データサイエンス100本ノック（構造化データ加工編）- R Part 1 (Q1 to Q20)の解説です。

参照(Reference) : 「データサイエンティスト協会スキル定義委員」の「データサイエンス100本ノック（構造化データ加工編）」

The Data Scientist Society Github :

GitHub - The-Japan-DataScientist-Society/100knocks-preprocess: データサイエンス100本ノック（構造化データ加工編）

データサイエンス100本ノック（構造化データ加工編）. Contribute to The-Japan-DataScientist-Society/100knocks-preprocess development by creating a...

Data Science 100 Knocks (Structured Data Processing) URL :

100knocks-preprocess/docker/work/answer/ans_preprocess_knock_Python.ipynb at master · The-Japan-DataScientist-Society/100knocks-preprocess

データサイエンス100本ノック（構造化データ加工編）. Contribute to The-Japan-DataScientist-Society/100knocks-preprocess development by creating a...

はじめに

初めに以下のセルを実行してください
必要なライブラリのインポートとデータベース（PostgreSQL）からのデータ読み込みを行います
利用が想定されるライブラリは以下セルでインポートしています
その他利用したいライブラリがあればinstall.packages()で適宜インストールしてください
名前、住所等はダミーデータであり、実在するものではありません

In [ ]:

require("RPostgreSQL") 
require("tidyr") 
require("dplyr") 
require("stringr") 
require("caret") 
require("lubridate") 
require("rsample") 
require("recipes") 
require("themis") 

host <- "db" 
port <- Sys.getenv()["PG_PORT"] 
dbname <- Sys.getenv()["PG_DATABASE"] 
user <- Sys.getenv()["PG_USER"] 
password <- Sys.getenv()["PG_PASSWORD"] 

con <- dbConnect(PostgreSQL(), host=host, port=port, dbname=dbname, user=user, password=password) 
df_customer <- dbGetQuery(con,"SELECT * FROM customer") 
df_category <- dbGetQuery(con,"SELECT * FROM category") 
df_product <- dbGetQuery(con,"SELECT * FROM product") 
df_receipt <- dbGetQuery(con,"SELECT * FROM receipt") 
df_store <- dbGetQuery(con,"SELECT * FROM store") 
df_geocode <- dbGetQuery(con,"SELECT * FROM geocode")

Loading required package: RPostgreSQL

Loading required package: DBI

Loading required package: tidyr

Loading required package: dplyr


Attaching package: ‘dplyr’


The following objects are masked from ‘package:stats’:

    filter, lag


The following objects are masked from ‘package:base’:

    intersect, setdiff, setequal, union


Loading required package: stringr

Loading required package: caret

Loading required package: ggplot2

Loading required package: lattice

Loading required package: lubridate


Attaching package: ‘lubridate’


The following objects are masked from ‘package:base’:

    date, intersect, setdiff, union


Loading required package: rsample

Loading required package: recipes


Attaching package: ‘recipes’


The following object is masked from ‘package:stringr’:

    fixed


The following object is masked from ‘package:stats’:

    step


Loading required package: themis

Registered S3 methods overwritten by 'themis':
  method                  from   
  bake.step_downsample    recipes
  bake.step_upsample      recipes
  prep.step_downsample    recipes
  prep.step_upsample      recipes
  tidy.step_downsample    recipes
  tidy.step_upsample      recipes
  tunable.step_downsample recipes
  tunable.step_upsample   recipes


Attaching package: ‘themis’


The following objects are masked from ‘package:recipes’:

    step_downsample, step_upsample

演習問題

R-001: レシート明細データ（df_receipt）から全項目の先頭10件を表示し、どのようなデータを保有しているか目視で確認せよ。

In [2]:

head(df_receipt, n = 10)

A data.frame: 10 × 9

	sales_ymd	sales_epoch	store_cd	receipt_no	receipt_sub_no	customer_id	product_cd	quantity	amount
	<int>	<int>	<chr>	<int>	<int>	<chr>	<chr>	<int>	<int>
1	20181103	1541203200	S14006	112	1	CS006214000001	P070305012	1	158
2	20181118	1542499200	S13008	1132	2	CS008415000097	P070701017	1	81
3	20170712	1499817600	S14028	1102	1	CS028414000014	P060101005	1	170
4	20190205	1549324800	S14042	1132	1	ZZ000000000000	P050301001	1	25
5	20180821	1534809600	S14025	1102	2	CS025415000050	P060102007	1	90
6	20190605	1559692800	S13003	1112	1	CS003515000195	P050102002	1	138
7	20181205	1543968000	S14024	1102	2	CS024514000042	P080101005	1	30
8	20190922	1569110400	S14040	1102	1	CS040415000178	P070501004	1	128
9	20170504	1493856000	S13020	1112	2	ZZ000000000000	P071302010	1	770
10	20191010	1570665600	S14027	1102	1	CS027514000015	P071101003	1	680

解説:

head(df_receipt, n = 10)というコードは、df_receiptというデータフレームの最初の10行を表示するために使用されています。

Rでは、データフレームは、各列が数値、文字、因子などの異なるデータ型を持つことができる表のような構造です。構造化された形式でデータを保存し、操作するためによく使用されます。

Rのhead()関数は、データフレームの最初の数行を表示するために使用されます。デフォルトでは、データフレームの最初の6行が表示されます。しかし、n引数で表示する行数を指定することができる。この場合、n = 10は、df_receiptデータ・フレームの最初の10行を表示するために使用されます。

したがって、このコードが実行されると、出力にはdf_receiptデータ・フレームの最初の10行が表示されます。

R-002: レシート明細データ（df_receipt）から売上年月日（sales_ymd）、顧客ID（customer_id）、商品コード（product_cd）、売上金額（amount）の順に列を指定し、10件表示せよ。

In [3]:

head(df_receipt[c("sales_ymd", "customer_id", "product_cd", "amount")], n = 10)

A data.frame: 10 × 4

	sales_ymd	customer_id	product_cd	amount
	<int>	<chr>	<chr>	<int>
1	20181103	CS006214000001	P070305012	158
2	20181118	CS008415000097	P070701017	81
3	20170712	CS028414000014	P060101005	170
4	20190205	ZZ000000000000	P050301001	25
5	20180821	CS025415000050	P060102007	90
6	20190605	CS003515000195	P050102002	138
7	20181205	CS024514000042	P080101005	30
8	20190922	CS040415000178	P070501004	128
9	20170504	ZZ000000000000	P071302010	770
10	20191010	CS027514000015	P071101003	680

解説:

head(df_receipt[c("sales_ymd", "customer_id", "product_cd", "amount")], n = 10) というコードは、df_receipt というデータフレームの最初の10行を表示するのに使われますが、"sales_ymd", "customer_id", "product_cd", "amount" の列だけを表示します。

Rでは、データフレームは、各列が数値、文字、因子などの異なるデータ型を持つことができるテーブルのような構造です。構造化された形式でデータを保存し、操作するためによく使用されます。

Rのhead()関数は、データフレームの最初の数行を表示するために使用されます。デフォルトでは、データフレームの最初の6行が表示されます。しかし、n 引数を使用して、表示する行数を指定することができます。

この場合、df_receipt[c("sales_ymd", "customer_id", "product_cd", "amount")] は、df_receipt データフレームをサブセットして、列 "sales_ymd", "customer_id", "product_cd", "amount" のみを選択するのに使用されています。c()関数は、列名をベクトルに連結するために使用されます。

したがって、このコードを実行すると、df_receiptデータフレームの最初の10行が出力されますが、"sales_ymd", "customer_id", "product_cd", "amount "の列のみが表示されます。これは、大きなデータフレームを扱うときに、カラムのサブセットにのみ焦点を当てる必要がある場合に便利です。

R-003: レシート明細データ（df_receipt）から売上年月日（sales_ymd）、顧客ID（customer_id）、商品コード（product_cd）、売上金額（amount）の順に列を指定し、10件表示せよ。ただし、sales_ymdsales_dateに項目名を変更しながら抽出すること。

