![Webスクレイピング ソースリスト
if(seq == 7){ str[2] <- '91.12.1'}
dt <- as.Date(str[2],format='%y.%m.%d')
tmp2 <- regexpr('<|（',paste(str[3],'<'))
str2 <- substr(str[3],0,tmp2-1)
idx <- 9
kind <- '-‘
if(str2 == 'グー') { kind <- 'G'; idx=1 }
if(str2 == 'チョキ'){ kind <- 'C'; idx=2 }
if(str2 == 'パー'){ kind <- 'P'; ; idx=3 }
if(flg == FALSE){
tbl <- data.frame(seq,dt,kind,idx,yy,mm,dd,)
flg <- TRUE
}
else{
tbl <- rbind(xy,data.frame(seq,dt,kind,idx))
}
#print(seq)
i <- i + 1
if(seq == 1) break
library(RCurl)
txtfile <- iconv(getURL("http://www.asahi-net.or.jp/~tk7mari/sazae_ichiran.html", .encoding="Shift-JIS"), "Shift-JIS","UTF-8")
txtvec <- strsplit(txtfile,'?n')[[1]]
flg <- FALSE
i <- 1
while(i > 0) {
tag <- substr(txtvec[i],1,1)
if(tag == '<' || tag == ''){ i <- i + 1; next }
str <- strsplit(txtvec[i],'?t')[[1]]
tmp <- regexpr('??d+',str[1])
seq <- as.integer(substr(str[1],tmp,tmp+attr(tmp,'match.length')-1))
}](https://image.slidesharecdn.com/sazaejyanken-140104222621-phpapp02/85/-7-320.jpg)
![一手前との関連性のグラフ化の準備
?
ggplot2による円グラフ作成
#2パターンの列合計を求める
sumptn <- colSums(dfptn[,-1])
#円グラフ 総合
allptn <- data.frame(kind=c("win", "lose","draw"), val=c(sumptn["win"],sumptn["lose"],sumptn["draw"]))
p <- ggplot(data.frame(allptn ), aes(x="", y = val, fill = kind))
p + geom_bar(width = 1, stat = "identity" ) + coord_polar("y")+ xlab("") + ylab("総合") + labs(fill = "種類")
#円グラフ 勝手
winptn <- data.frame(kind=c("GP", "CG","PC"), val=c(sumptn["GP"],sumptn["CG"],sumptn["PC"]))
p <- ggplot(data.frame(winptn ), aes(x="", y = val, fill = kind))
p + geom_bar(width = 1, stat = "identity" ) + coord_polar("y")+ xlab("") + ylab("勝手") + labs(fill = "種類")
#円グラフ 負手
loseptn <- data.frame(kind=c("GC", "CP","PG"), val=c(sumptn["GC"],sumptn["CP"],sumptn["PG"]))
p <- ggplot(data.frame(loseptn ), aes(x="", y = val, fill = kind))
p + geom_bar(width = 1, stat = "identity" ) + coord_polar("y")+ xlab("") + ylab("負手") + labs(fill = "種類")
#円グラフ 同手
drawptn <- data.frame(kind=c("GG", "CC","PP"), val=c(sumptn["GG"],sumptn["CC"],sumptn["PP"]))
p <- ggplot(data.frame(drawptn ), aes(x="", y = val, fill = kind))
p + geom_bar(width = 1, stat = "identity" ) + coord_polar("y")+ xlab("") + ylab("同手") + labs(fill = "種類")](https://image.slidesharecdn.com/sazaejyanken-140104222621-phpapp02/85/-21-320.jpg)
![人間乱数の分析の準備
?
