Qu’est-ce que R ?

R est un langage de programmation et un environnement logiciel libre dédié à l’analyse statistique et à la représentation graphique. Il est largement utilisé par les statisticiens, data scientist et les chercheurs pour diverses analyses et projets de recherche.

L’une des principales raisons pour lesquelles R est si populaire est sa flexibilité et sa capacité à s’intégrer avec d’autres langages de programmation comme Python, Java, et C++.

De plus, R dispose d’une vaste bibliothèque de packages, ce qui le rend extrêmement extensible.

Concepts de base de l’analyse des données.

L’analyse des données est le processus d’inspection, de nettoyage, de transformation et de modélisation des données dans le but de découvrir des informations utiles et de soutenir la prise de décision.

Avec R, vous pouvez effectuer toutes ces étapes de manière efficace et précise. Dans ce cours, vous retrouverez les concepts de base de l’analyse des données avec R : types de données, manipulation des données, visualisation des données et l’interprétation des résultats d’analyse.

Installation de R et RStudio sur différentes plateformes.

Installation de R : Rendez-vous sur le site officiel de R et téléchargez la version appropriée pour votre système d’exploitation (Windows, Mac, Linux). Suivez les instructions d’installation.

Installation de RStudio : Après avoir installé R, allez sur le site officiel de RStudio et téléchargez la version gratuite de RStudio Desktop. Installez-le comme n’importe quel autre logiciel.

Interface de RStudio

Lancement de RStudio : Une fois RStudio installé, ouvrez-le. Vous verrez quatre panneaux principaux :

• 1) console
• 2) l’éditeur de script (source),
• 3) l’environnement et l’historique
• 4) fichiers/plots/packages/aide (output).

RStudio est une interface de développement intégrée (IDE) pour R.

Elle offre une interface utilisateur conviviale pour R, ce qui facilite l’écriture de code, l’exécution de scripts et la visualisation des résultats.

Structure basique pour les projets. Source: https://martinctc.github.io/.

! Toujours prendre la bonne habitude de définir un projet dans RStudio

Premiers pas avec R

Dans la console, vous pouvez taper des commandes R et voir les résultats immédiatement. Essayez de taper 2 + 2 et appuyez sur Entrée. Vous devriez voir le résultat 4.

2 + 2

## [1] 4

Commentaires

Un commentaire est un morceau de texte dans votre script R qui n’est pas exécuté. Les commentaires sont essentiels pour documenter ce que fait votre code, clarifier des parties complexes, ou laisser des notes pour vous-même ou pour d’autres personnes qui pourraient lire ou utiliser votre code plus tard.

En R, un commentaire est créé en utilisant le symbole #.

# Ceci est un commentaire simple

x <- 5  # Ceci est un commentaire suivant une instruction

Installer et importer un package

Les packages sont des collections de fonctions R et de données. Ils permettent d’apporter de nouvelles fonctionnalités.

!Un package s’installe qu’une seule fois.

Pour installer un package, utilisez la commande

# install.packages("nom_du_package")

Par exemple, pour installer le package ggplot2, tapez install.packages(“ggplot2”). Pour utiliser le package, tapez library(ggplot2).

# library(ggplot2)

Demander de l’aide

Si vous êtes perdu ou si vous avez besoin d’informations sur une fonction, tapez ?nom_de_la_fonction. Par exemple, ?mean vous communiquera des informations sur la fonction mean.

?mean

## starting httpd help server ... done

# help(mean)

Écrire et exécuter son premier script R.

Écrire et exécuter un script R est une étape fondamentale pour se familiariser avec le langage R. Un script R est simplement un fichier contenant une séquence de commandes que R peut exécuter.

Dans RStudio, allez dans File > New File > R Script. Cela ouvrira un nouvel onglet d’éditeur où vous pouvez commencer à écrire votre script.

Dans l’éditeur, commencez à taper vos commandes R. Par exemple, vous pouvez faire une opération entre deux nombres…

Pour exécuter votre script, vous pouvez soit sélectionner les lignes que vous souhaitez exécuter et cliquer sur le bouton Run en haut à droite, soit sauvegarder votre script et le source dans la console R en utilisant la commande source(“chemin_vers_votre_script.R”).

Il est toujours recommandé de sauvegarder votre script pour une utilisation future. Pour ce faire, allez dans File > Save ou appuyez sur Ctrl + S.

Répertoire de Travail et Changement de Répertoire

1. getwd() : fonction qui retourne le chemin du répertoire de travail actuel. Le répertoire de travail est le dossier dans lequel R cherche les fichiers à lire et dans lequel il enregistre les fichiers.

2. setwd(dir = "chemin_vers_nouveau_repertoire") : utilisée pour changer le répertoire de travail courant de R. Vous remplacez "chemin_vers_nouveau_repertoire" par le chemin du dossier où vous souhaitez travailler.

Gestion des Packages

3. install.packages("ggplot2") : permet l’installation du package ggplot2 depuis le CRAN (Comprehensive R Archive Network). ggplot2 est largement utilisé pour la visualisation de données.

4. library(dplyr) : charge le package dplyr dans la session R actuelle. dplyr est un package pour la manipulation de données.

Utilisation de Jeux de Données

5. data() : fonction qui affiche tous les jeux de données disponibles par défaut dans R. Ces jeux de données sont souvent utilisés pour l’enseignement et la pratique.

6. ?mtcars : le ? devant un nom d’objet est une manière rapide d’accéder à l’aide ou à la documentation de cet objet. Ici, ?mtcars ouvrira l’aide pour le jeu de données mtcars, fournissant des informations sur sa structure et son contenu.

7. data("mtcars") : permet de charger le jeu de données mtcars dans l’environnement de travail R. mtcars est un jeu de données classique contenant des informations sur différents modèles de voitures.

# Répertoire de travail et changer de répertoire 

# Afficher le répertoire courant : getwd() 

# Changer de répertoire courant 
# setwd(dir = "chemin_vers_nouveau_repertoire")

# Installation d'un package 
# install.packages("ggplot2")

# Chargement d'un package
# library(dplyr)

# Afficher tous les jeux de données par défaut dans R : data()
data()

# Afficher la description d'un jeu de données 
?mtcars

# Charger un jeu de données 
data("mtcars")

Création et Affichage de Variables

Les variables sont des conteneurs permettant de stocker des valeurs de données, telles que des nombres ou des chaînes de caractères.

1. Création de la Variable x :
   • x <- 2 crée une variable nommée x et lui affecte la valeur 2. Le symbole <- est l’opérateur d’affectation en R, utilisé pour assigner des valeurs aux variables.
2. Affichage de la Variable x :
   • print(x) affiche la valeur de la variable x. Ici, elle affichera 2.
3. Affichage du Type de la Variable x :
   • typeof(x) renvoie le type de données stockées dans x. Pour x <- 2, le type sera double (nombre à virgule flottante).
4. Création d’une Chaîne de Caractères :
   • chaine <- "Hello, World!" crée une variable chaine contenant la chaîne de caractères "Hello, World!".
   • print(chaine) affiche cette chaîne de caractères.
   • typeof(chaine) indique que chaine est de type character.

# Création de la variable x : " <-" 
x <- 2

# Afficher la variable x
print(x)

## [1] 2

# Afficher le type de la variable x
typeof(x)

## [1] "double"

# Creation d'une chaine de caractere
chaine <- "Hello, Word!"
print(chaine)

## [1] "Hello, Word!"

typeof(chaine)

## [1] "character"

Règles de Nommage des Variables

• Sensibilité à la Casse : R est sensible à la casse, ce qui signifie que mavariable et MaVariable seraient considérées comme deux variables distinctes.

• Différents Styles de Nommage :

  • mavariable : Tout en minuscules.
  • ma.variable : Séparation par un point.
  • nom_variable : Séparation par un trait de soulignement (underscore).
  • nomVariable : Style lowerCamelCase, avec la première lettre de chaque mot en majuscule, sauf la première lettre de la variable.
  • NomVariable : Style PascalCase, avec la première lettre de chaque mot en majuscule.

• Exemples d’Affectation :

mavariable <- "jour"
ma.variable <- "semaine"
mavariable123 <- "mois"
print(mavariable)

## [1] "jour"

print(ma.variable)

## [1] "semaine"

print(mavariable123)

## [1] "mois"

Affichage et Formatage de Variables

1. print() et sprintf() :
   • print(x) affiche la valeur de la variable x.
   • sprintf("%d", x) utilise un formatage de style C pour afficher x. %d est un spécificateur de format pour les nombres entiers.
   • sprintf("%s", chaine) utilise %s pour formater et afficher une chaîne de caractères.
   • sprintf("J'ai %d bananes", x) combine une chaîne de caractères avec la valeur de x, en remplaçant %d par la valeur de x.

# Affichage de la variable x : print() / sprintf
print(x)

## [1] 2

sprintf("%d",x)

## [1] "2"

sprintf("%s", chaine)

## [1] "Hello, Word!"

x <- 3
sprintf("J'ai %d bananes", x)

## [1] "J'ai 3 bananes"

Arrondi de Nombres

2. Utilisation de round() :
   • mon_nombre <- 3.2 crée une variable avec une valeur à virgule flottante.
   • round(mon_nombre, 0) arrondit mon_nombre à l’entier le plus proche.

# Valeur arrondie : round() 
mon_nombre <-  3.2

# Arrondir à la valeur entière 
round(mon_nombre, 0)

## [1] 3

Vérification et Conversion de Types

3. Type et Conversion :
   • class(mon_nombre) renvoie le type de la variable mon_nombre.
   • is.numeric(mon_nombre) vérifie si mon_nombre est de type numérique.
   • is.character(mon_nombre) vérifie si mon_nombre est une chaîne de caractères.
   • Conversion de type :
     • age_character <- "16" : une chaîne de caractères représentant un âge.
     • is.character(age_character) vérifie que c’est bien une chaîne.
     • age_numeric <- as.numeric(as.character(age_character)) convertit la chaîne en nombre.
     • is.numeric(age_numeric) confirme que la conversion a réussi.

# Vérification du type de la variable : class, is.character, is.numeric ... 
class(mon_nombre)

## [1] "numeric"

is.numeric(mon_nombre) # renvoie TRUE

## [1] TRUE

is.character(mon_nombre) # renvoie FALSE

## [1] FALSE

# Convertir des variables numériques <-  char | char -> numerique
age_character <- "16"
is.character(age_character)

## [1] TRUE

age_numeric <-  as.numeric(as.character(age_character))
is.numeric(age_numeric)

## [1] TRUE

Gestion de l’Environnement de Travail

4. Suppression et Listing d’Objets :
   • rm(age) supprime l’objet age de l’environnement.
   • ls() liste tous les objets présents dans l’environnement de travail.
   • rm(list = ls()) supprime tous les objets de l’environnement, nettoyant ainsi l’espace de travail.

