R on いつかの熊右衛門

Google カレンダー：2024年度長野市ごみ収集日

Sat, 30 Mar 2024 07:15:00 +0900

「2026年度長野市ごみカレンダー」を公開しました。

2024年度（令和6年度）長野市のゴミ収集日を Google カレンダーに表示させる為の CSV ファイルを作成しました。 Google カレンダーに CSV ファイルを読み込ませる方法はこちらを参照ください。

2024/05/04 追記
カレンダーの共有リンクを追加しました。
ご自身の地区の「カレンダーに追加」リンクから Google カレンダーに収集日を追加できます。
PC または Android からはデフォルトで利用できるようですが、iPhone は Google カレンダーアプリがインストールされている必要がありました。
収集日に使われる色は好みで変更ください。

地区別 CSV ファイル / カレンダー共有リンク

長野市がクリエイティブ・コモンズ・ライセンス表示4.0国際（CC-BY4.0）ライセンスの下に公開しているデータを以前のソースコードを流用して加工しました。
※ 内容は保証しません。利用は、ご自身の判断でお願い致します。
下記リンクからファイルのダウンロードができない場合、
Google ドライブの共有ファイルからダウンロードをお試しください。
その際は、欲しい CSV の下記 No. を元に対象のファイルをご利用ください。

No.	地区別 CSV ファイル	共有リンク
01	第一	カレンダーに追加
02	第二	カレンダーに追加
03	第三	カレンダーに追加
04	第四	カレンダーに追加
05	第五	カレンダーに追加
06	芹田	カレンダーに追加
07	古牧	カレンダーに追加
08	三輪	カレンダーに追加
09	吉田	カレンダーに追加
10	古里、朝陽	カレンダーに追加
11	柳原、若穂	カレンダーに追加
12	浅川	カレンダーに追加
13	大豆島	カレンダーに追加
14	若槻	カレンダーに追加
15	長沼	カレンダーに追加
16	安茂里	カレンダーに追加
17	小田切	カレンダーに追加
18	芋井	カレンダーに追加
19	篠ノ井塩崎、篠ノ井共和、篠ノ井川柳、篠ノ井信里	カレンダーに追加
20	篠ノ井東福寺、篠ノ井西寺尾	カレンダーに追加
21	篠ノ井中央	カレンダーに追加
22	松代	カレンダーに追加
23	川中島	カレンダーに追加
24	更北	カレンダーに追加
25	七二会	カレンダーに追加
26	信更	カレンダーに追加
27	戸隠中社、戸隠宝光社、戸隠上楠川	カレンダーに追加
28	戸隠北部、戸隠中央、戸隠東部、戸隠南部、戸隠川手、戸隠志垣	カレンダーに追加
29	戸隠西部、戸隠平、戸隠西条、戸隠追通、戸隠上祖山、戸隠下祖山	カレンダーに追加
30	鬼無里上里、鬼無里中央1	カレンダーに追加
31	鬼無里中央2、鬼無里両京	カレンダーに追加
32	大岡甲（川口を除く）、大岡中牧、大岡弘崎、大岡聖ヶ岡	カレンダーに追加
33	大岡乙、大岡丙（聖ヶ岡を除く）、大岡川口	カレンダーに追加
34	豊野南郷、豊野石、豊野西町、豊野上組、豊野立町、豊野南町、豊野中尾1・2	カレンダーに追加
35	豊野横町、豊野伊豆毛、豊野上田中、豊野神代町、豊野本町1・2、豊野中尾1・2（一部）、豊野小瀬1、豊野泉平、豊野上神代、豊野豊陽台、豊野沖1・2、豊野中央組、豊野向原	カレンダーに追加
36	豊野本町3・4・5、豊野東町、豊野小瀬2、豊野ゆたかの、豊野豊南町、豊野下田中	カレンダーに追加
37	豊野浅野、豊野蟹沢、豊野入、豊野小日向、豊野上堰、豊野鳥居団地、豊野大方、豊野橋場、豊野上原、豊野蟻ケ崎、豊野城山、豊野川谷	カレンダーに追加
38	信州新町旭町、信州新町仲町、信州新町上町、信州新町西上町、信州新町常磐町、信州新町鹿島東、信州新町鹿島西、信州新町大原東、信州新町大原西、信州新町下市場、信州新町牧野島（伊切を除く）、信州新町鹿道、信州新町鹿道団地	カレンダーに追加
39	信州新町久保、信州新町本町、信州新町境町、信州新町千原田、信州新町平、信州新町和平団地、信州新町藤池団地、信州新町下川西平、信州新町太田笠子（石畑を除く）、信州新町穂刈下、信州新町穂刈中、信州新町穂刈上、信州新町穂刈北、信州新町穂刈団地、信州新町陽のあたる丘、信州新町大門、信州新町LR、信州新町原、信州新町道祖神	カレンダーに追加
40	信州新町津和中央、信州新町山秋、信州新町中福、信州新町栃久保、信州新町中尾、信州新町菅沼、信州新町細尾、信州新町津上、信州新町外味藤、信州新町豊和、信州新町津南、信州新町中組、信州新町味藤、信州新町橋場、信州新町安用、信州新町風越、信州新町追沢、信州新町神田、信州新町花倉、信州新町二丁田、信州新町穴平、信州新町寺尾、信州新町矢ノ尻、信州新町峰組、信州新町枌ノ木、信州新町赤柴、信州新町石畑、信州新町尾崎、信州新町上古、信州新町芦沢、信州新町本村、信州新町大河、信州新町西日時	カレンダーに追加
41	信州新町塩本、信州新町伊切、信州新町牧田中一、信州新町牧田中二、信州新町中牧一、信州新町中牧二、信州新町南牧住平、信州新町一倉田和、信州新町下中山、信州新町日名、信州新町和田吐唄、信州新町置原、信州新町橋木、信州新町左右、信州新町岩下、信州新町信級中央、信州新町高見、信州新町岩本、信州新町柳高、信州新町川名	カレンダーに追加
42	中条	カレンダーに追加

情報元

上記 CSV ファイルの元データや参考にしたソースコードです。

長野市オープンデータ
令和６年度ごみ収集カレンダー（「最後に更新した日」は「2024年3月25日」でした。）
Rへのロード用API

Google カレンダー：2023年度長野市ごみ収集日

Sat, 25 Feb 2023 09:15:40 +0900

「2026年度長野市ごみカレンダー」を公開しました。

2023年度（令和5年度）長野市のゴミ収集日を Google カレンダーに表示させる為の CSV ファイルを作成しました。 Google カレンダーに CSV ファイルを読み込ませる方法はこちらを参照ください。

地区別 CSV ファイル

長野市がクリエイティブ・コモンズ・ライセンス表示4.0国際（CC-BY4.0）ライセンスの下に公開しているデータを昨年度のソースコードを流用して加工しました。
※ 内容は保証しません。利用は、ご自身の判断でお願い致します。
下記リンクからファイルのダウンロードができない場合、
Google ドライブの共有ファイルからダウンロードをお試しください。
その際は、欲しい CSV の下記 No. を元に対象のファイルをご利用ください。

