からっぽのしょこ

読んだら書く!書いたら読む!同じ事は二度調べ(たく)ない

ハロプログループの平均年齢のバーチャートレースを作ってみた

はじめに

 ハロー!プロジェクトの歴史を可視化しようシリーズ(仮)です。
 この記事では、各グループの平均年齢の推移をバーチャートレースにします。

【他の記事】

www.anarchive-beta.com

【目次】

平均年齢の推移の可視化

 ハロー!プロジェクトのグループ・ユニットの平均年齢の推移をバーチャートレースで可視化します。

 次のパッケージを利用します。

# 利用パッケージ
library(tidyverse)
library(lubridate)
library(gganimate)

 この記事では、基本的にパッケージ名::関数名()の記法を使うので、パッケージを読み込む必要はありません。ただし、作図コードがごちゃごちゃしないようにパッケージ名を省略しているため、ggplot2は読み込む必要があります。また、基本的にベースパイプ(ネイティブパイプ)演算子|>を使いますが、パイプ演算子%>%ででないと処理できない部分があるため、magrittrも読み込む必要があります。

データの読込

 次のページのデータを利用します。

github.com

 GitHub上のcsvデータをRから読み込めたらよかったのですがやり方が分からなかったので、ダウンロードしてローカルフォルダに保存しておきます。

 保存先のフォルダパスを指定します。

# フォルダパスを指定
dir_path <- "data/HP_DB-main/"

 ファイルの読み込み時にファイル名を結合する(ファイルパスにする)ので、末尾を/にしておきます。

 メンバーの情報を読み込みます。

# メンバー一覧を読み込み
member_df <- readr::read_csv(
  file = paste0(dir_path, "member.csv"), 
  col_types = readr::cols(
    memberID = "i", 
    memberName = "c", 
    HPjoinDate = readr::col_date(format = "%Y/%m/%d"), 
    debutDate = readr::col_date(format = "%Y/%m/%d"), 
    HPgradDate = readr::col_date(format = "%Y/%m/%d"), 
    memberKana = "c", 
    birthDate = readr::col_date(format = "%Y/%m/%d")
  )
) |> 
  dplyr::arrange(memberID) # 昇順に並べ替え
member_df
## # A tibble: 273 × 7
##    memberID memberName HPjoinDate debutDate  HPgradDate memberKana    birthDate 
##       <int> <chr>      <date>     <date>     <date>     <chr>         <date>    
##  1        1 中澤裕子   1997-09-14 1998-01-28 2009-03-31 なかざわゆう… 1973-06-19
##  2        2 石黒彩     1997-09-14 1998-01-28 2000-01-07 いしぐろあや  1978-05-12
##  3        3 飯田圭織   1997-09-14 1998-01-28 2009-03-31 いいだかおり  1981-08-08
##  4        4 安倍なつみ 1997-09-14 1998-01-28 2009-03-31 あべなつみ    1981-08-10
##  5        5 福田明日香 1997-09-14 1998-01-28 1999-04-18 ふくだあすか  1984-12-17
##  6        6 平家みちよ 1997-11-05 1997-11-05 2002-11-07 へいけみちよ  1979-04-06
##  7        7 保田圭     1998-05-03 1998-05-03 2009-03-31 やすだけい    1980-12-06
##  8        8 矢口真里   1998-05-03 1998-05-03 2005-04-14 やぐちまり    1983-01-20
##  9        9 市井紗耶香 1998-05-03 1998-05-03 2000-05-21 いちいさやか  1983-12-31
## 10       10 信田美帆   1999-02-21 1999-04-21 2000-10-09 しのだみほ    1972-05-18
## # … with 263 more rows

 member.csvは、メンバーID・メンバー名・ハロプロ加入日・メジャーデビュー日・卒業日・メンバー名(かな)の6列のcsvファイルです。
 member.csvには、メンバーが重複しているデータがあります。

# 重複データを確認
member_df |> 
  dplyr::filter(memberID %in% c(19, 41))
## # A tibble: 4 × 7
##   memberID memberName HPjoinDate debutDate  HPgradDate memberKana   birthDate 
##      <int> <chr>      <date>     <date>     <date>     <chr>        <date>    
## 1       19 戸田鈴音   1999-04-27 NA         2000-04-30 とだりんね   1981-02-06
## 2       19 りんね     2000-05-01 2001-04-18 2002-10-13 りんね       1981-02-06
## 3       41 紺野あさ美 2001-08-26 2001-08-26 2006-07-23 こんのあさみ 1987-05-07
## 4       41 紺野あさ美 2007-07-15 2007-07-15 2009-03-31 こんのあさみ 1987-05-07

 「戸田鈴音」さんは改名によるもので、「紺野あさ美」さんはモーニング娘。卒業の後にハロプロ復帰したためです。
 また、誕生日が欠損しているデータがあります。

# 欠損データを確認
member_df |> 
  dplyr::filter(is.na(birthDate))
## # A tibble: 2 × 7
##   memberID memberName HPjoinDate debutDate HPgradDate memberKana     birthDate
##      <int> <chr>      <date>     <date>    <date>     <chr>          <date>   
## 1       21 小林梓     1999-04-27 NA        1999-08-23 こばやしあずさ NA       
## 2       98 大柳麻帆   2004-08-10 NA        2005-07-01 おおやなぎまほ NA

