Rの基礎(3)

Rの基本的なデータ構造であるデータフレームと、基礎的な入出力とグラフィックスについて学びます

学習項目です

• データフレーム
• 入出力
• 基本的なグラフィックス

データフレーム: よく使われる基本データ構造

1. 列データとして数値型や文字型など異なるデータ型のベクトルでよい、
2. 各行および各列には「ラベル」(名称)を持ち、ラベルによって行や列、特定の要素にアクセスできる、

Rに組み込みの変数iris(統計学者のFisherによるアヤメのデータ)の値は、調査した３種類のアヤメの萼片(Sepal)の長さと幅、花弁(Petal)の長さと幅、それにアヤメの種類(setosa, versicolor, virginicaの3種)についての150個のデータで、個々のアヤメが行、それぞれの特徴量が列で表されたデータフレームである。 ここで、関数headは、データフレームやベクトルの最初のいくつかを表示する関数である。なお、関数tailは逆にデータの最後の要素のいくつかを表示する関数である。

> head(iris)
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa
4          4.6         3.1          1.5         0.2  setosa
5          5.0         3.6          1.4         0.2  setosa
6          5.4         3.9          1.7         0.4  setosa 

データフレームの作成とラベル

> Namae <- c("太郎", "花子", "次郎", "直美")
> Math <- c(80, 90, 50, 60)
> English <- c(60, 80, 70, 90)
> Seiseki <- data.frame(namae=Namae, math=Math, eng=English)
> Seiseki
  namae math eng
1  太郎   80  60
2  花子   90  80
3  次郎   50  70
4  直美   60  90
> class(Seiseki)
[1] "data.frame"

> Seiseki$math
[1] 80 90 50 60
> class(Seiseki$math)
[1] "numeric"
> Seiseki$namae
[1] 太郎 花子 次郎 直美
Levels: 花子 次郎 太郎 直美
> class(Seiseki$namae)
[1] "factor"
> class(Namae)
[1] "character"

列の名前は次のように colnames関数で取り出すことができる。

> colnames(Seiseki)
[1] "namae" "math"  "eng"  

このデータフレームに新たに行のラベルをつけることができる。 行にはデフォルトとして数の名前が付けられており、 それを rownames関数で取り出すことができるが、 以下に示すように、行のラベル付けにもrownames関数を用いる。 (「行」にあたる英語が row　、「列」にあたる英語が column ）

> rownames(Seiseki)
[1] "1" "2" "3" "4"		# デフォルトでは行の番号が行ラベル(文字型)
> rownames(Seiseki)<-c("Taro","Hanako","Ziro","Naomi")		# 行にラベルを付ける
> Seiseki
       namae math eng
Taro    太郎   80  60
Hanako  花子   90  80
Ziro    次郎   50  70
Naomi   直美   60  90

> Seiseki[,2]		# 2列目、つまり数学データ
[1] 80 90 50 60
> Seiseki$math		# ラベルmathによるアクセス
[1] 80 90 50 60
> Seiseki[3,2]		# 3行2列目のデータ, つまりZiroのmath
[1] 50
> Seiseki$math[3]	# math列の3行目
[1] 50				# 3行2列目のデータ, つまりZiroのmathに等しい

> Seiseki[1,]		# 1行目、つまりTaroデータ
     namae math eng
Taro  太郎   80  60
> Seiseki[Seiseki$namae=="太郎",]		# namaeが"太郎"の行データを取り出す
     namae math eng
Taro  太郎   80  60
> subset(Seiseki,namae=="太郎")	# 関数subsetを用いて上記と同じことを行う
     namae math eng
Taro  太郎   80  60
> Seiseki[Seiseki$math<=60,]
      namae math eng
Ziro   次郎   50  70
Naomi  直美   60  90
> subset(Seiseki,math<=60)	# 関数subsetを用いて上記と同じことを行う
      namae math eng
Ziro   次郎   50  70
Naomi  直美   60  90