コンピュータの乱数の質
R言語はメルセンヌ?ツイスター法により一様乱数を生成している
「R によるデータの統計的取り扱い/一様乱数表」のサイトによると
大量の乱数(1000万個)を発生させたヒストグラムでほぼ一様な分布となります。
今回は１５個の乱数を剰余で３種類にし、１年分の５２個の乱数を生成しました。
hand <- c('G','C','P‘);
rnd <- floor(runif(52, 0, 14));
idx <- rnd[y] %% 3 + 1;
kind <- hand[idx];](https://image.slidesharecdn.com/sazaejyanken-140104222621-phpapp02/85/-29-320.jpg)
サザエさんのじゃんけん データ分析
- 4. R言語について ? Ｒ言語って何？ 誰でも無料で、自由に利用できるデータ分析のための言語です。 どんなＯＳ（Windows, Macintosh, Linux）でも動作します。 利用可能な分析手法やツールを、世界中のユーザーが開発し公開しているため、 極めて豊富です。 ダウンロード（Windows版）はこちらから http://cran.md.tsukuba.ac.jp/bin/windows/base/ ? Ｒ Studioって何？ 統計ソフトR用の統合開発環境(IDE) です。 Rをもっと 便利に使うためのフリーソフト ? Ｒ Studioのインストール ダウンロードはこちらから http://www.rstudio.com/ide/ 使い方は、Ｇｏｏｇｌｅ先生に尋ねてください。
- 6. ■じゃんけんデータの生成 ? Webサイトからサザエさんの過去の手一覧を取得する RCurl(HTTP リクエストインターフェース )を使うことで、Webサイトから随時 データを取得します。 1.文字コードはShift-JIS 2.テーブルタグは未使用 3.第7回 91.11.31と ありえない日付がある
- 7. Webスクレイピング ソースリスト if(seq == 7){ str[2] <- '91.12.1'} dt <- as.Date(str[2],format='%y.%m.%d') tmp2 <- regexpr('<|（',paste(str[3],'<')) str2 <- substr(str[3],0,tmp2-1) idx <- 9 kind <- '-‘ if(str2 == 'グー') { kind <- 'G'; idx=1 } if(str2 == 'チョキ'){ kind <- 'C'; idx=2 } if(str2 == 'パー'){ kind <- 'P'; ; idx=3 } if(flg == FALSE){ tbl <- data.frame(seq,dt,kind,idx,yy,mm,dd,) flg <- TRUE } else{ tbl <- rbind(xy,data.frame(seq,dt,kind,idx)) } #print(seq) i <- i + 1 if(seq == 1) break library(RCurl) txtfile <- iconv(getURL("http://www.asahi-net.or.jp/~tk7mari/sazae_ichiran.html", .encoding="Shift-JIS"), "Shift-JIS","UTF-8") txtvec <- strsplit(txtfile,'?n')[[1]] flg <- FALSE i <- 1 while(i > 0) { tag <- substr(txtvec[i],1,1) if(tag == '<' || tag == ''){ i <- i + 1; next } str <- strsplit(txtvec[i],'?t')[[1]] tmp <- regexpr('??d+',str[1]) seq <- as.integer(substr(str[1],tmp,tmp+attr(tmp,'match.length')-1)) }
- 8. じゃんけんデータの説明 ? Webスクレイピングにより生成されたデータフレーム 列名 seq 回数 dt 日付 kind 種類 グー:G、チョキ:C、パー:P、休み:－ Idx 表示順 グー:1、チョキ:2、パー:3、休み:9
- 10. じゃんけんの種類別総数グラフ化の準備① ? じゃんけんの種類別総数SQL sumtbl <- sqldf(“SELECT kind,COUNT(kind) cnt,idx FROM tbl GROUP BY kind ORDER BY idx") ? 棒グラフ化が面倒 R標準の棒グラフ「barplot」では、横軸(X)と縦軸(Y)のデータ列の指定が出来ないため、 下記のように「barplot」に則ったデータに加工する必要があって面倒である。
- 11. じゃんけんの種類別総数グラフ化の準備② ? ggplot2による棒グラフ作成 「ggplot2」では、 横軸(X)と縦軸(Y)のデータ列の指定が出来るので、データフレームのまま 扱うことが出来る。 library(ggplot2) p <- ggplot(sumtbl, aes(x=kind, y=cnt)) p + geom_bar(stat="identity", aes(fill=kind)) でも、標準指定では横軸がC,G,P,―と順番が勝手に並び替えされてしまっているので、 G,C,P, ―の順番にしたい。また、横軸(kind)と縦軸(cnt)と色名(kind)を日本語にしてみたい