No.	地区別 CSV ファイルダウンロード
1	第一
2	第二
3	第三
4	第四
5	第五
6	芹田
7	古牧
8	三輪
9	吉田
10	古里、朝陽
11	柳原、若穂
12	浅川
13	大豆島
14	若槻
15	長沼
16	安茂里
17	小田切
18	芋井
19	篠ノ井塩崎、篠ノ井共和、篠ノ井川柳、篠ノ井信里
20	篠ノ井東福寺、篠ノ井西寺尾
21	篠ノ井中央
22	松代
23	川中島
24	更北
25	七二会
26	信更
27	戸隠中社、戸隠宝光社、戸隠上楠川
28	戸隠北部、戸隠中央、戸隠東部、戸隠南部、戸隠川手、戸隠志垣
29	戸隠西部、戸隠平、戸隠西条、戸隠追通、戸隠上祖山、戸隠下祖山
30	鬼無里上里、鬼無里中央1
31	鬼無里中央2、鬼無里両京
32	大岡甲（川口を除く）、大岡中牧、大岡弘崎、大岡聖ヶ岡
33	大岡乙、大岡丙（聖ヶ岡を除く）、大岡川口
34	豊野南郷、豊野石、豊野西町、豊野上組、豊野立町、豊野南町、豊野中尾1・2
35	豊野横町、豊野伊豆毛、豊野上田中、豊野神代町、豊野本町1・2、豊野中尾1・2（一部）、豊野小瀬1、豊野泉平、豊野上神代、豊野豊陽台、豊野沖1・2、豊野中央組、豊野向原
36	豊野本町3・4・5、豊野東町、豊野小瀬2、豊野ゆたかの、豊野豊南町、豊野下田中
37	豊野浅野、豊野蟹沢、豊野入、豊野小日向、豊野上堰、豊野鳥居団地、豊野大方、豊野橋場、豊野上原、豊野蟻ケ崎、豊野城山、豊野川谷
38	信州新町旭町、信州新町仲町、信州新町上町、信州新町西上町、信州新町常磐町、信州新町鹿島東、信州新町鹿島西、信州新町大原東、信州新町大原西、信州新町下市場、信州新町牧野島（伊切を除く）、信州新町鹿道、信州新町鹿道団地
39	信州新町久保、信州新町本町、信州新町境町、信州新町千原田、信州新町平、信州新町和平団地、信州新町藤池団地、信州新町下川西平、信州新町太田笠子（石畑を除く）、信州新町穂刈下、信州新町穂刈中、信州新町穂刈上、信州新町穂刈北、信州新町穂刈団地、信州新町陽のあたる丘、信州新町大門、信州新町LR、信州新町原、信州新町道祖神
40	信州新町津和中央、信州新町山秋、信州新町中福、信州新町栃久保、信州新町中尾、信州新町菅沼、信州新町細尾、信州新町津上、信州新町外味藤、信州新町豊和、信州新町津南、信州新町中組、信州新町味藤、信州新町橋場、信州新町安用、信州新町風越、信州新町追沢、信州新町神田、信州新町花倉、信州新町二丁田、信州新町穴平、信州新町寺尾、信州新町矢ノ尻、信州新町峰組、信州新町枌ノ木、信州新町赤柴、信州新町石畑、信州新町尾崎、信州新町上古、信州新町芦沢、信州新町本村、信州新町大河、信州新町西日時
41	信州新町塩本、信州新町伊切、信州新町牧田中一、信州新町牧田中二、信州新町中牧一、信州新町中牧二、信州新町南牧住平、信州新町一倉田和、信州新町下中山、信州新町日名、信州新町和田吐唄、信州新町置原、信州新町橋木、信州新町左右、信州新町岩下、信州新町信級中央、信州新町高見、信州新町岩本、信州新町柳高、信州新町川名
42	中条

情報元

上記 CSV ファイルの元データや参考にしたソースコードです。

長野市オープンデータ
令和５年度ごみ収集カレンダー（「最後に更新した日」は「2023年2月17日」でした。）
Rへのロード用API

2023年(令和5年) 長野市の人口を gglot2 でグラフにしてみた

Sat, 21 Jan 2023 06:38:37 +0900

R の gglot2 を使用して人口のグラフを作成してみました。
使用したデータは、長野市がクリエイティブ・コモンズ・ライセンス表示4.0国際（CC-BY4.0）ライセンスの下に公開している「長野市　令和５年地区別年齢別人口」（2023/01/13 更新）です。

全体

長野市　2023年（令和5年）年齢別人口

地区別

長野市　2023年（令和5年）地区別年齢別人口

ソースコード

説明は、昨年の記事を参考にしてください。

library(tidyverse)

source("http://linkdata.org/api/1/rdf1s9823i/R")

data <- chikubetsu_nenreibetsu_202301[, -1]
area_levels = data[["地区名"]]
gender <- c("男","女")

cols <- data %>%
 colnames() %>%
 as.array()
ages <- cols[str_detect(cols, pattern="^X")] %>%
 str_extract(pattern="[0-9]+.+") %>%
 str_replace(pattern="(男|女)", "") %>%
 unique()

data2 <- data.frame()
for (r in 1:nrow(data)) {
 for (g in 1:length(gender)) {
 for (a in 1:length(ages)) {
 col <- sprintf("X%s%s", ages[a], gender[g])
 age <- as.numeric(str_replace(ages[a], "歳.*", ""))
 row <- c(
 data[r, "地区名"],
 gender[g], 
 age, 
 data[r, col]
 )
 data2 <- rbind(data2, row)
 }
 }
}
colnames(data2) <- c("Area", "Gender", "Age", "Population")
data2$Age <- as.numeric(data2$Age)
data2$Population <- as.numeric(data2$Population)
data2 <- data2 %>%
 mutate(Area = factor(Area, levels = area_levels))

theme_update(text=element_text(family="Noto Sans Mono CJK JP"))

options(repr.plot.width=24, repr.plot.height=9)
ggplot(data2, aes(x = as.factor(Age), y = Population, fill = Gender)) +
 geom_col(position = "dodge") +
 labs(title = "長野市　2023年(令和5年)年齢別人口", x = "歳", y = "人口")
ggsave("2023_nagano-shi_Population_All.png", width = 24, height = 9, dpi = 96)

options(repr.plot.width = 48, repr.plot.height = 32)
ggplot(data2, aes(x = Age, y = Population, fill = Gender)) +
 geom_col(position = "dodge") +
 facet_wrap(~Area, ncol = 4) +
 labs(title = "長野市　2023年(令和5年)地区別年齢別人口", x = "歳", y = "人口")
ggsave("2023_nagano-shi_Population_Area.png", width = 48, height = 32, dpi = 96)

データ分析のためのデータ可視化入門 (Amazon)

R：データフレームから数値の列を選別する

Sat, 31 Dec 2022 18:32:03 +0900

前回はカテゴリ値だったので、数値もやっておきます。

library("dplyr")

which(
 sapply(
 colnames(iris),
 function(c) {
 iris[[c]] %>%
 na.omit() %>%
 is.numeric()
 }
 )
) %>%
 names()