 誕生日が公表されていないようです。

 グループの情報を読み込みます。

# グループ一覧を読み込み
group_df <- readr::read_csv(
  file = paste0(dir_path, "group.csv"), 
  col_types = readr::cols(
    groupID = "i", 
    groupName = "c", 
    formDate = readr::col_date(format = "%Y/%m/%d"), 
    dissolveDate = readr::col_date(format = "%Y/%m/%d"), 
    isUnit = "l"
  )
) |> 
  dplyr::arrange(groupID, formDate) # 昇順に並べ替え
group_df
## # A tibble: 60 × 5
##    groupID groupName          formDate   dissolveDate isUnit
##      <int> <chr>              <date>     <date>       <lgl> 
##  1       1 モーニング娘。     1997-09-14 2013-12-31   FALSE 
##  2       1 モーニング娘。 '14 2014-01-01 2014-12-31   FALSE 
##  3       1 モーニング娘。 '15 2015-01-01 2015-12-31   FALSE 
##  4       1 モーニング娘。 '16 2016-01-01 2016-12-31   FALSE 
##  5       1 モーニング娘。 '17 2017-01-01 2017-12-31   FALSE 
##  6       1 モーニング娘。 '18 2018-01-01 2018-12-31   FALSE 
##  7       1 モーニング娘。 '19 2019-01-01 2019-12-31   FALSE 
##  8       1 モーニング娘。 '20 2020-01-01 2020-12-31   FALSE 
##  9       1 モーニング娘。 '21 2021-01-01 2021-12-31   FALSE 
## 10       1 モーニング娘。 '22 2022-01-01 NA           FALSE 
## # … with 50 more rows

 group.csvは、グループID・グループ名・結成日・解散日・ユニットかどうかの5列のcsvファイルです。改名グループであれば結成日・解散日は改名日を表し、現在活動中であれば解散日が欠損値になります。
 例えば、「モーニング娘。とモーニング娘。'14」「スマイレージとアンジュルム」「カントリー娘。とカントリー・ガールズ」は同一のグループとして共通のグループIDを持ちます。よって、groupID列の値は重複し、groupName列の値(文字列)は重複しません。

 メンバーの加入日・卒業日の情報を読み込みます。

# 加入・卒業日一覧を読み込み
join_df <- readr::read_csv(
  file = paste0(dir_path, "join.csv"), 
  col_types = readr::cols(
    memberID = "i", 
    groupID = "i", 
    joinDate = readr::col_date(format = "%Y/%m/%d"), 
    gradDate = readr::col_date(format = "%Y/%m/%d")
  )
) |> 
  dplyr::arrange(joinDate, memberID, groupID) # 昇順に並べ替え
join_df
## # A tibble: 514 × 4
##    memberID groupID joinDate   gradDate  
##       <int>   <int> <date>     <date>    
##  1        1       1 1997-09-14 2001-04-15
##  2        2       1 1997-09-14 2000-01-07
##  3        3       1 1997-09-14 2005-01-30
##  4        4       1 1997-09-14 2004-01-25
##  5        5       1 1997-09-14 1999-04-18
##  6        7       1 1998-05-03 2003-05-05
##  7        8       1 1998-05-03 2005-04-14
##  8        9       1 1998-05-03 2000-05-21
##  9        2       2 1998-10-18 2000-01-07
## 10        3       2 1998-10-18 2002-09-23
## # … with 504 more rows

 join.csvは、メンバーID・グループID・加入日・卒業日の4列のcsvファイルです。現在活動中であれば卒業日が欠損値になります。
 member.cscのメンバーID、group.csvのグループIDと対応しています。

 このデータを利用して、各グループ・ユニットの平均年齢を集計します。

期間の指定

 アニメーションとしてグラフ化する(平均年齢を集計する)期間を指定します。

# 期間を指定
date_from <- "1997-09-01"
date_to   <- "2022-06-20"
#date_to   <- lubridate::today()

 開始日をdate_from、終了日をdate_toとして期間を指定します。文字列でyyyy-mm-ddyyyy/mm/ddyyyymmddなどと指定できます。現在の日付を使う場合は、today()で設定します。

 集計に利用する期間内の全ての月を持つベクトルを作成します。

# 月ベクトルを作成
date_vec <- seq(
  from = date_from |> 
    lubridate::as_date() |> 
    lubridate::floor_date(unit = "mon"), 
  to = date_to |> 
    lubridate::as_date() |> 
    lubridate::floor_date(unit = "mon"), 
  by = "mon"
)
length(date_vec) # フレーム数
## [1] 298

 seq()で、第1引数fromから第2引数toまでのベクトルを作成します。第3引数by"mon"を指定すると、1か月間隔の値を作成します。
 文字列型で指定した日付を、as_date()でDate型に変換し、さらにfloor_date()unit引数に"mon"を指定して月初の日付にして(日にちを切り捨てて)使います。

