6  データの読み込みと書き出し

ここまでの章で、RとIDEの準備、簡単なRの操作方法を学びました。いよいよ実際のデータを扱う方法のパートに入っていきます。

データ分析の第一歩は、データをRに読み込むことです。この章では、CSVファイルやExcelファイルからデータを読み込み、加工したデータを保存する方法について説明します。

6.1 学習内容

この章を読み終えると、以下ができるようになります。

  • CSVファイルからデータを読み込む
  • データの内容を確認する
  • データをCSVファイルとして保存する
  • Excelファイルからデータを読み込む
  • 日本語の文字化け問題に対処する（エンコードの指定）

6.2 使用するパッケージ

この章では以下のパッケージを使用します。c()関数を使ってまとめてインストールできます。

# パッケージのインストール（初回のみ）
install.packages(c("readr", "readxl", "here"))

6.3 CSVファイルの読み込み

CSVファイル（Comma-Separated Values）は、最も一般的なデータ形式の一つです。ExcelやGoogle スプレッドシートでも簡単に作成・保存できます。

6.3.1 readrパッケージを使う

Rにはread.csv()という標準関数もありますが、より高速で使いやすいreadrパッケージのread_csv()を使うことをおすすめします。readrパッケージはtidyverseにも含まれているので、tidyverseをインストールしている場合は追加でインストールする必要はありません。

library(readr)

# CSVファイルを読み込む
data <- read_csv("data/sample_data.csv")
ノートファイルパスの指定方法

ファイルパスは、プロジェクトのルートディレクトリ（.Rprojファイルがある場所、あるいはPositronで開いているフォルダ）からの相対パスで指定します。

例えば、プロジェクト内にdataフォルダを作り、その中にsample_data.csvを置いた場合は、"data/sample_data.csv"と指定します。

# 上記の例
my_project/
├── data/
│   └── sample_data.csv
└── analysis.Rproj

6.3.2 hereパッケージでパスを管理する

プロジェクト管理の章で学んだように、hereパッケージを使うとさらに確実です。

library(here)
library(readr)

# hereを使ってパスを指定
data <- read_csv(here("data", "sample_data.csv"))

here()関数は、プロジェクトのルートディレクトリからの相対パスを自動で構築してくれます。WindowsとMac/Linuxでパスの書き方が異なる問題も解決できます。

上記の例ではルートディレクトリにあるdataフォルダの中のsample_data.csvを読み込む、ということをしています。here("data/sample_data.csv")としても問題ありません。

6.4 データの確認

データを読み込んだら、まず内容を確認しましょう。

6.4.1 head() - 最初の数行を表示

# 最初の6行を表示（デフォルト）
head(data)
# A tibble: 5 × 4
  名前      年齢 部署   売上
  <chr>    <dbl> <chr> <dbl>
1 田中太郎    25 営業   1200
2 佐藤花子    30 開発   1500
3 鈴木一郎    35 営業    980
4 高橋次郎    28 開発   1350
5 伊藤三郎    42 総務   1100

6.4.2 glimpse() - データ構造を一覧

dplyrパッケージのglimpse()関数は、データの構造をコンパクトに表示してくれます。

library(dplyr)

# データ構造を確認
glimpse(data)
Rows: 5
Columns: 4
$ 名前 <chr> "田中太郎", "佐藤花子", "鈴木一郎", "高橋次郎", "伊藤三郎"
$ 年齢 <dbl> 25, 30, 35, 28, 42
$ 部署 <chr> "営業", "開発", "営業", "開発", "総務"
$ 売上 <dbl> 1200, 1500, 980, 1350, 1100

glimpse()を実行すると、以下のような情報が表示されます。

  • 行数と列数
  • 各列の名前と型（文字列、数値など）
  • 各列の最初の数個のデータ

6.4.3 View() - データをスプレッドシート形式で表示

# データビューアーで開く
View(data)
ヒントIDE上でのデータ確認

RStudioでは、Environmentペインにあるデータ名をクリックすることでもView()と同じ結果が得られます。スプレッドシート形式でデータを確認できるので、非常に便利です。
Positronの場合は、画面右側にVARIABLESペインがあり、そこにデータが表示されるので、見たいデータをダブルクリックすれば同様に確認できます。Positronの場合は平均値や欠損数も表示されるので便利だと思います。

Positronのデータビューア

6.5 実践例：サンプルデータを読み込む

実際にサンプルデータを作成して読み込んでみましょう。

6.5.1 サンプルCSVファイルの作成

まず、プロジェクト内にdataフォルダを作成します。

# dataフォルダを作成（存在しない場合）
if (!dir.exists("data")) {
  dir.create("data")
}

次に、簡単なサンプルデータを作成して保存します。

library(readr)

# サンプルデータの作成
sample_data <- data.frame(
  名前 = c("田中太郎", "佐藤花子", "鈴木一郎", "高橋次郎", "伊藤三郎"),
  年齢 = c(25, 30, 35, 28, 42),
  部署 = c("営業", "開発", "営業", "開発", "総務"),
  売上 = c(1200, 1500, 980, 1350, 1100)
)