'Sepal.Length''Sepal.Width''Petal.Length''Petal.Width'

R：データフレームからカテゴリ値らしい列を選別する

Sat, 24 Dec 2022 16:16:05 +0900

データフレームのどの列がカテゴリ値なのか、summary で見るなどして予め確認しておくべきなのかもですが、ある程度の条件でそれらしい列を抽出しようという試みです。

データは iris を使う
カテゴリ値は、列ごとに 2 〜 5 種類存在すると想定

とした場合、以下のような形が使えるかもしれません。

library("dplyr")

which(
 sapply(
 colnames(iris),
 function(c) {
 iris[[c]] %>%
 na.omit() %>%
 unique() %>%
 length() %>%
 between(2, 5)
 }
 )
) %>%
 names()

'Species'

データ量が少ないと誤認識しそうですが、参考になれば。

ggplot2：aes_ や aes_string が非推奨なので置き換える

Sat, 17 Dec 2022 16:16:14 +0900

Warning message:
“`aes_string()` was deprecated in ggplot2 3.0.0.
ℹ Please use tidy evaluation ideoms with `aes()`”

といったメッセージで対応したときのメモです。

対応前

変数に入れた列名など、文字列で列名を指定したいときに使っていました。

library(ggplot2)

x_val <- "Sepal.Length"
y_val <- "Sepal.Width"
c_val <- "Species"

# aes_string
ggplot(
 data = iris, 
 mapping = aes_string(
 x = x_val, 
 y = y_val, 
 color = c_val
 )
) + geom_point()

# aes_
ggplot(
 data = iris, 
 mapping = aes_(
 x = as.name(x_val), 
 y = as.name(y_val), 
 color = as.name(c_val)
 )
 ) + geom_point()

対応後

library(ggplot2)

x_val <- "Sepal.Length"
y_val <- "Sepal.Width"
c_val <- "Species"

ggplot(
 data = iris,
 mapping = aes(
 x = .data[[x_val]], 
 y = .data[[y_val]],
 color = .data[[c_val]]
 )
 ) + geom_point()

データ分析のためのデータ可視化入門 (Amazon)

R：データから2値が入っている列名を得る

Sat, 03 Dec 2022 11:04:00 +0900

与えられたデータを２つのグループに分けるとき、２値の列を使ったりします。
ただ、列が多いときは、どの列が2値か得られると楽なので、その場合のメモです。

元データ

丁度良いサンプルデータが見つからなかったので、iris へテスト用に NA を含む2値の列を追加しました。

Sepal.Length.bool
TRUE または FALSE または NA
Petal.Width.ab
“A” または “B” または NA

library(dplyr)

data <- iris %>%
 mutate(
 Sepal.Length.bool = ifelse(Sepal.Length > 7, NA, trunc(Sepal.Length) %% 2 == 0),
 Petal.Width.ab = ifelse(Petal.Width > 2, NA, ifelse(trunc(Petal.Width) %% 2 == 0, "A", "B"))
 )

結果はこんな感じ。

data %>% tail(10)

2値の列を得る

cols <- colnames(data)
twoGroupCols <- cols[which(sapply(cols, function(col) {
 data[[col]] %>%
 na.omit() %>%
 unique() %>%
 length() == 2
}))]

で、２値の列が得られます。

Amazon Linux 2 で R に sf パッケージをインストールする

Sat, 12 Nov 2022 06:52:41 +0900

sf を使う為に install.packages(“sf”) した所、以下のエラーでインストールできなかったので、解消した際のメモです。

ERROR: dependencies ‘s2’, ‘units’ are not available for package ‘sf’

環境

Amazon Linux release 2 (Karoo)
R version 4.0.2

また、以下のコマンドで EPEL レポジトリを有効化済みです。

sudo yum install https://dl.fedoraproject.org/pub/epel/epel-release-latest-7.noarch.rpm

必要なパッケージのインストール

GDAL 2.0.1 以上が必要なのですが、yum で入れられるのが 1.11.4 なので、3.5.3 のソースをコンパイルしてインストールします。
また、その際に PROJ 6 が必要になるのですが、こちらも yum で入れられるのが 4.8.0 なので、先に 6.1.1 のソースをコンパイルしてインストールします。

yum でインストール

まずは、yum で行けるパッケージから。

sudo yum install -y openssl-devel geos-devel sqlite-devel udunits2-devel cmake3

ちなみに、以下のパッケージは既にインストール済みだったので含めませんでした。

gcc-c++
cpp
libtiff

PROJ のインストール

ソースコードをコンパイルしてインストール。

cd /tmp
wget https://download.osgeo.org/proj/proj-6.1.1.tar.gz
tar -xvf proj-6.1.1.tar.gz
cd proj-6.1.1
./configure
sudo make
sudo make install

GDAL のインストール

ソースコードをコンパイルしてインストール。

cd /tmp
wget https://github.com/OSGeo/gdal/releases/download/v3.5.3/gdal-3.5.3.tar.gz
tar -xvf gdal-3.5.3.tar.gz
cd gdal-3.5.3
./configure --with-proj=/usr/local
sudo make
sudo make install

共有ライブラリの反映

コンパイルしたライブラリが /usr/local/lib にインストールされます。
既に共有ライブラリとして設定済みの場合は良いのですが、自分の環境ではできていなかったので設定しました。

sudo bash -c "echo /usr/local/lib>/etc/ld.so.conf.d/usr.local.lib.conf"

/etc/ld.so.conf.d/usr.local.lib.conf ファイルを新規作成してパスを設定しました。
既に usr.local.lib.conf ファイルが存在することは無いと思いますが、あるなら追記するなり別のファイル名で作成します。
設定を反映にするために、次のコマンドを実行します。

sudo ldconfig

sf パッケージのインストール

後は通常通り R から install.packages(“sf”) でインストールできました。
問題なければ、コンパイルで使ったファイルを削除しておきます。

sudo rm -rf /tmp/proj-6.1.1.*
sudo rm -rf /tmp/gdal-3.5.3.*

R ：dplyr::filter で NA の判定

Sat, 15 Oct 2022 11:40:13 +0900

%in% で NA の判定ができるようなので、そのメモです。

確認するテストデータの作成

iris の偶数行の Sepal.Length が NA なデータを作成

library(dplyr)

i <- seq_len(trunc(nrow(iris) / 2)) * 2
df <- iris
df[i, "Sepal.Length"] <- NA

偶数の Speal.Length が NA になってます。

%in% で Speal.Length が NA の行を得る

df %>% filter(Sepal.Length %in% NA) %>% head(10)

NA の行が得られました。

is.na() 使えば？

単に NA だけ判定したいならその通りで、

df %>% filter(is.na(Sepal.Length)) %>% head(10)

の方が分かりやすいです。
%in% にしたのは、変数と比較してフィルターしたい場合に融通が効きそうだったからです。
例えば、

target_value <- 5.1
df %>% filter(Sepal.Length %in% target_value) %>% head(10)

