RubyとRで競馬分析

コード表の用意

DataLab.で提供されているデータでは、いろいろなコード(ID)が使われています。
計算の途中ではコード値のままのほうが扱いやすいかもしれませんが、最終的な表示では、コード値の「01」とかではなく、「札幌」などと表示した方が分かりやすいでしょう。

そこで、コード値と対応する日本語と英語を格納したコード表を用意します。
コード表は、使い回しが効くように、.csvファイルとして用意しています。

「C2001EX.csv」の拡張競馬場コードは、「馬場改修を考慮した競馬場コード」説明したコードです。

各.csvファイルには、「CD」カラムに「コード値」、「Name」カラムに「コードの日本語名」、「NameEng」カラムに「コードの英語名」を格納します。ただし、若干の例外があります。

「コード表」を読み込んだ「Rオブジェクト」の用意

私はRubyでデータの前処理をして、最終的な出力はRを主に使っています。そのため、この.csvファイルは、主にRで使うのですが、その際、いちいち.csvファイルとして読み込むのも時間の無駄です。
そこで、Rスクリプト「DataLab_SaveCD.r」で、あらかじめ.csvファイルを読み込んだ「Rオブジェクト」を作って「RData」フォルダに保存しておきます。

このスクリプトでは、各.csvファイルが「CD」フォルダ内に用意されていて、変換したRオブジェクトは「RData」フォルダ内に保存するものと仮定しています。
フォルダの有無はチェックしていないので、「RData」フォルダは、スクリプトを実行する前に手動で用意しておく必要があります。

このRスクリプトを実行するには、Rのコンソール上で、次のように入力します。

> source("DataLab_SaveCD.r")

以降、load関数を使って、保存したデータフレーム・オブジェクトをいつでも再読み込みできるようになります。
たとえば、「競馬場コード」を読み込みたい場合は、次のようにします。

> load("RData/C2001.rdata")

これで、データフレーム「C2001」が使えるようになります。

メモ

read.csv関数でCSVファイルを読み込むときに、colClasses引数を指定して各カラムのデータ型を明示的に指定しています。
colClasses引数を指定しないと、read.csv関数は自動的にデータ型を設定しますが、コード値である「00」や「01」などは数値としては扱って欲しくないので、ここではデータ型を明示的に指定して誤変換が起こらないようにしています。

read.csv関数で読み込んだデータフレーム・オブジェクトは、save関数で保存した後、rm関数で削除しています。

使用例　競馬場コードを競馬場名に変換する

以上で用意したRオブジェクトを使って、競馬データのコード値が格納されている配列を元に、対応する文字列を格納した配列を作るには、次のようにします。

競馬場コードの値が格納されている配列「KeibajyoCD」に対応する競馬場名の配列「KeibajyoName」を作っています。このとき、競馬場名として、「コード値」＋「：」＋「競馬場の英語名」という文字列を作っています。
「C2001$NameEng」の代わりに「C2001$Name」を使えば日本語名も使えますが、Rで表などを作るときは、英語のほうが桁がそろって都合がよいので、英語を使っています。
(出力状況を見ると、Rは、文字の幅を「文字数×半角文字の文字幅」で単純計算しているようです。

#競馬場のコードを読み込む
load("RData/C2001.rdata")

#競馬場コードを競馬場名に変換する
KeibajyoName <- as.character(KeibajyoCD)
for(index in 1:length(C2001$CD)) {
  KeibajyoName[KeibajyoName == C2001$CD[index]] <-
      paste(C2001$CD[index], ":", C2001$NameEng[index])
}

コード表変換関数

以上の処理はよく行なう処理なので、Rスクリプト「DataLab_Code2Name.r」に、汎用的な関数「Code2Name」として定義しておきます。
この関数は、次のように使います。

#Code2Nameを定義する
source("DataLab_Code2Name.r")

#競馬場のコードを読み込む
load("RData/C2001.rdata")

#競馬場コードを競馬場名に変換する
KeibajyoName <- Code2Name(KeibajyoCD, C2001$CD, C2001$NameEng)

DataLab_SaveCD.r

#DataLabで使われるコード表をデータフレームに読み込み、
#データフレーム・オブジェクトを保存する

#[競馬場コード](C2001)
C2001 <- read.csv("CD/C2001.csv",
                  colClasses=c("factor","character","character"))
save(C2001, file="RData/C2001.rdata")
rm(C2001)