In [4]:

head(rename(df_receipt[c("sales_ymd", "customer_id", "product_cd", "amount")], sales_date = sales_ymd), n = 10)

A data.frame: 10 × 4

	sales_date	customer_id	product_cd	amount
	<int>	<chr>	<chr>	<int>
1	20181103	CS006214000001	P070305012	158
2	20181118	CS008415000097	P070701017	81
3	20170712	CS028414000014	P060101005	170
4	20190205	ZZ000000000000	P050301001	25
5	20180821	CS025415000050	P060102007	90
6	20190605	CS003515000195	P050102002	138
7	20181205	CS024514000042	P080101005	30
8	20190922	CS040415000178	P070501004	128
9	20170504	ZZ000000000000	P071302010	770
10	20191010	CS027514000015	P071101003	680

解説:

head(rename(df_receipt[c("sales_ymd", "customer_id", "product_cd", "amount")], sales_date = sales_ymd), n = 10) というコードは、df_receipt というデータフレームの最初の10行を表示するために使用しますが、列 "sales_ymd", "customer_id", "product_cd" および "amount" だけを見せて、列 "sales_ymd" を "sales_date" に名前を変えています。

Rでは、データフレームは、各列が数値、文字、因子などの異なるデータ型を持つことができるテーブルのような構造である。構造化された形式でデータを保存し、操作するためによく使用されます。

Rのhead()関数は、データフレームの最初の数行を表示するために使用されます。デフォルトでは、データフレームの最初の6行が表示されます。しかし、引数nで表示する行数を指定することができます。

Rのrename()関数は、データフレーム内の列の名前を変更するために使用されます。この場合、"sales_ymd "という列を "sales_date "にリネームするために使用されます。

このコードでは、df_receipt[c("sales_ymd", "customer_id", "product_cd", "amount")] を使って、df_receipt データフレームをサブセットして、列 "sales_ymd", "customer_id", "product_cd", "amount" のみを選択しています。c()関数は、列名をベクトルに連結するために使用される。

次に、rename(data_frame, new_column_name = old_column_name) という構文で、サブセットされたデータフレームに rename() 関数が適用されます。その結果、df_receipt[c("sales_ymd", "customer_id", "product_cd", "amount")] と同じ行と列を持つデータフレームになりますが、列 "sales_ymd" は "sales_date" に改名されています。

最後に、名前を変更したデータフレームにhead()関数を適用して、最初の10行を表示します。

したがって、このコードを実行すると、出力にはdf_receiptデータフレームの最初の10行が表示されますが、列 "sales_date", "customer_id", "product_cd", "amount "のみ表示され、列 "sales_ymd "は "sales_date "に変更されます。

R-004: レシート明細データ（df_receipt）から売上日（sales_ymd）、顧客ID（customer_id）、商品コード（product_cd）、売上金額（amount）の順に列を指定し、以下の条件を満たすデータを抽出せよ。

顧客ID（customer_id）が”CS018205000001″

In [5]:

df_receipt[c("sales_ymd", "customer_id", "product_cd", "amount")] %>% filter(customer_id == "CS018205000001")

A data.frame: 12 × 4

sales_ymd	customer_id	product_cd	amount
<int>	<chr>	<chr>	<int>
20180911	CS018205000001	P071401012	2200
20180414	CS018205000001	P060104007	600
20170614	CS018205000001	P050206001	990
20170614	CS018205000001	P060702015	108
20190216	CS018205000001	P071005024	102
20180414	CS018205000001	P071101002	278
20190226	CS018205000001	P070902035	168
20190924	CS018205000001	P060805001	495
20190226	CS018205000001	P071401020	2200
20180911	CS018205000001	P071401005	1100
20190216	CS018205000001	P040101002	218
20190924	CS018205000001	P091503001	280

解説:

df_receipt[c("sales_ymd", "customer_id", "product_cd", "amount")] %>% filter(customer_id == "CS018205000001") というコードを使って、df_receipt データフレームをサブセットして "sales_ymd" 列のみを選択します。"customer_id"、"product_cd"、"amount "の3つのカラムを持つデータフレームを作成し、"customer_id "カラムが "CS018205000001 "と同じ行のみを含むようにフィルターします。

Rでは、データフレームはテーブルのような構造で、各カラムは数値、文字、因子など異なるデータ型を持つことができます。構造化された形式でデータを保存し、操作するためによく使用されます。

Rの%>%演算子はパイプ演算子と呼ばれ、複数の関数を連鎖させて1つの式にするのに使われます。この例では、df_receipt[c("sales_ymd", "customer_id", "product_cd", "amount")] の出力を filter() 関数に渡すために使用されています。

Rのfilter()関数は、データフレームから特定の条件を満たす行を選択するために使用されます。この場合、"customer_id "カラムが "CS018205000001 "と等しい行のみを含むようにデータフレームをフィルタリングするために使用されます。

したがって、このコードを実行すると、"sales_ymd", "customer_id", "product_cd", "amount "のカラムのみを含み、"customer_id" カラムが "CS018205000001" と同じ行のみを含むデータフレームを出力します。これは、大きなデータフレームを分析するときに、特定の条件を満たす行のサブセットにのみ焦点を当てる必要がある場合に便利です。

R-005: レシート明細データ（df_receipt）から売上日（sales_ymd）、顧客ID（customer_id）、商品コード（product_cd）、売上金額（amount）の順に列を指定し、以下の全ての条件を満たすデータを抽出せよ。

顧客ID（customer_id）が”CS018205000001″

売上金額（amount）が1,000以上

In [6]:

df_receipt[c("sales_ymd", "customer_id", "product_cd", "amount")] %>% filter(customer_id == "CS018205000001" & amount >= 1000)

A data.frame: 3 × 4

sales_ymd	customer_id	product_cd	amount
<int>	<chr>	<chr>	<int>
20180911	CS018205000001	P071401012	2200
20190226	CS018205000001	P071401020	2200
20180911	CS018205000001	P071401005	1100

解説:

df_receipt[c("sales_ymd", "customer_id", "product_cd", "amount")] %>% filter(customer_id == "CS018205000001" & amount >= 1000) というコードを使って、df_receipt データフレームをサブセットして、列 "sales_ymd" だけを選択します。"customer_id"、"product_cd"、"amount "の3つのデータフレームを作成し、"customer_id "列が "CS018205000001"、"amount "列が1000以上の行のみを含むようにフィルターをかける。

Rでは、データフレームはテーブルのような構造で、各カラムは数値、文字、因子など異なるデータ型を持つことができます。構造化された形式でデータを保存し、操作するためによく使用されます。

Rの%>%演算子はパイプ演算子と呼ばれ、複数の関数を連鎖させて1つの式にするのに使われます。この例では、df_receipt[c("sales_ymd", "customer_id", "product_cd", "amount")] の出力を filter() 関数に渡すために使用されています。

Rのfilter()関数は、データフレームから特定の条件を満たす行を選択するために使用されます。この場合、"customer_id" 列が "CS018205000001" と等しく、かつ "amount" 列が 1000 以上の行のみを含むようにデータフレームをフィルターするために使用されます。2つの条件を組み合わせるには、&演算子が使用されます。

したがって、このコードを実行すると、"sales_ymd", "customer_id", "product_cd", "amount "のカラムのみを含むデータフレームが出力され、"customer_id" カラムが "CS018205000001" と等しく "amount" カラムが 1000 以上の行のみが含まれます。これは、大きなデータフレームを分析するときに、特定の条件を満たす行のサブセットにのみ焦点を当てる必要がある場合に便利です。

R-006: レシート明細データ（df_receipt）から売上日（sales_ymd）、顧客ID（customer_id）、商品コード（product_cd）、売上数量（quantity）、売上金額（amount）の順に列を指定し、以下の全ての条件を満たすデータを抽出せよ。