# Suppression d'un objet : rm 
rm(age)

## Warning in rm(age): objet 'age' introuvable

# Affiche les éléments dans l'enV
ls()

## [1] "age_character" "age_numeric"   "chaine"        "ma.variable"  
## [5] "mavariable"    "mavariable123" "mon_nombre"    "mtcars"       
## [9] "x"

# Supprime tous les éléments dans l'enV
rm(list = ls())

Opérations Arithmétiques de Base

1. Addition (+) :

   • x + y calcule la somme de x et y.

   x <- 3
   y <- 5
   x + y

   ## [1] 8

2. Soustraction (-) :

   • x - y calcule la différence entre x et y.

x - y

## [1] -2

3. Multiplication (*) :

   • x * y calcule le produit de x et y.

   x * y

   ## [1] 15

4. Division (/) :

   • x / y calcule le quotient de x divisé par y.

   x / y

   ## [1] 0.6

Opérations Avancées

5. Puissance (^ ou **) :

   • x ^ 2 ou x**2 calcule x à la puissance de 2.

   x ^ 2

   ## [1] 9

6. Racine Carrée (sqrt()) :

   • sqrt(25) calcule la racine carrée de 25, ce qui donne 5.

   sqrt(25)

   ## [1] 5

7. Division Entière (%/%) :

   • x %/% y donne le résultat de la division entière de x par y. C’est le quotient de la division sans la partie fractionnaire.

x %/% y

## [1] 0

8. Modulo (%%) :
   • x %% y donne le reste de la division entière de x par y.

x %% y

## [1] 3

Création et Affichage de Vecteurs

1. Création de Vecteurs :
   • Les vecteurs sont créés avec la fonction c(). mon_vecteur est un vecteur de nombres entiers, et vecteur_caractere est un vecteur de chaînes de caractères.

# Création d'un vecteur : int, char  
mon_vecteur <- c(1, 9, 10, 35)
print(mon_vecteur)

## [1]  1  9 10 35

vecteur_caractere <-  c("Hello", "Word", "!")
print(vecteur_caractere)

## [1] "Hello" "Word"  "!"

2. Typage Automatique :
   • Dans vecteur_multiple, le mélange de types (chaîne de caractères et nombre) conduit R à convertir automatiquement tous les éléments en chaînes de caractères pour maintenir l’homogénéité du vecteur.

# Typage automatique de 2 en chaine de caractère
vecteur_multiple <-  c("Hello", 2) 
print(vecteur_multiple)

## [1] "Hello" "2"

Indexation des Vecteurs

3. Accéder aux Éléments d’un Vecteur :
   • vecteur_caractere[2] accède au deuxième élément du vecteur.
   • mon_vecteur[1:3] extrait les trois premiers éléments de mon_vecteur.

# Indicage
vecteur_caractere[2] # affiche l'élément 2 du vecteur

## [1] "Word"

vecteur_caractere[3] # affiche l'élément 3 du vecteur

## [1] "!"

mon_vecteur[1:3] # affiche les 3 premieres valeurs du vecteur

## [1]  1  9 10

Opérations sur les Vecteurs

4. Calculs avec des Éléments de Vecteur :
   • addition montre un exemple de calcul en additionnant des éléments spécifiques du vecteur.
   • length, sum, et mean sont des fonctions pour obtenir la longueur du vecteur, la somme et la moyenne de ses éléments, respectivement.

mon_vecteur <- c(1, 9, 10, 35)
addition <- mon_vecteur[1] + mon_vecteur[4]
print(addition)

## [1] 36

# Opérations d'un vecteur : Longueur, somme, moyenne, ...
length(mon_vecteur)

## [1] 4

sum(mon_vecteur)

## [1] 55

mean(mon_vecteur)

## [1] 13.75

Gestion des Valeurs Manquantes

5. Valeurs Manquantes (NA) dans les Vecteurs :
   • sum(vecteur_valeur_manquante, na.rm = TRUE) et mean(vecteur_valeur_manquante, na.rm = TRUE) montrent comment calculer la somme et la moyenne en ignorant les valeurs manquantes (NA).

# Cas des Valeurs manquantes dans un vecteur 
vecteur_valeur_manquante <-  c(1, NA, 10, 24)

sum(vecteur_valeur_manquante) # renvoie NA

## [1] NA

sum(vecteur_valeur_manquante, na.rm = TRUE) # retire les valeurs manquantes

## [1] 35

mean(vecteur_valeur_manquante) # renvoie NA

## [1] NA

mean(vecteur_valeur_manquante, na.rm = TRUE) # retire les valeurs manquantes

## [1] 11.66667

Combinaison de Vecteurs

6. Fusion de Vecteurs :
   • nouveau_vecteur est créé en combinant mon_vecteur1 et mon_vecteur2 en un seul vecteur.

# Combinaison de vecteur 
mon_vecteur1 <- c(1, 9, 10, 35)
mon_vecteur2 <- c(27, 49)

nouveau_vecteur <- c(mon_vecteur1, mon_vecteur2)
print(nouveau_vecteur)

## [1]  1  9 10 35 27 49

Collage de Chaînes de Caractères

7. Formation de Chaînes de Caractères :
   • paste et paste0 sont utilisés pour concaténer des chaînes de caractères. paste permet d’insérer un séparateur entre les chaînes, tandis que paste0 les concatène directement.
   • sprintf est utilisé pour le formatage de style C des chaînes.

# Combinaison de vecteur et "collage": paste, paste0 et sprintf (%s, %f ou %g)
nom <- "Dupont"
prenom <- "Jean"
age <- 15

identite <- paste(prenom, nom, sep = " ")
print(identite)

## [1] "Jean Dupont"

Recyclage dans les Vecteurs

8. Recyclage de Vecteurs :
   • Lorsque des opérations sont effectuées sur des vecteurs de longueurs différentes (x + y), R recycle les éléments du vecteur le plus court pour correspondre à la longueur du plus long.

# Recyclage de identité avec ajout de l'age
identite <- paste(identite, age, sep = " ")

# Recyclage d'identité avec l'ajout de "ans"
identite <- paste0(identite, " ans")
print(identite)

## [1] "Jean Dupont 15 ans"

# Définition de l'identité avec paste0
identite <- paste0("Je m'appelle ", prenom, " ", nom, ",", " j'ai ", age, " ans")
print(identite)

## [1] "Je m'appelle Jean Dupont, j'ai 15 ans"

# Recyclage d'un vecteur
x <-  c(1,5)
y <- c(9, 76, 20, 30)
x + y 

## [1] 10 81 21 35

Exercice 1

Créez une variable appelée temperature et attribuez-lui la valeur 25.
Créez une autre variable appelée ville et attribuez-lui le nom de votre ville.
Affichez la valeur de la variable temperature dans la console.
Affichez la valeur de la variable ville dans la console.

Exercice 2

Créez deux variables prenom et nom contenant votre prénom et votre nom de famille.
Utilisez la fonction paste() pour concaténer ces deux variables en une seule chaîne de caractères représentant votre nom complet.
Affichez le résultat dans la console.

Exercice 3

Créez une variable chiffre contenant le nombre 42 sous forme de texte (chaîne de caractères).
Convertissez cette variable en un nombre entier (integer) en utilisant la fonction as.integer().
Affichez le résultat dans la console.

Exercice 4

Créez deux variables a et b contenant des nombres de votre choix.
Utilisez ces variables pour effectuer les opérations suivantes : addition, soustraction, multiplication et division.
Affichez les résultats dans la console.

Exercice 5

Créez une variable age contenant votre âge.
Utilisez la fonction sprintf() pour créer une chaîne de caractères qui affiche votre âge sous la forme “J’ai X ans.” où X est la valeur de la variable age.
Affichez la chaîne de caractères résultante dans la console.

Exercice 6

Créez un vecteur nombres contenant les nombres de 1 à 10.
Utilisez la fonction length() pour déterminer la longueur du vecteur.
Utilisez la fonction sum() pour calculer la somme de tous les éléments du vecteur.
Utilisez la fonction rev() pour inverser l’ordre des éléments du vecteur.
Affichez les résultats dans la console en utilisant la fonction sprintf().

Exercice 7

Créer un objet que vous nommerez age qui contiendra, en valeur numérique, votre âge. Affichez dans la console la valeur de l’objet age.
Modifiez le contenu de l’objet age en lui ajoutant 10 ans. Affichez dans la console la valeur de l’objet age suite à la modification.
Affichez la date actuelle : today = Sys.Date().
Soustrayez 10. Que constatez-vous ? Définissez votre date de naissance : as.Date() et faite la différence entre la date d’aujourd’hui et de votre année de naissance : difftime().
En faisant appel à la fonction ls(), affichez le nom des objets existants dans l’environnement global.
À l’aide de la fonction rm(), supprimez l’objet age, puis tentez d’afficher le contenu de l’objet age dans la console.
Affichez à nouveau le nom des objets existants dans l’environnement global.

2. Consultez la Correction :
   Une fois que vous avez tenté de résoudre les exercices, ou si vous rencontrez des difficultés, consultez le fichier correction_exercices1.R pour voir les solutions. Analysez les solutions pour comprendre les méthodes et logiques utilisées.

Opérateurs du Langage R

Tableau des principaux opérateurs en R :

Opérateurs d’Assignation (cf.cours1)

# Exemple d'assignation
x <- 10  # Assignation de 10 à x

Opérateurs Arithmétiques (cf.cours1)

# Exemple d'opération arithmétique
5 + 3 # Addition, renvoie 8

## [1] 8

Opérateurs Booléens (de Comparaison)

Les opérateurs de comparaison en R sont utilisés pour comparer deux valeurs ou expressions et renvoient un résultat booléen (TRUE ou FALSE).

Ces opérateurs sont essentiels dans la programmation pour les tests de condition, les boucles, et le filtrage des données.

Les opérateurs de comparaison en R sont utilisés pour comparer deux valeurs ou expressions et renvoient un résultat booléen (TRUE ou FALSE). Ces opérateurs sont essentiels dans la programmation pour les tests de condition, les boucles, et le filtrage des données.

a <- 4
b <- 8

1. Inférieur à (<) :
   • x < y renvoie TRUE si x est inférieur à y.
   • Exemple : 3 < 5 renvoie TRUE.

# Inférieur
a < b

## [1] TRUE

2. Supérieur à (>) :
   • x > y renvoie TRUE si x est supérieur à y.
   • Exemple : 5 > 3 renvoie TRUE.

# Supérieur
a > b

## [1] FALSE

3. Inférieur ou égal à (<=) :
   • x <= y renvoie TRUE si x est inférieur ou égal à y.
   • Exemple : 3 <= 3 renvoie TRUE.

# Inférieur ou égal
a <= b

## [1] TRUE

4. Supérieur ou égal à (>=) :
   • x >= y renvoie TRUE si x est supérieur ou égal à y.
   • Exemple : 5 >= 5 renvoie TRUE.

# Supérieur ou égal
a >= b

## [1] FALSE

5. Égal à (==) :
   • x == y renvoie TRUE si x est égal à y.
   • Exemple : 3 == 3 renvoie TRUE.

# Egalité
a == b

## [1] FALSE

6. Différent de (!=) :
   • x != y renvoie TRUE si x n’est pas égal à y.
   • Exemple : 3 != 5 renvoie TRUE.

# Non égalité
a != b

## [1] TRUE

Opérateurs Logiques

Les opérateurs logiques sont utilisés pour combiner des expressions conditionnelles et renvoient des valeurs booléennes (TRUE ou FALSE).

Ils sont essentiels pour construire des conditions complexes dans les structures de contrôle de flux et pour filtrer les données.

1. ET Logique (& et &&) :
   • x & y : Renvoie TRUE si x ET y sont tous deux TRUE. Opère élément par élément dans le cas des vecteurs.
   • x && y : Similaire à &, mais il n’évalue que le premier élément de chaque vecteur. Utilisé principalement dans les structures de contrôle où une seule comparaison est nécessaire.