#[曜日コード](C2002)
C2002 <- read.csv("CD/C2002.csv",
                  colClasses=c("factor","character","character"))
save(C2002, file="RData/C2002.rdata")
rm(C2002)

#[グレードコード](C2003)
C2003 <- read.csv("CD/C2003.csv",
                  colClasses=c("factor","character"))
save(C2003, file="RData/C2003.rdata")
rm(C2003)

#[競走種別コード](C2005)
C2005 <- read.csv("CD/C2005.csv",
                  colClasses=c("factor","character","character"))
save(C2005, file="RData/C2005.rdata")
rm(C2005)

#[競走記号コード](C2006)
C2006 <- read.csv("CD/C2006.csv",
                  colClasses=c("factor","character","character"))
save(C2006, file="RData/C2006.rdata")
rm(C2006)

#[競走条件コード](C2007)
C2007 <- read.csv("CD/C2007.csv",
                  colClasses=c("factor","character","character"))
save(C2007, file="RData/C2007.rdata")
rm(C2007)

#[重量種別コード](C2008)
C2008 <- read.csv("CD/C2008.csv",
                  colClasses=c("factor","character","character"))
save(C2008, file="RData/C2008.rdata")
rm(C2008)

#[トラックコード](C2009)
C2009 <- read.csv("CD/C2009.csv",
                  colClasses=c("factor","character","character"))
save(C2009, file="RData/C2009.rdata")
rm(C2009)

#[馬場状態コード](C2010)
C2010 <- read.csv("CD/C2010.csv",
                  colClasses=c("factor","character","character","character"))
save(C2010, file="RData/C2010.rdata")
rm(C2010)

#[天候コード](C2011)
C2011 <- read.csv("CD/C2011.csv",
                  colClasses=c("factor","character","character"))
save(C2011, file="RData/C2011.rdata")
rm(C2011)

#[異常区分コード](C2101)
C2101 <- read.csv("CD/C2101.csv",
                  colClasses=c("factor","character","character"))
save(C2101, file="RData/C2101.rdata")
rm(C2101)

#[着差コード](C2102)
C2102 <- read.csv("CD/C2102.csv",
                  colClasses=c("factor","character","character"))
save(C2102, file="RData/C2102.rdata")
rm(C2102)

#[品種コード](C2201)
C2201 <- read.csv("CD/C2201.csv",
                  colClasses=c("factor","character"))
save(C2201, file="RData/C2201.rdata")
rm(C2201)

#[性別コード](C2202)
C2202 <- read.csv("CD/C2202.csv",
                  colClasses=c("factor","character"))
save(C2202, file="RData/C2202.rdata")
rm(C2202)

#[毛色コード](C2203)
C2203 <- read.csv("CD/C2203.csv",
                  colClasses=c("factor","character","character"))
save(C2203, file="RData/C2203.rdata")
rm(C2203)

#[馬記号コード](C2204)
C2204 <- read.csv("CD/C2204.csv",
                  colClasses=c("factor","character","character"))
save(C2204, file="RData/C2204.rdata")
rm(C2204)

#[東西所属コード](C2301)
C2301 <- read.csv("CD/C2301.csv",
                  colClasses=c("factor","character","character"))
save(C2301, file="RData/C2301.rdata")
rm(C2301)

#[騎乗資格コード](C2302)
C2302 <- read.csv("CD/C2302.csv",
                  colClasses=c("factor","character"))
save(C2302, file="RData/C2302.rdata")
rm(C2302)

#[騎手見習コード](C2303)
C2303 <- read.csv("CD/C2303.csv",
                  colClasses=c("factor","character","character"))
save(C2303, file="RData/C2303.rdata")
rm(C2303)

#[拡張競馬場コード](C2001EX)
C2001EX <- read.csv("CD/C2001EX.csv",
                  colClasses=c("factor","character","character"))
save(C2001EX, file="RData/C2001EX.rdata")
rm(C2001EX)

DataLab_Code2Name.r

#コードから名前に変換する関数
Code2Name <-  function(dataCD, CD, NameEng) {
  dataName <- as.character(dataCD)
  for(index in 1:length(CD)) {
    dataName[dataName == CD[index]] <- paste(CD[index], ":", NameEng[index], sep = "")
  }
  return(dataName)
}

(C) 2006 NARITA, Takuro
E-Mail:narita@a1.mbn.or.jp