顧客ID（customer_id）が”CS018205000001″

売上金額（amount）が1,000以上または売上数量（quantity）が5以上

In [7]:

df_receipt[c("sales_ymd", "customer_id", "product_cd", "quantity", "amount")] %>% filter(customer_id == "CS018205000001" & (amount >= 1000 | quantity >= 5))

A data.frame: 5 × 5

sales_ymd	customer_id	product_cd	quantity	amount
<int>	<chr>	<chr>	<int>	<int>
20180911	CS018205000001	P071401012	1	2200
20180414	CS018205000001	P060104007	6	600
20170614	CS018205000001	P050206001	5	990
20190226	CS018205000001	P071401020	1	2200
20180911	CS018205000001	P071401005	1	1100

解説:

df_receipt[c("sales_ymd", "customer_id", "product_cd", "quantity", "amount")] %>% filter(customer_id == "CS018205000001" & (amount >= 1000 | quantity >= 5)) というコードを使用して、df_receipt データフレームをサブセットして、列 "sales_ymd", "customer_id", "product_cd" のみ選択します。"quantity"、"amount "の3つのデータフレームを作成し、"customer_id "カラムが "CS018205000001 "と等しく、"amount "カラムが1000以上か、"quantity "カラムが5以上となる行のみを含むようにフィルターします。

Rでは、データフレームは、各列が数値、文字、因子などの異なるデータ型を持つことができる表のような構造です。構造化されたフォーマットでデータを保存し、操作するためによく使われます。

Rの%>%演算子はパイプ演算子と呼ばれ、複数の関数を連鎖させて1つの式にするのに使われます。この例では、df_receipt[c("sales_ymd", "customer_id", "product_cd", "quantity", "amount")] の出力を filter() 関数に渡すために使用されています。

Rのfilter()関数は、データフレームから特定の条件を満たす行を選択するために使用されます。この場合、"customer_id" カラムが "CS018205000001" と等しく、かつ "amount" カラムが 1000 以上または "quantity" カラムが 5 以上の行のみを含むようにデータフレームをフィルターするために使用されます。2つの条件を組み合わせるには&演算子が、OR条件を指定するには｜演算子が使用されます。

したがって、このコードを実行すると、「sales_ymd」「customer_id」「product_cd」「quantity」「amount」の列のみを含むデータフレームが出力され、「customer_id」列が「CS018205000001」と同じで「umount」列が1000以上または「quantity」列が5以上ある行のみが含まれます。これは、大きなデータフレームを分析するときに、特定の条件を満たす行のサブセットにのみ焦点を当てる必要がある場合に便利です。

R-007: レシート明細データ（df_receipt）から売上日（sales_ymd）、顧客ID（customer_id）、商品コード（product_cd）、売上金額（amount）の順に列を指定し、以下の全ての条件を満たすデータを抽出せよ。

顧客ID（customer_id）が”CS018205000001″

売上金額（amount）が1,000以上2,000以下

In [8]:

df_receipt[c("sales_ymd", "customer_id", "product_cd", "amount")] %>% filter(customer_id == "CS018205000001" & between(amount, 1000, 2000))

A data.frame: 1 × 4

sales_ymd	customer_id	product_cd	amount
<int>	<chr>	<chr>	<int>
20180911	CS018205000001	P071401005	1100

解説:

このコードは、Rのdplyrパッケージを使って、df_receiptというデータフレームを操作しています。以下、コードの内訳です。

df_receipt[c("sales_ymd", "customer_id", "product_cd", "amount")]: これは、df_receiptデータフレームを、"sales_ymd", "customer_id", "product_cd", "amount "のカラムのみを含むようにサブセットしています。

%>%: これはdplyrのパイプ演算子で、複数のデータ操作関数を連結することができます。

filter(customer_id == "CS018205000001" & between(amount, 1000, 2000)): これは、顧客IDが "CS018205000001 "で、金額が1000から2000の間の行だけを含むように、データフレームをフィルタリングしています。

つまり、このコードは、df_receipt データフレームをサブセットして、"sales_ymd", "customer_id", "product_cd", "amount" 列のみを含むようにし、得られたデータフレームを、顧客 ID が "CS018205000001" で金額が 1000 から 2000 までの行のみを含むようにフィルタリングしていることになる。

R-008: レシート明細データ（df_receipt）から売上日（sales_ymd）、顧客ID（customer_id）、商品コード（product_cd）、売上金額（amount）の順に列を指定し、以下の全ての条件を満たすデータを抽出せよ。

顧客ID（customer_id）が”CS018205000001″

商品コード（product_cd）が”P071401019″以外

In [9]:

df_receipt[c("sales_ymd", "customer_id", "product_cd", "amount")] %>% filter(customer_id == "CS018205000001" & product_cd != "P071401019")

A data.frame: 12 × 4

sales_ymd	customer_id	product_cd	amount
<int>	<chr>	<chr>	<int>
20180911	CS018205000001	P071401012	2200
20180414	CS018205000001	P060104007	600
20170614	CS018205000001	P050206001	990
20170614	CS018205000001	P060702015	108
20190216	CS018205000001	P071005024	102
20180414	CS018205000001	P071101002	278
20190226	CS018205000001	P070902035	168
20190924	CS018205000001	P060805001	495
20190226	CS018205000001	P071401020	2200
20180911	CS018205000001	P071401005	1100
20190216	CS018205000001	P040101002	218
20190924	CS018205000001	P091503001	280

解説:

このコードは、Rのdplyrパッケージを使って、df_receiptというデータフレームを操作しています。以下、コードの内訳です。

df_receipt[c("sales_ymd", "customer_id", "product_cd", "amount")]: これは、df_receiptデータフレームを、"sales_ymd", "customer_id", "product_cd", "amount "のカラムのみを含むようにサブセットしています。

%>%: これはdplyrのパイプ演算子で、複数のデータ操作関数を連結することができます。

filter(customer_id == "CS018205000001" & product_cd != "P071401019"): これは、顧客IDが "CS018205000001 "で、商品コードが "P0714019 "と等しくない行のみを含むようにデータフレームをフィルタリングしています。

つまり、このコードはdf_receiptデータフレームをサブセットして、列 "sales_ymd", "customer_id", "product_cd", "amount "のみを含むようにし、得られたデータフレームを顧客IDが "CS0182050001 "で商品コードが "P0714019 "と同じではない行のみを含むようにフィルターにかけていることになる。

R-009: 以下の処理において、出力結果を変えずにORをANDに書き換えよ。

df_store %>% filter(!(prefecture_cd == "13" | floor_area > 900))

In [10]:

df_store %>% filter(prefecture_cd != "13" & floor_area <= 900)

A data.frame: 3 × 10

store_cd	store_name	prefecture_cd	prefecture	address	address_kana	tel_no	longitude	latitude	floor_area
<chr>	<chr>	<chr>	<chr>	<chr>	<chr>	<chr>	<dbl>	<dbl>	<dbl>
S14046	北山田店	14	神奈川県	神奈川県横浜市都筑区北山田一丁目	カナガワケンヨコハマシツヅキクキタヤマタイッチョウメ	045-123-4049	139.5916	35.56189	831
S14011	日吉本町店	14	神奈川県	神奈川県横浜市港北区日吉本町四丁目	カナガワケンヨコハマシコウホククヒヨシホンチョウヨンチョウメ	045-123-4033	139.6316	35.54655	890
S12013	習志野店	12	千葉県	千葉県習志野市芝園一丁目	チバケンナラシノシシバゾノイッチョウメ	047-123-4002	140.0220	35.66122	808

解説:

このコードは、Rのdplyrパッケージを使って、df_storeというデータフレームを操作しています。以下、コードの内訳です。

%>%: これはdplyrのパイプ演算子で、複数のデータ操作関数を連結することができる。

filter(prefecture_cd != "13" & floor_area <= 900): これは、都道府県コードが "13 "でなく、床面積が900以下である行だけを含むようにデータフレームをフィルタリングしています。

