データ分析や予測モデル構築などをやってみたいが……

• RやPythonだとの無料ツールはコーディングスキルがそれなりに必要になりハードルがある
• 有料ツールのSASやSPSSなどは使いやすそうだけど高額すぎる。

無料で使える使いやすさが有料級の分析ツールはないだろうか？

と言うことで、Radiantです。

Radiantは、ノーコードでビジネスデータ分析を可能にする無料で使える有料級Rパッケージです。

• その1：Radiantのインストール・起動・終了
• その2：Radiantのデータ読み込み
• その3：Radiantでデータ抽出（絞り込み）
• その4：RadiantでEDA（探索的データ分析）
  • その4-1 グラフ作成　⇒　今回
  • その4-2 ピボット集計
  • その4-3 記述統計量
• その5：Radiantで予測モデル構築

前回は、その3の「Radiantでデータ抽出（絞り込み）」について簡単に説明しました。

ノーコードでビジネスデータ分析を可能にするRパッケージRadiantその3（Radiantでデータ抽出（絞り込み））

今回は、その4の「RadiantでEDA（探索的データ分析）」の「その4-1 グラフ作成」について簡単に説明します。

今回利用するデータセット

2種類のサンプルデータを使います。

• Radiantのサンプルデータである「diamonds」　※テーブルデータ
• Rに最初から備わっているサンプルデータである「longley」　※時系列データ

 

サンプルデータ「diamonds」

サンプルデータ「diamonds」は、最初からRadiantに備わっているため、特に準備は必要ありません。

以下は、データ項目です。

• price： price in US dollars
• carat： weight of the diamond
• clarity： measurement of how clear the diamond
• cut： quality of the cut
• color： diamond color
• depth： total depth percentage
• table： width of top of diamond relative to widest point
• x： length in mm
• y： width in mm
• z： depth in mm

 

サンプルデータ「longley」

サンプルデータ「longley」は、米国経済の時系列データです。

最初からRに備わっていますが、事前にRのワークスペースにロードしておく必要があります。

以下、コードです。

data(longley)

 

以下は、データ項目です。

• GNP.deflator：GNP implicit price deflator (1954=100)
• GNP： Gross National Product
• Unemployed： number of unemployed
• Armed.Forces： number of people in the armed forces
• Population：‘noninstitutionalized’ population ≥ 14 years of age
• Year： the year (time)
• Employed： number of people employed

 

取り急ぎRadiantを起動

以下、コードです。

# 必要パッケージのロード
library(radiant)

# radiantの起動
radiant()

 

サンプルデータの読み込み

サンプルデータ「longley」は、Rのワークスペースにロードしただけです。Radiant上では使えません。Radiant上で使うには、Rのワークスペースからデータを読み込む必要があります。非常に簡単です。

メニューバーにある「Data」をクリックし、「Manage」をクリックすると、データ読み込みや保存ができます。

 

「Load data of type」で、「from global workspace」を選択します。そうすると、Rのワークスペース上にあるオブジェクトの中で読み込めるデータセットが「Data.frames in Global Env」に表示されます。今回は、「longley」を選択します。最後に「Load」ボタンをクリックし読み込みます。Radiant上で扱うデータセットを切り替えるときには、左上の「Datasets」で切り替えます。

 

グラフ作成（Visualize）

データセットを読み込み眺めただけでは、どのようなデータなのか理解するのは難しいです。グラフで表現すると、データ理解が進みます。

Radiantのメニューにある「Visualize」ボタンをクリックすると、グラフ作成用の画面が現れ、様々なグラフを描くことができます。

 

例えば、以下のようなグラフを描くことができます。

• Distribution：ヒストグラム
• Density：密度推定
• Scatter：散布図
• Surface：ヒートマップ
• Line：折れ線グラフ
• Bar：棒グラフ
• Box-plot：ボックスプロット

その中のいくつかを作り方を、以下の順番で簡単に説明します

• サンプルデータ「diamonds」　※テーブルデータ
  • Bar：棒グラフ
  • Distribution：ヒストグラム
  • Density：密度推定
  • Box-plot：ボックスプロット
  • Scatter：散布図
• サンプルデータ「longley」　※時系列データ
  • Line：折れ線グラフ

 

棒グラフ

clarity別にpriceの平均値（mean）を棒グラフで表現してみます。左側の「Plot-type」で「Box」を選択し作ります。

 

ヒストグラム

clarity別にpriceの分布を、ヒストグラムで表現してみます。左側の「Plot-type」で「Distribution」を選択し作ります。

 

密度推定

clarity別にpriceの分布を、ヒストグラムで表現してみます。左側の「Plot-type」で「Density」を選択し作ります。

 

箱ひげ図

clarity別にpriceの分布を、ボックスプロットで表現してみます。左側の「Plot-type」で「Box-plot」を選択し作ります。

 

散布図

clarity別にpriceとcaratの関係性を散布図および回帰線で表現してみます。左側の「Plot-type」で「Scatter」を選択し作ります。

 

折れ線グラフ

今まではサンプルデータ「diamonds」使ってきました。折れ線グラフは時系列データである「longley」を使います。

左上の「Datasets」で、「longley」に切り替えます。

 

GDP、Population、Employedの時系列推移を表現するために、折れ線グラフで表現してみます。左側の「Plot-type」で「Line」を選択し棒グラフを作ります。「Y-variable」で折れ線グラフで表現する対象の時系列データ（例：GDP、Population、Employed）を指定し、「X-variable」で時間軸（例：Year）を指定します。

 

次回

今回は、その4の「RadiantでEDA（探索的データ分析）」の「その4-1 グラフ作成」について簡単に説明しました。

• その1：Radiantのインストール・起動・終了
• その2：Radiantのデータ読み込み
• その3：Radiantでデータ抽出（絞り込み）
• その4：RadiantでEDA（探索的データ分析）
  • その4-1 グラフ作成
  • その4-2 ピボット集計　⇒　次回
  • その4-3 記述統計量
• その5：Radiantで予測モデル構築

次回は、その4の「RadiantでEDA（探索的データ分析）」の「その4-2 ピボット集計」について説明します。

ノンコードでビジネスデータ分析を可能にするRパッケージRadiantその4-2（RadiantでEDA – ピボット集計）