> Seiseki.matrix <- matrix(c(c(1,2,3,4), Math, English), 4, 3)		# 4行3列の行列
> ( Seiseki2 <- data.frame(Seiseki.matrix) )		# 行列からデータフレームを作る
  X1 X2 X3		# X1, X2, X2はデフォルトの列ラベル
1  1 80 60
2  2 90 80
3  3 50 70
4  4 60 90
> Seiseki2$X2					# X2がラベルとして働くことの確認
[1] 80 90 50 60
> names(Seiseki2)<-c("namae","math","eng")		# 関数namesで列ラベルを与える
>  Seiseki2
  namae math eng
1     1   80  60
2     2   90  80
3     3   50  70
4     4   60  90
> Seiseki2$namae <- c("太郎","花子","次郎", "直美")	# namae列にSeisekiと同様の値をセット
[1] "太郎" "花子" "次郎" "直美"	
> Seiseki2					# 確認
  namae math eng
1  太郎   80  60
2  花子   90  80
3  次郎   50  70
4  直美   60  90	# 最終的にSeisekiデータと同じになった

> Seiseki.matrix.try <- matrix(c(Namae,Math,English),4)

> Seiseki.matrix.try
     [,1]   [,2] [,3]
[1,] "太郎" "80" "60"
[2,] "花子" "90" "80"
[3,] "次郎" "50" "70"
[4,] "直美" "60" "90"
> ( Seiseki.try <- data.frame(Seiseki.matrix.try) )
    X1 X2 X3
1 太郎 80 60
2 花子 90 80
3 次郎 50 70
4 直美 60 90			# 一見良さそうに思える
> class(Seiseki.try$X3)		# 確認
[1] "factor"
> class(Seiseki$eng)		# 比較
[1] "numeric"			# 型が違う!
> Seiseki.try$X2 <- as.numeric(Seiseki.try$X2)		# as.numericで数値型に変換してみる
> Seiseki.try			# 確認
    X1 X2 X3
1 太郎  3 60
2 花子  4 80
3 次郎  1 70
4 直美  2 90			# X2の値が期待したものと違う

A組: 52 86 41 64 33 19 65 35 48 15
B組: 42 59 32 54 35 45 35 55 49 41

> ( Buturi <- data.frame(A=c(52, 86, 41, 64, 33, 19, 65, 35, 48, 15),
	B=c(42, 59, 32, 54, 35, 45, 35, 55, 49, 41)) )
    A  B
1  52 42
2  86 59
3  41 32
4  64 54
5  33 35
6  19 45
7  65 35
8  35 55
9  48 49
10 15 41
> paste("A組の平均=",mean(Buturi$A),"A組の不偏分散=", var(Buturi$A))
[1] "A組の平均= 45.8 A組の不偏分散= 481.066666666667"
> paste("B組の平均=",mean(Buturi$B),"B組の不偏分散=", var(Buturi$B))
[1] "B組の平均= 44.7 B組の不偏分散= 87.3444444444444"

> length(Buturi[Buturi$A < 60,]$A)
[1] 7
> Buturi[Buturi$A < 60,]$A
[1] 52 41 33 19 35 48 15

>  Data <- data.frame(A=Buturi$A, B=Buturi$B,
	  course=rep(c("Eng","Tech"),5))
>  Data
    A  B course
1  52 42    Eng
2  86 59   Tech
3  41 32    Eng
4  64 54   Tech
5  33 35    Eng
6  19 45   Tech
7  65 35    Eng
8  35 55   Tech
9  48 49    Eng
10 15 41   Tech
>  eng <- Data[Data$course=="Eng",]
>  eng
   A  B course
1 52 42    Eng
3 41 32    Eng
5 33 35    Eng
7 65 35    Eng
9 48 49    Eng
>  paste("平均=",mean(eng$A),"不偏分散=",var(eng$A))
[1] "平均= 47.8 不偏分散= 144.7"

入出力

出力(output)

cat関数はいくつでも引数をとることができ、その値を文字列として表示する。 引数の間はデフォルトでは1個のスペースが入るが、sep=値によって、引数の間にいれる文字(仕切り文字という)を変えることができる。

デフォルトでは改行を行わないので、改行を行いたい場合は"\n"という文字列をcatの引数に含める。なお"\t"を指定すれば、タブがはたらく。

> cat("This is a test.")
This is a test.> 		# 改行が起きない
> cat("This is another","test.\n")
This is another test.		# 改行する、anotherとtestの間に空白がはいる
> i <- 10; cat("\ti =",i,"\tOK\n")
        i = 10  OK		# iの前にタブ、10とOKの間にタブ

入力(input)