 アニメーションでは、1月ずつフレーム(グラフ)を切り替えるので、date_vecの要素数がフレーム数になります。

演出用の処理

 集計を行う前に、アニメーションの演出用のデータフレームを作成します。

改名グループの対応データ

 各フレーム(各グラフ・各月)に応じてグループ名のラベルを変更するために、月とグループ名の対応データを作成します。

 「期間内の全ての月」と「各月におけるグループ名」のデータフレームを作成します。

# 月・グループID・グループ名の対応表を作成
group_name_df <- group_df |> 
  dplyr::mutate(
    formDate = formDate |> 
      lubridate::floor_date(unit = "mon"), 
    dissolveDate = dissolveDate %>% 
      dplyr::if_else(
        condition = is.na(.), 
        true = lubridate::today(), 
        false = dissolveDate
      ) |> # 現在活動中なら現在の日付
      lubridate::floor_date(unit = "mon"), 
    n = lubridate::interval(start = formDate, end = dissolveDate) |> 
      lubridate::time_length(unit = "mon") + 1
  ) |> # 月単位に切り捨てて月数をカウント
  tidyr::uncount(n) |> # 月数に応じて行を複製
  dplyr::group_by(groupName) |> # 行番号用にグループ化
  dplyr::mutate(idx = dplyr::row_number()) |> # 行番号を割り当て
  dplyr::group_by(groupName, idx) |> # 1か月刻みの値の作成用にグループ化
  dplyr::mutate(date = seq(from = formDate, to = dissolveDate, by = "mon")[idx]) |> # 複製した行を1か月刻みの値に変更
  dplyr::group_by(date, groupID) |> # 重複の除去用にグループ化
  dplyr::slice_max(formDate) |> # 重複する場合は新しい方を抽出
  dplyr::ungroup() |> # グループ化を解除
  dplyr::select(date, groupID, groupName, formDate, dissolveDate) |> # 利用する列を選択
  dplyr::arrange(date, groupID) # 昇順に並べ替え
group_name_df
## # A tibble: 3,251 × 5
##    date       groupID groupName      formDate   dissolveDate
##    <date>       <int> <chr>          <date>     <date>      
##  1 1997-09-01       1 モーニング娘。 1997-09-01 2013-12-01  
##  2 1997-10-01       1 モーニング娘。 1997-09-01 2013-12-01  
##  3 1997-11-01       1 モーニング娘。 1997-09-01 2013-12-01  
##  4 1997-12-01       1 モーニング娘。 1997-09-01 2013-12-01  
##  5 1998-01-01       1 モーニング娘。 1997-09-01 2013-12-01  
##  6 1998-02-01       1 モーニング娘。 1997-09-01 2013-12-01  
##  7 1998-03-01       1 モーニング娘。 1997-09-01 2013-12-01  
##  8 1998-04-01       1 モーニング娘。 1997-09-01 2013-12-01  
##  9 1998-05-01       1 モーニング娘。 1997-09-01 2013-12-01  
## 10 1998-06-01       1 モーニング娘。 1997-09-01 2013-12-01  
## # … with 3,241 more rows

 group_dfは、グループ名groupNameと結成日(改名日)formDate・解散日(次の改名日)dissolveDateの情報を持ちます。この値を使って、グループ名ごとに、改名・結成月から次の改名・解散月(または現在の月)までの全ての月を作成します。

 formDate, dissolveDate列をfloor_date()で結成月と解散月にします。ただし、現在活動中のグループであれば解散日がNAなので、if_else()is.na()を使って、today()で現在の日付に変更します。
 結成月から解散月までの月数を、interval()time_length()を使って求めて、n列とします。解散月 - 結成月が求まるので+ 1します。
 グループ名(行)ごとに、uncount()n列の値と同じ行数に複製します。
 ここまでで、グループ名ごとに、その名前だった月数に応じてデータが複製されました。続いて、1か月間隔の値を設定します。

 複製した行にrow_number()で行番号を割り当てて、idx列とします。
 結成月から解散月までの月ベクトルをseq()で作成して、行番号に対応する要素を取り出して、date列とします。
 改名日が月の途中だと月(date列の値)が重複するので、slice_max()で新しい方のデータ(行)を抽出します。

結成前月と解散月のデータ

 続いて、バーの変化を強調するために、結成1か月前と解散月のデータ(メンバー数が0のデータ)を作成します。

 グループごとの「結成1か月前」と「解散月」のデータフレームを作成します。

# 結成前月・解散月のデータを作成
member_0_df <- group_df |> 
  dplyr::group_by(groupID) |> # 日付の再設定用にグループ化
  dplyr::mutate(dissolveDate = dplyr::lead(dissolveDate, n = max(dplyr::n())-1)) |> # 最後の行を1行目にズラす
  dplyr::slice_head(n = 1) |> # 1行目を抽出
  dplyr::ungroup() |> # グループ化を解除
  dplyr::mutate(
    formDate = formDate |> 
      lubridate::rollback() |> # 結成1か月前に変更
      lubridate::floor_date(unit = "mon"), 
    dissolveDate = dissolveDate |> 
      lubridate::floor_date(unit = "mon")
  ) |> # 月単位に切り捨て
  tidyr::pivot_longer(
    cols = c(formDate, dissolveDate), 
    names_to = "date_type", 
    values_to = "date"
  ) |> # 結成前月・解散月を同じ列に変形
  dplyr::select(date, groupID) |> # 利用する列を選択
  dplyr::filter(!is.na(date)) |> # 現在活動中のグループの解散月を除去
  tibble::add_column(
    groupName = " ", 
    age_total = 0, 
    member_n = 0, 
    age_mean = 0
  ) |> # メンバー数(0人)を追加
  dplyr::filter(date > min(date_vec), date < max(date_vec)) |> # 指定した期間内のデータを抽出
  dplyr::arrange(date, groupID) # 昇順に並び替え
member_0_df
## # A tibble: 76 × 6
##    date       groupID groupName age_total member_n age_mean
##    <date>       <int> <chr>         <dbl>    <dbl>    <dbl>
##  1 1998-09-01       2 " "               0        0        0
##  2 1999-01-01       3 " "               0        0        0
##  3 1999-02-01       4 " "               0        0        0
##  4 1999-03-01       5 " "               0        0        0
##  5 1999-07-01       7 " "               0        0        0
##  6 1999-09-01       6 " "               0        0        0
##  7 2000-05-01       8 " "               0        0        0
##  8 2000-06-01       9 " "               0        0        0
##  9 2000-10-01       3 " "               0        0        0
## 10 2001-12-01       9 " "               0        0        0
## # … with 66 more rows