# Définition des variables
x <- TRUE
y <- FALSE

# Utilisation de & (ET logique)
resultat_et <- x & y  # Renvoie FALSE car y est FALSE
print(resultat_et)

## [1] FALSE

# Utilisation de && (ET logique, mais ne vérifie que le premier élément)
resultat_et_court <- x && y  # Renvoie également FALSE
print(resultat_et_court)

## [1] FALSE

2. OU Logique (| et ||) :
   • x | y : Renvoie TRUE si x OU y est TRUE. Comme &, il opère élément par élément pour les vecteurs.
   • x || y : Similaire à |, mais évalue uniquement le premier élément de chaque vecteur.

# Définition des variables
x <- TRUE
y <- FALSE

# Utilisation de | (OU logique)
resultat_ou <- x | y  # Renvoie TRUE car x est TRUE
print(resultat_ou)

## [1] TRUE

# Utilisation de || (OU logique, mais ne vérifie que le premier élément)
resultat_ou_court <- x || y  # Renvoie également TRUE
print(resultat_ou_court)

## [1] TRUE

3. NON Logique (!) :
   • !x : Renvoie TRUE si x est FALSE et vice versa. Utilisé pour inverser une condition.

# Définition de la variable
x <- TRUE

# Utilisation de ! (NON logique)
resultat_non <- !x  # Renvoie FALSE car x est TRUE
print(resultat_non)

## [1] FALSE

Autres Opérateurs et Fonctions Utiles

1. %in% : Test d’Appartenance

%in% est utilisé pour tester si les éléments d’un vecteur se trouvent dans un autre ensemble de valeurs. Ici, il renvoie un vecteur booléen indiquant pour chaque élément de x s’il appartient à l’ensemble c("D", "B").

x <- c("A", "B", "C", "D")
x %in% c("D", "B") # Renvoie un vecteur de valeurs logiques indiquant si chaque élément de x est dans c("D", "B")

## [1] FALSE  TRUE FALSE  TRUE

2. : : Générateur de Séquences : est un opérateur simple pour générer des séquences de nombres entiers. Dans cet exemple, 1:5 génère une séquence de 1 à 5.

variable <- 1:5 # Crée une séquence de nombres de 1 à 5

3. [] : Extraction d’Éléments

[] est utilisé pour extraire un ou plusieurs éléments d’une structure de données comme un vecteur, une matrice, ou un data frame. variable[1:3] renvoie les trois premiers éléments de variable.

variable[1:3] # Extrait les trois premiers éléments de la séquence

## [1] 1 2 3

4. [[]] : Extraction d’Éléments d’une Liste ou d’un Data Frame

[[...]] est utilisé pour extraire un élément spécifique d’une liste ou d’un data frame. Par exemple, maListe[[1]] renvoie le premier élément de la liste maListe.

5. $ : Extraction par Nom

$ est utilisé pour extraire des éléments par leur nom d’une liste ou d’un data frame. Par exemple, monDataFrame$colonne renvoie la colonne nommée colonne de monDataFrame.

Vecteurs

• Définition : Les vecteurs sont des séquences d’éléments du même type (numérique, caractère, logique, etc.).
• Création : Utilisation de c() (combine) pour créer des vecteurs. Exemple : vecteur <- c(1, 2, 3).
• Usage : Adaptés pour des opérations sur des séries d’éléments homogènes.

# Création d'un vecteur numérique
vecteur_num <- c(1, 2, 3, 4, 5)
print(vecteur_num)

## [1] 1 2 3 4 5

# Création d'un vecteur de caractères
vecteur_char <- c("un", "deux", "trois", "quatre", "cinq")
print(vecteur_char)

## [1] "un"     "deux"   "trois"  "quatre" "cinq"

# Création d'un vecteur logique
vecteur_logique <- c(TRUE, FALSE, TRUE, FALSE, TRUE)
print(vecteur_logique)

## [1]  TRUE FALSE  TRUE FALSE  TRUE

# Accéder à un élément d'un vecteur
print(vecteur_num[3])  # Affiche la troisième valeur, i.e. 3

## [1] 3

# Longueur d'un vecteur
longueur <- length(vecteur_num)
print(paste("La longueur du vecteur est:", longueur))

## [1] "La longueur du vecteur est: 5"

# Séquence de nombres
seq_num <- seq(1, 10, by = 2)  # Crée une séquence de 1 à 10 avec un pas de 2
print(seq_num)

## [1] 1 3 5 7 9

# Opérations arithmétiques avec des vecteurs
vecteur_a <- c(1, 2, 3)
vecteur_b <- c(4, 5, 6)

somme <- vecteur_a + vecteur_b
print(somme)

## [1] 5 7 9

# Combinaison de vecteurs
vecteur_combine <- c(vecteur_a, vecteur_b)
print(vecteur_combine)

## [1] 1 2 3 4 5 6

# Utilisation de fonctions avec des vecteurs
moyenne <- mean(vecteur_num)
print(paste("La moyenne du vecteur est:", moyenne))

## [1] "La moyenne du vecteur est: 3"

# Trouver le minimum et le maximum
print(paste("Minimum:", min(vecteur_num)))

## [1] "Minimum: 1"

print(paste("Maximum:", max(vecteur_num)))

## [1] "Maximum: 5"

# Trouver la somme et le produit
print(paste("Somme:", sum(vecteur_num)))

## [1] "Somme: 15"

print(paste("Produit:", prod(vecteur_num)))

## [1] "Produit: 120"

print(vecteur_num)

## [1] 1 2 3 4 5

# Inverser un vecteur
inverse_vecteur_num <- rev(vecteur_num)
print(inverse_vecteur_num)

## [1] 5 4 3 2 1

# Modifier une valeur d'un vecteur
inverse_vecteur_num[2] <- 90
print(inverse_vecteur_num)

## [1]  5 90  3  2  1

# Modifier plusieurs valeurs d'un vecteur
inverse_vecteur_num[c(3,4)] <- c(20, 200)
inverse_vecteur_num[2:4] <- c(78, 90, 30)
print(inverse_vecteur_num)

## [1]  5 78 90 30  1

# Répétition d'un vecteur
x <- c("a", "b", "c")
x_repete <- rep(x, 10)
print(x_repete)

##  [1] "a" "b" "c" "a" "b" "c" "a" "b" "c" "a" "b" "c" "a" "b" "c" "a" "b" "c" "a"
## [20] "b" "c" "a" "b" "c" "a" "b" "c" "a" "b" "c"

# Nommer les éléments d'un vecteur
identite <-  c(names = "roger", prenom = "toto")
print(identite)

##   names  prenom 
## "roger"  "toto"

print(identite["names"])

##   names 
## "roger"

# ajouter un element 
vec <- c(1,2,90, 200)
print(vec)

## [1]   1   2  90 200

vec <-  c(vec, 100)
print(vec)

## [1]   1   2  90 200 100

print(vecteur_num)

## [1] 1 2 3 4 5

# Filtrage des éléments d'un vecteur
vecteur_num_filtre <- vecteur_num[vecteur_num >= 3]
print(vecteur_num_filtre)

## [1] 3 4 5

# Filtrer les éléments supérieurs à la moyenne : mean(vecteur)
vecteur_num_filtre <- vecteur_num[vecteur_num >= mean(vecteur_num)]
print(vecteur_num_filtre)

## [1] 3 4 5

# Utilisation de la fonction which() pour obtenir les indices de position
vecteur_num2 <-  seq(1,100, by = 7)
which(vecteur_num2 <= 50)

## [1] 1 2 3 4 5 6 7 8

vecteur_num2[which(vecteur_num2 <= 50)]

## [1]  1  8 15 22 29 36 43 50

# Trier un vecteur :  order() et sort() asc and decreasing
order(inverse_vecteur_num)

## [1] 5 1 4 2 3

sort(inverse_vecteur_num)

## [1]  1  5 30 78 90

sort(inverse_vecteur_num, decreasing = TRUE)

## [1] 90 78 30  5  1

Facteurs

• Définition : Les facteurs sont utilisés pour stocker des données catégorielles.
• Création : Utilisation de factor() pour créer des facteurs. Exemple : facteur <- factor(c("oui", "non", "oui")).
• Usage : Importants pour l’analyse statistique, en particulier pour la modélisation.

# Création d'un facteur
genre_chaine <- factor(c("F", "M", "NB", "F", "M", "NB", "M"))

# Conversion du vecteur de chaînes en facteur
genre <- factor(genre_chaine)

• levels = c(“1”, “2”, “3”) définit l’ordre des niveaux dans le facteur. Les niveaux sont ordonnés selon l’ordre spécifié ici.

• labels = c(“Pas d’accord”, “Neutre”, “D’accord”) associe chaque niveau à une étiquette descriptive. Ainsi, au lieu de “1”, “2”, “3”, les niveaux sont maintenant représentés par “Pas d’accord”, “Neutre”, et “D’accord”.

# Vecteur de données catégorielles
reponses <- c("1", "3", "2", "3", "1")

# Conversion en facteur avec labels et levels personnalisés
reponses_facteur <- factor(reponses, 
                           levels = c("1", "2", "3"),
                           labels = c("Pas d'accord", "Neutre", "D'accord"))

• Conversion en Facteur : as.factor() prend un vecteur en entrée et le convertit en un facteur. Chaque élément unique dans le vecteur devient un niveau du facteur.

# Création d'un vecteur simple
v <- c("bas", "moyen", "haut", "moyen", "bas")

# Conversion du vecteur en facteur
f <- as.factor(v)

• Niveaux : Les niveaux d’un facteur représentent les différentes catégories. as.factor() les détermine à partir des valeurs uniques du vecteur d’entrée.
• Réordonnancement : Vous pouvez réordonner les niveaux d’un facteur en utilisant la fonction factor() avec l’argument levels.

# Création d'un data frame
df <- data.frame(
  groupe = c("A", "B", "A", "C"),
  score = c(10, 15, 13, 8)
)

# Convertir la colonne 'groupe' en facteur
df$groupe <- as.factor(df$groupe)

! Avertissements et Conseils - Conversion Automatique : R convertit souvent automatiquement les chaînes de caractères en facteurs lors de la lecture de données (par exemple avec read.csv()), mais cela peut être contrôlé avec l’argument stringsAsFactors. - Utilisation Méthodique : Il est important de convertir intentionnellement les variables en facteurs, surtout lors de la préparation des données pour l’analyse statistique, pour éviter les erreurs ou les interprétations incorrectes.

Listes

• Définition : Les listes sont des collections d’éléments qui peuvent être de types différents.
• Création : Utilisation de list() pour créer des listes. Exemple : liste <- list(nombre = 1, chaine = "R").
• Usage : Utiles pour stocker des données hétérogènes et complexes.

# Création d'une liste
l <- list(1, "a", c(1, 2, 3))
print(l)

## [[1]]
## [1] 1
## 
## [[2]]
## [1] "a"
## 
## [[3]]
## [1] 1 2 3

# Les objets à mettre dans une liste
x <- c(45, 12, 56, 14, 16)
y <- c("Car", "Bike")
z <- matrix(1:12, ncol = 4)

# Création de la liste :list()
maliste <- list(x, y, z)
print(maliste)

## [[1]]
## [1] 45 12 56 14 16
## 
## [[2]]
## [1] "Car"  "Bike"
## 
## [[3]]
##      [,1] [,2] [,3] [,4]
## [1,]    1    4    7   10
## [2,]    2    5    8   11
## [3,]    3    6    9   12

# Nommer les éléments de la liste : names()
names(maliste) <- c("x", "y", "Z")
print(maliste)

## $x
## [1] 45 12 56 14 16
## 
## $y
## [1] "Car"  "Bike"
## 
## $Z
##      [,1] [,2] [,3] [,4]
## [1,]    1    4    7   10
## [2,]    2    5    8   11
## [3,]    3    6    9   12

# Aperçu de la structure de notre liste : str()
str(maliste)

## List of 3
##  $ x: num [1:5] 45 12 56 14 16
##  $ y: chr [1:2] "Car" "Bike"
##  $ Z: int [1:3, 1:4] 1 2 3 4 5 6 7 8 9 10 ...