> inStr <- readline()
これはRへの入力テストです。
> inStr
[1] "これはRへの入力テストです。"
> inStr <- readline("入力をどうぞ> ")
入力をどうぞ> 1 2 3
> inStr
[1] "1 2 3"

Rでは文字列を扱う関数が用意されているものの、文字列データよりも数値型データの方が扱う対象としては主流である。上記でみてわかるように、数を入力してもreadlineではひとまとめの文字列になっているので、Rプログラムとしてはあまり使い道がない。
[文字列をベクトルにする方法]

> inStr <- "1 2 3 45 67 890"
> strsplit(inStr," ")		# strsplitの引数の" "によりそれにマッチしたところで「文字列を切る」
[[1]]
[1] "1"   "2"   "3"   "45"  "67"  "890"		# 結果は文字列のリスト
> unlist(strsplit(inStr," "))			# 関数unlistによりベクトルに変換
[1] "1"   "2"   "3"   "45"  "67"  "890"
> as.numeric(unlist(strsplit(inStr," ")))	# as.numericにより文字列型のベクトルを数値型に変換
[1]   1   2   3  45  67 890

scanは、(主として)数値型データを入力するための関数である。次の例のように、デフォルトでは数値以外のデータが入力されるとエラーになる。

> inData <- scan()
1: 10 20 30 -50 -20 0		# プロンプトは現在何番目の要素を入力しているかを示す番号
7:				# 改行、コントロールD，コントロールZなどで、入力終了
Read 6 items					# 6個入力
> inData
[1]  10  20  30 -50 -20   0
> dame <- scan()
1: 1 2 a b
 以下にエラー scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings,  : 
   scan() 関数は 'a real' を期待したのに、得られたのは 'a' でした 

ファイルの操作

Rでも「コネクション」という概念により上記のことを行うこともできるが、(1)から(3)まで一遍に「入出力コマンド」でやってしまうこともできるようになっている。

まず入力について説明する。

関数readLinesは、第1引数(引数名はcon)にファイル名(ちゃんと書くと、作業ディレクトリからファイルへのパス)、第2引数(引数名はn)に読み込む行数(省略時はすべて)をとり、そのファイルから指定された行数の文字列をベクトルとして返す。

> ( lines <- readLines("Rintro-03.html",3) )		# このページのソースを対象として、3行読み込む
[1] "<html>"
[2] "<head>" 
[3] "  <meta http-equiv=\"Content-Type\" content=\"text/html; charset=EUC-JP\">"

CSVファイルの例としては、次にあげるtest.csv(区切り文字としてタブが使用されている)やtestC.csv(区切り文字はコンマ)があげられる。
[CSVファイルとは]

読み込み対象のファイルの第1行目は列の名前が書いてあるヘッダーとしてみなされるのがデフォルトである。ただし、それには条件があり、第1行目「だけ」他の行と項目数が1個少なくなければならない。そうでなければ(つまり、他の行と同じ個数の項目があった場合)、 引数名header=TRUEを指定すれば、ファイルの第1行目が列の名前(colnames)であるとみなされる。なお、ファイルにヘッダーがなく引数名col.namesに列の名前ベクトルが指定されていなければ、列の変数はV1, V2, ....という名前となる。

################# test.csvの内容: (要素の区切りはタブ)####################### 
	height	weight	gender
Taro	180	80	male
Hanako	160	45	female
Ziro	170	65	male
############### testC.csv2の内容: (要素の区切りはコンマ) #################### 
height,weight,gender
Taro,180,80,male
Hanako,160,45,female
Ziro,170,65,male

> (inData <- read.table("test.csv") )
       height weight gender
Taro      180     80   male
Hanako    160     45 female
Ziro      170     65   male
> class(inData)
[1] "data.frame"			# データフレームになっている
> rownames(inData)			# 行の名前
[1] "Taro"   "Hanako" "Ziro"  
> colnames(inData)			# 列の名前
[1] "height" "weight" "gender"
> dim(inData)				# 次元
[1] 3 3
> ( inDataX <- read.table("test.csv",col.names=c("身長","体重","性別")) )			# col.namesを指定
       身長 体重   性別
Taro    180   80   male
Hanako  160   45 female
Ziro    170   65   male
> ( xxx <- read.csv("test.csv") )	# read.csvを使ってみる---不適切な使用であることが分かる
     height.weight.gender			# read.csvの区切り文字(,)がないのですべて一つの項目とみなされるため失敗
1     Taro\t180\t80\tmale
2 Hanako\t160\t45\tfemale
3     Ziro\t170\t65\tmale
> ( xxx <- read.csv("test.csv",sep="") )		# sep="" (空白を意味)を指定して読み込む
       height weight gender				# ちゃんと読み込める
Taro      180     80   male
Hanako    160     45 female
Ziro      170     65   male
> ( inDataC <- read.csv("testC.csv") )		# 区切り文字がコンマのデータを読む
       height weight gender
Taro      180     80   male
Hanako    160     45 female
Ziro      170     65   male