 group_dfformDate, dissolveDate列は、改名したグループだと、最初の行は「結成日・改名日」、途中の行は「改名日・改名日」、最後の行は「改名日・解散日」になります。そこで、グループごとに、formDate列の最初の値とdissolveDate列の最後の値を取り出して、「結成日・解散日」にします。

 dissolveDate列の最後の行の値が最初の行に来るように、lead()で要素をズラします。ズラす行数の引数nに、(各グループの)データ(行)数 - 1の値を指定します。行数はn()で得られますが行数分の値が返ってくるので、max()で1つの値にして使います(一発で行数をスカラで返す関数を使いたい)。
 必要な値を最初の行にまとめられたので、slice_head()で最初の行のみ取り出します。
 ここまでで、グループごとに、結成日と解散日をまとめた行が得られました。続いて、次で作成する集計データと対応するようにデータフレームを整形します。

 結成日と解散日をfloor_date()で月初の値にします。その際に、rollback()で結成月の1か月前にします。
 pivot_longer()で結成前月と解散月の列をまとめて、date列とします。その際に、結成か解散かを表す列をdate_type列としますが、この列は使いません。
 現在活動中のグループの解散月はNAなので、is.na()を使って取り除きます。
 結成前と解散後はメンバー数が0なので、結合時(集計データ)の列と対応するように値(データ)を設定します。グループ名については、作図時に"NA"と表示されないように(空白にするために)半角スペースにしておきます。

 演出用の2つのデータフレームを用意できました。次の集計処理に利用します。

平均年齢の集計と順位付け

 平均年齢を集計してランキングを付けます。

 受け皿となるデータフレームの作成用にサイズを取得します。

# サイズを取得
group_size  <- max(group_df[["groupID"]])
member_size <- max(member_df[["memberID"]])

 グループ数・メンバー数を取得します。

 各月における「平均年齢」と「順位」のデータフレームを作成します。

# 平均年齢を集計
rank_df <- tidyr::expand_grid(
  date = date_vec, 
  groupID = 1:group_size, 
  memberID = 1:member_size
) |> # 全ての組み合わせを作成
  dplyr::left_join(group_name_df, by = c("date", "groupID")) |> # グループ情報を結合
  dplyr::filter(date >= formDate, date <= dissolveDate) |> # 活動中のグループを抽出
  dplyr::select(!c(formDate, dissolveDate)) |> # 不要な列を削除
  dplyr::left_join(
    join_df |> 
      dplyr::mutate(
        joinDate = lubridate::floor_date(joinDate, unit = "mon"), 
        gradDate = lubridate::floor_date(gradDate, unit = "mon")
      ), # 月単位に切り捨て
    by = c("groupID", "memberID")
  ) |> # 所属メンバー情報を結合
  dplyr::filter(date >= joinDate, date < gradDate | is.na(gradDate)) |> # 活動中のメンバーを抽出
  dplyr::select(!c(joinDate, gradDate)) |> # 不要な列を削除
  dplyr::left_join(
    member_df |> 
      dplyr::distinct(memberID, .keep_all = TRUE), # 重複を除去
    by = "memberID"
  ) |> # メンバー情報を結合
  dplyr::select(date, groupID, groupName, memberID, memberName, birthDate) |> # 利用する列を選択
  dplyr::mutate(
    age = lubridate::interval(start = birthDate, end = date) |> 
      lubridate::time_length(unit = "year") |> 
      floor()
  ) |> # メンバーの年齢を計算
  dplyr::group_by(date, groupID, groupName) |> # 平均年齢の計算用にグループ化
  dplyr::summarise(
    age_total = sum(age, na.rm = TRUE), 
    member_n = sum(!is.na(birthDate)), 
    .groups = "drop"
  ) |> # グループの合計年齢と(計算に使った)メンバー数を計算
  dplyr::mutate(age_mean = age_total / member_n) |> # グループの平均年齢を計算
  dplyr::bind_rows(member_0_df) |> # 結成前月・解散月を追加
  dplyr::arrange(date, age_mean, groupID) |> # 順位付け用に並べ替え
  dplyr::group_by(date) |> # 順位付け用にグループ化
  dplyr::mutate(
    groupID = factor(groupID), 
    ranking = dplyr::row_number(-age_mean), 
  ) |> # 順位を追加
  dplyr::ungroup() |> # グループ化を解除
  dplyr::select(date, groupID, groupName, age_mean, ranking) |> # 利用する列を選択
  dplyr::arrange(date, ranking) # 昇順に並べ替え
rank_df
## # A tibble: 3,219 × 5
##    date       groupID groupName      age_mean ranking
##    <date>     <fct>   <chr>             <dbl>   <int>
##  1 1997-09-01 1       モーニング娘。     17.4       1
##  2 1997-10-01 1       モーニング娘。     17.4       1
##  3 1997-11-01 1       モーニング娘。     17.4       1
##  4 1997-12-01 1       モーニング娘。     17.4       1
##  5 1998-01-01 1       モーニング娘。     17.6       1
##  6 1998-02-01 1       モーニング娘。     17.6       1
##  7 1998-03-01 1       モーニング娘。     17.6       1
##  8 1998-04-01 1       モーニング娘。     17.6       1
##  9 1998-05-01 1       モーニング娘。     16.8       1
## 10 1998-06-01 1       モーニング娘。     16.9       1
## # … with 3,209 more rows

