変数変換

変数変換機能は、データセット内の特定の列（カラム）の値を様々な方法で変換する強力なツールです。この機能により、ユーザーはデータ分析や可視化の前に、効果的なデータ前処理を行うことができます。適切な変数変換は、データの特性を改善し、統計的手法の適用を容易にし、結果の解釈を深めるための重要なステップです。

データの分布を理解することで、その本質的な意味をより明確に把握できます。データの性質と分析目的に応じて適切な変換を選択することが、信頼性の高い統計的分析を行う上での鍵となります。例えば、本質的に指数関数的な振る舞いが予想される数値（特定の腫瘍マーカーなど）に対しては、対数変換を事前に適用することで、より正確な解釈につながります。

変数変換の適用により、以前は見過ごされていた有意差が明らかになり、より重要な結論が導き出されることがあります。逆に、元々有意差があったデータでも、正規分布に近づける変換を行った結果、有意差が消失する場合もあります。このような場合、結果の意義を慎重に再検討する必要があります。

統計処理において変数変換は重要な役割を果たし、特にデータの分布形状や統計的手法の前提条件に深く関連しています。

多くの統計的手法は、データが正規分布（ガウス分布）に従っていることを前提としています。しかし、実際のデータはしばしば非正規分布を示します。変数変換（例: 対数変換、平方根変換、Box-Cox変換）を適用することで、データを正規分布に近似させることが可能な場合があります。これにより、線形回帰、ANOVA（分散分析）などの統計手法をより効果的に適用できます。

データが正規分布に従わない場合や、変数変換による正規分布への近似が適切でない場合、ノンパラメトリック（非パラメトリック）手法が適用されます。これらの手法はデータの分布形状に依存せず、順位や中央値などの要約統計を利用します。このような場合でも、変数変換を行うことでデータの構造をより明確にし、ノンパラメトリック手法の解釈を容易にすることができます。

正規化（値を0から1の範囲にスケーリング）や標準化（平均0、標準偏差1にスケーリング）といった変数変換は、異なるスケールの変数を持つデータセットを同一グラフ上に表示する場合や、機械学習モデルの入力データとして使用する際に特に重要です。これらの変換により、特徴のスケールがモデルの性能に与える影響を軽減し、より公平な比較や分析が可能になります。

特定の変数変換は、データ内の外れ値の影響を軽減するのに役立ちます。例えば、対数変換はデータの範囲を縮小し、極端な値の影響を減少させることができます。これにより、データセット全体の傾向をより明確に把握することが可能になります。

• ページの上部にある「元データの列」のセクションから、変換したいデータの列を選択できます。
• 列の一覧はドロップダウンメニューで表示されます。
• をクリックすると、選択された列のプレビューが可能です。

「変換設定」セクションでは、適用したい変換関数を選択できます。利用可能な変換とその特徴は以下のとおりです

• 対数変換: 指数的な変化を線形に変換します。極端な値や偏りを緩和し、指数関数的な成長や減少を示すデータに特に有効です。
• 自然対数変換: 底がeの対数変換で、連続的な成長率のモデル化に適しています。
• 平方根変換: 外れ値の影響を減らし、データセットの分散を緩和します。カウントデータや比率スケールデータに有効です。
• 絶対値変換: 負の数値を除去し、データの解釈を容易にします。
• 2乗変換: データポイント間の違いを強調し、小さい値と大きい値の差を拡大します。
• 逆数変換: 大きな数値データの影響を緩和し、データセットのばらつきを均一にします。
• 標準化: 平均が0で標準偏差が1のデータセットを生成します。異なる尺度のデータを比較する際に有用です。
• 正規化: 値の範囲を0から1の間に変換します。異なる尺度のデータの比較に適しています。
• 平均値調整: データの平均値を0に調整し、中心位置を標準化します。
• 分散調整: データセットの標準偏差で除算し、分散を1に調整します。
• Box-Cox変換: 正の値のみを含む非正規分布データを正規分布に近づけます。環境データや製品寿命データなどに適しています。
• Yeo-Johnson変換: Box-Cox変換の拡張で、負の値を含むデータセットにも適用可能です。金融リターンデータや気温変化データなどに有効です。
• 時間単位の変換: 時間関連データの単位を変更します。秒・分・時・日・週・月・年の間で変換が可能です。

空白および数値以外の文字列（数値として認識できない文字列）の処理方法を設定できます

• 事前に変換しない: 元の文字列をそのまま新しいカラムに代入します。
• 数値の 0 に事前に変換する: 数値の 0 に変換し、変数変換を適用します。
• 非数値を表す NaN に事前に変換する: 非数値を表す “NaN” に変換します。R の標準的な非数値表現に準拠しています。

変換結果のプレビューが表示されます。ヒストグラムと基礎的な統計量により、変換後のデータ分布の概要を即座に確認できます。この機能により、選択した変換手法の効果を視覚的に評価し、最適な変換方法を迅速に決定できます。

• 新しい列 (カラム) 名 セクションで、変換結果を格納する新しいカラムの名前を設定します。
• 変換方法の選択時に自動的にカラム名が提案されますが、必要に応じて変更可能です。
• 既存のカラムに上書きすることはできません。