はじめてのlubridate(1)日付データを扱う

追記：30万本目達成のデータ追加（2017/11/03）

日付データは，Rの基本的な関数だと初学者では扱うのがけっこう大変である。それを簡単にしてくれる，まじでラブリーなパッケージがlubridateだ。

単純なデータで練習するために，今や全国で大人気となったのっぽパンの，ラブライブ!サンシャイン!!とのコラボ商品「塩キャラメルのっぽ」味の累計売上本数を日付と共にグラフにし，それぞれどれだけの日数を要したか確認するまでを解説する。

沼津駅の改札を出てすぐの所にある売店でもこの通りの充実ぶり

データの情報源は以下の通り。

静岡のご当地パン「のっぽパン」と「ラブライブ!サンシャイン!!」のコラボが決定！ | 株式会社バンデロール

のっぽ×ラブライブ！サンシャイン!! コラボパンの累計販売数が10万本突破！ | 株式会社バンデロール

TVアニメ「ラブライブ！サンシャイン！！」と、静岡のご当地パン「のっぽパン」がコラボした、「塩キャラメルのっぽ」が、本日４月15日、販売20万本を達成しました！皆様ありがとうございます！！　#のっぽ　#ラブライブ

— 株式会社バンデロール (@banderolejp) 2017年4月15日

twitter.com

【沼津】『ラブライブ！サンシャイン!!』コラボのっぽ”塩キャラメル”の累計販売数が30万本を突破しました！ご愛顧ありがとうございます！明日より発売の"はちみつみかん”のっぽもよろしくお願いします！ #lovelive pic.twitter.com/RnbOoKbUrx

— ラブライブ！公式 (@LoveLive_staff) 2017年10月30日

twitter.com

データを読み込む

library(tidyverse)
library(lubridate)

データの読み込みは，今後の情報追加時の更新作業が分かりやすい配置になるように，tribble()で実施してみる。

dat <- tribble(
  ~date,           ~hon,
  "2016/09/13",        0,
  "2016/11/09",   100000,
  "2017/04/15",   200000,
  "2017/10/30",   300000
)
dat

日付は文字型にしておく必要があるため，" "で囲っている。データフレームを表示すると以下のような感じになる

# A tibble: 4 x 2
        date   hon
       <chr> <dbl>
1 2016/09/13 0e+00
2 2016/11/09 1e+05
3 2017/04/15 2e+05
4 2017/10/30 3e+05

日付変数に変換する

ここでlubridateの出番である。日付の情報が，year-month-dayの順番で並んでいるので，それぞれの頭文字をとった関数ymd()を使うだけでお手軽に変換できる。

dat <- dat %>%
  mutate(date2 = ymd(date)
           )

# A tibble: 4 x 3
        date   hon      date2
       <chr> <dbl>     <date>
1 2016/09/13 0e+00 2016-09-13
2 2016/11/09 1e+05 2016-11-09
3 2017/04/15 2e+05 2017-04-15
4 2017/10/30 3e+05 2017-10-30

このように，変数の型も<date>になった。

なお，ここの作業に関連する関数は他にもydm(),mdy(),myd(),dmy(),dym()があり，年月日がどんな順番でも対応可能なことが分かる。たとえば，

dmy("13/09/2016")

[1] "2016-09-13"

他にも，year-month-day hour-minute-secondに対応した，ymd_hms()などもあるが，今回は扱わない。

年月日の区切りは様々なタイプに対応しており，区切りなしや区切りが空白といった場合でも同様に読み込める。たとえば，

dmy("09 Nov 2016")

[1] "2016-11-09"

詳しくは，ymd()などのhelpのexample参照。

横軸が日付で縦軸が売上本数の線グラフを描いて，それぞれの達成日を点で示す

p <- dat %>% 
  ggplot(aes(x = date2, y = hon)) +
  geom_line()+
  geom_point()
p

横軸の日付表示がざっくりすぎるのと，時点数の表示が少ないので，横軸を1カ月ごとの表示にしてみる

p + scale_x_date(date_breaks="1 month")

日付の文字が長く重なってしまうので，角度を45度にしてみる

p +
  scale_x_date(date_breaks="1 month") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

縦軸の本数の表示が分かりにくいので，コンマをつけてすべて表示させる

p +
  scale_x_date(date_breaks="1 month") +
  scale_y_continuous(labels = scales::comma) +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

さて，グラフを見ると最初の10万本達成までの伸びが急激で，その後20万本までは少し緩やかになり，30万本目までもほぼ同じ勢いで伸びている。次は，時点間の日数が何日だったかについて確認してみる

時点間の日数を計算して変数にする

これは，date2の値について，前の行の値との差を計算すればよい。dplyrのlag()関数が便利である。引数のdefault = date2[1]というのは，前の行がない1行目の結果をどうするかの指定で，デフォルトではNAを返すが，ここでは同じ1行目を指定しているので，0が返ってくる。

dat <- dat %>%
  mutate(date_dif = date2 - lag(date2, default = date2[1]))
dat

# A tibble: 4 x 4
        date   hon      date2 date.dif
       <chr> <dbl>     <date>   <time>
1 2016/09/13 0e+00 2016-09-13   0 days
2 2016/11/09 1e+05 2016-11-09  57 days
3 2017/04/15 2e+05 2017-04-15 157 days
4 2017/10/30 3e+05 2017-10-30 198 days

最初の2か月だけでみると

> 100000/57
[1] 1754.386

なので，1日あたり1754本売れていたことになる。