2016-02-10

Rの対応分析でラベルの重なりを解消する

はじめに

Rで対応分析を行う場合、変数が多いとラベルが重複してしまう可能性があります。その場合、plot関数だけではうまく処理できません。

地道なやり方としてはメタファイルに出力して、Adobe Illustratorなどで処理することも可能ですが、ここではwordcloudライブラリを使った方法をメモしておきます（参考：wordcloud makes words less cloudy « Fells Stats）。

用意するもの

R（できるだけ最新版を）
MASSライブラリをインストール
wordcloudライブラリをインストール
分析するデータ

→ここでは次のデータ（部分抜粋。単語は３８行あります。A~Eはジャンルだと考えてください）を処理します。

f:id:semanticist:20160212114046p:plain

plotしてみる

MASSライブラリを読み込み、corresp関数で対応分析を実行しplotします。

>library(MASS)
>words=read.table("clipboard",header=T)
> words.corresp=corresp(words,nf=4)
> plot(words.corresp)

これだとかなり重なりがあり、可読性が低い状態です。

予備知識

オブジェクト型はclass関数で見ることができます。

> class(words.corresp)
[1] "correspondence"

correspondence型は$cscoreで列側（上のデータではA、B、C、D、E）のスコアに、$rscoreで行側（単語）にアクセスできます。

例えば：

> words.corresp$cscore
[,1] [,2] [,3] [,4]
A 3.6911623 1.6803089 0.1717679 0.03243607
B 0.9217827 -2.6917578 0.7224602 -0.10977487
C -0.1368556 -0.1294318 -1.6574275 0.22612367
D -0.4579921 0.3830560 0.4693191 -1.04030145
E -0.4899167 0.3618963 0.8463817 1.69203612

となります。

また、$corで相関係数を表示します。

> words.corresp$cor
[1] 0.57024044 0.20068781 0.14170275 0.08328265

$cor[1]が第１主成分の相関係数、$cor[2]が第２主成分の相関係数です。

Rのplot関数は、２つの系列のスコア（$cscoreと$rscore）を同時に配置するために、それぞれの固有値を相関係数で重み付けをしています。

例えば、Aの第1主成分3.69は（X軸）、第１主成分の相関係数0.57を乗じてプロットされます。

このとき、plot関数で作成される座標軸のスケールにも注意が必要です。図中、上と右に記されるのがrscoreの系統、下と左にあるのがcscoreの系統です。原点だけ一致しています（この見え方はwordcloudを使うと軸を固定することになるので少し変わります）。

wordcloudを使う

ではwordcloudを使って描写してみましょう。この関数はそもそもワードクラウドを作成するためものです。

semanticist.hatenablog.com

しかしながら、texplot関数という大変良くできたものを含んでおり、これを使うことでラベルの重なりを解消することができます。

考え方としては、rscoreとcscoreをtextplot関数で同一画面に上書きで作画する、ということです。このとき、座標軸を固定するのがポイントです。そのためにはxlimとylim（軸の最小値と最大値）を同じにする必要があります。

動的にも取得できますが、先ほどのbiplotをみて決めるのが楽だと思います。今回はxlim=c(-1.5,3),ylim=c(-1.5,2)で固定します。

textplot関数は第1引数にXの値を、第2引数にYの値を、第3引数にラベルを取ります。

まず、ライブラリを読み込みます。

>library(wordcloud)

行と列、それぞれのスコアを変数に格納します。

> words.corresp.rscore=words.corresp$rscore
> words.corresp.cscore=words.corresp$cscore

rscore（単語の方）からプロットしてみましょう。

>textplot(words.corresp.rscore[,1]*words.corresp$cor[1],

words.corresp.rscore[,2]*words.corresp$cor[2],rownames(words.corresp.rscore),

xlim=c(-1.5,3),ylim=c(-1.5,2))

ここで*words.corresp$cor[1]を乗じているのは、重み付けのためです。つまり、words.corresp.rscore[,1]*words.corresp$cor[1]は第1主成分の列に相関係数を乗じて座標点を計算する、という意味になります。第2主成分も同様です。

だいぶきれいに描画できました。

では、ここにcscoreのほうも重ねてみましょう。グラフを上書きするにはpar(new=T)を指定しいます。

> par(new=T)

次いでtextplotを行います。xlimとylimを同じにすることを忘れずに。

>textplot(words.corresp.cscore[,1]*words.corresp$cor[1],

words.corresp.cscore[,2]*words.corresp$cor[2],rownames(words.corresp.cscore),

xlim=c(-1.5,3),ylim=c(-1.5,2), col="blue", font=2)

色は青（col="blue")、そして太字（font=2)にしています。

まとめ

対応分析をplotするとラベルが重なることがある

wordcloudライブラリのtextplotを使うと自動的に重なりを調整してくれる

引数を渡すには$cscore, $rscore, rownames関数を使って値を取得する。その際、$corで重み付けをする

2015-09-16

RMeCabを使ってwordcloudを作る

(1)RMeCabをインストール
install.packages("RMeCab", repos = "http://rmecab.jp/R")

※場合によっては管理者権限でRを起動する必要あり（ショートカットを右クリックから）

(2)"tm"と"wordcloud"をpackagesのメニューからインストール

(3)パッケージの読み込み
library(wordcloud)
library(RMeCab)

(3)分析対象を決める
分析対象のテキストをマイドキュメント（Rが自動で参照できるフォルダ）に設置。

ここではdata.txtとした。

(4)RMeCabで頻度を解析
data.freq=RMeCabFreq("data.txt")

