2020-02-29

Rでダミー変数を作る（fastDummies）

そもそもlm()（とglm()）には「data.frameの列がfactorである場合、自動的にダミー変数を作って、回帰してくれる」という機能がある（manにきちんと書かれてないので知らない人が多いかも）。

stats.idre.ucla.edu

が、lmやglmの「自動でダミー変数を作る機能」だと思うようなダミー変数にならない場合もあるので、パッケージでダミー変数を作ることを考える。

いくつかパッケージがあるが、それなりに使いやすいパッケージとしてfastDummiesがあるため、その中のdummy_cols()を使ってダミー変数を作る方法を以下に記す。


require(fastDummies)
require(tidyverse)
when <- data.frame(time = c("afternoon", "night", "afternoon", "morning", "morning", "morning", "morning", "afternoon", "afternoon"), day = c("Mon", "Mon", "Mon", "Wed", "Wed", "Fri", "Sat", "Sat", "Fri"))
when[3, "day"] <- NA
when %>% head()
dummy_cols(when)

# 自分用のメモ：現時のバージョンのfastDummiesではNAはNAのままで各列に入力される（以前は違ったようだが）。

参考（4つのパッケージの比較）

fuminorikawami.hatenablog.com

2020-02-18

openxlsxの使い方（自分が使うところだけ）

GNU R

require(openxlsx)

tmpdat<- read.xlsx("./data.xlsx", sheet = 2, startRow = 9, detectDates=TRUE)
head(tmpdat)

wb <- createWorkbook()
addWorksheet(wb, 'Sheet1')
addWorksheet(wb, 'Sheet2')
writeData(wb, sheet = 'Sheet1', x = lm.res1, withFilter=F)
writeData(wb, sheet = 'Sheet2', x = lm.res2, withFilter=F)
saveWorkbook(wb, "lm.res.xlsx", overwrite = T)

CRAN - Package openxlsx

2019-10-25

成長率の計算

GNU R

以下に改訂版の既述あり。

成長率の計算（改訂版） - ハリ・セルダンになりたくて（はてダから移行中）

Rを使って成長率（％表示）を計算する方法についての備忘録。

前提：tsDataをベクトルもしくはtsオブジェクトとする。

その１：対数差分

    diff(log(tsData))*100

メリット：成長率の近似であるが、プログラムが簡単

デメリット：tsDataの要素が正である必要がある（たとえばGDPならOK、在庫変動は[負になることがあるため]ダメ）

その２：定義通りに成長率を計算する

一行で書くと：

numSize <- length(tsData); tsGrowth <- (diff(tsData)/tsData[-numSize]) * 100

関数にするなら以下：

growthRate <- function(tsData)
{
    numSize <- length(tsData)
    tsGrowth <- (diff(tsData)/tsData[-numSize]) * 100

    return(tsGrowth)
}

使い方はこんな感じ。

source("growthRate.R")
tmpTs <- seq(1,10,by=0.3)
growthRate(tmpTs)

2019-06-22

RでX-13ARIMA-SEATSを使う（2019年6月版）

GNU R

自分用の覚書
CRANにあるx13binaryが使えるようになったので、自分でX-13ARIMA-SEATSをコンパイルする必要がなくなり、MacとWinの違いもなくなりました。

[インストール]GNU Rで二つのパッケージをインストール

install.packages("seasonal")

注：seasonalをインストールするとx13binaryも一緒にインストールされる。

[GNU Rのパッケージseasonalからx13asを実行する]

パッケージの読み込み
library(seasonal)
checkX13()を実行して、"Congratulations! 'seasonal' should work fine!"と表示されれば問題なし
m <- seas(AirPassengers)
plot(m)
季節調整済み系列（s11）の取り出し
m$series$s11
プロットの一例

plot(AirPassengers) #元のデータ
lines(m$series$s11, col="red") #季節調整値
lines(m$series$s12, col="blue") #トレンド

seasonalの使い方についてvignettesを参照されたい

https://cran.ism.ac.jp/web/packages/seasonal/vignettes/seas.pdf

[注意すべき点]

X-13ARIMA-SEATSから季節調整済み系列はs11となった模様（X-12-ARIMAのd11。プログラムする人はお気をつけ下さい）

https://www2.census.gov/software/x-13arima-seats/x13as/unix-linux/documentation/docx13ashtml.pdf

[s10等のまとめ]

s10: 季節成分（seasonal component）

s11: 季節調整値（seasonal adjustment component）

s12:トレンド成分（trend component）

s13:不規則成分（irregular component）

詳しくは以下のTable 7.31を参照

https://www2.census.gov/software/x-13arima-seats/x13as/unix-linux/documentation/docx13ashtml.pdf

[Predefined regression variables]

外れ値やレベルシフトの調整にはregression.variablesを使う。使い方は以下のTable 7.28を参照

https://www.census.gov/ts/x13as/docX13AS.pdf

2019-06-12

GNU R (Windows10)にR Interface to 'Keras'をインストールする

Windows GNU R

GNU R (実際の作業はRstudio)でKerasをインストールしたときの覚書。基本的には（１）Anacondaインストール、（２）Anacondaでtensorflowインストール、（３）R上でdevtoolsインストール、（４）devtoolsでkerasインストール、（５）Windows上でRtoolsインストールと言う手順になる。

[Anacondaとtensorflowのインストール]

最初にAnaconda（Python 3.*）をインストールし、Anaconda Navigatorを起動してtensorflowをインストールする。以下のURLを参照。

miyabi-lab.space

[keras: R Interface to 'Keras'のインストール]

Rstudioでの導入は以下の通り。

Rstudioを管理者として実行する
install.packages('devtools')（devtoolsをインストールする）
コンソールに devtools::install_github("rstudio/keras") と入力
インストール中に"Please download and install Rtools *.*"とRtoolsをインストールするように言われるので、指定されたバージョンのRtoolsをインストールする

[R Interface to 'Keras']

R Interface to 'Keras'の使い方は以下のURL等を参照。

cran.ism.ac.jp