つまり、このコードはdf_storeデータフレームをフィルタリングして、都道府県コードが "13 "でなく、床面積が900以下である行のみを含むようにしています。

R-010: 店舗データ（df_store）から、店舗コード（store_cd）が”S14″で始まるものだけ全項目抽出し、10件表示せよ。

In [11]:

head(df_store %>% filter(startsWith(store_cd, "S14")), n = 10)

A data.frame: 10 × 10

	store_cd	store_name	prefecture_cd	prefecture	address	address_kana	tel_no	longitude	latitude	floor_area
	<chr>	<chr>	<chr>	<chr>	<chr>	<chr>	<chr>	<dbl>	<dbl>	<dbl>
1	S14010	菊名店	14	神奈川県	神奈川県横浜市港北区菊名一丁目	カナガワケンヨコハマシコウホククキクナイッチョウメ	045-123-4032	139.6326	35.50049	1732
2	S14033	阿久和店	14	神奈川県	神奈川県横浜市瀬谷区阿久和西一丁目	カナガワケンヨコハマシセヤクアクワニシイッチョウメ	045-123-4043	139.4961	35.45918	1495
3	S14036	相模原中央店	14	神奈川県	神奈川県相模原市中央二丁目	カナガワケンサガミハラシチュウオウニチョウメ	042-123-4045	139.3716	35.57327	1679
4	S14040	長津田店	14	神奈川県	神奈川県横浜市緑区長津田みなみ台五丁目	カナガワケンヨコハマシミドリクナガツタミナミダイゴチョウメ	045-123-4046	139.4994	35.52398	1548
5	S14050	阿久和西店	14	神奈川県	神奈川県横浜市瀬谷区阿久和西一丁目	カナガワケンヨコハマシセヤクアクワニシイッチョウメ	045-123-4053	139.4961	35.45918	1830
6	S14028	二ツ橋店	14	神奈川県	神奈川県横浜市瀬谷区二ツ橋町	カナガワケンヨコハマシセヤクフタツバシチョウ	045-123-4042	139.4963	35.46304	1574
7	S14012	本牧和田店	14	神奈川県	神奈川県横浜市中区本牧和田	カナガワケンヨコハマシナカクホンモクワダ	045-123-4034	139.6582	35.42156	1341
8	S14046	北山田店	14	神奈川県	神奈川県横浜市都筑区北山田一丁目	カナガワケンヨコハマシツヅキクキタヤマタイッチョウメ	045-123-4049	139.5916	35.56189	831
9	S14022	逗子店	14	神奈川県	神奈川県逗子市逗子一丁目	カナガワケンズシシズシイッチョウメ	046-123-4036	139.5789	35.29642	1838
10	S14011	日吉本町店	14	神奈川県	神奈川県横浜市港北区日吉本町四丁目	カナガワケンヨコハマシコウホククヒヨシホンチョウヨンチョウメ	045-123-4033	139.6316	35.54655	890

解説:

このコードは、Rのdplyrパッケージを使って、df_storeというデータフレームを操作しています。以下、コードの内訳を説明します。

df_storeです。これは、使用されているデータフレームです。

%>%: これはdplyrのパイプ演算子で、複数のデータ操作関数を連結することができる。

filter(startsWith(store_cd, "S14")): store_cd列が "S14 "で始まる行のみを含むようにデータフレームをフィルタリングしています。

head(., n = 10): head()関数を使用して、結果のデータフレームの最初の10行を選択しています。

つまり、このコードは、df_storeデータフレームをフィルタリングして、store_cdカラムが "S14 "で始まる行のみを含むようにし、head()関数を使用して、結果のデータフレームの最初の10行を選択しています。

R-011: 顧客データ（df_customer）から顧客ID（customer_id）の末尾が1のものだけ全項目抽出し、10件表示せよ。

In [12]:

head(df_customer %>% filter(endsWith(customer_id, "1")), n = 10)

A data.frame: 10 × 11

	customer_id	customer_name	gender_cd	gender	birth_day	age	postal_cd	address	application_store_cd	application_date	status_cd
	<chr>	<chr>	<chr>	<chr>	<date>	<int>	<chr>	<chr>	<chr>	<chr>	<chr>
1	CS037613000071	六角雅彦	9	不明	1952-04-01	66	136-0076	東京都江東区南砂**********	S13037	20150414	0-00000000-0
2	CS028811000001	堀井かおり	1	女性	1933-03-27	86	245-0016	神奈川県横浜市泉区和泉町**********	S14028	20160115	0-00000000-0
3	CS040412000191	川井郁恵	1	女性	1977-01-05	42	226-0021	神奈川県横浜市緑区北八朔町**********	S14040	20151101	1-20091025-4
4	CS028314000011	小菅あおい	1	女性	1983-11-26	35	246-0038	神奈川県横浜市瀬谷区宮沢**********	S14028	20151123	1-20080426-5
5	CS039212000051	藤島恵梨香	1	女性	1997-02-03	22	166-0001	東京都杉並区阿佐谷北**********	S13039	20171121	1-20100215-4
6	CS015412000111	松居奈月	1	女性	1972-10-04	46	136-0071	東京都江東区亀戸**********	S13015	20150629	0-00000000-0
7	CS004702000041	野島洋	0	男性	1943-08-24	75	176-0022	東京都練馬区向山**********	S13004	20170218	0-00000000-0
8	CS041515000001	栗田千夏	1	女性	1967-01-02	52	206-0001	東京都多摩市和田**********	S13041	20160422	E-20100803-F
9	CS029313000221	北条ひかり	1	女性	1987-06-19	31	279-0011	千葉県浦安市美浜**********	S12029	20180810	0-00000000-0
10	CS034312000071	望月奈央	1	女性	1980-09-20	38	213-0026	神奈川県川崎市高津区久末**********	S14034	20160106	0-00000000-0

解説:

このコードは、Rのdplyrパッケージを使って、df_customerというデータフレームを操作しています。以下、コードの内訳です。

df_customer: df_customer：これは使用されているデータフレームです。

%>%: これはdplyrのパイプ演算子で、複数のデータ操作関数を連結することができる。

filter(endsWith(customer_id, "1"))。customer_idカラムの末尾が "1 "の行のみを含むようにデータフレームをフィルタリングしています。

head(., n = 10): head()関数を使用して、結果のデータフレームの最初の10行を選択しています。

つまり、このコードは、df_customerデータフレームをフィルタリングして、customer_idカラムが "1 "で終わる行のみを含むようにし、head()関数を使用して結果のデータフレームの最初の10行を選択していることになります。

R-012: 店舗データ（df_store）から、住所 (address) に”横浜市”が含まれるものだけ全項目表示せよ。

In [13]:

df_store %>% filter(grepl("横浜市", address))

