shirayuca

## j1_131124.csv

          
            順位
            チーム名
            勝点
            試合数
            勝数
            引分数
            敗数
            得点
            失点
            得失点差

            
              1
              横浜F・マリノス
              62
              32
              18
              8
              6
              49
              28
              21

            
              2
              浦和レッズ
              58
              32
              17
              7
              8
              63
              47
              16

            
              3
              サンフレッチェ広島
              57
              32
              17
              6
              9
              48
              29
              19

            
              4
              セレッソ大阪
              56
              32
              15
              11
              6
              47
              28
              19

            
              5
              鹿島アントラーズ
              56
              32
              17
              5
              10
              58
              49
              9

            
              6
              川崎フロンターレ
              54
              32
              16
              6
              10
              63
              51
              12

            
              7
              FC東京
              51
              32
              15
              6
              11
              58
              43
              15

            
              8
              アルビレックス新潟
              49
              32
              15
              4
              13
              44
              42
              2

            
              9
              清水エスパルス
              47
              32
              14
              5
              13
              45
              54
              -9

## hist-plot.r
data <- read.csv("j1_131124.csv", header=T, sep=",")

hist(data$勝点)
# 勝点のヒストグラムを作成

plot(勝数 ~ 敗数,data)
# 勝数と敗数の散布図を作成

## gist:204a9d3a269dc8dde883
function getTopImageUrl(query) {
  var url = 'http://ajax.googleapis.com/ajax/services/search/images?v=1.0&q=' + encodeURI(query);
  var response = UrlFetchApp.fetch(url);
  var json = response.getContentText();
  var object = Utilities.jsonParse(json);
  return object["responseData"]["results"][0]["unescapedUrl"];
}

## yahooTextSegmentation.js
/**
 * Yahoo! 日本語形態素解析APIの利用
 */

var ss = SpreadsheetApp.getActiveSpreadsheet();
var mySheet = ss.getActiveSheet();

function yahooTextSegmentation(cell)
{
  var myAppid = "ここにアプリケーションIDを入力";

## yahooTextSegmentation.gs
/**
 * Yahoo! 日本語形態素解析APIの利用
 */

var ss = SpreadsheetApp.getActiveSpreadsheet();
var mySheet = ss.getActiveSheet();

function yahooTextSegmentation(cell)
{
  var myAppid = "ここにアプリケーションIDを入力";

## cayley-tree-graph.r
# 木グラフを描画し、平均経路長を算出します。
# 頂点の数を 50, 100, 200 と変化させ、作図と平均経路長を算出してみましょう

library(igraph)

graph1 <- graph.tree(20)	# 頂点の数は20
plot(graph1)	# graph1をプロット
dev.off()	# 描画デバイスを閉じる

average.path.length(graph1)	# graph1の平均経路長算出

## lattice-graph.r
# 格子グラフを描画し、平均経路長を算出します。
# 20 × 20 の格子も、作図と平均経路長を算出してみましょう

library(igraph)

graph2 <- graph.lattice(c(10,10))	# 10×10 の格子
plot(graph2)
dev.off()

average.path.length(graph2)

## random-graph.r
# ランダムグラフを描画し、平均経路長を算出します。
# p=0.1, 0.3 と変化させ、作図と平均経路長を算出してみましょう

library(igraph)

graph3 <- random.graph.game(50, p=0.05) #頂点は50、線を引く確率は0.05
plot(graph3)
dev.off()

average.path.length(graph3)

## watts-strogatz-game.r
########## igraphパッケージの watts.strogatz.gameを使って、ランダム性 p の変化を見ていきます。

library(igraph)

##### p=0
g0 <- watts.strogatz.game(1, 100, 2, 0, loops=FALSE, multiple=FALSE)
# スモールワールド・ネットワークを作成
# 1次元格子, 頂点は100個、2つ先の頂点まで結合, p=0, ループなし, 多重辺なし
plot(g0)
dev.off()

