先頭に?を付ける

?mean

ちなみにもし、関数名も曖昧にしか思い出せないときは、??のように?を二つにすると曖昧検索も行ってくれます。

ヘルプ関数を使う

help(mean)

英語で書かれたヘルプを読むのは大変ですが、ネット上で日本語の説明を探す時間を考えると、頑張ってヘルプを読んだ方が早いこともよくあります。

パッケージの説明を読む

パッケージの作者によっては、vignetteというパッケージの紹介を書いてくれている場合があります。
vignetteはそのままvignette()関数を使ってみることができます。

vignette("dplyr")

また、先に紹介した??を使っても、vignetteがあるかどうか確認できます。

??dplyr

毎回変数に格納したり、、、

var <- c(1,3,4,5,7,8)
var_mean <- mean(var, na.rm = T)
var_round <- round(var_mean, digits = 2)
var_paste <- paste("the mean value is", var_round, sep = " ")
print(var_paste)

関数の入れ子が幾重にも重なってしまったり、、、

var <- c(1,3,4,5,7,8)
print(paste("the mean value is", round(mean(var, na.rm = T), digits = 2), sep = " "))

といった経験がありませんか？

どちらも間違いではないですが、不必要に変数が増えてしまったり、うっかり変数を上書きしたり、どの引数がどの関数のものかわかりにくくなったりと、後から見返して頭を抱える事態になったりします。

そこで、

パイプを使った処理の連結

をすると、一連の処理を読みやすく書くことができます。

var <- c(1,3,4,5,7,8)
var %>% 
  mean(na.rm = T) %>% 
  round(digits = 2) %>% 
  paste("the mean value is", sep = " ") %>% 
  print()

パイプ演算子%>%は、%>%の左側の結果を、%>%の右側の関数の第1引数に代入してくれます。
なので、処理の対象を第1引数にとる関数であれば、第1引数を省略して上のような処理の連鎖を書くことができます。

そしてこの性質から、上のパイプの例は少し望んでない結果が得られているのが分かるでしょうか。

第1引数以外に左辺の結果を代入する

上の例ではpaste()関数の最初に4.67が入るのは望ましくありません（the mean value isの後に入ってほしい）。
こういったときは、明示的に.を引数として挿入することで、左辺の結果を右辺のどこに代入したいのかを指示することができます。

下に先ほどと全く同じコードを用意しておいたので、出力がthe mean value is 4.67となるように、以下のコードを修正して実行してみてください。
すぐに答えが知りたい人は、「答えを見る」ボタンから見ることができます。

var <- c(1,3,4,5,7,8)
var %>% 
  mean(na.rm = T) %>% 
  round(digits = 2) %>% 
  paste("the mean value is", sep = " ") %>%
  print()

var <- c(1,3,4,5,7,8)
var %>% 
  mean(na.rm = T) %>% 
  round(digits = 2) %>% 
  paste("the mean value is", ., sep = " ") %>% #ここの第2引数に.を入れて、数字が入る場所を指定する
  print()

その他のパイプ演算子

magrittrパッケージのパイプ演算子は%>%だけでなく、{}を使った分岐や処理結果の途中での取り出し%T>%などにも対応しています。

要望があればこのあたりも追加していきます。

なお、vignette("magrittr")で作者による説明が読めます。

ウェブページの作成shiny web appとlearnrパッケージ

Rのコードを実際に試せるように、Rを使ったウェブアプリを作れるshiny web appという仕組みを使いました。具体的には、learnrパッケージを使ったRmarkdownファイルを書いて、それをshiny-serverで実行（htmlにレンダリング）してウェブページを作っています。

サーバー

Oracle Cloud Infrastructure（OCI）のAlways Free枠（無料枠）を使っています。

GoogleのGCPの無料枠はアメリカリージョンしか使えないのに対して、OCIは東京や大阪リージョンが無料で使えるので、shiny web appのような重いコンテンツを配信するときは特にその差が出やすいようです。

また、OCIの無料枠の中でもamd64ではなくarm64(aarch64)ベースのCPUを選択するとかなりスペックが良くなるのでそちらを選択しましたが、これに伴う試行錯誤もいずれ機会があれば書きたいと思います。

dockerを使った環境構築

Dockerのコンテナを使うと、Rがプリインストールされた環境を作れたり、またその環境をベースに別の環境を作れたりと、柔軟な環境構築（と削除）ができて試行錯誤するには便利でした。

Dockerは今回が初めてでしたが、環境を固定できたりバックアップが簡単に取れるなど、研究でR環境を用意するときにも便利そうでした。