ｔｉｄｙｖｅｒｓｅによるモダンな分析フローの世界。Ｒによるデータ分析に必須のツールＲＳｔｕｄｉｏの充実した機能解説。ｔｉｄｙｖｅｒｓｅパッケージ群に準拠したモダンなデータ前処理／可視化。スクレイピングからレポーティングまで分析ワークフローをこの１冊で完結。

はじめに 　本書の特徴 　本書の構成 　本書の対象読者 　本書で解説しなかったこと 　さあRStudioで分析を tidyverseとは 　tidyverseのパッケージ 　tidyverseの過去 　tidyverseの未来 第1章 RStudioの基礎 1-1 RStudioのダウンロードとインストール 　macOS 　Windows 1-2 RStudioの基本操作 　RStudioのインターフェース 　プロジェクト機能 　Rスクリプトの新規作成と保存 　Rのコマンドの実行 　オブジェクトの確認 　補完機能 　Jobs機能 1-3 RStudioを自分好みにカスタマイズ 　RStudio全般 　コーディング 　外観 　Terminal 　キーボードショートカット 1-4 ファイルの読み込み 　Rの標準関数の問題点 　readrパッケージ 　Excelファイルの読み込み 　SAS,SPSS,STATAファイルの読み込み 　RStudio（GUI）によるデータの読み込み 　ファイル読み込みのまとめ 1-5 RやRStudioで困ったときは 　ヘルプを使う 　Vignetteを見る 　チートシートを使う 　コマンドパレット 1-6 まとめ 第2章 スクレイピングによるデータ収集 2-1 なぜスクレイピングが必要か 　スクレイピングとは 　手作業によるデータ取得の限界 2-2 スクレイピングに必要なWeb知識 　HTML 　CSS 　XMLとXPath 2-3 Rによるスクレイピング入門 　rvestパッケージ 　Webページタイトルの抽出 　パイプ演算子 　スクレイピング実践 2-4 API 　APIとは 　rtweetパッケージによるTwitterデータの収集 　ツイートの収集 　COLUMN ブラウザの自動操作 　COLUMN Webスクレイピングをするときの注意点 2-5 まとめ 　参考文献 第3章 dplyr/tidyrによるデータ前処理 3-1 tidy dataとは 　tidy dataの定義 　tidyではないデータ 3-2 tidyrによるtidy dataへの変形 　tidyではないデータ 　pivot_longer()による縦長データへの変形 　pivot_wider()による横長のデータへの変形 3-3 dplyrによる基本的なデータ操作 　tibbleとデータフレームの違い 　dplyrの関数の概要 　1つのデータフレームを操作する関数の共通点と%>% 　演算子による処理のパイプライン化 　filter()による行の絞り込み 　COLUMN dplyrの関数内でのコード実行 　arrange()によるデータの並び替え 　select()による列の絞り込み 　relocate()による列の並べ替え 　mutate()による列の追加 　summarise()によるデータの集計計算 3-4 dplyrによる応用的なデータ操作 　グループ化 　COLUMN 複数の値を返す集約関数とsummarise() 　COLUMN ウィンドウ関数 　COLUMN selectのセマンティクスとmutateのセマンティクス 　複数の列への操作 3-5 dplyrによる2つのデータセットの結合と絞り込み 　inner_join()によるデータの結合 　さまざまなキーの指定方法 　inner_join()以外の関数によるデータの結合 　semi_join()、anti_join()による絞り込み 3-6 tidyrのその他の関数 　separate()による値の分割 　extract()による値の抽出 　separate_rows()による値の分割（縦方向） 　暗黙の欠損値 　complete()による存在しない組み合わせの検出 　COLUMN group_by()による存在しない組み合わせの表示 　fill()による欠損値の補完 　replace_na()による欠損値の置き換え 3-7 まとめ 第4章 ggplot2を用いたデータ可視化 4-1 可視化の重要性 4-2 ggplot2パッケージを用いた可視化 　準備 　エステティックマッピング 　COLUMN グラフに肉付けする 　統計的処理：stat 　COLUMN X軸に離散変数をマッピングした場合における折れ線グラフ 　配置の指定：position 　COLUMN position_dodge()とposition_dodge2() 　軸の調整 　グラフの保存 4-3 他者と共有可能な状態に仕上げる 　themeの変更 　文字サイズやフォントの変更 　配色の変更 　ラベルを変更する 4-4 便利なパッケージ 　複数のグラフを並べる 　表示される水準の順番を変更したい 4-5 まとめ 　参考文献 第5章 R Markdownによるレポート生成 5-1 分析結果のレポーティング 　ドキュメント作成の現場 　手作業によるドキュメント作成の問題点 5-2 R Markdown入門 　Hello, R Markdown 　Rmdファイルと処理フロー 　Markdownの基本 　Rチャンク 　ドキュメントの設定 　RStudioで使える便利なTips 　COLUMN Visual ModeによるRmdファイルの編集 5-3 出力形式 　html_document形式 　pdf_document形式 　word_document形式 　スライド出力 　R Markdownの出力形式を提供するパッケージ 　COLUMN 日本語環境での注意点 5-4 まとめ 　参考URL・参考文献 付録A stringrによる文字列データの処理 A-1 文字列データとstringrパッケージ A-2 文字列処理の例 　str_c()による文字列の連結 　str_split()による文字列の分割 　str_detect()による文字列の判定 　COLUMN fixed()/coll()を用いた挙動の調整 　str_count()による検索対象の計上 　str_locate()による検索対象の位置の特定 　str_subset()/str_extract()による文字列の抽出 　str_sub()による文字列の抽出 　str_replace()による文字列の置換 　str_trim()/str_squish()による空白の除去 A-3 正規表現 　任意の文字や記号の検索 　高度な検索 　regex() A-4 まとめ 付録B lubridateによる日付・時刻データの処理2 B-1 日付・時刻のデータ型とlubridateパッケージ B-2 日付・時刻への変換 　文字列から日付・時刻への変換 　数値から日付・時刻への変換 　readrパッケージによる読み込み時の変換 B-3 日付・時刻データの加工 B-4 interval B-5 日付、時刻データの計算・集計例 　wday()を使った曜日の計算例 　floor_date()を使った週ごとの集計例 B-6 タイムゾーンの扱い B-7 その他の日付・時刻データ処理に関する関数 　zipanguパッケージ 　sliderパッケージ