として、得たい行の条件が target_value 次第だったとき、

target_value <- NA

だった場合も、同じ filter で対応できるなと。
以上、そんなお話でした。

R：ggplot2 でカテゴリ値のプロット色を設定する

Sat, 17 Sep 2022 13:53:19 +0900

デフォルトの色で良ければ、そのままの方が無難なんですが、カテゴリ値を色で表したい場合があったので、その際のメモです。

データに色の列を足して scale_color_identity を使う

例としてデータは iris を使い、iris$Species をカテゴリ値とします。
iris$Speciesは、以下の様な factor です。

それぞれのカテゴリ値を、以下の色でプロットするとします。
実際のデータでは NA があることを想定して、「その他」の色も決めています。

setosa : 赤
versicolor : 黄
virginica : 青
その他 : 緑

ということで、対応する factor を定義します。
factor にしているのは、凡例を決まった並びにしたい為です。

palette <- factor(
 c("red", "yellow", "blue", "green"),
 levels = c("red", "yellow", "blue", "green")
)

データに色の列を追加します。
iris$Species の “setosa” は NA に置換しました。
定義はされていても、データには存在しないカテゴリ値という想定です。
列 “iro” に、そのプロットの色を設定します。

iris_with_color <- iris %>%
 mutate(Species = as.character(Species)) %>%
 mutate(Species = if_else(Species == "setosa", as.character(NA), Species)) %>%
 mutate(Species = factor(Species, levels = c("setosa", "versicolor", "virginica"))) %>%
 mutate(iro = case_when(
 Species == "setosa" ~ palette[1],
 Species == "versicolor" ~ palette[2],
 Species == "virginica" ~ palette[3],
 T ~ palette[4]
 ))

プロットしてみます。

ggplot(
 iris_with_color,
 aes(
 x = Sepal.Length,
 y = Sepal.Width,
 colour = iro
 )) +
 geom_point() +
 scale_color_identity(
 name = "Species",
 labels = c(
 "red" = "setosa",
 "yellow" = "versicolor",
 "blue" = "virginica",
 "green" = "unknown"
 ),
 guide = "legend"
 )

データが無いので、凡例に “setosa” がありません。
データが無くても、凡例には表記が欲しかったので、他のプロットに上書きされるデータとして混ぜることで実現してみました。
本来なら Species の種類分のダミーのデータを作るべきですが、以下では “setosa” だけ足しています。
もっと他に良い方法はあるんでしょうか。。

ggplot(
 iris_with_color[1,] %>%
 mutate(
 Species = "setosa",
 iro = palette[1]
 ) %>%
 rbind(iris_with_color),
 aes(
 x = Sepal.Length,
 y = Sepal.Width,
 colour = iro
 )) +
 geom_point() +
 scale_color_identity(
 name = "Species",
 labels = c(
 "red" = "setosa",
 "yellow" = "versicolor",
 "blue" = "virginica",
 "green" = "unknown"
 ),
 guide = "legend"
 )

最終的なコードは以下の通りです。

library(ggplot2)
library(dplyr)

palette <- factor(
 c("red", "yellow", "blue", "green"),
 levels = c("red", "yellow", "blue", "green")
)

iris_with_color <- iris %>%
 mutate(Species = as.character(Species)) %>%
 mutate(Species = if_else(Species == "setosa", as.character(NA), Species)) %>%
 mutate(Species = factor(Species, levels = c("setosa", "versicolor", "virginica"))) %>%
 mutate(iro = case_when(
 Species == "setosa" ~ palette[1],
 Species == "versicolor" ~ palette[2],
 Species == "virginica" ~ palette[3],
 T ~ palette[4]
 ))

ggplot(
 iris_with_color[1,] %>%
 mutate(
 Species = "setosa",
 iro = palette[1]
 ) %>%
 rbind(iris_with_color),
 aes(
 x = Sepal.Length,
 y = Sepal.Width,
 colour = iro
 )) +
 geom_point() +
 scale_color_identity(
 name = "Species",
 labels = c(
 "red" = "setosa",
 "yellow" = "versicolor",
 "blue" = "virginica",
 "green" = "unknown"
 ),
 guide = "legend"
 )

データ分析のためのデータ可視化入門 (Amazon)

R：引数に vector を渡しても、型を確認すると vector じゃなかった件

Sat, 10 Sep 2022 17:53:30 +0900

自分では思ってもいなかった挙動だったので、ちょっとした衝撃でした。
やっていたことは、

引数に文字列の vector を受け取る関数を作成した。
その後、同様の処理内容で引数に文字列を受け取る関数が欲しかった。
なので、以下を調べ始めた。
- 引数の型を判定して分岐するか？
- ジェネリック関数にするべきなのか？

結果としては、そのまま使えるんかい、と。
該当のコードを簡略化すると、以下の様なものでした。

test <- function (names) {
 print(typeof(names))
 sapply(seq(names), function (i) {
 paste0(i, "=", names[i])
 })
}
test(c("hoge", "foo", "bar"))

Google Colab で実行した結果は以下の通り。
names の型は character と言われますね。

[1] "character"
'1=hoge''2=foo''3=bar'

次は文字列を渡してみます。

test("piyo")

結果は、

[1] "character"
'1=piyo'

と、期待通りです。
疑問に思った部分を実行してみました。

seq("piyo")
"piyo"[1]

1
'piyo'

大丈夫なんですね。
今まで自分が経験してきた言語とは別物で中々興味深い。

R Markdown：コードから Markdown を出力するには

Sat, 13 Aug 2022 18:07:12 +0900

チャンクに書いたコードから、Markdown を出力したい場合、

チャックのオプションで results=‘asis’ を設定する
knitr::asis_output を使う

で行うことができます。

results=‘asis’ した場合

例として、見出し（行頭を # で始める）を出力してみます。

```{r results='asis'}
cat("## top level : chunk\n")
```

```{r results='asis'}
for (i in 1:3) {
 cat("## loop : chunk", i, "\n")
}
```

結果は、

knitr::asis_output した場合

この場合、ループ内では動作しないことを認識しておく必要があります。

```{r}
knitr::asis_output("## top level : asis_output\n")
```

```{r}
for (i in 1:3) {
 knitr::asis_output(paste0("## loop : asis_output", i, "\n"))
}
```

結果は、

ループ内の出力は、そのまま出力されますね。

R : geom_segment でグラフの端まで線を引くには

Sat, 23 Jul 2022 13:41:36 +0900

グラフを ggplot2 で作成して、基準値などの特定な値に線を引くときに geom_segment を使いました。
軸が数値の場合は良いのですが、日付のときに躓いて解消したときのメモです。

準備

ライブラリの読み込みと、サンプル用のデータを生成しておきます。

library(tidyverse)

set.seed(1234)
data <- data.frame(
 date = seq(
 as.Date("2021-01-01"),
 length = 12,
 by = "months"
 ),
 y = rnorm(12, 20, 5)
)

日付の軸方向に線を引く

日付の軸に -Inf、Inf を直接指定すると

Error: Invalid input: date_trans works with objects of class Date only

となるので、次の様に structure で Date クラスにして使います。

ggplot(data = data) +
 geom_line(
 aes(
 x = date,
 y = y
 )
 ) +
 geom_segment(
 aes(
 x = structure(-Inf, class = "Date"),
 xend = structure(Inf, class = "Date"),
 y = 18, yend = 18
 ),
 color = "red"
 )