A data.frame: 11 × 10

store_cd	store_name	prefecture_cd	prefecture	address	address_kana	tel_no	longitude	latitude	floor_area
<chr>	<chr>	<chr>	<chr>	<chr>	<chr>	<chr>	<dbl>	<dbl>	<dbl>
S14010	菊名店	14	神奈川県	神奈川県横浜市港北区菊名一丁目	カナガワケンヨコハマシコウホククキクナイッチョウメ	045-123-4032	139.6326	35.50049	1732
S14033	阿久和店	14	神奈川県	神奈川県横浜市瀬谷区阿久和西一丁目	カナガワケンヨコハマシセヤクアクワニシイッチョウメ	045-123-4043	139.4961	35.45918	1495
S14040	長津田店	14	神奈川県	神奈川県横浜市緑区長津田みなみ台五丁目	カナガワケンヨコハマシミドリクナガツタミナミダイゴチョウメ	045-123-4046	139.4994	35.52398	1548
S14050	阿久和西店	14	神奈川県	神奈川県横浜市瀬谷区阿久和西一丁目	カナガワケンヨコハマシセヤクアクワニシイッチョウメ	045-123-4053	139.4961	35.45918	1830
S14028	二ツ橋店	14	神奈川県	神奈川県横浜市瀬谷区二ツ橋町	カナガワケンヨコハマシセヤクフタツバシチョウ	045-123-4042	139.4963	35.46304	1574
S14012	本牧和田店	14	神奈川県	神奈川県横浜市中区本牧和田	カナガワケンヨコハマシナカクホンモクワダ	045-123-4034	139.6582	35.42156	1341
S14046	北山田店	14	神奈川県	神奈川県横浜市都筑区北山田一丁目	カナガワケンヨコハマシツヅキクキタヤマタイッチョウメ	045-123-4049	139.5916	35.56189	831
S14011	日吉本町店	14	神奈川県	神奈川県横浜市港北区日吉本町四丁目	カナガワケンヨコハマシコウホククヒヨシホンチョウヨンチョウメ	045-123-4033	139.6316	35.54655	890
S14048	中川中央店	14	神奈川県	神奈川県横浜市都筑区中川中央二丁目	カナガワケンヨコハマシツヅキクナカガワチュウオウニチョウメ	045-123-4051	139.5758	35.54912	1657
S14042	新山下店	14	神奈川県	神奈川県横浜市中区新山下二丁目	カナガワケンヨコハマシナカクシンヤマシタニチョウメ	045-123-4047	139.6593	35.43894	1044
S14006	葛が谷店	14	神奈川県	神奈川県横浜市都筑区葛が谷	カナガワケンヨコハマシツヅキククズガヤ	045-123-4031	139.5633	35.53573	1886

解説:

このコードは、Rのdplyrパッケージを使って、df_storeというデータフレームを操作しています。以下、コードの内訳を説明します。

df_storeです。これは、使用されているデータフレームです。

%>%: これはdplyrのパイプ演算子で、複数のデータ操作関数を連結することができる。

filter(grepl("横浜市", address)): 住所欄に「横浜市」という文字列が含まれる行だけを含むように、データフレームをフィルタリングしています。grepl()関数は、address列の各要素にパターン "横浜市 "があるかどうかを示す論理ベクトルを返します。

つまり、このコードはdf_storeデータフレームをフィルタリングして、アドレスカラムに "横浜市 "という文字列が含まれる行のみを含むようにしているのです。

R-013: 顧客データ（df_customer）から、ステータスコード（status_cd）の先頭がアルファベットのA〜Fで始まるデータを全項目抽出し、10件表示せよ。

In [14]:

head(df_customer %>% filter(grepl("^[A-F]", status_cd)), n = 10)

A data.frame: 10 × 11

	customer_id	customer_name	gender_cd	gender	birth_day	age	postal_cd	address	application_store_cd	application_date	status_cd
	<chr>	<chr>	<chr>	<chr>	<date>	<int>	<chr>	<chr>	<chr>	<chr>	<chr>
1	CS031415000172	宇多田貴美子	1	女性	1976-10-04	42	151-0053	東京都渋谷区代々木**********	S13031	20150529	D-20100325-C
2	CS015414000103	奥野陽子	1	女性	1977-08-09	41	136-0073	東京都江東区北砂**********	S13015	20150722	B-20100609-B
3	CS011215000048	芦田沙耶	1	女性	1992-02-01	27	223-0062	神奈川県横浜市港北区日吉本町**********	S14011	20150228	C-20100421-9
4	CS029415000023	梅田里穂	1	女性	1976-01-17	43	279-0043	千葉県浦安市富士見**********	S12029	20150610	D-20100918-E
5	CS035415000029	寺沢真希	9	不明	1977-09-27	41	158-0096	東京都世田谷区玉川台**********	S13035	20141220	F-20101029-F
6	CS031415000106	宇野由美子	1	女性	1970-02-26	49	151-0053	東京都渋谷区代々木**********	S13031	20150201	F-20100511-E
7	CS029215000025	石倉美帆	1	女性	1993-09-28	25	279-0022	千葉県浦安市今川**********	S12029	20150708	B-20100820-C
8	CS033605000005	猪股雄太	0	男性	1955-12-05	63	246-0031	神奈川県横浜市瀬谷区瀬谷**********	S14033	20150425	F-20100917-E
9	CS033415000229	板垣菜々美	1	女性	1977-11-07	41	246-0021	神奈川県横浜市瀬谷区二ツ橋町**********	S14033	20150712	F-20100326-E
10	CS008415000145	黒谷麻緒	1	女性	1977-06-27	41	157-0067	東京都世田谷区喜多見**********	S13008	20150829	F-20100622-F

解説:

このコードは、Rのdplyrパッケージを使って、df_customerというデータフレームを操作しています。以下、コードの内訳です。

df_customer: df_customer：これは使用されているデータフレームです。

%>%: これはdplyrのパイプ演算子で、複数のデータ操作関数を連結することができる。

filter(grepl("^[A-F]", status_cd)): これは、status_cd列がA、B、C、D、E、Fの文字で始まる行だけを含むようにデータフレームをフィルタリングしている。grepl()関数は、正規表現「^[A-F]」がstatus_cd列のそれぞれの要素にマッチするかどうかを示す論理ベクトルを返す。正規表現"^[A-F]"は、A、B、C、D、EまたはFで始まるすべての文字列にマッチする。

head(., n = 10): これは、head()関数を使用して、結果のデータフレームの最初の10行を選択しています。

つまり、このコードは、df_customerデータフレームをフィルタリングして、status_cdカラムがA、B、C、D、E、Fで始まる行のみを含むようにし、head()関数を使用して結果のデータフレームの最初の10行を選択しているのです。

R-014: 顧客データ（df_customer）から、ステータスコード（status_cd）の末尾が数字の1〜9で終わるデータを全項目抽出し、10件表示せよ。

In [15]:

head(df_customer %>% filter(grepl("[1-9]$", status_cd)), n = 10)

A data.frame: 10 × 11

	customer_id	customer_name	gender_cd	gender	birth_day	age	postal_cd	address	application_store_cd	application_date	status_cd
	<chr>	<chr>	<chr>	<chr>	<date>	<int>	<chr>	<chr>	<chr>	<chr>	<chr>
1	CS001215000145	田崎美紀	1	女性	1995-03-29	24	144-0055	東京都大田区仲六郷**********	S13001	20170605	6-20090929-2
2	CS033513000180	安斎遥	1	女性	1962-07-11	56	241-0823	神奈川県横浜市旭区善部町**********	S14033	20150728	6-20080506-5
3	CS011215000048	芦田沙耶	1	女性	1992-02-01	27	223-0062	神奈川県横浜市港北区日吉本町**********	S14011	20150228	C-20100421-9
4	CS040412000191	川井郁恵	1	女性	1977-01-05	42	226-0021	神奈川県横浜市緑区北八朔町**********	S14040	20151101	1-20091025-4
5	CS009315000023	皆川文世	1	女性	1980-04-15	38	154-0012	東京都世田谷区駒沢**********	S13009	20150319	5-20080322-1
6	CS015315000033	福士璃奈子	1	女性	1983-03-17	36	135-0043	東京都江東区塩浜**********	S13015	20141024	4-20080219-3
7	CS023513000066	神戸そら	1	女性	1961-12-17	57	210-0005	神奈川県川崎市川崎区東田町**********	S14023	20150915	5-20100524-9
8	CS035513000134	市川美帆	1	女性	1960-03-27	59	156-0053	東京都世田谷区桜**********	S13035	20150227	8-20100711-9
9	CS001515000263	高松夏空	1	女性	1962-11-09	56	144-0051	東京都大田区西蒲田**********	S13001	20160812	1-20100804-1
10	CS040314000027	鶴田きみまろ	9	不明	1986-03-26	33	226-0027	神奈川県横浜市緑区長津田**********	S14040	20150122	2-20080426-4

解説:

