2016年3月23日水曜日

【貨幣研究メモ】 Local Exchange Trading System (地域通貨取引交換システム)

こんなのがあるとは

Local Exchange Trading System (LETS:地域通貨取引交換システム)

考案者:マイケル・リントン

◇概要

目的:地域経済の活性化とコミュニティの再生

参加者:だれでも自由に参加可能

システム:口座型の地域通貨を通じて、財・サービスを交換

参考ページ:

地域通貨とは LETSシステムについて
http://www.ultraman.gr.jp/shalom/tiikituuka.htm

〈地域通貨〉LETSとは何か
http://www.office-ebara.org/modules/xfsection02/article.php?articleid=17

2016年3月8日火曜日

【R】 日付データから年や月だけを抜き出す方法

【目的】 日付データから年や月だけを抜き出す
【方法】 substring()を使う

日付データのデータを用意する
> set.date0 <- "2015-01-01 00:00:00"
> set.date0
[1] "2015-01-01 00:00:00" 

年だけ抜き出す
> set.year <- substring(set.date0,1,4) #1~4文字目までの文字(年数)を取り出す
> set.year
[1] "2015"

もちろん月だけ抜き出すこともできる
> set.month <- substring(set.date0,6,7)
> set.month
[1] "01"  

ついでに年月も抜き出してみると
> set.ym <- substring(set.date0,1,7)
> set.ym
[1] "2015-01" 

リンク: 【R】先頭の0を消す
http://mototeds.blogspot.com/2016/04/r0.html

2016年3月7日月曜日

【セミナー】データサイエンティスト育成ネットワークの形成 最終年度報告シンポジウム @東京大学


メモ
  • データ利活用の期待値、未来を生み出す感から莫大な富が生まれてくる
  • 実際、グーグルやアマゾンの時価総額はトヨタよりも高い
  • ただ、日本企業はデータの価値の大きさをまだ分かっていない

確かに…

自分がいるゲーム業界もデータをゲーム運営面でしか使っておらず非常にもったいない
おそらく問題は、データを活用した経営戦略を描けないこと
そうした経営戦略を描ける人が出て来れば日本のゲーム業界は劇的に変わると思う


2016年3月4日金曜日

【R】 月ごとで表示(月次・月別の集計)

【目的】 日付データから月だけ抽出する
【方法】 epitoolsパッケージのmonth関数を使う
【補足】  library(epitools)が必要

"2014-02-01"
から月だけを取り出すには、

> library(epitools)
> time <- as.Date("2014-02-01")
> month <- as.month(time)
> month$month
[1] "2"

とすればできる

他にも年数だけを取り出すことも可能
以下、month関数の活用例

> month
$dates
[1] "2014-02-01"

$mon
[1] 2

$month
[1] "2"

$stratum
[1] 16116
attr(,"origin")
[1] "1970-01-01"

$stratum2
[1] 16116
Levels: 16085 16116 16144

$stratum3
[1] "2014-02-15"

$cmon
[1] 1 2 3

$cmonth
[1] "1" "2" "3"

$cstratum
[1] 16085 16116 16144
attr(,"origin")
[1] "1970-01-01"

$cstratum2
[1] "2014-01-15" "2014-02-15" "2014-03-15"

$cmday
[1] 15 15 15

$cyear
[1] "2014" "2014" "2014"

参照サイト



2016年3月3日木曜日

【セミナー】データマネジメント2016

 データマネジメント2016
~データ駆動こそがビジネスを創る~  
  • 開催日
2016年3月11日(金)
  • 場所
目黒雅叙園(東京都)
〒153-0064 東京都目黒区下目黒1-8-1
[アクセスマップ] http://www.megurogajoen.co.jp/access/
   
参照ページ
 
 

2016年3月2日水曜日

2016年3月1日火曜日

【Rで大規模データを扱う】freadを使えば26倍早くcsvファイルを読み込める

【方法】data.table パッケージの fread() を使う

Rの弱み:大規模データの処理
→ data.tableパッケージを活用することで大規模データも高速に処理可能

> library(data.table) > > #Rで大規模csvファイルを読み込む > > #read.csvで読み込む場合 > system.time(df.read.csv <- read.csv(file("C:/R_test/data/test.csv"))) ユーザ システム 経過 50.34 0.18 50.56 > > #data.tableパッケージのfreadで読み込む場合 > system.time(df.fread <- fread("C:/R_test/data/test.csv")) ユーザ システム 経過 1.92 0.02 1.94

経過時間
read.csv50.56
fread1.94

freadの方が26倍以上早い!