［R］PDFファイルを画像に変換する

pdftoolsパッケージのpdf_render_page関数を使うとraw型に変換することができる。これを例えばpngパッケージのwritePNG関数を使えば画像に変換することができる

> library(pdftools)
> filepath <- "https://www.aoni.co.jp/search/items/suzuki-minori.pdf"
> r <- pdf_render_page(filepath)
> library(png)
> ra <- pdf_render_page(filepath)
> library(png)
> writePNG(ra, "suzukiminori.png", dpi = 600)

［R］PDFファイルに含まれているフォントの情報を得る

pdftoolsパッケージのpdf_fonts関数を使う。以下は、芸能人「中居正広」の公式ウェブサイト「のんびりなかい」にある2025年1月9日報道発表の記事のPDFファイルから、文書のフォント情報を抜き出した例。

> library(pdftools)
> filepath <- "http://www.nonbirinakai.co.jp/wp/wp-content/uploads/2025/01/250109.pdf"
> lis <- pdf_fonts(filepath)
> lis |> as.data.frame()
                    name  type embedded file
1  AAAAAA+HiraMinProN-W6 type3     TRUE     
（以下、表示省略）

PDFファイルに含まれているフォントの情報はAcrobat Readerでも確認できる。PDFファイルをAcrobat Readerで開いた際に、左上「メニュー」→「文書のプロパティ」→タブ「フォント」で表示される内容がそれである。

［R］PDFファイルの文書のプロパティを得る

pdftoolsパッケージのpdf_info関数を使う。以下は、芸能人「中居正広」の公式ウェブサイト「のんびりなかい」にある2025年1月9日報道発表の記事のPDFファイルから、文書のプロパティを読み込んだ例。

> library(pdftools)
> filepath <- "http://www.nonbirinakai.co.jp/wp/wp-content/uploads/2025/01/250109.pdf"
> lis <- pdf_info(filepath)
> names(lis)
 [1] "version"     "pages"       "encrypted"   "linearized"  "keys"        "created"     "modified"    "metadata"   
 [9] "locked"      "attachments" "layout"     
> lis$version
[1] "1.4"
> lis$pages
[1] 1

PDFのバージョンは1.4で全1ページのPDFであることがわかる。

PDFファイルの文書のプロパティとは、PDFファイルをAcrobat Readerで開いた際に、左上「メニュー」→「文書のプロパティ」により表示されるファイルの内部情報のこと。エクスプローラー上の右クリックのコンテキストメニューで表示できるプロパティとは異なることに注意。

［R］PDFファイルからテキストを抜き出す

pdftoolsパッケージのpdf_text関数を使う。以下は、芸能人「中居正広」の公式ウェブサイト「のんびりなかい」にある2025年1月9日報道発表の記事のPDFファイルから、文書のテキストを抜き出した例。

> library(pdftools)
> filepath <- "http://www.nonbirinakai.co.jp/wp/wp-content/uploads/2025/01/250109.pdf"
> lns <- pdf_text(filepath)
> length(lns)
[1] 1
> s <- unlist(strsplit(trimws(lns), "\\s+"))
> length(s)
[1] 34
> head(s)
[1] "‭お詫び‬"                                                                          
[2] "‭‬"                                                                                
[3] "‭"                                                                                
[4] "の度は、皆様にご迷惑をお掛けしていること、大変申し訳なく思っております。‬"        
[5] "こ"                                                                              
[6] "‭報道内容においては、事実と異なるものもあり、相手さま、関係各所の皆さまに対しては‬"

4～5を見てのとおり、PDFファイルの構造上、テキストを表示された文章のようにきれいに抜き出すことは難しいことに注意。

［R］祝日を一覧形式で得る

内閣府のウェブサイトの以下のページでは、昭和30年（1955年）～令和7年（2025年）の祝日をCSV形式のファイルで公開している（2024年11月現在）。これを利用する。