追記：geom_hline を使う

今回の様な用途なら、横線は geom_hline 、縦線は geom_vline の方が良さそうです。
以下のようにしても、同様のグラフになります。

ggplot(data = data) +
 geom_line(
 aes(
 x = date,
 y = y
 )
 ) +
 geom_hline(
 aes(
 yintercept = 18
 ),
 color = "red"
 )

データ分析のためのデータ可視化入門 (Amazon)

R : dplyr で結果が１列のとき vector で返すには

Sat, 16 Jul 2022 12:32:22 +0900

結論としては、dplyr::pull または unlist を使うことで vector にできました。

やりたいこと

例えば次のように１列取得すると、

ret <- head(iris) %>% dplyr::select(Sepal.Length)

ret には次のように１列の data.frame が返されます。

欲しいのは、以下を実行したときの様に vector だったのですが、パイプ演算子で完結させたい。という話です。

tmp <- head(iris) %>% dplyr::select(Sepal.Length)
ret <- as.vector(tmp$Sepal.Length)
# ret の中身は
# c(5.1, 4.9, 4.7, 4.6, 5.0, 5.4)

dplyr::pull を使う

ret <- head(iris) %>%
 dplyr::select(Sepal.Length) %>%
 dplyr::pull()

dplyr にやりたいことそのものな pull がありました。

unlist を使う

ret <- head(iris) %>%
 dplyr::select(Sepal.Length) %>%
 unlist(use.names = FALSE)

base の unlist も使えました。

実際に使うなら、dplyr::pull の方でしょうか。

R : cor.test で "not enough finite observations" となったときの対処

Sat, 09 Jul 2022 13:40:27 +0900

相関係数を算出する為に cor.test を使っていた所、「not enough finite observations」が発生しました。
データの数が少ないことが原因の様ですが対処の為に調べてみました。
結果として必要なデータ数は method によって次の通りでした。

pearson は 3 つ以上
kendall か spearman は 2 つ以上

NA 除外後、最低でも上記のデータ数が残るもので算出すれば良さそうです。

除外の例

R のサンプルデータ iris で試します。
iris 自体はデータが揃っているので、エラーになるダミーのデータを追加してみます。

iris_dummy <- iris
iris_dummy$Species <- as.character(iris_dummy$Species)
iris_dummy <- rbind(iris_dummy, list(1, 1, 1, 1, "japonica"))

エラーになることを確認します。

library(tidyverse)
iris_dummy %>%
 dplyr::group_by(Species) %>%
 dplyr::summarise(cor = cor.test(Sepal.Length, Petal.Length)$estimate)

Error in `dplyr::summarise()`:
! Problem while computing `cor = cor.test(Sepal.Length,
 Petal.Length)$estimate`.
ℹ The error occurred in group 1: Species = "japonica".
Caused by error in `cor.test.default()`:
! not enough finite observations

除外してみます。

iris_dummy %>%
 na.omit() %>%
 dplyr::group_by(Species) %>%
 dplyr::summarise(count = n()) %>%
 dplyr::filter(count >= 2) %>%
 dplyr::inner_join(iris_dummy, by = c("Species")) %>%
 dplyr::group_by(Species) %>%
 dplyr::summarise(cor = cor.test(Sepal.Length, Petal.Length)$estimate)

A tibble: 3 × 2
Species	cor
<chr>	<dbl>
setosa	0.2671758
versicolor	0.7540490
virginica	0.8642247

データ数が足りない japonica が除外できました。

参考：必要データ数の確認

必要なデータ数は、cor.test のソースコードからのものです。

if(method == "pearson") {
	if(n < 3L)
	 stop("not enough finite observations")
（中略）
else {
	if(n < 2)
	 stop("not enough finite observations")

Google Colab に geojsonio をインストールするには

Sat, 18 Jun 2022 16:02:12 +0900

インストールの install.packages("geojsonio") で次のように失敗しました。

Installing package into ‘/usr/local/lib/R/site-library’
(as ‘lib’ is unspecified)

also installing the dependencies ‘proxy’, ‘e1071’, ‘wk’, ‘triebeard’, ‘classInt’, ‘Rcpp’, ‘s2’, ‘units’, ‘geometries’, ‘jsonify’, ‘rapidjsonr’, ‘sfheaders’, ‘urltools’, ‘httpcode’, ‘protolite’, ‘lazyeval’, ‘sp’, ‘sf’, ‘geojsonsf’, ‘rgeos’, ‘crul’, ‘maptools’, ‘V8’, ‘geojson’, ‘jqr’


Warning message in install.packages("geojsonio"):
“installation of package ‘units’ had non-zero exit status”
Warning message in install.packages("geojsonio"):
“installation of package ‘protolite’ had non-zero exit status”
Warning message in install.packages("geojsonio"):
“installation of package ‘jqr’ had non-zero exit status”
Warning message in install.packages("geojsonio"):
“installation of package ‘geojson’ had non-zero exit status”
Warning message in install.packages("geojsonio"):
“installation of package ‘sf’ had non-zero exit status”
Warning message in install.packages("geojsonio"):
“installation of package ‘geojsonio’ had non-zero exit status”

必要なパッケージを先にインストールする

依存パッケージが必要としているライブラリをインストールします。
sf、protolite、jqr パッケージが必要としているライブラリが Google Colab に無いようです。

# https://github.com/r-spatial/sf/issues/1572#issuecomment-758858154
system('sudo add-apt-repository ppa:ubuntugis/ubuntugis-unstable')
system('sudo apt-get update')
system('sudo apt-get install libudunits2-dev libgdal-dev libgeos-dev libproj-dev')
# protolite
system('sudo apt-get install libprotobuf-dev protobuf-compiler')
# jqr
system('sudo apt-get install libjq-dev')

その後、install.packages("geojsonio") すれば、無事にインストールできました。

これで、sf で読み込んだデータを何かしたときに表示される ERROR while rich displaying an object: Error in loadNamespace(x): there is no package called ‘geojsonio’ が解消されました。

2015年長野県の人口を ggplot2 でマップにしてみた

Sat, 11 Jun 2022 12:47:43 +0900

e-Stat 2015年国勢調査小地域から長野県を抽出

ソースコードと解説

実行した環境は Google Colaboratory です。

system("apt-get install -y fonts-noto-cjk")