> one <- 1:10			# 1から10までの数値のベクトル
> cat(one,file="sample.txt")		# 改行をしないでsample.txtに出力
> readLines("sample.txt")		# sample.txtから読み込み
[1] "1 2 3 4 5 6 7 8 9 10"
 警告メッセージ: 				# エラーにはならないが「警告」が出る
In readLines("sample.txt") :
   'sample.txt' で不完全な最終行が見つかりました 
> cat(one,"\n",file="sample.txt")	# 改行をつけてsample.txtに書き込む
> readLines("sample.txt")		# sample.txtから読み込み
[1] "1 2 3 4 5 6 7 8 9 10"			# 問題なく「文字列」として読み込める
> cat(inData,"sample.txt")		# 前の例題のデータフレームinDataをcatで書き込もうとする
 以下にエラー cat(list(...), file, sep, fill, labels, append) : 		# エラーになる。listもdata.frameもcatできない
   引数 1 (タイプ 'list') は 'cat' で取り扱えません 
> ( x <- matrix(1:12,3,4) )		# 行列をつくる
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12
> cat(x,file="sample.txt")		# 行列をcatでファイルに出力
> readLines("sample.txt")		# sample.txtを読み込む
[1] "1 2 3 4 5 6 7 8 9 10 11 12"		# 行列がベクトルに変換され、書き込まれていたことがわかる
 警告メッセージ: 
In readLines("sample.data") :
   'sample.data' で不完全な最終行が見つかりました 

> write.table(inData,"sample.csv")		# データフレームinDataをsample.csvに書き込む
> read.table("sample.csv")
       height weight gender
Taro      180     80   male
Hanako    160     45 female
Ziro      170     65   male
> write.table(matrix(11;22,3,4),"sample.csv")		# 3x4の行列をsample.csvに書き込む
> read.table("sample.csv")
  V1 V2 V3 V4
1 11 14 17 20
2 12 15 18 21
3 13 16 19 22

> library(gdata)			# gdataライブラリの読み込み。ない場合はgdataパッケージをインストールする
> installXLSXsupport(perl="C:/Perl64/bin/perl.exe")	# もしもgdataライブラリを使うのが初めてならこれが必要
> ( x <- read.xls("sample.xlsx") )		# sample.xlsxからデータを入力する。かなり時間がかかる
  X V1 V2 V3 V4
1 1  1  4  7 10
2 2  2  5  8 11
3 3  3  6  9 12
> ( x <- read.xls("sample.xlsx", sheet=2) )	# sample.xlsxの2枚目のシートの読み込み

Rオブジェクトの保存と読み込み

Rで作業して作られた関数や変数の名前は、関数lsでみることができる。 ただしこれには組み込みの関数やライブラリは現れない。

> ls()
 [1] "English"         "indData"          "inDataC"	    "lines"
 [5] "Math"            "Name"             "one"		    "Seiseki"
 [9] "x"  	       "xxx"

> save(x,y,inData,Seiseki,file="save.data")		# x, y, inData, Seisekiをsave.dataファイルに保存
> rm(x, y, inData, Seiseki)		# x, y, inData, Seisekiを作業スペースから消去
> class(x)			# xがあるかどうかをチェック
 エラー:  オブジェクト 'x' がありません 
> load("save.data")		# データの復元
> x				# xの値の表示
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12
> save.image("save.data")		# 作業スペースの保存
#---------- いったんRを停止し、再度立ち上げ  --------------#
> load("save.data")				# 作業スペースの復元
> x				# 復元されたxの値の表示
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12

