Rで解析:dplyrとtidyrの操作結果の要約をコンソールに表示「tidylog」パッケージ

Rの解析に役に立つ記事
スポンサーリンク

本パッケージは「dplyrパッケージ」と「tidyrパッケージ」の各処理コマンドの要約をコンソールに表示するパッケージの紹介です。例えば、ある処理コマンドを作成してから時間が経過すると、各処理コマンドを何故使用したかを忘れがちです。そんな時に、本パッケージ実行後に処理コマンドを実行すると、各処理コマンドの要約をコンソールに表示してくれますので、記憶の確認に便利だと思います。

なお、本パッケージは「dplyrパッケージとtidyrパッケージのコマンドのラッパー関数」が収録されています。対象としている「dplyrパッケージとtidyrパッケージのコマンド」は下記内容です。

add_countmutateseparate_wider_positiontransmute_all
add_tallymutate_allseparate_wider_regextransmute_at
anti_joinmutate_atslicetransmute_if
countmutate_ifslice_headuncount
distinctpivot_longerslice_maxungroup
distinct_allpivot_widerslice_min
distinct_atrelocateslice_sample
distinct_ifrenameslice_tail
drop_narename_allspread
fillrename_atsummarise
filterrename_ifsummarise_all
filter_allrename_withsummarise_at
filter_atreplace_nasummarise_if
filter_ifright_joinsummarize
full_joinsample_fracsummarize_all
gathersample_nsummarize_at
group_byselectsummarize_if
group_by_allselect_alltally
group_by_atselect_attidylog
group_by_ifselect_iftop_frac
inner_joinsemi_jointop_n
left_joinseparate_wider_delimtransmute

パッケージバージョンは1.1.0。実行コマンドはwindows 11のR version 4.3.3で確認しています。

スポンサーリンク

パッケージのインストール

下記コマンドを実行してください。

# パッケージのインストール
install.packages("tidylog")

コマンドの紹介

詳細はコマンド、パッケージのヘルプを確認してください。

# パッケージの読み込み
library("tidylog")

### 準備 #####
## tidyverseパッケージの読み込み
# tidyverseパッケージがなければインストール
if(!require("tidyverse", quietly = TRUE)){
  install.packages("tidyverse");require("tidyverse")
}

## データ例の作成
set.seed(1234)
Test_Data <- data.frame(Chr = sample(LETTERS[c(1, 5, 8)],
                                     size = 100,
                                     replace = TRUE),
                        Group = sample(LETTERS[1:3],
                                       size = 100,
                                       replace = TRUE),
                        Number = sample(1:100,
                                        size = 100,
                                        replace = TRUE))
##

# 処理例
Result_Data <- Test_Data %>%
  filter(Chr == "E") %>%
  group_by(Group) %>%
  mutate(Number_SUM = sum(Number)) %>%
  select(Group, Number_SUM) %>%
  distinct()

### 以下,コンソールでの表示 #####
filter: removed 60 rows (60%), 40 rows remaining
group_by: one grouping variable (Group)
mutate (grouped): new variable 'Number_SUM' (integer) with 3 unique values and 0% NA
select: dropped 2 variables (Chr, Number)
distinct (grouped): removed 37 rows (92%), 3 rows remaining (removed 0 groups, 3 groups remaining)
########

少しでも、あなたの解析が楽になりますように!!

タイトルとURLをコピーしました