日本語フォントをインストールします。
インストール後、「ランタイム」-「ランタイムを再起動」を行わないと有効にならないっぽいです。

library(tidyverse)
theme_update(text=element_text(family="Noto Sans Mono CJK JP"))

ggplot2 等のライブラリの読み込み。
ggplot2 で使うデフォルトのフォントを Noto Sans Japanese に設定。

# トップページ 地図で見る統計(統計GIS) 境界データダウンロード
# 小地域 / 国勢調査 / 2015年 / 小地域（町丁・字等別）（JGD2000） / 世界測地系緯度経度・Shapefile / 長野県 
# 20000 長野県全域 2018-05-14
system('curl -o A002005212015DDSWC20.zip -JLO "https://www.e-stat.go.jp/gis/statmap-search/data?dlserveyId=A002005212015&code=20&coordSys=1&format=shape&downloadType=5&datum=2000"')
system("unzip A002005212015DDSWC20.zip")

e-Stat（日本の統計が閲覧できる政府統計ポータルサイト）からデータをダウンロードして解凍します。
前回は Google Drive を使いましたが、今回は直接ダウンロードしてみました。
curl の -o でファイル名を指定しているのは、-JLO で実行しても URL の名前になってしまった為です。
レスポンスヘッダーの Content-Disposition には
「attachment; filename*=UTF-8’‘A002005212015DDSWC20.zip」
とあるんですけどね。

# https://github.com/r-spatial/sf/issues/1572#issuecomment-758858154
system('sudo add-apt-repository ppa:ubuntugis/ubuntugis-unstable')
system('sudo apt-get update')
system('sudo apt-get install libudunits2-dev libgdal-dev libgeos-dev libproj-dev')
install.packages('sf')
library(sf)

sf パッケージをインストールして読み込みます。少し時間が掛かります。

nagano_pref <- read_sf("/content/h27ka20.shp")
ggplot(nagano_pref) + geom_sf()

Shapefile を読み込んで、どんな図なのか見てみます。

はい。長野県ですね。

ggplot(nagano_pref) + geom_sf(aes(fill = JINKO))

人口もありますね。もう少し加工してみます。

ggplot(nagano_pref) +
 geom_sf(aes(fill = JINKO)) + 
 geom_sf_label(aes(label = S_NAME)) +
 scale_fill_gradient(low = "#ffeeee", high = "#ff6e6e") +
 labs(x = "経度", y = "緯度", fill = "人口") +
 theme_minimal()

町丁・字等の表示は無謀でした。
市町村ぐらいにしてみます。

sf::sf_use_s2(FALSE)
nagano_pref2 <- nagano_pref %>%
 dplyr::group_by(CITY_NAME) %>%
 dplyr::summarise(JINKO = sum(JINKO), .groups = "drop")

nagano_pref2$CITY_NAME <- as.factor(nagano_pref2$CITY_NAME)

sf::sf_use_s2(FALSE) は、エラー「Error in s2_geography_from_wkb(x, oriented = oriented, check = check): Evaluation error: Found 2 features with invalid spherical geometry.」を回避する為に指定しています。

ggplot(data = nagano_pref2) +
 geom_sf(aes(fill = JINKO)) + 
 geom_sf_label(aes(label = CITY_NAME)) +
 scale_fill_gradient(low = "#ffeeee", high = "#ff6e6e") +
 labs(x = "経度", y = "緯度", fill = '人口') +
 theme_minimal()

名称は市町村ぐらいが良さそうです。

ggplot() +
 geom_sf(data = nagano_pref, aes(fill = JINKO)) + 
 scale_fill_gradient(low = "#ffeeee", high = "#ff6e6e") +
 geom_sf(data = nagano_pref2, alpha = 0) +
 geom_sf_label(data = nagano_pref2, aes(label = CITY_NAME)) +
 labs(x = "経度", y = "緯度", fill = '人口') +
 theme_minimal()

町丁・字等の人口の上に、市町村の名前を乗せてみました。
良さそうなので、色々微調整してみます。
以下で、本投稿にある最初のマップになります。

options(repr.plot.width = 32, repr.plot.height = 32)
ggplot() +
 geom_sf(data = nagano_pref, aes(fill = JINKO), size = 0.07) + 
 scale_fill_gradient(low = "#ffeeee", high = "#ff6e6e") +
 geom_sf(data = nagano_pref2, alpha = 0, color = "#333333", size = 0.2) +
 geom_sf_label(data = nagano_pref2, aes(label = CITY_NAME)) +
 labs(x = "経度", y = "緯度", fill = '人口') +
 theme_minimal()

データ分析のためのデータ可視化入門 (Amazon)

2022年度長野市の人口を gglot2 でマップにしてみた

Sat, 04 Jun 2022 18:06:34 +0900

2022年5月長野市地区別人口

使用したデータは以下になります。

長野市行政地図情報で公開されていた「統計マップ」（令和３年４月１日）
「長野市　令和４年地区別年齢別人口」（2022/05/20 更新）

ソースコード

実行した環境は Google Colab です。
Google Drive からファイル取得が可能と知ったので、統計マップの 365179.zip は予め格納しています。

library(tidyverse)

# https://github.com/r-spatial/sf/issues/1572#issuecomment-758858154
system('sudo add-apt-repository ppa:ubuntugis/ubuntugis-unstable')
system('sudo apt-get update')
system('sudo apt-get install libudunits2-dev libgdal-dev libgeos-dev libproj-dev')
install.packages('sf')
library(sf)

必要なパッケージの読み込みです。
sf パッケージを使う為に、issue を参考に apt-get でパッケージをインストールしています。

system("apt-get install -y fonts-noto-cjk")
systemfonts::system_fonts()
theme_update(text=element_text(family="Noto Sans Mono CJK JP"))

日本語フォントを取得します。グラフの文字化けを回避する為です。

install.packages("R.utils")
library(R.utils)
library(httr)
library(googledrive)
reassignInPackage("is_interactive", pkgName = "httr", function() { return(TRUE) }) 
options(rlang_interactive=TRUE)
drive_auth(use_oob = TRUE, cache = FALSE)

Google Drive を使う為に認証します。
以下のように指示されるので、URL を開いて認証コードを取得し、そのコードを入力します。

drive_ls("Colab Notebooks") %>% select(name)

Google Drive が使えるか、試しに「Colab Notebooks」フォルダのファイル一覧を取得してみます。

# https://www.city.nagano.nagano.jp/soshiki/jouhou/114514.html
drive_get("Colab Notebooks/365179.zip") %>% drive_download(overwrite = TRUE)

Google Drive に保存した統計マップの zip ファイルを Google Colab にダウンロードします。

system("unzip -O sjis 365179.zip")
nagano_city <- read_sf("/content/支所所管区域（参考図）/R03支所所管区域.shp")

zip ファイルを解凍し、シェイプファイルを読み込みます。
取得したデータで以下のように描画できます。

options(repr.plot.width = 16, repr.plot.height = 16)
ggplot(nagano_city) +
 geom_sf() +
 geom_sf_label(aes(label = 地区名)) +
 labs(x = "経度", y = "緯度") +
 theme_minimal() +
 theme(text=element_text(family="Noto Sans CJK JP"))

人口のデータも含まれていたのですが、昨年の数なので更新します。

data3 <- data2 %>%
 dplyr::group_by(Area) %>%
 dplyr::summarise(Population=sum(Population)) %>%
 dplyr::select(Area, Population)
data3$Area <- as.character(data3$Area)

data2 は「長野市　令和４年地区別年齢別人口」が入っています。
取得方法は前回と同様です。
data3 に地区別の人口を集計します。

nagano_city202205 <- data3 %>%
 dplyr::inner_join(nagano_city, by = c("Area" = "地区名")) %>%
 dplyr::select(Area, Population, geometry) %>%
 st_as_sf()