https://www8.cao.go.jp/chosei/shukujitsu/gaiyou.html

以下はそのCSVファイルを利用して、令和6年度（2024-04-01/2025-03-31）の祝日を抜き出した例。

> library(tidyverse)
> options(readr.show_progress = FALSE, readr.show_col_types = FALSE)
> s <- "https://www8.cao.go.jp/chosei/shukujitsu/syukujitsu.csv"
> loc <- locale(encoding = "Shift_JIS")
> hday <- read_csv(s, locale = loc)
> colnames(hday) <- c("date", "name")
> tib <- hday |> filter(date >= as.Date("2024-04-01") & date <= as.Date("2025-03-31"))
> tib |> as.data.frame()
         date         name
1   2024/4/29     昭和の日
2    2024/5/3   憲法記念日
3    2024/5/4   みどりの日
4    2024/5/5   こどもの日
5    2024/5/6         休日
6   2024/7/15       海の日
7   2024/8/11       山の日
8   2024/8/12         休日
9   2024/9/16     敬老の日
10  2024/9/22     秋分の日
11  2024/9/23         休日
12 2024/10/14 スポーツの日
13  2024/11/3     文化の日
14  2024/11/4         休日
15 2024/11/23 勤労感謝の日
16   2025/1/1         元日
17  2025/1/13     成人の日
18  2025/2/11 建国記念の日
19  2025/2/23   天皇誕生日
20  2025/2/24         休日
21  2025/3/20     春分の日

［R］MLBの通算安打数の20位までを調べる

Lahmanデータベースを使うと簡単に調べることができる。

> library(Lahman)
> library(tidyverse)
> Batting %>% group_by(playerID) %>% summarize(H = sum(H)) %>%
+ left_join(People, by = "playerID") %>%
+ select(nameFirst, nameLast, H) %>% arrange(desc(H)) %>%
+ as.data.frame() %>% head(20)
   nameFirst    nameLast    H
1       Pete        Rose 4256
2         Ty        Cobb 4189
3       Hank       Aaron 3771
4       Stan      Musial 3630
5       Tris     Speaker 3514
6      Derek       Jeter 3465
7        Cap       Anson 3435
8      Honus      Wagner 3420
9       Carl Yastrzemski 3419
10    Albert      Pujols 3384
11      Paul     Molitor 3319
12     Eddie     Collins 3315
13    Willie        Mays 3283
14     Eddie      Murray 3255
15       Nap      Lajoie 3243
16       Cal      Ripken 3184
17    Adrian      Beltre 3166
18    George       Brett 3154
19      Paul       Waner 3152
20     Robin       Yount 3142

通算安打数の一位はピート・ローズの4256本、二位はタイ・カッブの4189本、三位はハンク・アーロンの3771本であることがわかる。参考までに、イチローは以下のとおり3089本。

> Batting %>% group_by(playerID) %>% summarize(H = sum(H)) %>%
+ left_join(People, by = "playerID") %>%
+ select(nameFirst, nameLast, H) %>% filter(nameFirst == "Ichiro") %>%
+ as.data.frame()
  nameFirst nameLast    H
1    Ichiro   Suzuki 3089

［R］MLBの通算盗塁数の20位までを調べる

Lahmanデータベースを使うと簡単に調べることができる。

> library(Lahman)
> library(tidyverse)
> Batting %>% group_by(playerID) %>% summarize(SB = sum(SB)) %>%
+ left_join(People, by = "playerID") %>%
+ select(nameFirst, nameLast, SB) %>% arrange(desc(SB)) %>%
+ as.data.frame() %>% head(20)
   nameFirst    nameLast   SB
1     Rickey   Henderson 1406
2        Lou       Brock  938
3      Billy    Hamilton  914
4         Ty        Cobb  896
5        Tim      Raines  808
6      Vince     Coleman  752
7      Eddie     Collins  741
8        Max       Carey  738
9      Honus      Wagner  723
10       Joe      Morgan  689
11    Willie      Wilson  668
12      Bert  Campaneris  649
13     Kenny      Lofton  622
14      Otis       Nixon  620
15    George       Davis  619
16      Juan      Pierre  614
17     Billy         Hoy  596
18     Maury       Wills  586
19    George Van Haltren  583
20     Ozzie       Smith  580

