R tidyverse：特定の列からベクトル取得「 pull() 」の使い方

バイオインフォマティクスでは、膨大なデータを扱うために、効率的なデータ操作が欠かせません。その中でも tidyverse の dplyr は、データフレームを扱う際に非常に強力なツールです。今回は、その中でもシンプルながら便利な pull() 関数に焦点を当て、基本から応用まで解説します。

1. pull() の基本
2. pull() の応用
3. pull() を活用するメリット
1. 3.1. コードの可読性向上
2. 3.2. vector として扱えるので計算しやすい
4. pull() の注意点
1. 4.1. 存在しない列を指定するとエラー
2. 4.2. 名前で指定する場合のスペルミス
5. まとめ

1. pull() の基本

pull() とは？

pull() は dplyr に含まれる関数で、データフレーム（tibble）から特定の列をベクトルとして取得するのに使います。データフレームの特定の列を vector として扱いたい場面は多く、pull() を使えば簡潔に記述できます。

基本的な使い方

pull() の基本的な構文は以下の通りです。

pull(.data, var, name = NULL)

.data：データフレームまたは tibble
var：取得したい列（名前または位置で指定可能）
name（オプション）：名前付きベクトルを作成する場合に指定

サンプルデータで試す

まずは、簡単なデータセットを用意して、pull() を使ってみましょう。

library(dplyr)

# サンプルデータ
df <- tibble(
  sample_id = c("S1", "S2", "S3", "S4"),
  gene_expression = c(2.3, 3.1, 1.8, 4.2),
  group = c("A", "B", "A", "B")
)

# gene_expression 列を取得
gene_values <- df %>% pull(gene_expression)
print(gene_values)

出力:

[1] 2.3 3.1 1.8 4.2

このように、データフレームの特定の列をベクトルとして取得できます。

2. pull() の応用

pull() はシンプルな関数ですが、いくつかの便利な使い方があります。ここでは、実践的なシナリオを紹介します。

2.1. pull() でデータの一部を変数に保存

例えば、特定の条件を満たす sample_id を取得したい場合、filter() と組み合わせるとスッキリ書けます。

# gene_expression が 3 以上の sample_id を取得
high_expression_samples <- df %>%
  filter(gene_expression >= 3) %>%
  pull(sample_id)

print(high_expression_samples)

出力:

[1] "S2" "S4"

このように、条件に合うデータの特定の列を直接ベクトルとして取り出せます。

2.2. pull() で名前付きベクトルを作る

第3引数 name を指定すると、ベクトルに名前を付けることができます。これは named vector としてデータを整理する際に便利です。

# gene_expression の値を sample_id を名前とするベクトルに変換
named_gene_values <- df %>% pull(gene_expression, name = sample_id)

print(named_gene_values)

出力:

   S1    S2    S3    S4 
 2.3  3.1  1.8  4.2

この方法を使うと、データの意味が明確になり、list や named vector を活用する場面で役立ちます。

2.3. purrr::map() と組み合わせる

purrr::map() を使うと、リストの各要素に対して pull() を適用できます。例えば、データを group ごとに分けて、それぞれの gene_expression の値を取得する場合です。

library(purrr)

# group ごとに gene_expression のベクトルを取得
grouped_values <- df %>%
  group_by(group) %>%
  group_split() %>%
  map(~ .x %>% pull(gene_expression))

print(grouped_values)

出力:

[[1]]
[1] 2.3 1.8

[[2]]
[1] 3.1 4.2

このように、データをグループごとに処理する場合にも pull() は便利です。

3. pull() を活用するメリット

3.1. コードの可読性向上

pull() を使うと、明確に「この列の値を取得する」という意図が伝わりやすくなります。[[ や $ を使うよりも、パイプ (%>%) を活かした流れるようなコードになります。

3.2. vector として扱えるので計算しやすい

ベクトルを取得できるため、mean(), sum(), sd() などの関数と組み合わせて数値計算がスムーズに行えます。

# gene_expression の平均値を取得
mean_expression <- df %>% pull(gene_expression) %>% mean()
print(mean_expression)

出力:

2.85

4. pull() の注意点

pull() を使う際に気をつけるべきポイントもあります。

4.1. 存在しない列を指定するとエラー

例えば、df %>% pull(non_existing_column) とすると、エラーになります。データの中にその列があるか事前に names(df) で確認すると良いでしょう。

4.2. 名前で指定する場合のスペルミス

変数名を間違えるとエラーになります。プログラムで動的に列名を指定する場合は rlang::sym() や !! を使うことも検討しましょう。

5. まとめ

pull() は dplyr の中でもシンプルでありながら、データ処理をより直感的にできる便利な関数です。特に以下の点で役立ちます！！

✅ データフレームから特定の列をベクトルとして取得
✅ 条件付きで抽出し、変数に保存できる
✅ 名前付きベクトルとしてデータ整理が可能
✅ map() などと組み合わせることで、グループ単位のデータ処理が簡単

バイオインフォマティクスのデータ解析でも、遺伝子発現データやサンプル情報の抽出などで頻繁に活用できるので、ぜひ活用してみてくださいね〜！