石川県のクマ出没データをRで前処理

「クマ×共生ハッカソン～あなたのアイデアが石川の安全を変える～第１回課題発見編」（石川県・金沢市共催）に参加することにしました。このイベントに向けて、石川県のクマ出没データがnoteの記事「クマ共生ハッカソンに向けたインプット情報とデータのご紹介　―石川県発、「共助×データ連携」で考える人とクマの未来― 」にて公開されています。そこで、このデータを利用していこうと思いますが、まずはデータの前処理が必要でしたので、その過程を記録しておきます。

【2025-07-28 追記】データが「いしかわオープンデータカタログ」の「石川県クマ出没データ」にて公開されるようになりましたので、そちらのデータを使用するようにしました。これにあわせて本文も大幅に修正しました。

準備

「石川県クマ出没データ」にある「石川県クマ出没分析マップ」のデータ(1)〜(5)のCSVファイルをダウンロードしておきます。「R7 ツキノワグマ目撃・痕跡情報- R7目撃情報」は、データ構造が違うので、今回は扱っていません。

Rのパッケージの読み込みと、データファイルの指定をおこないます。

library(data.table)
library(tidyverse)
library(nanoparquet)
library(jpmesh)

data_files <-
  c("bear_incidents_forest_r1-r6.csv",
    "bear_incidents_river_r1-r6.csv",
    "bear_incidents_attractants_r1-r6.csv",
    "bear_incidents_young_bears_r1-r6.csv",
    "bear_incidents_mass_outbreak_r2.csv")

データ読み込み

データを読み込んで、処理をおこなう関数を定義します。

ここでは以下の処理をおこないます。

出没年を西暦に直します
出没日を日付型にします
頭数を整数型にします
IDを「出没年+ID」にします（年をまたいでも重複しないように）
一部メッシュコードが誤っているところや、空白になっているところがありました。jpmeshパッケージを利用して500mメッシュコードを補完します。
- さらに文字型に変換します。

read_fun <- function(file_path) {
  col_types <- str_c(str_dup("c", 13), str_dup("d", 3))

  data.table::fread(file_path, header = TRUE) |>
    dplyr::mutate(
      `出没年` = as.numeric(str_sub(`出没年`, 2)) + 2018,
      `出没日` = case_when(
        # 無記入の場合、欠損値に
        `出没日` == "" ~ as.Date(NA),
        # Excelのシリアル値の場合
        str_detect(`出没日`, "^4[0-9]{4}$") ~
          as.Date(as.numeric(`出没日`, tz = "Asia/Tokyo"),
                  origin = "1899-12-30"),
        # "R1..."という形式の場合
        str_detect(`出没日`, "^R[1-9]") ~
          str_replace(`出没日`, "^R[1-9]",
                      as.character(`出没年`)) |>
          ymd(tz = "Asia/Tokyo"),
        # "2019...""という形式の場合
        str_detect(`出没日`, "^2[0-9]{3}") ~
          ymd(`出没日`, tz = "Asia/Tokyo"),
        # その他は欠損値に
        TRUE ~ as.Date(NA)),
      # 頭数を整数に変換, エラーになるものは個別に対処
      `頭数` = if_else(!is.na(as.integer(`頭数`)),
                       # 変換が成功するとき
                       as.integer(`頭数`),
                       # 変換が失敗するとき
                       case_match(
                         `頭数`,
                         c("１", "1頭", "１頭", "不明(1か2)",
                           "体長1ｍ程度と推定される成獣",
                           "成獣１頭") ~ 1,
                         c("2〜3頭", "2頭") ~ 2,
                         c("3頭") ~ 3,
                         c("4〜5頭", "4頭") ~ 4,
                        .default = as.integer(NA))),
      # ID <- 年 + ID
      ID = str_c(`出没年`, ID, sep = "-"),
      # 500mメッシュコードは、jpmesh::coords_to_mesh()を使用して、
      # 経度・緯度から計算し直します。
      `500mメッシュコード` = coords_to_mesh(`経度`, `緯度`,
                                     to_mesh_size = 0.5) |>
                             as.character()
    ) |>
    as_tibble()
}

データファイルをまとめてリストdata_tに読み込みます。

# case_matchではいったん各要素を評価するので警告がでますが
# これは問題ではありません。

data_t <- purrr::map(
  data_files,
  \(f) read_fun(file.path("data", f))
)

data_tリストの各要素は、出没タイプ（「森林からの出没」、「河川からの出没」、「誘引物が原因の出没」、「誘引物が原因の出没」、「大量出没年に特有の出没」）でわけたデータとなっていますが、これをひとつのデータフレームにまとめたいと思います。出没タイプごとのデータ間には重複がありますので、IDをつかって、重複を除くように処理します。

具体的には、

data_tリストに含まれるデータフレームをbind_rows関数で縦につなげたうえで、
出没タイプの列はいったん除いておいて、
distinct関数でIDの重複を除いてから、
各行に、出没タイプの列を加えるようにしました。

出没タイプはNAならFALSE、それ以外（基本的に1が入っています）はTRUEにします。

data <- data_t |>
  dplyr::bind_rows() |>
  dplyr::select(1:15) |>
  dplyr::distinct(ID, .keep_all = TRUE) |>
  dplyr::left_join(dplyr::select(data_t[[1]], c(2, 16)), by = "ID") |>
  dplyr::left_join(dplyr::select(data_t[[2]], c(2, 16)), by = "ID") |>
  dplyr::left_join(dplyr::select(data_t[[3]], c(2, 16)), by = "ID") |>
  dplyr::left_join(dplyr::select(data_t[[4]], c(2, 16)), by = "ID") |>
  dplyr::left_join(dplyr::select(data_t[[5]], c(2, 16)), by = "ID") |>
  dplyr::mutate_at(16:20, \(x) !is.na(x))

出没日がdatetime型になっているので、Date型にします。

data <- data |>
  dplyr::mutate(`出没日` = as.Date(`出没日`, tz = "Asia/Tokyo"))

データ出力

まとめたデータをParquetファイルに出力します。

write_parquet(data, file = file.path("outputs", "kuma_data.parquet"))

グラフ作成

出力したParquetファイルを利用して、グラフを作成してみます。

まず、これまでのオブジェクトをいったんすべて削除します。

rm(list = ls())

Parquetファイルからデータを読み込みます。

data <- read_parquet(file.path("outputs", "kuma_data.parquet"))

年ごとの出没情報数を棒グラフにしてみます。

ggplot(data, aes(x = `出没年`)) +
  geom_bar() +
  labs(title = "石川県のクマ出没情報", x = "年", y = "件数") +
  scale_x_continuous(breaks = 2019:2024,
                     minor_breaks = NULL) +
  theme_bw(base_family = "Noto Sans JP", base_size = 14)

2019年以降では2020年が最も出没情報の件数が多かったことがわかります。