 まずは、データの受け皿となる、月・グループID・メンバーIDの全ての組み合わせを持つデータフレームを作成します。
 次に、各グループの(改名に対応した)名前と、各メンバーの加入・卒業日の情報を結合して、不要な行(組み合わせ)を削除します。
 続いて、各メンバーの誕生日の情報を結合して、各メンバーの年齢を計算し、各グループの平均年齢を計算します。
 最後に、各グループの平均年齢に応じて順位付けして、作図用にデータを編集します。

 各処理を細かく見ます。

・コード(クリックで展開)

 月・グループID・メンバーIDの全ての組み合わせを持つデータフレームを作成します。

# 受け皿を作成
df1 <- tidyr::expand_grid(
  date = date_vec, 
  groupID = 1:group_size, 
  memberID = 1:member_size
) # 全ての組み合わせを作成
df1
## # A tibble: 3,540,240 × 3
##    date       groupID memberID
##    <date>       <int>    <int>
##  1 1997-09-01       1        1
##  2 1997-09-01       1        2
##  3 1997-09-01       1        3
##  4 1997-09-01       1        4
##  5 1997-09-01       1        5
##  6 1997-09-01       1        6
##  7 1997-09-01       1        7
##  8 1997-09-01       1        8
##  9 1997-09-01       1        9
## 10 1997-09-01       1       10
## # … with 3,540,230 more rows

 月date_vec・グループID1:group_size・メンバーID1:member_sizeのそれぞれの値について、全ての組み合わせをexpand_grid()で作成します。
 これは、次のようなデータフレームが得られます。

tidyr::expand_grid(
  x = 1:3, 
  y = 1:3, 
  z = 1:3
)
## # A tibble: 27 × 3
##        x     y     z
##    <int> <int> <int>
##  1     1     1     1
##  2     1     1     2
##  3     1     1     3
##  4     1     2     1
##  5     1     2     2
##  6     1     2     3
##  7     1     3     1
##  8     1     3     2
##  9     1     3     3
## 10     2     1     1
## # … with 17 more rows

 一時的に、行数が「月数×グループ数×メンバー数」のデータフレームが作成されます(かなり大きくなるのでご注意ください。purrrを使えるともっと上手くやれるんだと思う)。

 各グループの各月に対応した名前・結成日・解散日の情報を結合します。

# グループの情報を結合
df2 <- df1 %>% 
  dplyr::left_join(group_name_df, by = c("date", "groupID")) |> # グループ情報を結合
  dplyr::filter(date >= formDate, date <= dissolveDate) # 活動中のグループを抽出
df2
## # A tibble: 877,770 × 6
##    date       groupID memberID groupName      formDate   dissolveDate
##    <date>       <int>    <int> <chr>          <date>     <date>      
##  1 1997-09-01       1        1 モーニング娘。 1997-09-01 2013-12-01  
##  2 1997-09-01       1        2 モーニング娘。 1997-09-01 2013-12-01  
##  3 1997-09-01       1        3 モーニング娘。 1997-09-01 2013-12-01  
##  4 1997-09-01       1        4 モーニング娘。 1997-09-01 2013-12-01  
##  5 1997-09-01       1        5 モーニング娘。 1997-09-01 2013-12-01  
##  6 1997-09-01       1        6 モーニング娘。 1997-09-01 2013-12-01  
##  7 1997-09-01       1        7 モーニング娘。 1997-09-01 2013-12-01  
##  8 1997-09-01       1        8 モーニング娘。 1997-09-01 2013-12-01  
##  9 1997-09-01       1        9 モーニング娘。 1997-09-01 2013-12-01  
## 10 1997-09-01       1       10 モーニング娘。 1997-09-01 2013-12-01  
## # … with 877,760 more rows

 left_join()で、group_name_dfからグループ名(groupName列)・結成月(formDate列)・解散月(dissolveDate列)の情報を、月(date列)とグループ(groupID列)で対応付けて結合します。
 dateformDate以上でdissoveDate以下の行を抽出します。各月において活動中のグループが得られ(groupIDについて不要なデータが削除され)ます。