# CSVファイルとして保存
write_csv(sample_data, "data/sales_data.csv")

6.5.2 データの読み込みと確認

# データを読み込む
sales_data <- read_csv("data/sales_data.csv")

# データの確認
print(sales_data)

# 構造を確認
glimpse(sales_data)

6.6 データの書き出し

データを加工した後は、結果を保存する必要があります。

6.6.1 CSVファイルとして保存

library(readr)

# データをCSVファイルとして保存
write_csv(sales_data, "data/processed_sales.csv")
ヒントデータ保存のベストプラクティス

プロジェクト内でデータを整理する際は、以下のようなフォルダ構成がおすすめです。

my_project/
├── data/
│   ├── raw/          # 元データ（読み取り専用、編集しない）
│   └── processed/    # 加工済みデータ
├── scripts/
└── outputs/

元データはrawフォルダに保存し、加工したデータはprocessedフォルダに保存することで、データの管理が容易になります。

6.7 日本語データの扱い

日本語を含むCSVファイルを扱う際、文字化けが発生することがあります。

6.7.1 文字コードの問題

Windowsで作成されたCSVファイルは、多くの場合Shift-JISという文字コードで保存されています。一方、R（とreadr）はデフォルトでUTF-8を想定しています。

6.7.2 文字化けの対処法

Shift-JISのファイルを読み込む場合は、エンコーディングを指定します。

# Shift-JISのCSVファイルを読み込む
data <- read_csv(
  "data/japanese_data.csv",
  locale = locale(encoding = "Shift-JIS")
)
注意文字コードの確認方法

ファイルの文字コードがわからない場合は、以下を試してください。

  1. まず何も指定せずに読み込んでみる
  2. 文字化けしたら、locale = locale(encoding = "Shift-JIS")を追加
  3. それでもダメなら、locale = locale(encoding = "CP932")を試す

ちなみにCP932はShift-JISのMicrosoft拡張版で、Windowsで作成されたファイルはCP932で保存されていることが多いです。
現代では、可能な限りUTF-8でデータを保存することが推奨されます1。

6.8 Excelファイルの読み込み

Excelファイル（.xlsxや.xls）からデータを読み込むには、readxlパッケージを使います。

6.8.1 readxlパッケージ

library(readxl)

# Excelファイルを読み込む
excel_data <- read_excel("data/sample_data.xlsx")

6.8.2 シートの指定

Excelファイルに複数のシートがある場合、読み込むシートを指定できます。

# シート名で指定
excel_data <- read_excel("data/sample_data.xlsx", sheet = "売上データ")

# シート番号で指定（1から始まる）
excel_data <- read_excel("data/sample_data.xlsx", sheet = 2)

6.8.3 範囲の指定

特定のセル範囲のみを読み込むこともできます。

# A1からD10の範囲を読み込む
excel_data <- read_excel("data/sample_data.xlsx", range = "A1:D10")
ノートExcelファイルとCSVファイルの使い分け
  • Excelファイル: 複数シート、書式設定、数式などが必要な場合
  • CSVファイル: シンプルなデータの保存・共有、他のツールとの互換性が必要な場合

データ分析では、Excelで作成したデータをCSV形式でエクスポートして使うことも多いです。

6.9 練習問題

ここまで学んだ内容を確認しましょう。

以下の条件でデータを作成し、CSVファイルとして保存してください。

  • 列: 商品名、価格、在庫数
  • 行: 5つの商品

解答例

library(readr)

# サンプルデータの作成
products <- data.frame(
  商品名 = c("りんご", "バナナ", "オレンジ", "ぶどう", "いちご"),
  価格 = c(150, 100, 200, 300, 250),
  在庫数 = c(50, 80, 30, 20, 40)
)

# 保存
write_csv(products, "data/products.csv")

問題1で作成したCSVファイルを読み込み、以下を確認してください。

  1. データの最初の3行
  2. データの構造

解答例

library(readr)
library(dplyr)

# データの読み込み
products <- read_csv("data/products.csv")

# 最初の3行
head(products, n = 3)

# 構造の確認
glimpse(products)

問題2の読み込みを、hereパッケージを使って書き直してください。

解答例

library(readr)
library(here)

# hereを使ってデータを読み込む
products <- read_csv(here("data", "products.csv"))

6.10 まとめ

この章では、以下を学びました。

  • ✅ readrパッケージを使ったCSVファイルの読み込み
  • ✅ head(), glimpse(), View()によるデータ確認
  • ✅ write_csv()によるデータの保存
  • ✅ 日本語データの文字化け対策
  • ✅ readxlパッケージを使ったExcelファイルの読み込み
  • ✅ hereパッケージによる確実なパス管理

これで、外部ファイルからデータを読み込み、確認し、保存することができるようになりました。次の章では、読み込んだデータを加工する方法を学びます。

ノート次のステップ

次の章「データハンドリング基礎 - dplyr入門」では、読み込んだデータを自在に操作する方法を学びます。データの絞り込み、並び替え、列の選択など、実務で頻繁に使う操作を習得しましょう。

  1. とはいえ、国のオープンデータなどではまだまだShift-JISのデータも多いので要注意です。↩︎