A組: 52 86 41 64 33 19 65 35 48 15
B組: 42 59 32 54 35 45 35 55 49 41

Buturi <- data.frame(A=c(52, 86, 41, 64, 33, 19, 65, 35, 48, 15),
	    B=c(42, 59, 32, 54, 35, 45, 35, 55, 49, 41))

write.table(Buturi,"buturi.csv")

Buturi <- read.table("buturi.csv")

基本的なグラフィックス

demo(graphics)				# graphicsのデモ
demo(image)				# 画像のデモ
demo(plotmath)				# 数式描画のデモ
example(barplot)			# 棒グラフbarplotの使用例

表示されるグラフィックスは、Windowsシステムの場合、「ファイル」メニューから「クリップボードにコピー」が可能である。これにより、WordやPowerPointなどの文書に貼り付けできる。また、同じく「ファイル」メニューから「別名で保存」を選ぶと、PDFやPostScript、PNG などの画像ファイルを作ることができる。

基本のグラフィックス関数

plot(数値ベクトル)
plot(横軸の値となるベクトル, 縦軸の値となるベクトル)
plot(データフレーム)

plot(sin(seq(0,2*pi,0.1)))		# 0から2πまで0.1刻みで表示
plot(sin(seq(0,2*pi,0.001)))		# 0から2πまで0.001刻みで表示
plot(sin(seq(0,2*pi,0.1)),type="l")		# 線で結ぶ
A <- c(52, 86, 41, 64, 33, 19, 65, 35, 48, 15)
B <- c(42, 59, 32, 54, 35, 45, 35, 55, 49, 41)
plot(A, B, pch="*")			# AとBの関係を表す散布図
plot(iris)			# irisデータを用いて

このページで出てきたRの関数や記号

• データの一部表示: head, tail
• データフレーム: data.frame, names, rownames, subset
• 入力: readline, scan
• 出力: cat, print
• ファイルからの入力: readLines, read.table, read.csv, read.csv2
• ファイルへの出力: cat, write.table, write.csv, write.csv2
• Excelファイルの入力(注意：コンピュータ演習室のPCではできない): gdataライブラリ, read.xls
• Rの作業スペース関連: ls, rm, save.image, save, load
• 簡単グラフィックス: demo, example, plot

演習問題

演習問題3-1

Rで関数のグラフを書くことを演習を通して学ぼう。 右の図で示されるグラフを書こう。これは3次関数で与えられる曲線と1次関数で与えられる直線を表示したものである。それにくわえてx軸とy軸に相当する直線を点線で表示してある。
(1) この図で示された曲線の式は y = x³+x²-4x - 4 である。そこで、func(x)= x³+x²-4x - 4という数学関数をRで表わせ。(ヒント: 引数を一個とる関数として書ける。つまり、 func <- function(x) { ... } という形である)

(2) Rの関数curveによりグラフを表示する。 ここでcurve(expr,from,to)は第1引数(expr)として曲線の式をとり、第2引数(from)と第3引数(to)は、表示すべき関数の定義域(xの値の最小と最大)を指定する。 例えば、定義域が-3から3までの標準正規分布(平均0, 分散1の正規分布/ガウス関数)は次のようにして描くことができる:

curve(dnorm(x), -3, 3)			# dnorm はガウス関数。 表示対象とする関数の式にxを書くのが重要

この例に従い、定義域(xの範囲)を-3から3までとして、(1)で定義した関数funcのグラフを描け。

(3) このままでは、描画したグラフには、原点を通りx軸とy軸にそれぞれ平行な線が引かれないままである。そこで、 次のようにablineを用いてこの2つの線を加えることにする。ここで、lty=2 は、点線で線を表示することを意味する(1なら実線、3なら一点鎖線)。 (func関数のグラフを消してしまっているのなら再度 (2)を実行した後、)以下を実行して、先のグラフにx軸とy軸を表す直線を加えた表示を作れ(なお#以降はコメントなので入力不要である) 。

abline(h=0, lty=2)			# h=0は水平線(x軸)) を0の位置から引くことを意味する
abline(v=0, lty=2)			# v=0は垂直線(y軸)を0の位置から引くことを意味する

(4) この3次関数のグラフに対し、x=0における接線を引く。その接線の式を求めよ (ヒント:接線の傾きは、微分の値に等しい) 。その式が定数a,bを用いて y=bx+aと表されるとすると、 このグラフは(またもや)abline(a,b)で表示される。ここで線の色はデフォルトでは黒であるが、それを青色(blue)に変えるにはcol="blue"を引数に加えて、abline(a,b,col="blue")とすれば良い。このことを利用して、青色でx=0における接線を表示せよ。