## watts-strogatz-game-x100.r
##### igraph パッケージの watts.strogatz.game で、確率 p を 0 から 1 まで 0.01 刻みで変化させるシミュレーションを行います。

library(igraph)

Clustering <- 1:101
Distance <- 1:101
# 101個の要素から成るベクトルの入れ物

p <- seq(0, 1, by = 0.01)
# p の値を 0 から 1 まで 0.01 刻みで変化させる
順位	チーム名	勝点	試合数	勝数	引分数	敗数	得点	失点	得失点差
1	横浜F・マリノス	62	32	18	8	6	49	28	21
2	浦和レッズ	58	32	17	7	8	63	47	16
3	サンフレッチェ広島	57	32	17	6	9	48	29	19
4	セレッソ大阪	56	32	15	11	6	47	28	19
5	鹿島アントラーズ	56	32	17	5	10	58	49	9
6	川崎フロンターレ	54	32	16	6	10	63	51	12
7	FC東京	51	32	15	6	11	58	43	15
8	アルビレックス新潟	49	32	15	4	13	44	42	2
9	清水エスパルス	47	32	14	5	13	45	54	-9
	data <- read.csv("j1_131124.csv", header=T, sep=",")

	hist(data$勝点)
	# 勝点のヒストグラムを作成

	plot(勝数 ~ 敗数,data)
	# 勝数と敗数の散布図を作成
	function getTopImageUrl(query) {
	var url = 'http://ajax.googleapis.com/ajax/services/search/images?v=1.0&q=' + encodeURI(query);
	var response = UrlFetchApp.fetch(url);
	var json = response.getContentText();
	var object = Utilities.jsonParse(json);
	return object["responseData"]["results"][0]["unescapedUrl"];
	}
	/**
	* Yahoo! 日本語形態素解析APIの利用
	*/

	var ss = SpreadsheetApp.getActiveSpreadsheet();
	var mySheet = ss.getActiveSheet();

	function yahooTextSegmentation(cell)
	{
	var myAppid = "ここにアプリケーションIDを入力";
	# 木グラフを描画し、平均経路長を算出します。
	# 頂点の数を 50, 100, 200 と変化させ、作図と平均経路長を算出してみましょう

	library(igraph)

	graph1 <- graph.tree(20) # 頂点の数は20
	plot(graph1) # graph1をプロット
	dev.off() # 描画デバイスを閉じる

	average.path.length(graph1) # graph1の平均経路長算出
	# 格子グラフを描画し、平均経路長を算出します。
	# 20 × 20 の格子も、作図と平均経路長を算出してみましょう

	library(igraph)

	graph2 <- graph.lattice(c(10,10)) # 10×10 の格子
	plot(graph2)
	dev.off()

	average.path.length(graph2)
	# ランダムグラフを描画し、平均経路長を算出します。
	# p=0.1, 0.3 と変化させ、作図と平均経路長を算出してみましょう

	library(igraph)

	graph3 <- random.graph.game(50, p=0.05) #頂点は50、線を引く確率は0.05
	plot(graph3)
	dev.off()

	average.path.length(graph3)
	########## igraphパッケージの watts.strogatz.gameを使って、ランダム性 p の変化を見ていきます。

	library(igraph)

	##### p=0
	g0 <- watts.strogatz.game(1, 100, 2, 0, loops=FALSE, multiple=FALSE)
	# スモールワールド・ネットワークを作成
	# 1次元格子, 頂点は100個、2つ先の頂点まで結合, p=0, ループなし, 多重辺なし
	plot(g0)
	dev.off()
	##### igraph パッケージの watts.strogatz.game で、確率 p を 0 から 1 まで 0.01 刻みで変化させるシミュレーションを行います。

	library(igraph)

	Clustering <- 1:101
	Distance <- 1:101
	# 101個の要素から成るベクトルの入れ物

	p <- seq(0, 1, by = 0.01)
	# p の値を 0 から 1 まで 0.01 刻みで変化させる