通算盗塁数の一位はリッキー・ヘンダーソンの1406個、二位はルー・ブロックの938個、三位はビリー・ハミルトンの914個であることがわかる。

［R］MLBの通算本塁打数の20位までを調べる

Lahmanデータベースを使うと簡単に調べることができる。

> library(Lahman)
> library(tidyverse)
> Batting %>% group_by(playerID) %>% summarize(HR = sum(HR)) %>%
+ left_join(People, by = "playerID") %>%
+ select(nameFirst, nameLast, HR) %>% arrange(desc(HR)) %>%
+ as.data.frame() %>% head(20)
   nameFirst  nameLast  HR
1      Barry     Bonds 762
2       Hank     Aaron 755
3       Babe      Ruth 714
4     Albert    Pujols 703
5       Alex Rodriguez 696
6     Willie      Mays 660
7        Ken   Griffey 630
8        Jim     Thome 612
9      Sammy      Sosa 609
10     Frank  Robinson 586
11      Mark   McGwire 583
12    Harmon Killebrew 573
13    Rafael  Palmeiro 569
14    Reggie   Jackson 563
15     Manny   Ramirez 555
16      Mike   Schmidt 548
17     David     Ortiz 541
18    Mickey    Mantle 536
19    Jimmie      Foxx 534
20    Willie   McCovey 521

通算本塁打数の一位はバリー・ボンズの762本、二位はハンク・アーロンの755本、三位はベーブ・ルースの714本であることがわかる。

［R］Lahmanパッケージを使う

Lahmanパッケージとは、Sean Lahman氏による1871年からのMLBのデータのデータベース。このパッケージをインストールすることで、いろいろな情報を簡単に扱うことができる。

> options(repos = "https://ftp.yz.yamagata-u.ac.jp/pub/cran/")
> install.packages("Lahman")

これに含まれるデータフレームPeopleには、選手別の簡単な情報が格納されている。イチロー、松井秀喜、大谷翔平に関する情報の一部を表示してみる。

> library(Lahman)
> nrow(People)
[1] 20676
> col <- c("playerID", "birthCountry", "nameFirst", "nameLast", "debut")
> subset(People, nameFirst == "Ichiro")[, col]
       playerID birthCountry nameFirst nameLast      debut
18191 suzukic01        Japan    Ichiro   Suzuki 2001-04-02
> subset(People, nameFirst == "Hideki" & nameLast == "Matsui")[, col]
       playerID birthCountry nameFirst nameLast      debut
11741 matsuhi01        Japan    Hideki   Matsui 2003-03-31
> subset(People, nameFirst == "Shohei")[, col]
       playerID birthCountry nameFirst nameLast      debut
13806 ohtansh01        Japan    Shohei   Ohtani 2018-03-29

上記のとおり、Peopleにはデータベースで扱っている全選手（約2万人）の情報が格納されており、選手のIDとしてplayerIDという文字列が用意されている。

［R］ベクトルやデータフレームをファイルに保存し、後で読み込んで再利用する

saveRDS関数を使うことで、オブジェクト（ベクトルやデータフレームなど）をファイルに保存することができる。このファイルに保存した内容は、後（Rの再起動後も可）でreadRDS関数を使ってその環境に読み込み再利用することができる。save関数と異なり、一つのオブジェクトしか保存することができず、readRDS関数で読み込む際は、その読み込み先のオブジェクトを指定する必要がある。

> rm(list = ls(all.names = TRUE))
> ls()
character(0)
> no <- c(30, 58, 64)
> name <- c("ライスシャワー", "メイショウドトウ", "メジロパーマー")
> seiyu <- c("石見舞菜香", "和多田美咲", "のぐちゆり")
> meibo <- data.frame(no, name, seiyu)
> print(meibo)
  no             name      seiyu
1 30   ライスシャワー 石見舞菜香
2 58 メイショウドトウ 和多田美咲
3 64   メジロパーマー のぐちゆり
> saveRDS(meibo, file = "meibo.rds")
> rm(list = ls(all.names = TRUE))
> ls()
character(0)
> readRDS(file = "meibo.rds")
  no             name      seiyu
1 30   ライスシャワー 石見舞菜香
2 58 メイショウドトウ 和多田美咲
3 64   メジロパーマー のぐちゆり
> ls()
character(0)
> dtf <- readRDS(file = "meibo.rds")
> ls()
[1] "dtf"
> print(dtf)
  no             name      seiyu
1 30   ライスシャワー 石見舞菜香
2 58 メイショウドトウ 和多田美咲
3 64   メジロパーマー のぐちゆり

saveRDS関数はデフォルトではファイルをgzip圧縮をする。ファイルサイズは小さくなるが、その分、保存時も読み込み時も時間がかかることに注意。