演習問題3-2

(1) 指定されたファイル(出典:総務省統計局、日本の統計「身長と体重の平均値」)を読み込み、変数dataの値とする(型はデータフレームとせよ)。(ヒント: 指定されたファイルをダウンロードする。これは「コンマを区切り記号とする」csvファイルである。Rの関数を用いてそのファイルを読み込む)

[ファイルをRから開くためのヒント]

コンピュータ演習室では、ファイルの置き場所に注意しないと、Rのから読み込みにくいことがある（自宅のコンピュータならすぐできることが、演習室のコンピュータでは管理者権限がないため難しくなっている）。 ここではコンピュータ演習室で作業する人のためのヒントを書く。

まず、ファイルをHドライブ（など、自分に割り当てられたフォルダ）にセーブする。
次に、Rの「ファイル」タブから「ディレクトリの変更」を選び、ファイルを置いたフォルダを指定する。 これは、Rに対し、あなたがおいたファイルの場所を教えるためである （この作業は、自宅のコンピュータでも必要であろう）。
最後に、解説で述べたread.csv関数を用いて、Rにデータを取り込む。

以下はdataの最初の数行を表示したものである: (注意: このように表示されない場合は、関 数もしくは区切り記号の指定が間違っている。 秀丸エディタやTeraPadなどで読み込み対象のファイルを開き、 データどデータがどのような記号で句切られているかを確認すること。 可能性がある区切り記号は、スペース、タブ、コンマ、 セミコロンの4種類であり、それによって使う関数を選べ)

> head(data)
  height weight sex year
1   79.6   11.0   M 2001
2   90.1   13.3   M 2001
3   96.8   14.9   M 2001
4  103.9   16.5   M 2001
5  109.6   18.7   M 2001
6  116.6   21.9   M 2001

(2)dataから、sexの値が"M"(男性を意味する)のものを取り出し変数maleの値とせよ。同 様に、sexの値が"F"(女性を意味する)のものを取り出し、変数femaleの値とせよ。

以下はmaleとfemale、それぞれの最初の数行を表示したものである:

> head(male)
  height weight sex year
1   79.6   11.0   M 2001
2   90.1   13.3   M 2001
3   96.8   14.9   M 2001
4  103.9   16.5   M 2001
5  109.6   18.7   M 2001
6  116.6   21.9   M 2001
> head(female)
   height weight sex year
63   79.0   10.1   F 2001
64   87.6   12.3   F 2001
65   95.2   14.1   F 2001
66  103.1   16.8   F 2001
67  109.5   18.7   F 2001
68  114.0   20.4   F 2001

[データフレームから特定の条件を満たす要素を取り出す]

課題1-2と課題1-3 をやっておこう。

(3)maleの各行に対し、weight列の値をx座標、height列の値をy座標とする点を青色で表示せよ。ここで表示にはplotを用いよ。

(4)femaleの各行に対し、weight列の値をx座標、height列の値をy座標とする点を赤色で表示せよ。ここで表示にはplotを用い、(3)のグラフの上に重ねて表示させよ。 ここで「グラフを重ねて表示」するには、1つグラフを表示させた後に par(new=T)を実行してから、もう一つのグラフを表示させる。 なお、同様にして、幾つものグラフを重ね合わせて表示させることができる。

(5)(4)を実行させると、x軸やy軸の表示が微妙にずれていることに気づくだろう。これはそれぞれのグラフで横軸と縦軸の調整を別々に行っているからである。 これを防ぐには、plotにxlim=c(0,100), ylim=c(80,180)という引数を加えるとよい。これにより、強制的にx(この場合はweight)の範囲が0から100、 y(この場合はheight)の範囲が80から180に調整される。実際にこれを試してみよ。

(6)2つのグラフはともに○でプロットされるため、色がついていても判別が難しい。 そこで「基本的なグラフィックス」節で述べたpch引数を使って、女性と男性が判別しやすいように表示を工夫せよ。その一例が 右図である。

(7)得られた図は、まだまだ工夫が必要かもしれない。どのような図がよいか、 またそれにはどうしたらできるだろうか、考えを述べよ。