desc(r.squared)) print("地域・カテゴリ別回帰分析結果（R²値上位）:") print(head(r_squared_analysis, 10))

並列処理とメモリ効率的なデータ操作

# 大規模データセットの効率的処理 library(future) library(furrr) library(arrow) # 並列処理設定 plan(multisession, workers = 4) # 大容量データの分割処理 chunk_process <- function(data_chunk) { data_chunk %>% mutate( # 複雑な特徴量エンジニアリング rolling_avg_7d = slider::slide_dbl( sales_amount, mean, .before = 6, .complete = TRUE ), rolling_std_7d = slider::slide_dbl( sales_amount, sd, .before = 6, .complete = TRUE ), anomaly_score = abs(sales_amount - rolling_avg_7d) / rolling_std_7d, is_anomaly = anomaly_score > 2 ) %>% filter(!is.na(rolling_avg_7d)) } # データを1000行ずつ分割して並列処理 large_dataset <- tibble( date = seq(as.Date("2020-01-01"), as.Date("2023-12-31"), by = "day"), sales_amount = runif(length(date), 100, 10000) ) %>% mutate(chunk_id = (row_number() - 1) %/% 1000 + 1) %>% group_split(chunk_id) # 並列処理実行 processed_chunks <- large_dataset %>% future_map_dfr(chunk_process, .progress = TRUE) cat("処理されたデータ行数:", nrow(processed_chunks), "\n") cat("異常値検出数:", sum(processed_chunks$is_anomaly, na.rm = TRUE), "\n")

Tibbleのパフォーマンス最適化技法

# メモリ使用量とパフォーマンス分析 library(pryr) library(bench) library(data.table) # 大規模データセット作成 n <- 1000000 large_tibble <- tibble( id = 1:n, group = sample(letters[1:10], n, replace = TRUE), value1 = rnorm(n), value2 = rnorm(n), category = sample(paste0("cat_", 1:100), n, replace = TRUE) ) # パフォーマンス比較：tibble vs data.frame vs data.table performance_test <- bench::mark( tibble_summarise = { large_tibble %>% group_by(group, category) %>% summarise( mean_v1 = mean(value1), mean_v2 = mean(value2), count = n(), .groups = 'drop' ) }, data_frame_aggregate = { df <- as.data.frame(large_tibble) aggregate( cbind(value1, value2) ~ group + category, data = df, FUN = mean ) }, data_table_approach = { dt <- data.table::as.data.table(large_tibble) dt[, .( mean_v1 = mean(value1), mean_v2 = mean(value2), count = .N ), by = .(group, category)] }, iterations = 5, check = FALSE ) print("パフォーマンス比較結果:") print(performance_test) # メモリ使用量分析 memory_usage <- list( tibble_size = pryr::object_size(large_tibble), dataframe_size = pryr::object_size(as.data.frame(large_tibble)), datatable_size = pryr::object_size(data.table::as.data.table(large_tibble)) ) cat("メモリ使用量比較:\n") print(memory_usage)

高度なTibble操作: 動的列操作とメタプログラミング

# 動的な列操作とメタプログラミング技法 library(rlang) # 動的集計関数の作成 create_summary_function <- function(group_vars, summary_vars, summary_funs) { group_vars <- syms(group_vars) function(data) { data %>% group_by(!!!group_vars) %>% summarise( across( all_of(summary_vars), summary_funs, .names = "{.col}_{.fn}" ), count = n(), .groups = 'drop' ) } } # 動的関数の使用例 custom_summarizer <- create_summary_function( group_vars = c("product_category", "store_location"), summary_vars = c("amount", "quantity"), summary_funs = list( mean = ~ mean(.x, na.rm = TRUE), median = ~ median(.x, na.rm = TRUE), sd = ~ sd(.x, na.rm = TRUE), q75 = ~ quantile(.x, 0.75, na.rm = TRUE) ) ) # 条件付きmutate操作 conditional_feature_engineering <- function(data, conditions) { for (condition in conditions) { data <- data %>% mutate( !!condition$name := case_when( !!parse_expr(condition$condition) ~ !!parse_expr(condition$value), TRUE ~ NA_real_ ) ) } data } # 条件付き特徴量作成の例 feature_conditions <- list( list( name = "high_value_purchase", condition = "amount > quantile(amount, 0.9, na.rm = TRUE)", value = "amount" ), list( name = "weekend_premium", condition = "wday(purchase_date) %in% c(1, 7)", value = "amount * 1.1" ) ) enhanced_data <- sales_analysis %>% conditional_feature_engineering(feature_conditions) print("条件付き特徴量作成結果（サンプル）:") print(glimpse(enhanced_data))

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。リスト列とネスト構造を活用することで、複雑なデータ分析ワークフローを効率的に実装できます。

📚 学習におすすめの書籍

🔥 RユーザのためのRStudio[実践]入門

tidyverseの基礎から実践まで網羅した日本語決定版。RStudioとtidyverseでデータ分析をマスター。

Amazonで詳細を見る →

🤖 Rユーザのためのtidymodels[実践]入門

tidymodelsで機械学習を実践するための日本語ガイド。モデル構築から評価まで完全網羅。

Amazonで詳細を見る →

※ 当サイトはAmazonアソシエイトプログラムに参加しています