# Accéder aux éléments d’une liste : append()
a <- c(TRUE, FALSE, TRUE)
maliste <- append(maliste,a)
maliste <- list(maliste, a)
print(maliste)

## [[1]]
## [[1]]$x
## [1] 45 12 56 14 16
## 
## [[1]]$y
## [1] "Car"  "Bike"
## 
## [[1]]$Z
##      [,1] [,2] [,3] [,4]
## [1,]    1    4    7   10
## [2,]    2    5    8   11
## [3,]    3    6    9   12
## 
## [[1]][[4]]
## [1] TRUE
## 
## [[1]][[5]]
## [1] FALSE
## 
## [[1]][[6]]
## [1] TRUE
## 
## 
## [[2]]
## [1]  TRUE FALSE  TRUE

# Modifier une liste "[[]]"
## modifier 1e élément
## ajouter un nouveau élément à la liste
## supprimer un élément de la liste
maliste <- list(x, y, z)
length(maliste)

## [1] 3

maliste[[2]] <- c("red", "blue", "marron")
maliste[[3]] <- NULL
print(maliste)

## [[1]]
## [1] 45 12 56 14 16
## 
## [[2]]
## [1] "red"    "blue"   "marron"

# Concater des listes : c()
maliste <- c(maliste, a)
print(maliste)

## [[1]]
## [1] 45 12 56 14 16
## 
## [[2]]
## [1] "red"    "blue"   "marron"
## 
## [[3]]
## [1] TRUE
## 
## [[4]]
## [1] FALSE
## 
## [[5]]
## [1] TRUE

Matrices

• Définition : Les matrices sont des collections d’éléments de même type organisés en un tableau à deux dimensions.
• Création : Utilisation de matrix() pour créer des matrices. Exemple : matrice <- matrix(1:9, nrow = 3).
• Usage : Convient aux opérations mathématiques et statistiques impliquant des données en deux dimensions.

# Création d'une matrice 3*3 : matrix()
mat <- matrix(1:9, ncol = 3, nrow = 3)
print(mat)

##      [,1] [,2] [,3]
## [1,]    1    4    7
## [2,]    2    5    8
## [3,]    3    6    9

# Remplissage par colonne : byrow
mat <- matrix(1:9, ncol = 3, nrow = 3, byrow = TRUE)
print(mat)

##      [,1] [,2] [,3]
## [1,]    1    2    3
## [2,]    4    5    6
## [3,]    7    8    9

# Nom lignes et colonnes : colnames(), rownames()
colnames(mat) <- c("Col1", "Col2", "Col3")
rownames(mat) <- c("Row1", "Row2", "Row3")
print(mat)

##      Col1 Col2 Col3
## Row1    1    2    3
## Row2    4    5    6
## Row3    7    8    9

# Combinaison de vecteur : cbind(), rbind()
x <- c(1,2,3)
y <- c(4, 5, 6)
z <- cbind(x,y)
print(z)

##      x y
## [1,] 1 4
## [2,] 2 5
## [3,] 3 6

z <- rbind(x,y)
print(z)

##   [,1] [,2] [,3]
## x    1    2    3
## y    4    5    6

# Accéder aux éléments d'une matrice "[]"
z[2,2]

## y 
## 5

z[2,3]

## y 
## 6

# Sélectioner toutes les lignes sauf la première : -1
a <- c(7,8,9)
z <- rbind(z,a)
z[-1,]

##   [,1] [,2] [,3]
## y    4    5    6
## a    7    8    9

z[,-1]

##   [,1] [,2]
## x    2    3
## y    5    6
## a    8    9

z <- rbind(x, a, y)
print(z)

##   [,1] [,2] [,3]
## x    1    2    3
## a    7    8    9
## y    4    5    6

# Modifier une élément
z[2,3] <- 10
print(z)

##   [,1] [,2] [,3]
## x    1    2    3
## a    7    8   10
## y    4    5    6

# Modifier un élément inf à 5
z[z < 5]

## [1] 1 4 2 3

# Opérations sur les matrices : t(), diag(), eigen(), solve()
x <- c(1,2,3)
y <- c(4, 5, 6)
z <- cbind(x,y)
print(z)

##      x y
## [1,] 1 4
## [2,] 2 5
## [3,] 3 6

# Transposée de la matrice 'z'
t(z)

##   [,1] [,2] [,3]
## x    1    2    3
## y    4    5    6

# Diagnale de la matrice 'z'
z <- rbind(x, a, y)
diag(z) <- 0
print(z)

##   [,1] [,2] [,3]
## x    0    2    3
## a    7    0    9
## y    4    5    0

Data Frames

• Définition : Les data frames sont similaires aux matrices mais peuvent contenir différents types de données dans chaque colonne.
• Création : Utilisation de data.frame() pour créer des data frames. Exemple : df <- data.frame(Nom = c("Alice", "Bob"), Age = c(23, 25)).
• Usage : Très utilisés en analyse de données pour représenter et manipuler des ensembles de données de manière tabulaire.

# Création d'un data frame
exemple <- data.frame(name=c("Alice", "Bob"), 
                      age=c(25, 30))
print(exemple)

##    name age
## 1 Alice  25
## 2   Bob  30

# Creation d'un dataframe: data.frame()
df <-  data.frame(taille = c(167, 192, 173, 174, 172, 167, 171, 185, 163, 170), 
                  poids = c(86, 74, 83, 50, 78, 66, 66, 51, 50, 55) ,
                  prog = c("Bac+2", "Bac", "Master", "Bac", "Bac", "DEA", "Doctorat", NA, "Certificat", "DES") ,
                  sexe = c("H", "H", "F", "H", "H", "H", "F", "H", "H", "H"))
print(df)

##    taille poids       prog sexe
## 1     167    86      Bac+2    H
## 2     192    74        Bac    H
## 3     173    83     Master    F
## 4     174    50        Bac    H
## 5     172    78        Bac    H
## 6     167    66        DEA    H
## 7     171    66   Doctorat    F
## 8     185    51       <NA>    H
## 9     163    50 Certificat    H
## 10    170    55        DES    H

length(df)

## [1] 4

dim(df)

## [1] 10  4

class(df)

## [1] "data.frame"

str(df)

## 'data.frame':    10 obs. of  4 variables:
##  $ taille: num  167 192 173 174 172 167 171 185 163 170
##  $ poids : num  86 74 83 50 78 66 66 51 50 55
##  $ prog  : chr  "Bac+2" "Bac" "Master" "Bac" ...
##  $ sexe  : chr  "H" "H" "F" "H" ...

attributes(df)

## $names
## [1] "taille" "poids"  "prog"   "sexe"  
## 
## $class
## [1] "data.frame"
## 
## $row.names
##  [1]  1  2  3  4  5  6  7  8  9 10

# View(df)

summary(df)

##      taille          poids          prog               sexe          
##  Min.   :163.0   Min.   :50.0   Length:10          Length:10         
##  1st Qu.:167.8   1st Qu.:52.0   Class :character   Class :character  
##  Median :171.5   Median :66.0   Mode  :character   Mode  :character  
##  Mean   :173.4   Mean   :65.9                                        
##  3rd Qu.:173.8   3rd Qu.:77.0                                        
##  Max.   :192.0   Max.   :86.0

head(df, 6)

##   taille poids   prog sexe
## 1    167    86  Bac+2    H
## 2    192    74    Bac    H
## 3    173    83 Master    F
## 4    174    50    Bac    H
## 5    172    78    Bac    H
## 6    167    66    DEA    H

tail(df, 2)

##    taille poids       prog sexe
## 9     163    50 Certificat    H
## 10    170    55        DES    H

# Sélection par position ou nom 
df[4, 2]  # par position 

## [1] 50

df[4, "poids"] # par position ou nom 

## [1] 50

df$poids[4] # sélection en utilisant l'opérateur '$'

## [1] 50

# Ajouter des variables : cbind()
nom <- c("Benjamin", "Hugo", "Emma", "Alex", "Tom", "Axel", "Alice", "Martin", "Robin", "Enzo")
grade <- c("A", "A", "C", "B", "B", "B", "C", "A", "A", "A")

df <- data.frame(df, 
                 names = nom, notes = grade)
print(df)

##    taille poids       prog sexe    names notes
## 1     167    86      Bac+2    H Benjamin     A
## 2     192    74        Bac    H     Hugo     A
## 3     173    83     Master    F     Emma     C
## 4     174    50        Bac    H     Alex     B
## 5     172    78        Bac    H      Tom     B
## 6     167    66        DEA    H     Axel     B
## 7     171    66   Doctorat    F    Alice     C
## 8     185    51       <NA>    H   Martin     A
## 9     163    50 Certificat    H    Robin     A
## 10    170    55        DES    H     Enzo     A

# Creer la variable IMC <- poids / taille^2
df$IMC <- df$poids / df$taille**2

# Afficher la distrbution de la variable 'sexe' : table()
table(df$sexe)

## 
## F H 
## 2 8

# Ordonner les lignes : order() en fonction d'une variable
df_order <- df[order(df$taille),]

apply

• Utilisée principalement avec des matrices ou des data frames.
• apply(df[,c("taille", "poids", "IMC")], 2, mean) : Cette commande calcule la moyenne de chaque colonne (2 indique que l’opération est effectuée colonne par colonne) dans les colonnes “taille”, “poids” et “IMC” du data frame df.
• apply(df_poids, 1, mean) : Calcule la moyenne de chaque ligne (indiqué par 1) dans le data frame df_poids.

# apply
apply(df[,c("taille", "poids", "IMC")], 2, mean) 

##       taille        poids          IMC 
## 1.734000e+02 6.590000e+01 2.205107e-03

df_poids <- data.frame(poids1 = c(130, 170), poids2 = c(90, 50))
apply(df_poids, 1, mean)

## [1] 110 110

lapply

• Applique une fonction à chaque élément d’une liste et renvoie une liste.
• lapply(maliste, mean) : Calcule la moyenne de chaque élément (sous-liste) de la liste maliste.

# lapply
maliste <- list(c(1:10), c(11:20), c(24:30))
lapply(maliste, mean)

## [[1]]
## [1] 5.5
## 
## [[2]]
## [1] 15.5
## 
## [[3]]
## [1] 27

sapply

• Semblable à lapply, mais simplifie le résultat en un vecteur ou un array, si possible.
• sapply(maliste, mean) : Comme lapply, mais renvoie un vecteur des moyennes au lieu d’une liste.

# sapply : mean
sapply(maliste, mean)

## [1]  5.5 15.5 27.0

mapply

• Version multivariée de sapply.
• mapply(median, df[,c("taille", "poids")]) : Applique la fonction median aux colonnes “taille” et “poids” du data frame df. Contrairement à sapply et lapply, mapply peut travailler avec plusieurs vecteurs ou listes simultanément.

# mapply : median taille et poids 
mapply(median, df[,c("taille", "poids")])

## taille  poids 
##  171.5   66.0

tapply

• Utilisée pour appliquer une fonction à des sous-ensembles de données.
• tapply(df$taille, df$sexe, mean) : Calcule la moyenne de la variable “taille” séparément pour chaque groupe défini par la variable catégorielle “sexe” dans le data frame df.