このコードは、Rのdplyrパッケージを使って、df_customerというデータフレームを操作しています。以下、コードの内訳です。

df_customer:これは使用されているデータフレームです。

%>%: これはdplyrのパイプ演算子で、複数のデータ操作関数を連結することができる。

filter(grepl("[1-9]$", status_cd)): これは、status_cd列の末尾が1～9の数字である行のみを含むようにデータフレームをフィルタリングしています。grepl()関数は、正規表現「[1-9]$」がstatus_cd列の各要素に一致するかどうかを示す論理ベクトルを返す。正規表現「[1-9]$」は、1～9の数字で終わる文字列にマッチする。

head(., n = 10)を使用しています。これは、head()関数を使用して、結果のデータフレームの最初の10行を選択しています。

つまり、このコードは、df_customerデータフレームをフィルタリングして、status_cdカラムの末尾が1～9の数字である行のみを含むようにし、head()関数を使用して、結果のデータフレームの最初の10行を選択していることになります。

R-015: 顧客データ（df_customer）から、ステータスコード（status_cd）の先頭がアルファベットのA〜Fで始まり、末尾が数字の1〜9で終わるデータを全項目抽出し、10件表示せよ。

In [16]:

head(df_customer %>% filter(grepl("^[A-F].*[1-9]$", status_cd)), n = 10)

A data.frame: 10 × 11

	customer_id	customer_name	gender_cd	gender	birth_day	age	postal_cd	address	application_store_cd	application_date	status_cd
	<chr>	<chr>	<chr>	<chr>	<date>	<int>	<chr>	<chr>	<chr>	<chr>	<chr>
1	CS011215000048	芦田沙耶	1	女性	1992-02-01	27	223-0062	神奈川県横浜市港北区日吉本町**********	S14011	20150228	C-20100421-9
2	CS022513000105	島村貴美子	1	女性	1962-03-12	57	249-0002	神奈川県逗子市山の根**********	S14022	20150320	A-20091115-7
3	CS001515000096	水野陽子	9	不明	1960-11-29	58	144-0053	東京都大田区蒲田本町**********	S13001	20150614	A-20100724-7
4	CS013615000053	西脇季衣	1	女性	1953-10-18	65	261-0026	千葉県千葉市美浜区幕張西**********	S12013	20150128	B-20100329-6
5	CS020412000161	小宮薫	1	女性	1974-05-21	44	174-0042	東京都板橋区東坂下**********	S13020	20150822	B-20081021-3
6	CS001215000097	竹中あさみ	1	女性	1990-07-25	28	146-0095	東京都大田区多摩川**********	S13001	20170315	A-20100211-2
7	CS035212000007	内村恵梨香	1	女性	1990-12-04	28	152-0023	東京都目黒区八雲**********	S13035	20151013	B-20101018-6
8	CS002515000386	野田コウ	1	女性	1963-05-30	55	185-0013	東京都国分寺市西恋ケ窪**********	S13002	20160410	C-20100127-8
9	CS001615000372	稲垣寿々花	1	女性	1956-10-29	62	144-0035	東京都大田区南蒲田**********	S13001	20170403	A-20100104-1
10	CS032512000121	松井知世	1	女性	1962-09-04	56	210-0011	神奈川県川崎市川崎区富士見**********	S13032	20150727	A-20100103-5

解説:

このコードは、Rのdplyrパッケージを使って、df_customerというデータフレームを操作しています。以下、コードの内訳です。

df_customer：これは使用されているデータフレームです。

%>%: これはdplyrのパイプ演算子で、複数のデータ操作関数を連結することができる。

filter(grepl("^[A-F].*[1-9]$", status_cd)): これは、status_cd列がA、B、C、D、E、Fのいずれかの文字で始まり、1～9の数字で終わる行のみを含むようにデータフレームをフィルタリングしています。grepl() 関数は、正規表現 "^[A-F].[1-9]$" が status_cd 列の各要素に一致するかどうかを示す論理ベクトルを返す。正規表現"^[A-F].[1-9]$"は、文字A、B、C、D、E、Fで始まり、0文字以上の任意の型が続き、1〜9までの数字で終わる文字列に一致する。

head(., n = 10): これは、head()関数を使用して、結果のデータフレームの最初の10行を選択しています。

つまり、このコードは、df_customerデータフレームをフィルタリングして、status_cd列がA、B、C、D、EまたはFの文字で始まり、1～9の数字で終わる行だけを含むようにし、head()関数を使用して結果のデータフレームの最初の10行を選択していることになります。

R-016: 店舗データ（df_store）から、電話番号（tel_no）が3桁-3桁-4桁のデータを全項目表示せよ。

In [17]:

df_store %>% filter(grepl("^[0-9]{3}-[0-9]{3}-[0-9]{4}$", tel_no))

