R_pivot_table_20240906

Topic（Purpose / Outcome：目的・期待される成果）
Visualization（How / Output：事実整理 / 最終ゴール）
Script Design / Summary（How：設計図・概要・論理構築）
1. Raw data / Wrangling / Feature Engineering（抽出～整形）
メモ
参考リンク

Topic（Purpose / Outcome：目的・期待される成果）

Conductor

縦持ちデータの横持ち化

Visualization（How / Output：事実整理 / 最終ゴール）

Visualizer

青は回帰直線。plot_time_seriesを利用すればggplotを利用しなくても簡単に描画可能。

Script Design / Summary（How：設計図・概要・論理構築）

Wrangler

全体像はこんな感じ

# 1.0 LIBRARIES ----
library(openxlsx)
library(tidyquant)
library(tidyverse)
library(timetk)
# 2.0 GET DATA ----
stock_data_tbl <- c("AAPL", "GOOG", "NFLX", "NVDA") %>% tq_get(from = "2010-01-01", to = "2019-12-31")
stock_pivot_table <- stock_data_tbl %>% pivot_table( .rows = ~ YEAR(date), .columns = ~ symbol, .values = ~ PCT_CHANGE_FIRSTLAST(adjusted) # PCT_CHANGE_FIRSTLAST() 関数は、最初と最後の値の変化率を計算します。 ) %>% rename(year = 1) # rename() 関数は、列名を変更します。1列目をyearに変更。
stock_plot <- stock_data_tbl %>% group_by(symbol) %>% plot_time_series(date, adjusted, .color_var = symbol, .facet_ncol = 2, .interactive = FALSE) # plot_time_series() 関数は、時系列データをプロットします。自動的に移動平均線が追加されます。 # 正確には、ggplot2 パッケージの geom_line() 関数を使用しています（これは回帰直線です） # .color_var = symbol は、symbol列を色分けすることを指定しています。 # .facet_ncol = 2 は、2列でプロットすることを指定しています（グラフ画面）。 # .interactive = FALSE は、インタラクティブなプロットを無効にしています。
# 3.0 CREATE WORKBOOK ----
# * Initialize a workbook ----
wb <- createWorkbook() # createWorkbook() 関数は、新しいExcelワークブックを作成します。
# * Add a Worksheet ----
addWorksheet(wb, sheetName = "stock_analysis")　# addWorksheet() 関数は、新しいワークシートを追加します。
# * Add Plot ----
print(stock_plot) # print() 関数は、プロットを表示します。
wb %>% insertPlot(sheet = "stock_analysis", startCol = "G", startRow = 3)
# insertPlot() 関数は、プロットをワークブックに挿入します。
# sheet = "stock_analysis" は、stock_analysisワークシートにプロットを挿入することを指定しています。
# startCol = "G" は、G列からプロットを挿入することを指定しています。
# startRow = 3 は、3行目からプロットを挿入することを指定しています。
# * Add Data ----
writeDataTable(wb, sheet = "stock_analysis", x = stock_pivot_table)
# writeDataTable() 関数は、データフレームをワークブックに書き込みます。
# sheet = "stock_analysis" は、stock_analysisワークシートにデータを書き込むことを指定しています。
# x = stock_pivot_table は、stock_pivot_tableデータフレームを書き込むことを指定しています。
# * Save Workbook ----
saveWorkbook(wb, "005_excel_workbook/stock_analysis.xlsx", overwrite = TRUE)
# saveWorkbook() 関数は、ワークブックを保存します。
# "005_excel_workbook/stock_analysis.xlsx" は、stock_analysis.xlsxファイルにワークブックを保存することを指定しています。
# overwrite = TRUE は、既存のファイルを上書きすることを指定しています。
# * Open the Workbook ----
openXL("005_excel_workbook/stock_analysis.xlsx")
# openXL() 関数は、Excelワークブックを開きます。

Raw data / Wrangling / Feature Engineering（抽出～整形）

Raw data（How：生データ抽出元）

Source: Yahoo finance

Raw data（How：生データ抽出方法）

SQL読込： –
CSV読込： –
API読込：〇

Raw data（How：生データの構造 / 種類）

Extractor

元々のデータフレーム

Wrangling (How： Loading・生データ読込)

Wrangler

# Script on Rstudio
# Tips: 読み込み先のファイルは「記載するpath名の始まり」からWorking Directoryとして設定する必要性がある。
stock_data_tbl <- c("AAPL", "GOOG", "NFLX", "NVDA") %>% tq_get(from = "2010-01-01", to = "2019-12-31")

Wrangling (How： before output、Output前のデータ構造)

Wrangler

視える化に合わせて編集

pivotでクロス集計表を作成。行：.rows = YEAR(date)、列：ccolumns = ~ symbol。値は.values = ~ adjusted。

メモ

行 (row) ：レコード、Observation
列 (column)：特徴量、変数、次元数、次元の削減（Dimensionality Reduction）: 高次元データを少ない次元に圧縮し、モデルの効率を上げるための手法。
値：data point、Feature
Wide format：クロス集計表（横持ちデータ）、Long format：縦持ちデータ