# tapply / by : taille et sexe 
tapply(df$taille, df$sexe, mean)

##      F      H 
## 172.00 173.75

Exercice 1

1. Créez le vecteur vec1 contenant la suite des entiers de 1 à 12. Ajoutez à la fin de ce vecteur les valeurs 16, 17, 18.
   1. Affichez tous les éléments sauf les trois premiers.
   2. Affichez tous les éléments supérieurs à 7.
   3. Filtrez les éléments pairs de vec1 dans vec1_pair et impairs dans vec1_impair.
2. Créez un vecteur vec2 de 20 nombres aléatoires entre 1 et 100. Triez ce vecteur en ordre croissant puis décroissant.
3. Créez le vecteur vec3 contenant 3 fois chacun des 10 chiffres (soit 0, 0, 0 ; 1, 1, 1 ; etc.).
4. Créez le vecteur vec4 contenant une fois la lettre A, deux fois la lettre B, trois fois la lettre C… et 26 fois la lettre Z. Quelle est la longueur de cette suite ?
5. Créez le vecteur vec5 contenant les noms suivants : individu1, individu2, …, individu100.
6. Calculez l’écart-type d’un vecteur numérique vect <- c(82, 98, 34, 23, 76, 54). Aide : LETTERS, variance = Σ(x-μ)² / (N - 1) et écart-type = √variance.

Exercice 2

1. Créez deux matrices, A et B, de dimensions 3x3 avec les valeurs de votre choix.
2. Effectuez les opérations suivantes:
   1. Addition de A et B.
   2. Produit matriciel de A par B.
   3. Transposez la matrice A.
3. Affectez des 0 dans la diagonale de la matrice A. Aide : diag, t(), %*%.

Exercice 3

1. Créez une matrice 5x5 remplie de nombres aléatoires entre -1 et 1.
   1. Identifiez les indices des éléments de la matrice qui sont supérieurs à 0,5.
   2. Créez une nouvelle matrice binaire en remplaçant ces éléments par 1 et les autres par 0.
   3. Calculez la moyenne des éléments de chaque ligne de la matrice binaire.
2. Créez une matrice X de dimensions 4x3 contenant des valeurs aléatoires entre 1 et 100.
   1. Extrayez la première ligne et la première colonne de la matrice.
   2. Calculez la somme de chaque colonne.
   3. Calculez la moyenne de chaque ligne.
   4. Modifiez la dernière colonne de la matrice pour qu’elle contienne la somme des éléments de chaque ligne.
   5. Normalisez la matrice (soustrayez la moyenne et divisez par l’écart-type) pour chaque colonne.

Exercice 4

1. Créez deux listes distinctes, “liste1” et “liste2”, chacune contenant au moins trois éléments.
2. Fusionnez ces deux listes pour former une nouvelle liste “liste_combinee”.
3. Ajoutez un nom à chaque élément de la liste_combinee pour indiquer s’il provient de liste1 ou liste2.

Exercice 5

1. Créez une liste nommée université qui contient les éléments suivants:

   1. Etudiants : une autre liste qui contient :
      • Prenom : un vecteur avec les prénoms “Luc”, “Julie”, “Samir”.
      • Age : un vecteur avec les âges 20, 22, 21.
   2. cours: une autre liste qui contient :
      • nom : un vecteur avec les noms “Mathématiques”, “Physique”, “Histoire”.
      • Professeur : un vecteur avec les noms “Dr. Dupont”, “Dr. Leclerc”, “Mme. Berger”.

2. Une fois la liste créée, extrayez et affichez

3. Consultez la Correction :
   Une fois que vous avez tenté de résoudre les exercices, ou si vous rencontrez des difficultés, consultez le fichier correction_exercices2.R pour voir les solutions. Analysez les solutions pour comprendre les méthodes et logiques utilisées.

if, else if, et else.

x <-  3

# Conditions (if, else)

if( x > 3){
  print("x est supérieur à 3")
}else if(x < 2){
  print("x est inférieur à 2")
}else{
  print("autre")
}

## [1] "autre"

ifelse()

La fonction ifelse() en R est une version vectorisée de la structure conditionnelle if-else. Elle est particulièrement utile pour effectuer des opérations conditionnelles sur des vecteurs.

# ifelse(condition, valeur_si_vrai, valeur_si_faux)
notes <- c(45, 75, 50, 60, 30)
mentions <- ifelse(notes >= 50, "Pass", "Fail")
print(mentions)

## [1] "Fail" "Pass" "Pass" "Pass" "Fail"

# Catégorisation des âges en mineur et majeur
age <- c(13, 18, 90, 34, 12)
age_categories <- ifelse(test = age < 18, yes = "Mineur", no = "Majeur")

Switch

La structure de contrôle switch() est utilisée pour effectuer une sélection parmi plusieurs alternatives en fonction de la valeur d’une expression. Syntaxe : switch(expression, case1=value1, case2=value2, …)

fruit <- "pomme"

message <- switch(
  fruit,
  "pomme" = "C'est une pomme.",
  "banane" = "C'est une banane.",
  "orange" = "C'est une orange.",
  "raisin" = "C'est du raisin.",
  "Autre fruit."
)

Boucle for

• Utilisation : Une boucle for est utilisée pour exécuter un bloc de code un nombre déterminé de fois. Elle est particulièrement utile lorsque vous savez à l’avance combien de fois vous devez répéter les instructions.

• Fonctionnement :

  • variable est une variable temporaire qui prend successivement les valeurs présentes dans sequence. Généralement, la variable i est utilisée comme itérateur ou increment.
  • sequence est typiquement un vecteur ou une liste.
  • À chaque itération, le bloc de code à l’intérieur de la boucle est exécuté avec la valeur courante de variable.

• Exemple 1 :

x <- list(a = seq(1, 100, 4), 
          b = seq(0, 1, 0.01), 
          c = letters)

for (i in x){
  print(i)
}

##  [1]  1  5  9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93 97
##   [1] 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.10 0.11 0.12 0.13 0.14
##  [16] 0.15 0.16 0.17 0.18 0.19 0.20 0.21 0.22 0.23 0.24 0.25 0.26 0.27 0.28 0.29
##  [31] 0.30 0.31 0.32 0.33 0.34 0.35 0.36 0.37 0.38 0.39 0.40 0.41 0.42 0.43 0.44
##  [46] 0.45 0.46 0.47 0.48 0.49 0.50 0.51 0.52 0.53 0.54 0.55 0.56 0.57 0.58 0.59
##  [61] 0.60 0.61 0.62 0.63 0.64 0.65 0.66 0.67 0.68 0.69 0.70 0.71 0.72 0.73 0.74
##  [76] 0.75 0.76 0.77 0.78 0.79 0.80 0.81 0.82 0.83 0.84 0.85 0.86 0.87 0.88 0.89
##  [91] 0.90 0.91 0.92 0.93 0.94 0.95 0.96 0.97 0.98 0.99 1.00
##  [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r" "s"
## [20] "t" "u" "v" "w" "x" "y" "z"

• Exemple 2 :

for (i in 1:5) {
  print(i)
}

## [1] 1
## [1] 2
## [1] 3
## [1] 4
## [1] 5

• Exemple 3 :

# Boucle for pour parcourir un vecteur et appliquer une condition
for(i in 1:length(age)){
  if(i > 3){
    print(age[i])
  }
}

## [1] 34
## [1] 12

• Exemple 4 :

# Boucle for pour affichier les catégories des âges
for(a in age){
  if(a < 18){
    print("Mineur")
  }else{
    print("Majeur")
  }
}

## [1] "Mineur"
## [1] "Majeur"
## [1] "Majeur"
## [1] "Majeur"
## [1] "Mineur"

Boucle while

• Utilisation : Une boucle while est utilisée pour répéter un bloc de code tant qu’une condition spécifiée reste vraie. Elle est utile quand le nombre de répétitions n’est pas connu à l’avance.

• Fonctionnement :

• La condition est évaluée avant chaque itération. Si elle est vraie (TRUE), le bloc de code est exécuté.

• La boucle continue jusqu’à ce que la condition devienne fausse (FALSE).

• Exemple 1 :

compteur <- 1

while (compteur <= 5) {
  print(compteur)
  compteur <- compteur + 1
}

## [1] 1
## [1] 2
## [1] 3
## [1] 4
## [1] 5

Cet exemple imprime les nombres de 1 à 5, en incrémentant compteur à chaque itération.

• Exemple 2 :

Ici, on cherche tous les nombres multiples de 7 et 11 compris entre de 1 à 1000. Autrement dit, pour tous les num, la condition sera vérifié, tant que num sera inférieur à 1000, .

num <- 1
while(num < 1000) {
  # Vérifie si le nombre est un multiple de 7 et 11
  if(num %% 7 == 0 && num %% 11 == 0) {
    print(paste0(num," est multiple de 7 et 11"))
  }
  num <- num + 1
}

## [1] "77 est multiple de 7 et 11"
## [1] "154 est multiple de 7 et 11"
## [1] "231 est multiple de 7 et 11"
## [1] "308 est multiple de 7 et 11"
## [1] "385 est multiple de 7 et 11"
## [1] "462 est multiple de 7 et 11"
## [1] "539 est multiple de 7 et 11"
## [1] "616 est multiple de 7 et 11"
## [1] "693 est multiple de 7 et 11"
## [1] "770 est multiple de 7 et 11"
## [1] "847 est multiple de 7 et 11"
## [1] "924 est multiple de 7 et 11"

Exemple : calculer_moyenne

Cette fonction calcule la moyenne d’un vecteur de nombres.

• Structure de la Fonction :

calculer_moyenne <- function(vecteur) {
  # Vérification si le vecteur est vide
  if(length(vecteur) == 0) {
    warning("Le vecteur est vide!")
    return(NA)
  }
  
  # Calcul de la moyenne
  somme <- sum(vecteur)
  taille <- length(vecteur)
  moyenne <- somme / taille
  return(moyenne)
}

• Fonctionnement :
  • La fonction commence par vérifier si le vecteur passé en argument est vide. Si c’est le cas, elle affiche un avertissement et renvoie NA.
  • Si le vecteur n’est pas vide, la fonction calcule sa somme, détermine sa taille (nombre d’éléments), puis calcule la moyenne en divisant la somme par la taille.
  • Enfin, elle renvoie la valeur moyenne calculée.
• Exemple d’Utilisation :

vecteur <- c(1, 2, 3, 4, 5)
print(calculer_moyenne(vecteur)) # Affiche la moyenne du vecteur

## [1] 3

vecteur <- NULL
print(calculer_moyenne(vecteur)) # Affiche un avertissement et NA

## Warning in calculer_moyenne(vecteur): Le vecteur est vide!

## [1] NA

Exemple : distance_euclidienne

Cette fonction calcule la distance euclidienne entre deux points dans un plan.