A data.frame: 34 × 10

store_cd	store_name	prefecture_cd	prefecture	address	address_kana	tel_no	longitude	latitude	floor_area
<chr>	<chr>	<chr>	<chr>	<chr>	<chr>	<chr>	<dbl>	<dbl>	<dbl>
S12014	千草台店	12	千葉県	千葉県千葉市稲毛区千草台一丁目	チバケンチバシイナゲクチグサダイイッチョウメ	043-123-4003	140.1180	35.63559	1698
S13002	国分寺店	13	東京都	東京都国分寺市本多二丁目	トウキョウトコクブンジシホンダニチョウメ	042-123-4008	139.4802	35.70566	1735
S14010	菊名店	14	神奈川県	神奈川県横浜市港北区菊名一丁目	カナガワケンヨコハマシコウホククキクナイッチョウメ	045-123-4032	139.6326	35.50049	1732
S14033	阿久和店	14	神奈川県	神奈川県横浜市瀬谷区阿久和西一丁目	カナガワケンヨコハマシセヤクアクワニシイッチョウメ	045-123-4043	139.4961	35.45918	1495
S14036	相模原中央店	14	神奈川県	神奈川県相模原市中央二丁目	カナガワケンサガミハラシチュウオウニチョウメ	042-123-4045	139.3716	35.57327	1679
S14040	長津田店	14	神奈川県	神奈川県横浜市緑区長津田みなみ台五丁目	カナガワケンヨコハマシミドリクナガツタミナミダイゴチョウメ	045-123-4046	139.4994	35.52398	1548
S14050	阿久和西店	14	神奈川県	神奈川県横浜市瀬谷区阿久和西一丁目	カナガワケンヨコハマシセヤクアクワニシイッチョウメ	045-123-4053	139.4961	35.45918	1830
S13052	森野店	13	東京都	東京都町田市森野三丁目	トウキョウトマチダシモリノサンチョウメ	042-123-4030	139.4383	35.55293	1087
S14028	二ツ橋店	14	神奈川県	神奈川県横浜市瀬谷区二ツ橋町	カナガワケンヨコハマシセヤクフタツバシチョウ	045-123-4042	139.4963	35.46304	1574
S14012	本牧和田店	14	神奈川県	神奈川県横浜市中区本牧和田	カナガワケンヨコハマシナカクホンモクワダ	045-123-4034	139.6582	35.42156	1341
S14046	北山田店	14	神奈川県	神奈川県横浜市都筑区北山田一丁目	カナガワケンヨコハマシツヅキクキタヤマタイッチョウメ	045-123-4049	139.5916	35.56189	831
S14022	逗子店	14	神奈川県	神奈川県逗子市逗子一丁目	カナガワケンズシシズシイッチョウメ	046-123-4036	139.5789	35.29642	1838
S14011	日吉本町店	14	神奈川県	神奈川県横浜市港北区日吉本町四丁目	カナガワケンヨコハマシコウホククヒヨシホンチョウヨンチョウメ	045-123-4033	139.6316	35.54655	890
S13016	小金井店	13	東京都	東京都小金井市本町一丁目	トウキョウトコガネイシホンチョウイッチョウメ	042-123-4015	139.5094	35.70018	1399
S14034	川崎野川店	14	神奈川県	神奈川県川崎市宮前区野川	カナガワケンカワサキシミヤマエクノガワ	044-123-4044	139.5998	35.57693	1318
S14048	中川中央店	14	神奈川県	神奈川県横浜市都筑区中川中央二丁目	カナガワケンヨコハマシツヅキクナカガワチュウオウニチョウメ	045-123-4051	139.5758	35.54912	1657
S12007	佐倉店	12	千葉県	千葉県佐倉市上志津	チバケンサクラシカミシヅ	043-123-4001	140.1452	35.71872	1895
S14026	辻堂西海岸店	14	神奈川県	神奈川県藤沢市辻堂西海岸二丁目	カナガワケンフジサワシツジドウニシカイガンニチョウメ	046-123-4040	139.4466	35.32464	1732
S13041	八王子店	13	東京都	東京都八王子市大塚	トウキョウトハチオウジシオオツカ	042-123-4026	139.4235	35.63787	810
S14049	川崎大師店	14	神奈川県	神奈川県川崎市川崎区中瀬三丁目	カナガワケンカワサキシカワサキクナカゼサンチョウメ	044-123-4052	139.7327	35.53759	962
S14023	川崎店	14	神奈川県	神奈川県川崎市川崎区本町二丁目	カナガワケンカワサキシカワサキクホンチョウニチョウメ	044-123-4037	139.7028	35.53599	1804
S13018	清瀬店	13	東京都	東京都清瀬市松山一丁目	トウキョウトキヨセシマツヤマイッチョウメ	042-123-4017	139.5178	35.76885	1220
S14027	南藤沢店	14	神奈川県	神奈川県藤沢市南藤沢	カナガワケンフジサワシミナミフジサワ	046-123-4041	139.4896	35.33762	1521
S14021	伊勢原店	14	神奈川県	神奈川県伊勢原市伊勢原四丁目	カナガワケンイセハラシイセハラヨンチョウメ	046-123-4035	139.3129	35.40169	962
S14047	相模原店	14	神奈川県	神奈川県相模原市千代田六丁目	カナガワケンサガミハラシチヨダロクチョウメ	042-123-4050	139.3748	35.55959	1047
S12013	習志野店	12	千葉県	千葉県習志野市芝園一丁目	チバケンナラシノシシバゾノイッチョウメ	047-123-4002	140.0220	35.66122	808
S14042	新山下店	14	神奈川県	神奈川県横浜市中区新山下二丁目	カナガワケンヨコハマシナカクシンヤマシタニチョウメ	045-123-4047	139.6593	35.43894	1044
S12030	八幡店	12	千葉県	千葉県市川市八幡三丁目	チバケンイチカワシヤワタサンチョウメ	047-123-4005	139.9240	35.72318	1162
S14025	大和店	14	神奈川県	神奈川県大和市下和田	カナガワケンヤマトシシモワダ	046-123-4039	139.4680	35.43414	1011
S14045	厚木店	14	神奈川県	神奈川県厚木市中町二丁目	カナガワケンアツギシナカチョウニチョウメ	046-123-4048	139.3651	35.44182	980
S12029	東野店	12	千葉県	千葉県浦安市東野一丁目	チバケンウラヤスシヒガシノイッチョウメ	047-123-4004	139.8968	35.65086	1101
S12053	高洲店	12	千葉県	千葉県浦安市高洲五丁目	チバケンウラヤスシタカスゴチョウメ	047-123-4006	139.9176	35.63755	1555
S14024	三田店	14	神奈川県	神奈川県川崎市多摩区三田四丁目	カナガワケンカワサキシタマクミタヨンチョウメ	044-123-4038	139.5424	35.60770	972
S14006	葛が谷店	14	神奈川県	神奈川県横浜市都筑区葛が谷	カナガワケンヨコハマシツヅキククズガヤ	045-123-4031	139.5633	35.53573	1886

解説:

このコードは、Rのdplyrパッケージを使って、df_storeというデータフレームを操作しています。以下、コードの内訳を説明します。

df_store : これは、使用されているデータフレームです。

%>%: これはdplyrのパイプ演算子で、複数のデータ操作関数を連結することができる。

filter(grepl("^[0-9]{3}-[0-9]{3}-[0-9]{4}$", tel_no)): これは、tel_noカラムが特定の電話番号形式に一致する行のみを含むようにデータフレームをフィルタリングしています。grepl()関数は、正規表現"^[0-9]{3}-[0-9]{3}-[0-9]{4}$"がtel_no列の各要素に一致するかどうかを示す論理ベクトルを返す。正規表現 "^[0-9]{3}-[0-9]{3}-[0-9]{4}$" は、3桁で始まり、ハイフンが続き、さらに3桁、ハイフンが続き、最後に4桁の文字列にマッチします。

head(.) : これは、head()関数を使用して、結果のデータフレームの最初の6行を選択しています。

つまり、このコードは、df_storeデータフレームをフィルタリングして、tel_noカラムが特定の電話番号フォーマットに一致する行のみを含むようにし、head()関数を使用して結果のデータフレームの最初の6行を選択しているのです。

R-017: 顧客データ（df_customer）を生年月日（birth_day）で高齢順にソートし、先頭から全項目を10件表示せよ。

In [18]:

head( df_customer[order(df_customer$birth_day), ], n = 10 )

A data.frame: 10 × 11

	customer_id	customer_name	gender_cd	gender	birth_day	age	postal_cd	address	application_store_cd	application_date	status_cd
	<chr>	<chr>	<chr>	<chr>	<date>	<int>	<chr>	<chr>	<chr>	<chr>	<chr>
18818	CS003813000014	村山菜々美	1	女性	1928-11-26	90	182-0007	東京都調布市菊野台**********	S13003	20160214	0-00000000-0
12329	CS026813000004	吉村朝陽	1	女性	1928-12-14	90	251-0043	神奈川県藤沢市辻堂元町**********	S14026	20150723	0-00000000-0
15683	CS018811000003	熊沢美里	1	女性	1929-01-07	90	204-0004	東京都清瀬市野塩**********	S13018	20150403	0-00000000-0
15303	CS027803000004	内村拓郎	0	男性	1929-01-12	90	251-0031	神奈川県藤沢市鵠沼藤が谷**********	S14027	20151227	0-00000000-0
1682	CS013801000003	天野拓郎	0	男性	1929-01-15	90	274-0824	千葉県船橋市前原東**********	S12013	20160120	0-00000000-0
7512	CS001814000022	鶴田里穂	1	女性	1929-01-28	90	144-0045	東京都大田区南六郷**********	S13001	20161012	A-20090415-7
2379	CS016815000002	山元美紀	1	女性	1929-02-22	90	184-0005	東京都小金井市桜町**********	S13016	20150629	C-20090923-C
4681	CS009815000003	中田里穂	1	女性	1929-04-08	89	154-0014	東京都世田谷区新町**********	S13009	20150421	D-20091021-E
6306	CS012813000013	宇野南朋	1	女性	1929-04-09	89	231-0806	神奈川県横浜市中区本牧町**********	S14012	20150712	0-00000000-0
16071	CS005813000015	金谷恵梨香	1	女性	1929-04-09	89	165-0032	東京都中野区鷺宮**********	S13005	20150506	0-00000000-0

解説:

このコードは、df_customerデータフレームをbirth_day列で昇順にソートし、head()関数を用いて結果のデータフレームの最初の10行を選択しています。以下、コードの内訳を紹介します。

df_customer: これが使用されているデータフレームです。

[order(df_customer$birth_day),] : これは、df_customerデータフレームをサブセットしてすべての列を含むようにし、birth_day列の昇順で行をソートしています。order() 関数は、birth_day 列を昇順にソートするインデックスのベクトルを返します。これらのインデックスをデータフレームの行に [ 演算子 ] で適用すると、データフレームは誕生日カラムでソートされます。

head(., n = 10): head()関数を用いて、出来上がったデータフレームの最初の10行を選択しているところです。

つまり、このコードはdf_customerデータフレームをbirth_day列で昇順にソートし、head()関数を使用して結果のデータフレームの最初の10行を選択していることになります。このコードは、df_customerデータフレームの中で最も古い顧客を素早く確認したい場合に便利です。