人口とマップのデータを結合します。

options(repr.plot.width = 16, repr.plot.height = 16)
ggplot(nagano_city202205) +
 geom_sf(aes(fill = Population)) + 
 geom_sf_label(aes(label = Area)) +
 scale_fill_gradient(low = "#ffeeee", high = "#ff6e6e") +
 labs(x = "経度", y = "緯度") +
 theme_minimal() +
 theme(text=element_text(family="Noto Sans Mono CJK JP"))
ggsave("2022_nagano-shi_Population_Map.png", width = 16, height = 16, dpi = 96)

本投稿にある最初のマップになります。
更に、昨年との差でマップにしてみます。

nagano_city2205_2104 <- data3 %>%
 dplyr::inner_join(nagano_city, by = c("Area" = "地区名")) %>%
 dplyr::mutate(diff = Population - 人口_計) %>%
 dplyr::select(Area, diff, geometry) %>%
 st_as_sf()

options(repr.plot.width = 16, repr.plot.height = 16)
ggplot(nagano_city2205_2104) +
 geom_sf(aes(fill = diff)) + 
 geom_sf_label(aes(label = Area)) +
 scale_fill_gradient2(low = "#6e6eff", mid = "#ffffff", high = "#ff6e6e") +
 labs(x = "経度", y = "緯度") +
 theme_minimal() +
 theme(text=element_text(family="Noto Sans CJK JP"))
 ggsave("2022_nagano-shi_Population_Map1.png", width = 16, height = 16, dpi = 96)

長野市地区別人口増減（2021年4月〜2022年5月）

データ分析のためのデータ可視化入門 (Amazon)

2022年度長野市の人口を gglot2 でグラフにしてみた

Sat, 28 May 2022 17:24:19 +0900

R の gglot2 を使用して人口のグラフを作成してみました。
使用したデータは、長野市がクリエイティブ・コモンズ・ライセンス表示4.0国際（CC-BY4.0）ライセンスの下に公開している「長野市　令和４年地区別年齢別人口」（2022/05/20 更新）です。

サイト上だと画像が小さくて見づらいです。。
画像を保存するか、ブラウザの別タブで開くなどをお試しください。

全体

地区別

ソースコード

実行した環境は Google Colab です。

library(tidyverse)
chikubetsu_nenreibetsu_202205 <- read.delim(f <- file("http://linkdata.org/api/1/rdf1s9117i/chikubetsu_nenreibetsu_202205_R.txt", open="r", encoding="UTF-8"), header=T)
close(f)

data <- chikubetsu_nenreibetsu_202205[, -1]

必要なライブラリと、人口データの読み込みです。
データの1列目は、以下の通り不要なので除外しています。

area_levels = data[["地区名"]]
gender <- c("男","女")

cols <- data %>%
 colnames() %>%
 as.array()
ages <- cols[str_detect(cols, pattern="^X")] %>%
 str_extract(pattern="[0-9]+.+") %>%
 str_replace(pattern="(男|女)", "") %>%
 unique()

data2 <- data.frame()
for (r in 1:nrow(data)) {
 for (g in 1:length(gender)) {
 for (a in 1:length(ages)) {
 col <- sprintf("X%s%s", ages[a], gender[g])
 age <- as.numeric(str_replace(ages[a], "歳.*", ""))
 row <- c(
 data[r, "地区名"],
 gender[g], 
 age, 
 data[r, col]
 )
 data2 <- rbind(data2, row)
 }
 }
}
colnames(data2) <- c("Area", "Gender", "Age", "Population")
data2$Age <- as.numeric(data2$Age)
data2$Population <- as.numeric(data2$Population)
data2 <- data2 %>%
 mutate(Area = factor(Area, levels = area_levels))

データの形式を、以下のように変換します。グラフのデータとして扱いやすくする為です。

system("apt-get install -y fonts-noto-cjk")
# systemfonts::system_fonts()
# theme_update(text=element_text(family="Noto Sans Mono CJK JP"))

グラフの日本語が化けないように、フォントをインストールします。
systemfonts::system_fonts() で使えるフォントが分かります。
theme_update でデフォルトのフォントを設定したのですが、効いたり効かなかったりしたので、グラフの所で指定するようにしました。

options(repr.plot.width=24, repr.plot.height=9)
ggplot(data2, aes(x = as.factor(Age), y = Population, fill = Gender)) +
 geom_col(position = "dodge") +
 labs(title = "長野市　令和４年年齢別人口", x = "歳", y = "人口") +
 theme(text=element_text(family="Noto Sans CJK JP"))
ggsave("2022_nagano-shi_Population_All.png", width = 24, height = 9, dpi = 96)

全体のグラフを描画してファイルに保存します。

options(repr.plot.width = 48, repr.plot.height = 32)
ggplot(data2, aes(x = Age, y = Population, fill = Gender)) +
 geom_col(position = "dodge") +
 facet_wrap(~Area, ncol = 4) +
 labs(title = "長野市　令和４年地区別年齢別人口") +
 theme(text=element_text(family="Noto Sans CJK JP"))
ggsave("2022_nagano-shi_Population_Area.png", width = 48, height = 32, dpi = 96)

地区別のグラフを描画してファイルに保存します。

データ分析のためのデータ可視化入門 (Amazon)

Google Colab で R を使う

Sat, 23 Apr 2022 19:04:42 +0900

ローカルに環境を準備しなくても Python が実行できて便利な Google Colaboratory ですが、R も実行できるようなので試してみました。

R が実行できるノートブックを開く

以下の URL から、R が実行できるノートブックを作成することができました。

https://colab.research.google.com/notebook#create=true&language=r

R を実行してみる

以前作成したコードを実行してみました。

サイドバーの"「ファイル」クリックで、コードで作成しているファイルは直ぐに見つかりました。
ダウンロードできるので OK です。

作成した Untitled1.ipynb も、Google ドライブの「Colab Notebooks」フォルダに保存されていました。

その他の R の実行方法

rpy2 を使うことで、Python と R のどちらも実行できるノートブックにできます。

rpy2.ipython を %load_ext または %reload_ext で読み込む。
R のブロックは先頭に %%R を入れる。

で実行できました。
コードに入る波線が気になるので、Python と混在させたい事が無ければ、使う頻度は少なそうです。

Docker Desktop for Windows/Macでつくるクリーンな開発環境構築入門(Python版) (Amazon)

2022年度長野市ごみ収集日を CSV ファイルにして Google カレンダーで使う

Mon, 04 Apr 2022 20:59:16 +0900

「2026年度長野市ごみカレンダー」を公開しました。

2022年度（令和４年度）長野市のゴミ収集日を Google カレンダーに表示させる為の CSV ファイルを作成してみました。
Google カレンダーに CSV ファイルを読み込ませる方法はこちらを参照ください。

地区別 CSV ファイル

長野市がクリエイティブ・コモンズ・ライセンス表示4.0国際（CC-BY4.0）ライセンスの下に公開しているデータを加工して作成しました。
※ 内容は保証しません。利用は、ご自身の判断でお願い致します。
また、Google カレンダーにインポートする前にファイルの内容を確認し、お好みで修正してください。
例えば、