- 12. じゃんけんの種類別総数グラフ化の準備③ ? reorder関数を使って横軸(X)の順序を指定する データフレームに横軸(X)の順序を規定する変数を含めておき、aes コンポーネン トで reorder 関数を使うだけで好きな順序に変更することができます。 また、xlab,ylab,labs(fill)に横軸(X)と縦軸(Y)と色名に日本語を指定する。 p <- ggplot(sumtbl, aes(x=reorder(kind, idx), y=cnt)) p + geom_bar(stat="identity", aes(fill=reorder(kind, idx))) + xlab("手") + ylab("件 数") + labs(fill = "手")
- 14. じゃんけんの年別種類別総数グラフ化の準備① ? 10年前(2004年以降)のデータの年別種類別総数のSQL #日付を年のみに変換する関数を生成 year = function(data){ data$dt <- format(data$dt, “%Y”); data } #関数を使って日付を年のみにしたデータフレームを生成 ytbl <- sqldf(“SELECT * FROM tbl", method = function(x) data.frame(year(tbl))) # 10年前(2004年以降)から休みを除いた年別種類別総数のデータフレームを生成 yeartbl <- sqldf(“SELECT kind,dt,COUNT(kind) cnt,idx FROM yeartbl WHERE kind<>'-' AND dt>=2004 GROUP BY kind,dt ORDER BY dt,kind")
- 16. じゃんけんの年別種類別総数グラフ化の準備③ ? 年別にグラフ化(facet_grid関数を使用し横並びにする) p <- ggplot(yeartbl, aes(x=reorder(kind, idx), y=cnt)) p + geom_bar(stat="identity", aes(fill=reorder(kind, idx))) + facet_grid(. ~ dt)+ xlab("手") + ylab("件数") + labs(fill = "手")
- 21. 一手前との関連性のグラフ化の準備 ? ggplot2による円グラフ作成 #2パターンの列合計を求める sumptn <- colSums(dfptn[,-1]) #円グラフ 総合 allptn <- data.frame(kind=c("win", "lose","draw"), val=c(sumptn["win"],sumptn["lose"],sumptn["draw"])) p <- ggplot(data.frame(allptn ), aes(x="", y = val, fill = kind)) p + geom_bar(width = 1, stat = "identity" ) + coord_polar("y")+ xlab("") + ylab("総合") + labs(fill = "種類") #円グラフ 勝手 winptn <- data.frame(kind=c("GP", "CG","PC"), val=c(sumptn["GP"],sumptn["CG"],sumptn["PC"])) p <- ggplot(data.frame(winptn ), aes(x="", y = val, fill = kind)) p + geom_bar(width = 1, stat = "identity" ) + coord_polar("y")+ xlab("") + ylab("勝手") + labs(fill = "種類") #円グラフ 負手 loseptn <- data.frame(kind=c("GC", "CP","PG"), val=c(sumptn["GC"],sumptn["CP"],sumptn["PG"])) p <- ggplot(data.frame(loseptn ), aes(x="", y = val, fill = kind)) p + geom_bar(width = 1, stat = "identity" ) + coord_polar("y")+ xlab("") + ylab("負手") + labs(fill = "種類") #円グラフ 同手 drawptn <- data.frame(kind=c("GG", "CC","PP"), val=c(sumptn["GG"],sumptn["CC"],sumptn["PP"])) p <- ggplot(data.frame(drawptn ), aes(x="", y = val, fill = kind)) p + geom_bar(width = 1, stat = "identity" ) + coord_polar("y")+ xlab("") + ylab("同手") + labs(fill = "種類")
- 24. 三手の組み合わせによる分析 ? トップ10 統計的には違う手の組み合わせが多い。 二手前と一手前が違う手になった場合、残りの手が出やすい。 (例 GCならPを出す) 三手の中に同手がある場合、 残りの手が出やすい。(例 GCGやGGCならPを出す) ? 二手前と一手前が同手 二手前と一手前が同手の場合、チョキを出す割り合いが多い。(GGC,PPC,CCC)