 各メンバーのグループ加入・卒業日の情報を結合します。

# 加入・卒業の情報を結合
df3 <- df2 %>% 
  dplyr::select(!c(formDate, dissolveDate)) |> # 不要な列を削除
  dplyr::left_join(
    join_df |> 
      dplyr::mutate(
        joinDate = lubridate::floor_date(joinDate, unit = "mon"), 
        gradDate = lubridate::floor_date(gradDate, unit = "mon")
      ), # 月単位に切り捨て
    by = c("groupID", "memberID")
  ) |> # 所属メンバー情報を結合
  dplyr::filter(date >= joinDate, date < gradDate | is.na(gradDate)) # 活動中のメンバーを抽出
df3
## # A tibble: 21,273 × 6
##    date       groupID memberID groupName      joinDate   gradDate  
##    <date>       <int>    <int> <chr>          <date>     <date>    
##  1 1997-09-01       1        1 モーニング娘。 1997-09-01 2001-04-01
##  2 1997-09-01       1        2 モーニング娘。 1997-09-01 2000-01-01
##  3 1997-09-01       1        3 モーニング娘。 1997-09-01 2005-01-01
##  4 1997-09-01       1        4 モーニング娘。 1997-09-01 2004-01-01
##  5 1997-09-01       1        5 モーニング娘。 1997-09-01 1999-04-01
##  6 1997-10-01       1        1 モーニング娘。 1997-09-01 2001-04-01
##  7 1997-10-01       1        2 モーニング娘。 1997-09-01 2000-01-01
##  8 1997-10-01       1        3 モーニング娘。 1997-09-01 2005-01-01
##  9 1997-10-01       1        4 モーニング娘。 1997-09-01 2004-01-01
## 10 1997-10-01       1        5 モーニング娘。 1997-09-01 1999-04-01
## # … with 21,263 more rows

 left_join()で、join_dfから加入月(joinDate列)・卒業月(gradDate列)の情報を、グループ(groupID列)とメンバー(memberID列)で対応付けて結合します。結合時に、floor_date()で日付から月に変換します。
 datejoinDate以上でgradDate以下または欠損値の行を抽出します。各月において活動中のメンバーが得られ(memberIDについて不要なデータが削除され)ます。

 各メンバーの誕生日の情報を結合して、年齢を計算します。

# 各メンバーの年齢を計算
df4 <- df3 %>% 
  dplyr::select(!c(joinDate, gradDate)) |> # 不要な列を削除
  dplyr::left_join(
    member_df |> 
      dplyr::distinct(memberID, .keep_all = TRUE), # 重複を除去
    by = "memberID"
  ) |> # メンバー情報を結合
  dplyr::select(date, groupID, groupName, memberID, memberName, birthDate) |> # 利用する列を選択
  dplyr::mutate(
    age = lubridate::interval(start = birthDate, end = date) |> 
      lubridate::time_length(unit = "year") |> 
      floor()
  ) # メンバーの月齢を計算
df4
## # A tibble: 21,273 × 7
##    date       groupID groupName      memberID memberName birthDate    age
##    <date>       <int> <chr>             <int> <chr>      <date>     <dbl>
##  1 1997-09-01       1 モーニング娘。        1 中澤裕子   1973-06-19    24
##  2 1997-09-01       1 モーニング娘。        2 石黒彩     1978-05-12    19
##  3 1997-09-01       1 モーニング娘。        3 飯田圭織   1981-08-08    16
##  4 1997-09-01       1 モーニング娘。        4 安倍なつみ 1981-08-10    16
##  5 1997-09-01       1 モーニング娘。        5 福田明日香 1984-12-17    12
##  6 1997-10-01       1 モーニング娘。        1 中澤裕子   1973-06-19    24
##  7 1997-10-01       1 モーニング娘。        2 石黒彩     1978-05-12    19
##  8 1997-10-01       1 モーニング娘。        3 飯田圭織   1981-08-08    16
##  9 1997-10-01       1 モーニング娘。        4 安倍なつみ 1981-08-10    16
## 10 1997-10-01       1 モーニング娘。        5 福田明日香 1984-12-17    12
## # … with 21,263 more rows

 left_join()で、member_dfから誕生日(birthDate列)の情報を、メンバー(memberID列)で対応付けて結合します。メンバー名(memberName列)は確認用です。結合時に、distinct()で重複データを削除します。
 interval()time_length()で、birthDateからdateまでの年数を求めます。floorで小数点以下を切り捨てると、各月におけるメンバーの年齢が得られます。

 各グループの平均年齢を計算します。

# 各グループの平均年齢を計算
df5 <- df4 %>% 
  dplyr::group_by(date, groupID, groupName) |> # 平均年齢の計算用にグループ化
  dplyr::summarise(
    age_total = sum(age, na.rm = TRUE), 
    member_n = sum(!is.na(birthDate)), 
    .groups = "drop"
  ) |> # グループの合計年齢と(計算に使った)メンバー数を計算
  dplyr::mutate(age_mean = age_total / member_n) # グループの平均月齢を計算
df5
## # A tibble: 3,143 × 6
##    date       groupID groupName      age_total member_n age_mean
##    <date>       <int> <chr>              <dbl>    <int>    <dbl>
##  1 1997-09-01       1 モーニング娘。        87        5     17.4
##  2 1997-10-01       1 モーニング娘。        87        5     17.4
##  3 1997-11-01       1 モーニング娘。        87        5     17.4
##  4 1997-12-01       1 モーニング娘。        87        5     17.4
##  5 1998-01-01       1 モーニング娘。        88        5     17.6
##  6 1998-02-01       1 モーニング娘。        88        5     17.6
##  7 1998-03-01       1 モーニング娘。        88        5     17.6
##  8 1998-04-01       1 モーニング娘。        88        5     17.6
##  9 1998-05-01       1 モーニング娘。       134        8     16.8
## 10 1998-06-01       1 モーニング娘。       135        8     16.9
## # … with 3,133 more rows

 summarise()で、各メンバーの年齢を合計します。また、メンバー数をカウントします。ただし、誕生日情報がないメンバーがいるので、is.na()の結果を!で反転させて、欠損値NAでない(誕生日情報がある)メンバー数をカウントします。
 合計年齢(age_total列)をメンバー数(member_n列)で割って、平均年齢(age_mean列)とします。