~~「プラスチック製容器包装」は長いので全て「プラ」に置換する。~~
置換したものにしました。（2022/04/09更新）
が、ご自身が分かりやすい名称があれば置換する。
「ペットボトル」は破棄する場所があり、カレンダーに含めたくないので行を削除する。

など、自身に合ったものにした方が便利でしょう。

※ 2022/12/22 注記
下記リンクからファイルのダウンロードができない場合、
Google ドライブの共有ファイルからダウンロードをお試しください。
その際は、欲しい CSV の下記 No. を元に対象のファイルをご利用ください。

No.	地区別 CSV ファイルダウンロード
1	第一
2	第二
3	第三
4	第四
5	第五
6	芹田
7	古牧
8	三輪
9	吉田
10	古里、朝陽
11	柳原、若穂
12	浅川
13	大豆島
14	若槻
15	長沼
16	安茂里
17	小田切
18	芋井
19	篠ノ井塩崎、篠ノ井共和、篠ノ井川柳、篠ノ井信里
20	篠ノ井東福寺、篠ノ井西寺尾
21	篠ノ井中央
22	松代
23	川中島
24	更北
25	七二会
26	信更
27	戸隠中社、戸隠宝光社、戸隠上楠川
28	戸隠北部、戸隠中央、戸隠東部、戸隠南部、戸隠川手、戸隠志垣
29	戸隠西部、戸隠平、戸隠西条、戸隠追通、戸隠上祖山、戸隠下祖山
30	鬼無里上里、鬼無里中央1
31	鬼無里中央2、鬼無里両京
32	大岡甲（川口を除く）、大岡中牧、大岡弘崎、大岡聖ヶ岡
33	大岡乙、大岡丙（聖ヶ岡を除く）、大岡川口
34	豊野南郷、豊野石、豊野西町、豊野上組、豊野立町、豊野南町、豊野中尾1・2
35	豊野横町、豊野伊豆毛、豊野上田中、豊野神代町、豊野本町1・2、豊野中尾1・2（一部）、豊野小瀬1、豊野泉平、豊野上神代、豊野豊陽台、豊野沖1・2、豊野中央組、豊野向原
36	豊野本町3・4・5、豊野東町、豊野小瀬2、豊野ゆたかの、豊野豊南町、豊野下田中
37	豊野浅野、豊野蟹沢、豊野入、豊野小日向、豊野上堰、豊野鳥居団地、豊野大方、豊野橋場、豊野上原、豊野蟻ケ崎、豊野城山、豊野川谷
38	信州新町旭町、信州新町仲町、信州新町上町、信州新町西上町、信州新町常磐町、信州新町鹿島東、信州新町鹿島西、信州新町大原東、信州新町大原西、信州新町下市場、信州新町牧野島（伊切を除く）、信州新町鹿道、信州新町鹿道団地
39	信州新町久保、信州新町本町、信州新町境町、信州新町千原田、信州新町平、信州新町和平団地、信州新町藤池団地、信州新町下川西平、信州新町太田笠子（石畑を除く）、信州新町穂刈下、信州新町穂刈中、信州新町穂刈上、信州新町穂刈北、信州新町穂刈団地、信州新町陽のあたる丘、信州新町大門、信州新町LR、信州新町原、信州新町道祖神
40	信州新町津和中央、信州新町山秋、信州新町中福、信州新町栃久保、信州新町中尾、信州新町菅沼、信州新町細尾、信州新町津上、信州新町外味藤、信州新町豊和、信州新町津南、信州新町中組、信州新町味藤、信州新町橋場、信州新町安用、信州新町風越、信州新町追沢、信州新町神田、信州新町花倉、信州新町二丁田、信州新町穴平、信州新町寺尾、信州新町矢ノ尻、信州新町峰組、信州新町枌ノ木、信州新町赤柴、信州新町石畑、信州新町尾崎、信州新町上古、信州新町芦沢、信州新町本村、信州新町大河、信州新町西日時
41	信州新町塩本、信州新町伊切、信州新町牧田中一、信州新町牧田中二、信州新町中牧一、信州新町中牧二、信州新町南牧住平、信州新町一倉田和、信州新町下中山、信州新町日名、信州新町和田吐唄、信州新町置原、信州新町橋木、信州新町左右、信州新町岩下、信州新町信級中央、信州新町高見、信州新町岩本、信州新町柳高、信州新町川名
42	中条

情報元

上記 CSV ファイルの元データや参考にしたソースコードです。

長野市オープンデータサイト生活環境
令和４年度ごみ収集カレンダー（「最後に更新した日」は「2022年3月22日」でした。）
Rへのロード用API

ソースコード

公開データを加工したソースコードは以下の通りです。
実行した環境は R version 4.1.3 です。
「Rへのロード用API」をそのまま使ってみましたが、自分の所ではタイムアウトして駄目でした。
データを提供している LinkData のサイトが重い感じがしますが、作成した下記コードを実行した際はそれほど重いと感じませんでした。謎。

f <- file("http://linkdata.org/api/1/rdf1s9118i/gomi_calendar_chiku_R.txt", open = "r", encoding = "UTF-8")
chiku <- read.delim(f, header = T)
close(f)

area <- Filter(function(col) charmatch("対象地区", col), colnames(chiku))
df_area <- NULL
for (n in 1:nrow(chiku)) {
 url <- sprintf("http://linkdata.org/api/1/rdf1s9118i/gomi_calendar_2022_%02d_R.txt", n)
 # print(url)
 data <- read.delim(f <- file(url, open = "r", encoding = "UTF-8"), header = T)
 close(f)

 areas <- Filter(function(v) v != "", as.character(mapply(function(col) chiku[n, col], area)))
 area_name <- paste0(areas, collapse = "、")
 df_area <- rbind(df_area, data.frame(no = n, area = area_name))

 days <- Filter(function(col) charmatch("X00", col), colnames(data))
 df <- NULL
 for (i in 1:length(data$資源物.ごみ)) {
 target <- switch(
 data$資源物.ごみ[i],
 "可燃ごみ" = "可燃",
 "不燃ごみ" = "不燃",
 "プラスチック製容器包装" = "プラ",
 "缶、スプレー缶、カセットボンベ缶" = "缶",
 "ペットボトル" = "ペット",
 "ビン、乾電池、灰" = "ビン電",
 "剪定枝葉等" = "枝葉",
 data$資源物.ごみ[i]
 )
 marks <- as.character(mapply(function(col) {
 data[[col]][i]
 }, days))
 dates <- as.Date("2022-03-31") + which(marks == "○")
 subjects <- rep(target, length(dates))
 df <- rbind(df, data.frame(Subject = subjects, "Start Date" = dates, check.names = F))
 }
 write.csv(df, file = sprintf("2022nagano_area%02d.csv", n), fileEncoding = "UTF-8", row.names = F)
}
write.csv(df_area, file = "2022nagano_area.csv", fileEncoding = "UTF-8", row.names = F)