• Structure de la Fonction :

distance_euclidienne <- function(point1, point2) {
  # Vérification des dimensions des points
  if(length(point1) != 2 || length(point2) != 2) {
    stop("Chaque point doit avoir exactement deux coordonnées!")
  }
  
  # Calcul de la distance
  delta_x <- point2[1] - point1[1]
  delta_y <- point2[2] - point1[2]
  distance <- sqrt(delta_x^2 + delta_y^2)
  return(distance)
}

• Fonctionnement :
  • La fonction vérifie d’abord si chaque point a exactement deux coordonnées (x, y). Si ce n’est pas le cas, elle arrête l’exécution avec un message d’erreur.
  • Elle calcule ensuite la différence entre les coordonnées x et y des deux points et utilise ces valeurs pour calculer la distance euclidienne (la racine carrée de la somme des carrés des différences).
• Exemple d’Utilisation :

pointA <- c(1, 2)
pointB <- c(4, 6)
print(distance_euclidienne(pointA, pointB)) # Affiche la distance euclidienne entre pointA et pointB

## [1] 5

Ces fonctions illustrent comment encapsuler des tâches spécifiques (calcul de moyenne, calcul de distance) dans des fonctions en R, permettant ainsi une réutilisation et une meilleure organisation du code.

L’exécution du code entre dans la fonction à son point d’appel, exécute les instructions à l’intérieur de la fonction, puis revient au point d’appel une fois la fonction terminée.

Les fonctions ont leur propre portée, ce qui signifie que les variables déclarées à l’intérieur d’une fonction ne sont généralement pas accessibles à l’extérieur de celle-ci.

Type de variables

variable_globale <- "Je suis globale !"

ma_fonction <- function() {
  variable_locale <- "Je suis locale !"
  print(variable_globale)
  print(variable_locale)
}

ma_fonction()

## [1] "Je suis globale !"
## [1] "Je suis locale !"

Exercice 1

1. Générez une séquence de nombres de 1 à 5. Utilisez une boucle for pour afficher “Numéro x” pour chaque nombre, où x est le nombre actuel de la boucle.
2. Créez le vecteur vec4 contenant une fois la lettre A, deux fois la lettre B, trois fois la lettre C… et 26 fois la lettre Z. Quelle est la longueur de cette suite ? Aide : LETTERS et rep().
3. Écrivez une fonction maximum_de_deux qui renvoie le plus grand de deux nombres.
4. Créez une fonction factorielle qui calcule la factorielle d’un nombre. Exemple : 4! = 1 × 2 × 3 × 4 = 24.

Exercice 2

Générez un vecteur de 100 nombres aléatoires entre 1 et 100 et stockez-le dans une variable donnees. 1. Écrivez une fonction mediane qui calcule la médiane des données. Aide : median(). 2. Écrivez une fonction qui prend un intervalle (par exemple, 10-20) et renvoie le nombre d’éléments dans cet intervalle.

Exercice 3

Créez un vecteur nommé produits contenant les noms de cinq articles différents vendus dans un magasin (par exemple: “pommes”, “bananes”, “cerises”, “dates”, “figues”). Créez un vecteur nommé prix qui contient les prix respectifs de chaque produit.

1. Écrivez une fonction ajouter_vente qui prend le nom du produit et la quantité vendue, met à jour le total des ventes et renvoie le montant de la vente.
2. Utilisez une boucle pour simuler la vente de 3 articles de chaque produit et affichez le total des ventes à la fin.

Exercice 4

Créez une liste nommée etudiants où chaque élément est un vecteur contenant les notes d’un étudiant pour cinq matières différentes. 1. Écrivez une fonction moyenne_etudiant qui prend en argument le nom d’un étudiant et renvoie sa moyenne. 2. Écrivez une fonction moyenne_matiere qui prend le nom d’une matière et renvoie la moyenne de cette matière pour tous les étudiants. 3. Utilisez la fonction lapply pour calculer la moyenne de chaque étudiant.

Exercice 5

Créez une dataframe bibliotheque avec les colonnes : Titre, Auteur, Année_de_Publication, et Emprunté (VRAI ou FAUX pour indiquer si le livre a été emprunté). 1. Écrivez une fonction emprunter qui prend le titre d’un livre et met à jour son statut Emprunté à VRAI. 2. Écrivez une fonction retourner qui fait le contraire de la fonction emprunter. 3. Écrivez une fonction livres_disponibles qui affiche tous les livres non empruntés. 4. Utilisez une boucle pour simuler l’emprunt et le retour de quelques livres, puis affichez la liste des livres disponibles. 5. Concevez une fonction moyenne qui prend un nombre variable d’arguments et renvoie leur moyenne.

Exercice 6: Un peu de crypto avec le Chiffrement de César

1. Écrivez une fonction decale qui prend deux paramètres : lettre et shift. Cette fonction renvoie la lettre décalée de shift. Exemple : cryptage("h",1) renvoie “i” et cryptage("H",1) renvoie “I”. Aide : letters et LETTERS.

2. Écrivez une fonction crypter qui prend deux paramètres : mot et shift. Cette fonction renvoie le mot avec toutes ses lettres décalées de shift.

3. Écrivez un programme qui permet de crypter et décrypter une phrase.

4. Consultez la Correction :
   Une fois que vous avez tenté de résoudre les exercices, ou si vous rencontrez des difficultés, consultez le fichier correction_exercices3.R pour voir les solutions. Analysez les solutions pour comprendre les méthodes et logiques utilisées.

Fonctions de Manipulation de Rbase

• Concaténation : Vous pouvez joindre deux chaînes de caractères en les ajoutant ensemble à l’aide de l’opérateur + ou en utilisant la fonction paste().

chaine1 <- "Hello"
chaine2 <- "World"
resultat <- paste(chaine1, chaine2)  

• Longueur d’une chaîne : Vous pouvez obtenir la longueur d’une chaîne de caractères en utilisant la fonction nchar().

chaine <- "Bonjour"
longueur <- nchar(chaine)  # longueur vaut 7

• Extraction de sous-chaînes : Vous pouvez extraire une partie d’une chaîne de caractères en utilisant la fonction substr() en spécifiant la position de départ et la longueur.

chaine <- "Manipulation de texte"
sous_chaine <- substr(chaine, start = 1, stop = 12)  # extrait les 12 premiers caractères

• Recherche de motifs : Vous pouvez vérifier si une chaîne de caractères contient un motif spécifique à l’aide de la fonction grepl().

chaine <- "Analyse de données en R"
motif <- "R"
contient_R <- grepl(motif, chaine)  # contient_R vaut TRUE

• tolower() et toupper(): Ces fonctions permettent de convertir une chaîne de caractères en minuscules ou en majuscules, respectivement.

chaine <- "Texte à convertir"
en_minuscules <- tolower(chaine)  # en_minuscules vaut "texte à convertir"
en_majuscules <- toupper(chaine)  # en_majuscules vaut "TEXTE À CONVERTIR"

• strsplit(): Cette fonction permet de diviser une chaîne de caractères en un vecteur de sous-chaînes en utilisant un délimiteur spécifié.

chaine <- "Janvier,Février,Mars"
sous_chaines <- strsplit(chaine, ",")  # sous_chaines est une liste de vecteurs

• gsub(): Cette fonction permet de rechercher et de remplacer des motifs dans une chaîne de caractères.

chaine <- "Les chiens sont adorables, les chiens sont intelligents."
chaine_modifiee <- gsub("chiens", "chats", chaine)  # Remplace "chiens" par "chats"

Expressions Régulières (Regex)

Les expressions régulières, souvent abrégées en “regex” ou “regexp”, sont des motifs de recherche puissants et flexibles utilisés pour la recherche et la manipulation de texte dans les chaînes de caractères.

Les expressions régulières permettent de spécifier un modèle de caractères que vous souhaitez rechercher dans un texte. Elles sont largement utilisées dans la manipulation de texte, le traitement de données, la validation de formulaires, la recherche et bien d’autres domaines de l’informatique.

Voici une explication des éléments clés des expressions régulières :

1. Caractères littéraux : Les caractères littéraux dans une expression régulière correspondent exactement aux mêmes caractères dans le texte. Par exemple, l’expression régulière “chat” correspondra au mot “chat” dans un texte.

2. Méta-caractères : Les méta-caractères sont

des caractères spéciaux utilisés pour définir des modèles plus flexibles. Voici quelques méta-caractères couramment utilisés :

1. . (point) : Correspond à n’importe quel caractère, sauf le saut de ligne.

2. * (astérisque) : Correspond à zéro ou plusieurs occurrences du caractère précédent. Par exemple, “ab*c” correspondra à “ac”, “abc”, “abbc”, etc.

3. + (plus) : Correspond à une ou plusieurs occurrences du caractère précédent. Par exemple, “ab+c” correspondra à “abc”, “abbc”, etc., mais pas à “ac”.

4. ? (point d’interrogation) : Correspond à zéro ou une occurrence du caractère précédent. Par exemple, “ab?c” correspondra à “ac” et “abc”, mais pas à “abbc”.

5. [] (crochets) : Vous pouvez spécifier un ensemble de caractères possibles à cet endroit dans l’expression régulière. Par exemple, “[aeiou]” correspondra à n’importe quelle voyelle.

6. [^] (crochets inversés) : Inverse la correspondance. “[^aeiou]” correspondra à tout caractère qui n’est pas une voyelle.

7. () (parenthèses) : Permet de grouper des expressions régulières. Par exemple, “(ab)+” correspondra à “ab”, “abab”, “ababab”, etc.

3. Caractères d’échappement : Si vous souhaitez rechercher des méta-caractères littéralement, vous devez les échapper en les précédant d’un antislash.

4. Quantificateurs : Les quantificateurs (tels que *, +, ?, {n}, {n,} et {n,m}) permettent de spécifier combien de fois un motif doit se produire. Par exemple, a{2,4} correspondra à “aa”, “aaa” et “aaaa”, mais pas à “a” ou “aaaaa”.

5. Ancrages : Les ancrages (tels que ^ au début de l’expression régulière et $ à la fin) spécifient que la correspondance doit commencer ou se terminer à un endroit précis dans le texte. Par exemple, “^abc” correspondra à “abc” uniquement si “abc” est au début du texte.

6. Modificateurs : Les modificateurs permettent de définir des options pour les expressions régulières. Par exemple, i permet d’ignorer la casse, g permet de rechercher toutes les occurrences, et m permet de rechercher sur plusieurs lignes.

7. Recherches complexes : Les expressions régulières peuvent être combinées de manière complexe pour créer des modèles de recherche avancés. Par exemple, (ab|cd) correspondra à “ab” ou “cd”, et [A-Za-z]+ correspondra à une séquence de lettres en minuscules ou en majuscules.

Exemples d’utilisation des expressions régulières en R avec stringr

# Trouver un motif dans une chaîne de caractères
texte <- "Le numéro de téléphone de Jean est 555-123-4567. Le mien est 123-456-7890."
# Trouver tous les numéros de téléphone dans le texte
resultat <- str_extract_all(texte, "\\d{3}-\\d{3}-\\d{4}")

# Remplacer un motif dans une chaîne de caractères
texte <- "Les pommes sont rouges, les bananes sont jaunes."
# Remplacer "rouges" par "vertes"
nouveau_texte <- str_replace(texte, "rouges", "vertes")

# Extraire des parties spécifiques d'une chaîne de caractères
texte <- "Date de naissance : 25/03/1990"
# Extraire la date de naissance (xx/xx/xxxx)
date_naissance <- str_extract(texte, "\\d{2}/\\d{2}/\\d{4}")

Vérifions si une chaîne de caractères correspond à un motif spécifique, comme un numéro de sécurité sociale formaté en xxx-xx-xxxx.

motif <- "\\d{3}-\\d{2}-\\d{4}"

# Chaînes à vérifier
chaine1 <- "123-45-6789"
chaine2 <- "abc-12-3456"

# Vérification du motif
est_valide1 <- str_detect(chaine1, motif)
est_valide2 <- str_detect(chaine2, motif)

# Affichage des résultats
print(est_valide1)  # Doit retourner TRUE

## [1] TRUE

print(est_valide2)  # Doit retourner FALSE

## [1] FALSE

Examinons comment extraire les noms d’utilisateur à partir d’adresses e-mail dans un texte.

texte <- "Les adresses e-mail de contact sont : john.doe@email.com, jane_smith@email.com."