- 28. ■人間乱数の分析 ? 人間乱数の分析 人間によって次の手を決めているのか、コンピュータ等を使用して次の手を決めているのか分析する。 ? 都市伝説 キター！！(by 都市伝説の女) エンディングの最後で一家が山小屋に突っ込むシーン。このシーンで煙突の煙の状態を見ると、 その後のじゃんけんに影響を及ぼすという。 ?煙がわっか状 → グー ?煙がひも状 → チョキ ?煙がない → パー という法則があるらしい。 下記サイトの検証結果からあくまで都市伝説である。 『サザエさんじゃんけん』には必勝法があるという噂がTwitterで広まる http://www.yukawanet.com/archives/3978209.html
- 29. 人間乱数の分析の準備 ? コンピュータの乱数の質 R言語はメルセンヌ?ツイスター法により一様乱数を生成している 「R によるデータの統計的取り扱い/一様乱数表」のサイトによると 大量の乱数(1000万個)を発生させたヒストグラムでほぼ一様な分布となります。 今回は１５個の乱数を剰余で３種類にし、１年分の５２個の乱数を生成しました。 hand <- c('G','C','P‘); rnd <- floor(runif(52, 0, 14)); idx <- rnd[y] %% 3 + 1; kind <- hand[idx];
- 34. ■次の手の予測と勝敗結果 ? じゃんけんの癖から次の手の勝手を予測する ?チョキが多いので、グー ＞ チョキ ＞ パーの優先順位とする ?前回と違う手を出すので、上記の優先順位で勝手を選ぶ ?二手前と一手前が違う手なら、残りの手を出すので勝手を選ぶ ?三手の中に同手がある場合、 残りの手を出すので勝手を選ぶ ?二手前と一手前が同じ手なら、勝手を出すので負手を選ぶ 上記を基にプログラムを組み過去データと検証する。かなりベタベタです。 ※同手の間隔処理については面倒なのでやめる。
- 35. 次の手の予測プログラム guess <- 'G'; If(fstkind == 'G') guess <- 'C'; if(fstkind == 'C') guess <- 'G'; if(fstkind == 'P') guess <- 'G'; #2手前が在る場合 if(sndkind != ''){ if(sndkind != fstkind){ else{ #残りの手が出ると予想するので残りの手の勝手にする #同一なら勝手と予想するので負手にする ptn <- paste(fstkind,sndkind,sep=""); if(fstkind == 'G') guess <- 'C'; if(ptn == 'GC' || ptn == 'CG') guess <- 'C'; if(fstkind == 'C') guess <- 'P'; if(ptn == 'CP' || ptn == 'PC') guess <- 'P'; if(ptn == 'PG' || ptn == 'GP') guess <- 'G'; } if(fstkind == 'P') guess <- 'G'; }
- 36. 次の手の予測プログラム #3手前が在る場合 if(thrkind != ''){ #違う組み合わせ 残りの手が出ると予想するので残りの手の勝手にする ptn <- paste(fstkind,sndkind,sep=""); if(ptn == 'GC' || ptn == 'CG') guess <- 'C'; ptn <- paste(fstkind,sndkind,thrkind,sep=""); if(ptn == 'GCG' || ptn == 'CGC') guess <- 'C'; if(ptn == 'CPC' || ptn == 'PCP') guess <- 'P'; if(ptn == 'PGP' || ptn == 'GPG') guess <- 'G'; if(ptn == 'GGC' || ptn == 'CCG' || ptn == 'GCC' || ptn == 'CGG') guess <- 'C'; if(ptn == 'CCP' || ptn == 'PPC' || ptn == 'PCC' || ptn == 'CPP') guess <- 'P'; if(ptn == 'PPG' || ptn == 'GGP' || ptn == 'GPP' || ptn == 'PGG') guess <- 'G'; } }
- 37. 予測した手との勝敗結果 2004年～2013年のじゃんけんデータを基に予測した手との勝率 勝率の計算方法 勝ち数÷(勝ち数+負け数) ※引き分けを除外 年 勝ち 負け 引き分け 勝率 2004 24 10 15 0.71 2005 21 15 13 0.58 2006 23 13 14 0.64 2007 22 17 12 0.56 2008 29 13 9 0.69 2009 31 6 13 0.84 2010 28 7 13 0.80 2011 31 8 12 0.79 2012 27 12 10 0.69 2013 25 11 12 0.69 平均の勝率 0.7と高確率 となりました。 オモコロの下記サイトの記録 「2011年の51戦28勝12敗11分」には報いました。 サザエさんと一年中ジャンケンしてみた 男の戦い
- 40. ご清聴ありがとうございました！