 作図用に編集します。

# 作図用に編集
df6 <- df5 %>% 
  dplyr::bind_rows(member_0_df) |> # 結成前月・解散月を追加
  dplyr::arrange(date, age_mean, groupID) |> # 順位付け用に並べ替え
  dplyr::group_by(date) |> # 順位付け用にグループ化
  dplyr::mutate(
    groupID = factor(groupID), 
    ranking = dplyr::row_number(-age_mean), 
  ) |> # 順位を追加
  dplyr::ungroup() |> # グループ化を解除
  #dplyr::select(date, groupID, groupName, age_mean, ranking) |> # 利用する列を選択
  dplyr::arrange(date, ranking) # 昇順に並べ替え
df6
## # A tibble: 3,219 × 7
##    date       groupID groupName      age_total member_n age_mean ranking
##    <date>     <fct>   <chr>              <dbl>    <dbl>    <dbl>   <int>
##  1 1997-09-01 1       モーニング娘。        87        5     17.4       1
##  2 1997-10-01 1       モーニング娘。        87        5     17.4       1
##  3 1997-11-01 1       モーニング娘。        87        5     17.4       1
##  4 1997-12-01 1       モーニング娘。        87        5     17.4       1
##  5 1998-01-01 1       モーニング娘。        88        5     17.6       1
##  6 1998-02-01 1       モーニング娘。        88        5     17.6       1
##  7 1998-03-01 1       モーニング娘。        88        5     17.6       1
##  8 1998-04-01 1       モーニング娘。        88        5     17.6       1
##  9 1998-05-01 1       モーニング娘。       134        8     16.8       1
## 10 1998-06-01 1       モーニング娘。       135        8     16.9       1
## # … with 3,209 more rows

 bind_rows()で「メンバーが0のデータmember_0_df」を結合します。
 色分け用にグループIDを因子型に変換します。
 row_number()で平均年齢に応じて順位を付けて、ranking列とします。昇順に通し番号が割り当てられるので、-を付けて大小関係を反転させます。


 以上で、必要なデータを得られました。次は、作図を行います。

推移の可視化

 平均年齢と順位を棒グラフで可視化します。

バーチャートレースの作成

 平均年齢の推移をバーチャートレースで可視化します。バーチャートレースの作図については「【R】バーチャートレースのアニメーションの作図【gganimate】 - からっぽのしょこ」を参照してください。

 フレームに関する値を指定します。

# 遷移フレーム数を指定
t <- 8

# 一時停止フレーム数を指定
s <- 2

# 1秒間に表示する月数を指定:(値が大きいと意図した通りにならない)
mps <- 3

# フレーム数を取得
n <- length(unique(rank_df[["date"]]))
n
## [1] 298

 現月と次月のグラフを繋ぐアニメーションのフレーム数をtとして、整数を指定します。
 各月のグラフで一時停止するフレーム数をsとして、整数を指定します。
 基本となるフレーム数(月数)をnとします。

 バーチャートレースを作成します。

# バーチャートレースを作成
anim <- ggplot(rank_df, aes(x = ranking, y = age_mean, fill = groupID, color = groupID)) + 
  geom_bar(stat = "identity", width = 0.9, alpha = 0.8) + # 平均年齢バー
  geom_text(aes(label = paste(" ", round(age_mean, digits = 1), "歳")), hjust = 0) + # 平均年齢ラベル
  geom_text(aes(y = 0, label = paste(groupName, " ")), hjust = 1) + # グループ名ラベル
  gganimate::transition_states(states = date, transition_length = t, state_length = s, wrap = FALSE) + # フレーム
  gganimate::ease_aes("cubic-in-out") + # アニメーションの緩急
  gganimate::view_follow(fixed_x = TRUE) + # 表示範囲のフィット
  coord_flip(clip = "off", expand = FALSE) + # 軸の入れ変え
  scale_x_reverse() + # x軸を反転
  theme(
    axis.title.x = element_blank(), # x軸のラベル
    axis.title.y = element_blank(), # y軸のラベル
    axis.text.x = element_blank(), # x軸の目盛ラベル
    axis.text.y = element_blank(), # y軸の目盛ラベル
    axis.ticks.x = element_blank(), # x軸の目盛指示線
    axis.ticks.y = element_blank(), # y軸の目盛指示線
    #panel.grid.major.x = element_line(color = "grey", size = 0.1), # x軸の主目盛線
    panel.grid.major.y = element_blank(), # y軸の主目盛線
    #panel.grid.minor.x = element_line(color = "grey", size = 0.1), # x軸の補助目盛線
    panel.grid.minor.y = element_blank(), # y軸の補助目盛線
    panel.border = element_blank(), # グラフ領域の枠線
    #panel.background = element_blank(), # グラフ領域の背景
    plot.title = element_text(color = "black", face = "bold", size = 20, hjust = 0.5), # 全体のタイトル
    plot.subtitle = element_text(color = "black", size = 15, hjust = 0.5), # 全体のサブタイトル
    plot.margin = margin(t = 10, r = 60, b = 10, l = 120, unit = "pt"), # 全体の余白
    legend.position = "none" # 凡例の表示位置
  ) + # 図の体裁
  labs(
    title = "ハロプログループの平均年齢の推移", 
    subtitle = paste0(
      "{lubridate::year(closest_state)}年", 
      "{stringr::str_pad(lubridate::month(closest_state), width = 2, pad = 0)}月", 
      "01日時点"
    ), 
    caption = "データ:「https://github.com/xxgentaroxx/HP_DB」"
  ) # ラベル