→結果はこのようになる。

Term Info1 Info2 Freq
1 えフィラー * 1
2 ありがとう感動詞 * 1
3 おお感動詞 * 1
4 はい感動詞 * 1
5 Ｃ記号アルファベット 1
6 ・記号一般 29

(5)データのフィルタリング
data.sub=subset(data.freq, Info1=="名詞" | Info1=="動詞", c(Term,Freq))
# 名詞か動詞を指定。条件には「|」(or)か「&」を使う（||、&&は不可）

#subsetはデータフレームから条件を指定してデータを抜き出せる関数。

#subset(データ,条件（列名で指定可能）,出力列）

data.sub2=subset(data.freq, Info1=="名詞" & Info2!="数", c(Term, Freq))
#名詞を指定、数を除外

(6)描画
wordcloud(data.sub[,1], freq=data.sub[,2], min.freq=3,random.order=F)
#一つ目で単語の行、freq=で単語の頻度、min.freqで最低頻度、random.orderで配置を決める

★色をつける
wordcloud(data.sub[,1],freq=data.sub[,2],min.freq=3,random.order=F, color=c("pink","yellow","green", "blue", "red"))
#右が頻度大の色

wordcloud(data.sub[,1],freq=data.sub[,2],min.freq=3,random.order=F, color=rainbow(7))
#rainbowで色数を指定

★データの書き出し
write.table (data, file = "data.txt", sep = "\t", quote = FALSE, row.names = FALSE)

参考：ワードクラウドを作る - langstat blog

2014-03-17

Wimaxで追加機器オプションでルーターを登録する

Wimaxでは、月々の基本料金＋200円で、ルーターを追加登録できます。

これを行うことで、「家用」「外出用」などを使い分けることができ、便利です（※ただし、2つのルーターから同時接続は不可。同時接続を行うプラン（WiMAXファミ得パック）もありますが、これは＋2400円程度かかります）。

その追加機器の登録方法ですが、躓いたのでメモ。

ルーター1（回線契約をしているもの）

こちらに接続をする必要はありません。

ルーター2（追加する方）

こちらにPCからアクセスします。ルーターにSSIDとパスワードが記載されているはずですので、PCの無線スポットの一覧から選択し、このルーターに接続します（普通にインターネットにつなぐ要領）。

すると設定画面が開きます。開かない場合は、ブラウザを起動します。

その画面から、プロバイダを選び、手持ちのIDとパスワード（SSIDではなく、プロバイダの会員ページに入るものです）でログインします。

追加機器に関するメニューがありますので、そこから登録します。

2013-11-23

VBでWordファイルをutf-8のテキストで保存する

ハマったのでメモ。

タイトルの通り、VBでWordファイルを開き、utf-8のテキストで保存する方法です。

Dim wdApp

Dim wdDoc

wdApp = CreateObject("Word.Application")

wdDoc = wdApp.Documents.Open(Filename:="C:\Test\test3.docx", ReadOnly:=True)

'テキストファイルとして保存

wdDoc.SaveAs(FileName:="C:\Test\test3.txt", Encoding:=65001, FileFormat:=7)

wdDoc.Close()

wdDoc = Nothing

wdApp.Quit()

wdApp = Nothing

ポイントはSaveAsのところ。EncodingはmsoEncodingUTF8といくつのサイトにありましたが、これはVB上では認識されません（☓Encoding:=msoEncodingUTF8)。数字で指定すればOKでした。なお、65001はUTF-8にあたるものです。

http://dobon.net/vb/dotnet/file/readfile.html

FileFormatも同様に数字で。wdFormatUnicodeTextは7を指定します。

http://office.microsoft.com/en-us/word-help/HV080607264.aspxにFileFormatの情報があります。

2013-11-16

PHPでチェックボックス(checkbox)の値を受け取る

HP関係

【ポイント】チェックボックスは配列

チェックボックスは複数選択可能な入力であるので、注意が必要です。PHPなど、CGIで入力を受け取るとき、値が0のときもあり、１のときもあり、それ以上のときもあるので、それに対応しなければなりません。

どのように対応するか、というと、チェックボックスを配列として扱うことです。例えば、checkboxという名前の配列があるとすると、この1つ目にチェックされたチェックボックスのvalueの1つ目が、2つ目にチェックされたチェックボックスのvalueの2つ目が入る、ということです。

次の例では、checkboxという配列に値を格納しています。

※labelを設定することで文字列を選んでもチェックできるようになります。

両方チェックされていれば、checkbox[0]のvalueはA、checkbox[1]のvalueはBとなります。

Aだけチェックされていたら、checkbox[0]はA、checkbox[1]は空っぽです。

Bだけチェックされていたら、checkbox[0]はB、checkbox[1]は空っぽです。

このとき、必ず0番目から値が埋められていくことに注意してください。つまり、checkbox[0]には、常にはじめにチェックされたもののvalueが格納されるということです（配列番号がチェックボックスの順番と対応しているということではありません）。

値の受け取りは、次のようにやはり配列を指定して受け取ります。

<?php

//値の受け取り

$checkbox1 = $_POST["checkbox"][0];

$checkbox2 = $_POST["checkbox"][1];

この場合、この後に条件分岐をするとすれば、(1)両方チェックされている場合、(2)Aだけチェックされている場合、(3)Bだけチェックされている場合の3つがあります。

(1)はif ($checkbox1=="A" AND $checkbox2=="B")

(2)はelseif ($checkbox1=="A")

(3)はeseif(($checkbox1=="B")