R-018: 顧客データ（df_customer）を生年月日（birth_day）で若い順にソートし、先頭から全項目を10件表示せよ。

In [19]:

head( df_customer[order(df_customer$birth_day, decreasing = TRUE), ], n = 10 )

A data.frame: 10 × 11

	customer_id	customer_name	gender_cd	gender	birth_day	age	postal_cd	address	application_store_cd	application_date	status_cd
	<chr>	<chr>	<chr>	<chr>	<date>	<int>	<chr>	<chr>	<chr>	<chr>	<chr>
15640	CS035114000004	大村美里	1	女性	2007-11-25	11	156-0053	東京都世田谷区桜**********	S13035	20150619	6-20091205-6
7469	CS022103000002	福山はじめ	9	不明	2007-10-02	11	249-0006	神奈川県逗子市逗子**********	S14022	20160909	0-00000000-0
10746	CS002113000009	柴田真悠子	1	女性	2007-09-17	11	184-0014	東京都小金井市貫井南町**********	S13002	20160304	0-00000000-0
19812	CS004115000014	松井京子	1	女性	2007-08-09	11	165-0031	東京都中野区上鷺宮**********	S13004	20161120	1-20081231-1
7040	CS002114000010	山内遥	1	女性	2007-06-03	11	184-0015	東京都小金井市貫井北町**********	S13002	20160920	6-20100510-1
3671	CS025115000002	小柳夏希	1	女性	2007-04-18	11	245-0018	神奈川県横浜市泉区上飯田町**********	S14025	20160116	D-20100913-D
12494	CS002113000025	広末まなみ	1	女性	2007-03-30	12	184-0015	東京都小金井市貫井北町**********	S13002	20171030	0-00000000-0
15978	CS033112000003	長野美紀	1	女性	2007-03-22	12	245-0051	神奈川県横浜市戸塚区名瀬町**********	S14033	20150606	0-00000000-0
5717	CS007115000006	福岡瞬	1	女性	2007-03-10	12	285-0845	千葉県佐倉市西志津**********	S12007	20151118	F-20101016-F
15098	CS014113000008	矢口莉緒	1	女性	2007-03-05	12	260-0041	千葉県千葉市中央区東千葉**********	S12014	20150622	3-20091108-6

解説:

このコードは、df_customerデータフレームをbirth_day列で降順にソートし、head()関数を使用して結果のデータフレームの最初の10行を選択しています。以下、コードの内訳を紹介します。

df_customer: これが使用されているデータフレームです。

[order(df_customer$birth_day, decreasing = TRUE), ]: これは、df_customer データフレームをサブセットして、すべての列を含むようにしますが、birth_day 列で行を降順にソートしています。order() 関数は、デフォルトでは birth_day 列を昇順でソートするインデックスのベクトルを返しますが、decreasing = TRUE を設定することで、代わりに降順でソートすることができます。これらのインデックスをデータフレームの行に [ 演算子 ] で適用すると、データフレームは birth_day 列で降順にソートされます。

head(., n = 10): head() : 出来上がったデータフレームの最初の10行を選択しているところです。

つまり、このコードはdf_customerデータフレームをbirth_dayカラムで降順にソートし、head()関数を使用して結果のデータフレームの最初の10行を選択していることになります。このコードは、df_customerデータフレームの中で最も若い顧客を素早く確認したい場合に便利です。

R-019: レシート明細データ（df_receipt）に対し、1件あたりの売上金額（amount）が高い順にランクを付与し、先頭から10件表示せよ。項目は顧客ID（customer_id）、売上金額（amount）、付与したランクを表示させること。なお、売上金額（amount）が等しい場合は同一順位を付与するものとする。

In [20]:

df_receipt[c("customer_id", "amount")] %>% mutate(ranking = min_rank(desc(amount))) %>% arrange(ranking) %>% slice(1:10)

A data.frame: 10 × 3

customer_id	amount	ranking
<chr>	<int>	<int>
CS011415000006	10925	1
ZZ000000000000	6800	2
CS028605000002	5780	3
CS015515000034	5480	4
ZZ000000000000	5480	4
ZZ000000000000	5480	4
ZZ000000000000	5440	7
CS021515000089	5440	7
CS015515000083	5280	9
CS017414000114	5280	9

解説:

このコードは、df_receipt データフレームから customer_id と amount という列を選択し、ranking という新しい列を追加して、取引金額による各顧客のランキングを示します（最も高い金額をランキング 1 とします）。以下、コードの内訳を紹介します。

df_receipt[c("customer_id", "amount")]: これは、df_receiptデータフレームをサブセットして、customer_idとamountカラムのみを含むようにしたものです。

%>%: これはパイプ演算子で、前の演算の出力を次の演算の入力として渡します。

mutate(ranking = min_rank(desc(amount))): これは、データフレームにrankingという新しい列を追加するもので、取引額による各顧客の順位を示しています。dplyrパッケージのmin_rank()関数は、ベクトル内の各値の最小順位を計算し、同点は任意に解消される。この関数を、マイナス（desc()関数）を取った後の金額列に対して、最高値のランクが1になるように適用することで、取引金額による顧客のランキングを得ることができます。

arrange(ranking) : データフレームをランキングの列で昇順にソートしています。

slice(1:10) : slice()関数を使用して、結果のデータフレームの上位10行を選択しています。

つまり、このコードは、df_receipt データフレームから customer_id と amount 列を選択し、ranking という新しい列を追加して、取引金額による各顧客のランキングを示し、ranking 列によってデータフレームをソートし、結果のデータフレームの上位10行を選択しています。このコードは、df_receiptデータ・フレームの取引金額による上位10人の顧客を素早く確認したい場合に便利です。

R-020: レシート明細データ（df_receipt）に対し、1件あたりの売上金額（amount）が高い順にランクを付与し、先頭から10件表示せよ。項目は顧客ID（customer_id）、売上金額（amount）、付与したランクを表示させること。なお、売上金額（amount）が等しい場合でも別順位を付与すること。

In [21]:

df_receipt[c("customer_id", "amount")] %>% mutate(ranking = row_number(desc(amount))) %>% arrange(ranking) %>% slice(1:10)

A data.frame: 10 × 3

customer_id	amount	ranking
<chr>	<int>	<int>
CS011415000006	10925	1
ZZ000000000000	6800	2
CS028605000002	5780	3
CS015515000034	5480	4
ZZ000000000000	5480	5
ZZ000000000000	5480	6
ZZ000000000000	5440	7
CS021515000089	5440	8
CS015515000083	5280	9
CS017414000114	5280	10

解説:

このコードは、"customer_id "と "amount "の列を含むdf_receiptというデータフレームに対して一連の処理を実行します。

以下、このコードが何をするのか、ステップ・バイ・ステップで説明します。

df_receipt[c("customer_id", "amount")] : df_receiptデータフレームから "customer_id "と "amount "のカラムのみを選択します。結果のデータフレームには、この2つのカラムだけが含まれます。

%>%: これはRのパイプ演算子で、データフレームに対する複数の操作を連鎖させるために使用されます。ある操作の出力は、次の操作の入力として渡されます。

mutate(ranking = row_number(desc(amount))): mutate関数を使って、データフレームに "ranking "という新しい列を作成します。ranking」列は「amount」列を基準とし、「amount」の最高値を「1」、2番目に高い値を「2」、といった具合にランク付けされる。desc関数は、"amount "カラムを降順にソートするために使用される。

arrange(ranking)：データフレームを "ranking "カラムで昇順（1～n）にソートします。

slice(1:10) : ソートされたデータフレームの最初の10行を選択する（すなわち、"amount "値とそれに対応する "customer_id "値が最も大きい10行を選択する）。slice関数は、データフレームから行をサブセットするために使用されます。

要約すると、このコードは、データフレームから「customer_id」と「amount」列を選択し、「amount」値を降順でランク付けし、ランクによってデータフレームをソートし、上位10行（すなわち、「amount」値が最も高い10人の顧客）を選択する。