 animate()でgif画像を作成します。

# gif画像を作成
g <- gganimate::animate(
  plot = anim, 
  nframes = n*(t+s), fps = (t+s)*mps, 
  width = 900, height = 800
)
g

 plot引数にグラフ、nframes引数にフレーム数、fps引数に1秒当たりのフレーム数を指定します。
 (ファイルサイズの上限は越えてないんだけどアップロードできなかったので完成例は省略します。)

 anim_save()でgif画像を保存します。

# gif画像を保存
gganimate::anim_save(filename = "output/YearsAge_Mean.gif", animation = g)

 filename引数にファイルパス("(保存する)フォルダ名/(作成する)ファイル名.gif")、animation引数に作成したgif画像を指定します。

 動画を作成する場合は、renderer引数を指定します。

# 動画を作成と保存
m <- gganimate::animate(
  plot = anim, 
  nframes = n*(t+s), fps = (t+s)*mps, 
  width = 900, height = 800, 
  renderer = gganimate::av_renderer(file = "output/YearsAge_Mean.mp4")
)

 renderer引数に、レンダリング方法に応じた関数を指定します。この例では、av_renderer()を使います。
 av_renderer()file引数に保存先のファイルパス("(保存する)フォルダ名/(作成する)ファイル名.mp4")を指定します。

 (記事に動画を貼れないのでこれで代用します。)


月を指定して作図

 最後に、指定した月における平均年齢のグラフを作成します。

 月を指定して、作図用のデータを作成します。

# 月(月初の日付)を指定
date_val <- "2022-06-01"

# 作図用のデータを抽出
mon_rank_df <- rank_df |> 
  dplyr::filter(date == lubridate::as_date(date_val))


 棒グラフを作成します。

# 棒グラフを作成
graph <- ggplot(mon_rank_df, aes(x = ranking, y = age_mean, fill = groupID, color = groupID)) + 
  geom_bar(stat = "identity", width = 0.9, alpha = 0.8) + # 平均年齢バー
  geom_text(aes(y = 0, label = paste(" ", round(age_mean, digits = 1), "歳")), hjust = 0, color = "white") + # 平均年齢ラベル
  geom_text(aes(y = 0, label = paste(groupName, " ")), hjust = 1) + # グループ名ラベル
  coord_flip(clip = "off", expand = FALSE) + # 軸の入れ変え
  scale_x_reverse(breaks = 1:nrow(mon_rank_df)) + # x軸(縦軸)目盛を反転
  theme(
    axis.title.y = element_blank(), # y軸のラベル
    axis.text.y = element_blank(), # y軸の目盛ラベル
    #panel.grid.major.x = element_line(color = "grey", size = 0.1), # x軸の主目盛線
    panel.grid.major.y = element_blank(), # y軸の主目盛線
    #panel.grid.minor.x = element_line(color = "grey", size = 0.1), # x軸の補助目盛線
    panel.grid.minor.y = element_blank(), # y軸の補助目盛線
    panel.border = element_blank(), # グラフ領域の枠線
    #panel.background = element_blank(), # グラフ領域の背景
    plot.title = element_text(color = "black", face = "bold", size = 20, hjust = 0.5), # 全体のタイトル
    plot.subtitle = element_text(color = "black", size = 15, hjust = 0.5), # 全体のサブタイトル
    plot.margin = margin(t = 10, r = 20, b = 10, l = 120, unit = "pt"), # 全体の余白
    legend.position = "none" # 凡例の表示位置
  ) + # 図の体裁
  labs(
    title = "ハロプログループの平均年齢", 
    subtitle = paste0(
      lubridate::year(date_val), "年", lubridate::month(date_val), "月1日時点"), 
    y = "年齢", 
    caption = "データ:「https://github.com/xxgentaroxx/HP_DB」"
  ) # ラベル
graph


 ggsave()で画像を保存できます。

# 画像を保存
ggplot2::ggsave(
  filename = paste0("output/YearsAge_Mean_", date_val, ".png"), plot = graph, 
  width = 24, height = 18, units = "cm", dpi = 100
)


平均年齢のグラフ

平均年齢のグラフ

 意外ではないのだけどSeasoningSが一番上なのよね。

 以上で、平均年齢の推移を可視化できました。

おわりに

 少し前に、フレームごとに値が変化するように月齢でやったのですが、普通に年齢でもやってみました。

 2022年6月20日は、元カントリー・ガールズとモーニング娘。'22の森戸知沙希さんの卒業の日です。

 かわちぃ、まなちぃ🍑…いつかまた並んでパフォーマンスする姿を観たい。卒業おめでとうございます!!

 Enjoy!