# Extraction des adresses e-mail
utilisateurs <- str_extract_all(texte, "[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\\.[A-Za-z]{2,4}")

# Extraction des noms d'utilisateur
noms_utilisateurs <- str_extract_all(unlist(utilisateurs), "[A-Za-z0-9._%+-]+")

Remplaçons les caractères spéciaux dans une chaîne de caractères par des espaces.

texte <- "Ceci est un exemple de texte avec des caractères spéciaux : @#$%&*()_"

# Remplacement des caractères spéciaux
texte_propre <- str_replace_all(texte, "[@#$%&*()_]", " ")

Démontrons comment trouver des URL dans un texte en utilisant les expressions régulières.

texte <- "Voici quelques liens utiles : www.example.com, http://www.google.com, https://github.com."

# Extraction des URL
urls <- str_extract_all(texte, "https?://[A-Za-z0-9./]+")

# Affichage des URL trouvées
print(urls)

## [[1]]
## [1] "http://www.google.com" "https://github.com."

Supprimer les balises HTML d’une chaîne

html_text <- "<h1>Titre</h1> Ceci est un <b>texte</b> simple."
str_replace_all(html_text, "<[^>]+>", "")

## [1] "Titre Ceci est un texte simple."

Application : Analyse de sentiments

commentaires <- c("J'adore ce produit.", 
                  "C'est le pire achat que j'ai jamais fait.",
                  "Pas mal, mais pourrait être mieux.",
                  "Un excellent service client !",
                  "Je ne recommanderais pas ce produit.")

commentaires <- tolower(commentaires)
commentaires <- gsub("[[:punct:]]", "", commentaires)

# 2. Analyse manuelle des sentiments
mots_positifs <- c("adore", "excellent")
mots_negatifs <- c("pire", "ne recommanderais pas")

sentiments <- c()

for(commentaire in commentaires) {
  score_positif <- sum(unlist(lapply(mots_positifs, function(word) 
    grepl(word, commentaire))))
  score_negatif <- sum(unlist(lapply(mots_negatifs, function(word) 
    grepl(word, commentaire))))
  
  if(score_positif > score_negatif) {
    sentiments <- c(sentiments, "Positif")
  } else {
    sentiments <- c(sentiments, "Négatif")
  }
}

# 3. Affichage des résultats
for(i in 1:length(commentaires)) {
  cat(paste(commentaires[i], ":", sentiments[i]), "\n")
}

## jadore ce produit : Positif 
## cest le pire achat que jai jamais fait : Négatif 
## pas mal mais pourrait être mieux : Négatif 
## un excellent service client  : Positif 
## je ne recommanderais pas ce produit : Négatif

Pour couvrir la gestion des données NA (valeurs manquantes) en R dans un document RMarkdown, voici un exemple de formatage comprenant des explications et des blocs de code R :

Détecter les NA

Utilisez is.na() pour identifier où se trouvent les valeurs manquantes dans vos données.

# Création d'un vecteur avec des valeurs NA
vecteur <- c(1, NA, 3, NA, 5)

# Vérification des valeurs NA
na_positions <- is.na(vecteur)
print(na_positions)

## [1] FALSE  TRUE FALSE  TRUE FALSE

Exclure les NA dans les Calculs

Beaucoup de fonctions en R ont un argument pour gérer les NA. Par exemple, na.rm = TRUE permet d’exclure les NA dans les calculs.

# Calcul de la moyenne en excluant les NA
moyenne_sans_na <- mean(vecteur, na.rm = TRUE)
print(moyenne_sans_na)

## [1] 3

Remplacement des NA

Vous pouvez remplacer les NA par une autre valeur en utilisant na.omit() ou replace().

# Remplacement des NA par une valeur spécifique (par exemple 0)
vecteur_sans_na <- replace(vecteur, is.na(vecteur), 0)
print(vecteur_sans_na)

## [1] 1 0 3 0 5

Utilisation de na.omit()

na.omit() retire les éléments NA d’un objet.

# Retrait des NA d'un vecteur
vecteur_omit_na <- na.omit(vecteur)
print(vecteur_omit_na)

## [1] 1 3 5
## attr(,"na.action")
## [1] 2 4
## attr(,"class")
## [1] "omit"

Gestion des NA dans un Data Frame

Dans un data frame, vous pouvez retirer les lignes ou les colonnes contenant des NA.

# Création d'un data frame avec des NA
df <- data.frame(x = c(1, 2, NA, 4), y = c("a", "b", "c", NA))

# Retrait des lignes avec des NA
df_sans_na <- na.omit(df)
print(df_sans_na)

##   x y
## 1 1 a
## 2 2 b

La gestion correcte des valeurs manquantes est essentielle pour assurer l’intégrité et la précision de vos analyses de données.

Conversion de Chaînes de Caractères en Dates

# Installation et chargement de la bibliothèque lubridate si nécessaire
# install.packages("lubridate")
# library(lubridate)

# Convertir une chaîne au format "année-mois-jour"
date_test <- ymd("2023-10-17")
date_test

## [1] "2023-10-17"

class(date_test)

## [1] "Date"

Conversion avec Heure et Minute

# Convertir une chaîne au format "jour-mois-année heure:minute"
date_test_heure <- dmy_hm("17-10-2023 14:30")
date_test_heure

## [1] "2023-10-17 14:30:00 UTC"

Création de Séries Chronologiques

# Utilisation des fonctions days, months, et years pour créer des dates
dates_jours <- as.Date("2023-01-01") + days(0:100)
dates_mois <- as.Date("2023-01-01") + months(2)
dates_years <- as.Date("2023-01-01") + years(2)
dates_jours_mois_annee <- as.Date("2023-01-01") + days(5) + months(6) + years(7)

Extraction de Composants Spécifiques d’une Date

# Extraire le jour, le mois et l'année d'une date
date <- ymd("2023-10-17")
day(date)

## [1] 17

month(date)

## [1] 10

year(date)

## [1] 2023

Calcul d’Intervalle entre Deux Dates

# Calculer l'intervalle entre deux dates
date1 <- ymd("2023-10-17")
date2 <- ymd("2022-10-17")
interval(date1, date2)

## [1] 2023-10-17 UTC--2022-10-17 UTC

Operations sur les Dates et Heures

date1 <- ymd("2023-11-06")
date2 <- ymd("2023-11-07")
plus_recente <- max(date1, date2)
plus_ancienne <- min(date1, date2)
heure1 <- hms("14:30:00")
heure2 <- hms("15:45:30")
duree <- heure2 - heure1
nouvelle_date <- date1 + days(2)
nouvelle_heure <- heure1 - hours(1)

print(plus_recente)

## [1] "2023-11-07"

print(plus_ancienne)

## [1] "2023-11-06"

print(duree)

## [1] "1H 15M 30S"

print(nouvelle_heure)

## [1] "13H 30M 0S"

print(nouvelle_date)

## [1] "2023-11-08"

Synthèse

Tableau récapitulatif des fonctions de lubridate pour l’extraction des composants d’une donnée de type date.

Ces fonctions sont utilisées pour extraire et manipuler les différentes parties d’une date dans le cadre de l’analyse de données en R.

Sélection dans une Série Chronologique

# Installation et chargement de la bibliothèque xts si nécessaire
# install.packages("xts")
# library(xts)

# Création et sélection dans une série chronologique
dates <- as.Date("2023-01-01") + 0:9
serie <- xts(1:10, order.by=dates)
subset(serie, index(serie) >= "2023-01-05" & index(serie) <= "2023-01-08")

##            [,1]
## 2023-01-05    5
## 2023-01-06    6
## 2023-01-07    7
## 2023-01-08    8

Affichage Graphique de la Série Chronologique

# Installation et chargement de la bibliothèque ggplot2 si nécessaire
# install.packages("ggplot2")
# library(ggplot2)

# Affichage graphique de la série chronologique
plot(serie)

Conventions usuelles

La data viz est autant un art qu’une science.

Des conventions établies peuvent aider à garantir que les graphiques soient clairs, pertinents et accessibles.

Voici quelques conventions et recommandations générales

Installation des packages essentiels : tidyverse

# Installation et chargement du tidyverse qui contient ggplot2 et 
# Installation de gridExtra pour combiner les plots
#library(tidyverse)
#library(gridExtra)

ggplot2 est une librairie spécialisée pour la visualisation de données en R. Elle utilise une syntaxe différente des graphiques de base et permet de créer des visualisations plus complexes et esthétiques.

Application aux données mtcars

# Description des données mtcars
?mtcars 
mtcars <- datasets::mtcars
str(mtcars)

## 'data.frame':    32 obs. of  11 variables:
##  $ mpg : num  21 21 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 ...
##  $ cyl : num  6 6 4 6 8 6 8 4 4 6 ...
##  $ disp: num  160 160 108 258 360 ...
##  $ hp  : num  110 110 93 110 175 105 245 62 95 123 ...
##  $ drat: num  3.9 3.9 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 ...
##  $ wt  : num  2.62 2.88 2.32 3.21 3.44 ...
##  $ qsec: num  16.5 17 18.6 19.4 17 ...
##  $ vs  : num  0 0 1 1 0 1 0 1 1 1 ...
##  $ am  : num  1 1 1 0 0 0 0 0 0 0 ...
##  $ gear: num  4 4 4 3 3 3 3 4 4 4 ...
##  $ carb: num  4 4 1 1 2 1 4 2 2 4 ...

# Recodage des variables catégorielles 
# transmission et moteur
mtcars$vs <- factor(mtcars$vs,levels = 0:1,labels = c("V-shaped", "Straight")) 
mtcars$am <- factor(mtcars$am,levels = 0:1,labels = c("Automatic", "Manual")) 

# Check 
str(mtcars)

## 'data.frame':    32 obs. of  11 variables:
##  $ mpg : num  21 21 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 ...
##  $ cyl : num  6 6 4 6 8 6 8 4 4 6 ...
##  $ disp: num  160 160 108 258 360 ...
##  $ hp  : num  110 110 93 110 175 105 245 62 95 123 ...
##  $ drat: num  3.9 3.9 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 ...
##  $ wt  : num  2.62 2.88 2.32 3.21 3.44 ...
##  $ qsec: num  16.5 17 18.6 19.4 17 ...
##  $ vs  : Factor w/ 2 levels "V-shaped","Straight": 1 1 2 2 1 2 1 2 2 2 ...
##  $ am  : Factor w/ 2 levels "Automatic","Manual": 2 2 2 1 1 1 1 1 1 1 ...
##  $ gear: num  4 4 4 3 3 3 3 4 4 4 ...
##  $ carb: num  4 4 1 1 2 1 4 2 2 4 ...

Barplot (diagramme à barres)

Le diagramme à barres est utilisé pour représenter graphiquement des données catégorielles ou discrètes sous forme de barres verticales ou horizontales.

Il permet de visualiser la fréquence, la distribution ou la comparaison de différentes catégories. Chaque barre représente une catégorie, et la hauteur (ou la longueur) de la barre est proportionnelle à la valeur associée à cette catégorie.

Ici, nous examinons le nombre de voitures en fonction du type de moteur.

