R

dplyrでデータ加工入門【filter・select・mutate・group_by・summarise】

酒井 裕麻株式会社Bistro 代表取締役社長

Rでデータを読み込んだら、次は「必要な行だけに絞る」「店舗ごとに合計する」といったデータ加工です。こうした作業を、Excelよりずっと速く、しかも手順を残しながら行えるのが dplyr(ディープライヤー) パッケージです。

この記事では、dplyrの基本となる5つの関数とパイプ(%>%)の使い方を、実際の売上データを使って解説します。最後には、集計した結果をグラフにするところまで進みます。

店舗別・カテゴリ別の売上グラフ

参考記事

RでCSVの文字化けを直す方法とExcelファイルの読み込み【実行結果付き】
Rのパッケージのインストール方法と読み込み方【よくあるエラーの対処法付き】

この記事で使うデータ

架空の店舗の売上データ sales.csv を使います。2026年1〜3月の、3店舗(新宿・渋谷・横浜)×3カテゴリ(食品・飲料・日用品)の日別データです。

列名 内容
date 日付
store 店舗
category カテゴリ
customers 客数
sales 売上(円)
ad_spend 広告費(円)
install.packages("dplyr")  # 最初の1回だけ
library(dplyr)
sales <- read.csv("sales.csv")

dplyrの5つの基本関数

関数 やること Excelでいうと
filter() 条件に合う行を絞り込む フィルター
select() 必要な列を選ぶ 列の削除・並べ替え
mutate() 新しい列を追加する 計算列の追加
arrange() 並び替える 並べ替え
group_by() + summarise() グループごとに集計する ピボットテーブル

パイプ(%>%)で処理をつなぐ

dplyrでは、処理を %>%(パイプ)でつないで書きます。「左のデータを、右の処理に渡す」という意味で、「〜して、それから〜する」と上から順に読めるのが特徴です。

sales %>% filter(store == "渋谷店") %>% head(3)

これは「salesから、渋谷店の行だけを絞り込んで、先頭3行を表示する」という意味です。

※%>% は Ctrl + Shift + M(Macは Cmd + Shift + M)で入力できます。R 4.1以降では、標準の |> も同じように使えます。

filter():行を絞り込む

sales %>% filter(store == "渋谷店") %>% head(3)

実行結果

        date  store category customers  sales ad_spend
1 2026-01-01 渋谷店   日用品        63  60030    17000
2 2026-01-01 渋谷店     食品       121 167150    27000
3 2026-01-01 渋谷店     飲料        69  28650    11000

条件はカンマで区切っていくつでも並べられます(すべて満たす=AND条件)。「渋谷店の食品で、売上が22万円以上の日」が何日あるか数えてみましょう。

sales %>% filter(store == "渋谷店", category == "食品", sales >= 220000) %>% nrow()
[1] 34

よく使う条件の書き方は次のとおりです。

書き方 意味
== / != 等しい/等しくない
>= / < 以上/未満
store %in% c("渋谷店", "新宿店") どれかに当てはまる
a | b aまたはb(OR条件)

select():列を選ぶ

sales %>% select(date, store, sales) %>% head(3)

実行結果

        date  store  sales
1 2026-01-01 新宿店  62060
2 2026-01-01 新宿店 241870
3 2026-01-01 新宿店  44430

列名の前に - を付けると、その列を除くことができます(例:select(-ad_spend))。

mutate():列を追加する

売上を客数で割って、客単価の列を追加します。あわせて、文字として読み込まれている date を日付型に変換しておきます。

sales <- sales %>% mutate(unit_price = round(sales / customers), date = as.Date(date))
sales %>% select(date, store, customers, sales, unit_price) %>% head(3)

実行結果

        date  store customers  sales unit_price
1 2026-01-01 新宿店        66  62060        940
2 2026-01-01 新宿店       185 241870       1307
3 2026-01-01 新宿店       114  44430        390

arrange():並び替える

売上が大きい順に並べます。desc() で降順になります。

sales %>% arrange(desc(sales)) %>% head(3)

実行結果

        date  store category customers  sales ad_spend unit_price
1 2026-01-31 新宿店     食品       248 381610    17000       1539
2 2026-01-10 新宿店     食品       262 380320    25000       1452
3 2026-03-28 新宿店     食品       245 372310    11000       1520

上位は土曜日の新宿店・食品でした(1月31日・1月10日・3月28日はいずれも土曜日です)。

group_by() + summarise():グループごとに集計する

一番よく使うのがこの組み合わせです。店舗ごとに、売上合計・平均客数・営業日数を集計します。

store_summary <- sales %>%
  group_by(store) %>%
  summarise(total_sales = sum(sales), avg_customers = mean(customers), days = n_distinct(date)) %>%
  arrange(desc(total_sales))
store_summary

実行結果

# A tibble: 3 × 4
  store  total_sales avg_customers  days
  <chr>        <int>         <dbl> <int>
1 新宿店    34343650         125.     90
2 渋谷店    28415350         102.     90
3 横浜店    21810360          79.7    90

summarise()の中で使える主な関数は、sum()(合計)、mean()(平均)、n()(件数)、n_distinct()(種類の数)、max()/min() などです。

複数の列でグループ化する

group_by() に列を2つ指定すると、月×カテゴリのような掛け合わせで集計できます。

sales %>%
  mutate(month = format(date, "%Y-%m")) %>%
  group_by(month, category) %>%
  summarise(sales = sum(sales)) %>%
  head(6)

実行結果

# A tibble: 6 × 3
# Groups:   month [2]
  month   category    sales
  <chr>   <chr>       <int>
1 2026-01 日用品    6015670
2 2026-01 食品     19954980
3 2026-01 飲料      3345500
4 2026-02 日用品    5500540
5 2026-02 食品     17586090
6 2026-02 飲料      2979360

集計結果をそのままグラフにする

dplyrで集計した結果は、パイプでつないでそのまま ggplot2 のグラフにできます。記事の冒頭の図は、次のコードで作りました。

library(ggplot2)
theme_set(theme_gray(base_family = "Meiryo"))  # 日本語フォント(Macは "Hiragino Sans")

sales %>%
  group_by(store, category) %>%
  summarise(sales = sum(sales)) %>%
  ggplot(aes(x = store, y = sales / 10000, fill = category)) +
  geom_col() +
  labs(title = "店舗別・カテゴリ別の売上(2026年1〜3月)", x = NULL, y = "売上(万円)", fill = "カテゴリ")

グラフの作り方は、次回のggplot2の記事で詳しく解説します。

まとめ

  • filter() で行、select() で列を絞り込む
  • mutate() で計算した列を追加し、arrange() で並び替える
  • group_by() + summarise() で、ピボットテーブルのような集計ができる
  • %>% でつなぐと、処理の流れを上から順に読める

dplyrを覚えると、Excelで何十分もかかっていた集計が数行のコードで終わり、しかも同じ手順を何度でも再現できます。ぜひ手元のデータで試してみてください。

同じことをGoogle ColabのPythonで行う方法は、pandasでデータ加工入門【絞り込み・列の選択・列の追加・並び替え・グループ集計】で紹介しています。

CONTACT

データ活用のお悩み、
直接相談しませんか。

「何から始めればいいかわからない」段階でも大丈夫です。課題の整理からお手伝いします。