# Calcul de la distribution
distribution_moteur <- table(mtcars$vs)
typeof(distribution_moteur)

## [1] "integer"

class(distribution_moteur)

## [1] "table"

# Barplot R base
barplot(distribution_moteur, # table
        main = "Number of cars per engine type",  # titre
        xlab = "Engine", # nom axe x
        ylab = "Cars'number", 
        ylim = c(0, 25), # echelle y
        col=c("blue", "pink")) # couleur : check r color book
# Creation de la légende 
legend(x="topright",legend=c("V","Straight"),
       fill=c("blue","pink"))  

# Barplot ggplot2
ggplot(mtcars, aes(x = vs, fill = vs)) +
  geom_bar() +
  labs(title = "Number of cars per engine type", 
       x = "Engine", 
       y = "Cars'number", 
       fill = "Engine type") +
  theme_bw() + # choix du theme
  # changement manuel des couleurs
  scale_fill_manual(values = c("blue", "pink"), 
                    name = "New Engine type", 
                    guide = guide_legend(reverse = TRUE)) + ylim(0,25)

Histogramme

L’histogramme est utilisé pour représenter graphiquement la distribution des données continues en regroupant les données en classes et en montrant la fréquence ou la densité de ces classes.

Nous examinons ici la distribution du nombre de miles par gallon.

# Histogramme avec R base
hist(mtcars$mpg, 
     breaks = c(10, 20, 25, 30, 35,40),
     main = "Miles/(US) gallon distribution", 
     xlab = "Miles/(US) gallon", 
     ylab = "Frequency")

# Histogramme avec ggplot2
ggplot(mtcars, aes(x = mpg)) +
  # spécifie la largeur et la color pour distinguer les "bins"
  # alpha permet de géré la transparence
  geom_histogram(binwidth = 5,  fill="pink", color="blue", alpha=0.7) + 
  labs(title = "Miles/(US) gallon distribution", 
       x = "Miles/(US) gallon", 
       y = "Frequency") + 
  theme_bw()

Scatter plot (nuage de points)

Le diagramme de dispersion est utilisé pour afficher la relation entre deux variables continues, généralement une variable sur l’axe horizontal et l’autre sur l’axe vertical.

Il permet d’observer la relation entre deux variables, d’identifier les tendances, les corrélations ou les groupes de données, et de repérer les valeurs aberrantes.

Comparons ici le poids des voitures selon leur consommation de carburant.

# Scatter plot avec R base 
plot(x = mtcars$wt,y = mtcars$mpg, 
     main = "Miles/(US) gallon according Weight", 
     xlab = "Weight (1000 lbs)", 
     ylab = "Miles par Gallon (mpg)") 
abline(lm(mpg ~ wt, data = mtcars), col = "blue")
text(x = 4, y = 28, "mpg = -5.3 wt + 37.3", cex = .8)

# Scatter plot avec ggplot2
ggplot(mtcars, aes(x = wt, y = mpg)) +
  geom_point() +
  geom_smooth(method="lm", se=TRUE, color="blue") +
  labs(title = "Scatter plot de wt vs mpg avec ggplot2", 
       x = "Poids (wt)", 
       y = "Miles par Gallon (mpg)") +
  theme_bw() +
  annotate("text", x=4, y=28, label="mpg = -5.3 wt + 37.3")

## `geom_smooth()` using formula = 'y ~ x'

Boxplot

La boîte à moustaches est utilisée pour représenter graphiquement la distribution et les mesures de dispersion d’une variable continue, ainsi que pour détecter les valeurs aberrantes.

Elle affiche la médiane, les quartiles, les valeurs minimales et maximales de la distribution, ainsi que les valeurs potentielles aberrantes sous forme de points individuels.

Examinons la distribution des mpg selon le type de moteur

# Boxplot R base
boxplot(mpg ~ am,
        data = mtcars, 
        main = "Miles/(US) gallon according engine type", 
        xlab = "Transmission", 
        ylab = "Miles/(US) gallon")

# Boxplot ggplot2
ggplot(mtcars, aes(y = mpg, x = vs)) +
  geom_boxplot(outlier.colour = "blue") +
  labs(title = "Miles/(US) gallon according engine type", 
       x = "Engine", 
       y = "Miles/(US) gallon") +
  theme_classic()

Courbes, droites

Les courbes sont utilisées pour représenter graphiquement des données continues dans des graphiques linéaires, logarithmiques ou d’autres transformations.

Elles permettent de visualiser la tendance générale des données au fil du temps ou d’autres variables indépendantes. Les courbes peuvent être utilisées pour montrer des relations, des modèles de croissance, des fluctuations, etc.

Examinons la distribution des mpg selon le nombre de cylindres.

?AirPassengers

x = 1:10
plot(x, type = "l")

plot(AirPassengers, 
     main="Monthly Airline Passenger Numbers 1949-1960")

data <- data.frame(x=seq(-10, 10, by=0.1))
data$y <- data$x^2

gg1 <- ggplot(data, aes(x=x, y=y)) +
  geom_line(col="blue") +
  ggtitle("Courbe Quadratique")
gg1

Sauvegarder et Aggréger des Graphiques

Les graphiques sont d’abord générés, puis sauvegardés dans des fichiers spécifiés, tels que des PDF ou des PNG. Pour ggplot2, gridExtra est utilisé pour combiner plusieurs graphiques en un seul affichage.

# Enregistrement des graphiques en format PDF
pdf(file = "plotRbase.pdf")

# Configuration du layout en 2x2
par(mfrow=c(2,2))

# Premier graphique
plot(1:10, rnorm(10), main="Graphique 1")

# Deuxième graphique
plot(1:10, rnorm(10), col="blue", main="Graphique 2")

# Troisième graphique
hist(rnorm(100), main="Histogramme 1")

# Quatrième graphique
boxplot(rnorm(100), main="Boîte à moustaches")

# Fermeture du dispositif graphique
dev.off()

## png 
##   2

# Enregistrement des graphiques en format PNG
png(file = "plotRbase.png")

par(mfrow=c(2,2))

plot(1:10, rnorm(10), main="Graphique 1")

plot(1:10, rnorm(10), col="blue", main="Graphique 2")

hist(rnorm(100), main="Histogramme 1")

boxplot(rnorm(100), main="Boîte à moustaches")

dev.off()

## png 
##   2

# Création d'un graphique ggplot et sauvegarde
gg1 <- ggplot(data, aes(x=x, y=y)) +
  geom_line(col="blue") +
  ggtitle("Courbe Quadratique")
ggsave("../resultats/mon_ggplot.png", plot = gg1)

## Saving 8 x 5 in image

# Création de plusieurs ggplots
p1 <- ggplot(mtcars, aes(mpg, wt)) + geom_point()
p2 <- ggplot(mtcars, aes(mpg)) + geom_histogram(binwidth=2)
p3 <- ggplot(mtcars, aes(gear)) + geom_bar()
p4 <- ggplot(mtcars, aes(mpg, disp)) + geom_point()

# Combinaison des ggplots dans un seul graphique
gg2 <- grid.arrange(p1, p2, p3, p4, ncol=2)

ggsave("mon_ggplot2.pdf", plot = gg2)

## Saving 8 x 5 in image

Exercice 1

Texte <- "Contactez-nous à contact@exemple.com ou à support@email.org pour toute question. Visitez notre site web à http://www.mon-site-web.com. Les hashtags #Rstats, #DataScience et #Analytics sont populaires sur les réseaux sociaux. Appelez-nous au (123) 456-7890 ou envoyez un SMS au (555) 123-4567 pour plus d'informations. Les événements auront lieu les 25/12/2023, 31/01/2024 et 15/08/2024. Suivez @Utilisateur1 et @Utilisateur2 sur Twitter pour les dernières mises à jour. Consultez notre site web à https://www.mon-site-web.com ou visitez http://www.example.com pour plus d'informations. Les codes postaux des États-Unis incluent 90210, 10001, et 60601. Les fichiers de données sont stockés dans data1.txt, data2.csv, et rapport.txt."

1. Extrayez toutes les adresses e-mail valides.
2. Remplacez tous les hashtags (mots commençant par “#”) par des espaces.
3. Extrayez tous les numéros de téléphone américains au format (xxx) xxx-xxxx.
4. Extrayez toutes les dates au format “dd/mm/yyyy”.
5. Extrayez tous les noms d’utilisateur Twitter (qui commencent par “@”).
6. Extrayez toutes les URL valides commençant par “http://” ou “https://”.
7. Extrayez tous les codes postaux américains à cinq chiffres.
8. Extrayez tous les noms de fichiers avec l’extension “.txt”.

Exercice 2

L’objectif de cet exercice est de créer une simulation d’analyse de sentiment sur des commentaires de spectateurs concernant des séries américaines. Classez chaque commentaire comme “positif” ou “négatif” en fonction de certains mots-clés.

commentaires_series <- list( “Cette série est incroyable, je suis accro !”, “Le dernier épisode était décevant, l’intrigue est devenue ennuyeuse.”, “J’adore les personnages de cette série, ils sont si bien écrits.”, “Les effets spéciaux sont incroyables, c’est du grand spectacle !”, “Cette série est tellement ennuyeuse, je ne peux pas la regarder.”, “Je recommande vivement cette série à tous les fans de science-fiction.” )

1. Chargez la bibliothèque stringr.
2. Créez deux vecteurs vides pour stocker les commentaires positifs et négatifs.
3. Définissez les mots-clés pour l’analyse de sentiment. Vous pouvez choisir des mots-clés qui, selon vous, indiquent un sentiment positif ou négatif.
4. Effectuez l’analyse de sentiment en parcourant chaque commentaire.
   1. Convertissez le commentaire en minuscules pour une correspondance insensible à la casse.
   2. Vérifiez si le commentaire contient des mots-clés positifs ou négatifs.
   3. Attribuez une étiquette “positif” ou “négatif” en fonction des résultats.
   4. Stockez les commentaires dans les vecteurs commentaires_positifs et commentaires_negatifs en fonction de leur étiquette.
5. Affichez les commentaires positifs et négatifs à la fin.

Exercice 3

Aide : superstatisticienne.fr/wordcloud-avec-r L’objectif de cet exercice est d’explorer le texte du roman “Orgueil et Préjugés” de Jane Austen en utilisant R et le package tm et wordcloud, et de réaliser certaines analyses textuelles.

1. Créez un objet Corpus à partir du texte du roman en utilisant le package tm. Assurez-vous d’avoir installé et chargé le package tm.
2. Effectuez le prétraitement des données textuelles en suivant ces étapes :
   1. Convertissez le texte en minuscules.
   2. Supprimez la ponctuation et les chiffres.
   3. Supprimez les mots vides (stop words).
   4. Effectuez la tokenization (découpage en mots).
3. Identifiez les mots les plus fréquents dans le texte du roman “Orgueil et Préjugés”. Utilisez la fonction findFreqTerms() pour trouver les termes les plus fréquents.
4. Réalisez une analyse de la distribution des mots pour identifier les mots les plus fréquents. Utilisez un nuage de mots (word cloud).

Exercice 4

Calculez la durée totale d’une liste de réunions.

reunions <- list(
  c(debut = "2023-11-06 09:00:00", fin = "2023-11-06 10:30:00"),
  c(debut = "2023-11-07 14:00:00", fin = "2023-11-07 16:00:00"),
  c(debut = "2023-11-08 10:30:00", fin = "2023-11-08 12:00:00")
)

Exercice 5

Trouvez la date la plus proche de la date de référence. Calculez la durée totale d’une liste de réunions.

dates <- list("2023-11-06", "2023-11-07", "2023-11-10", "2023-11-15")
date_reference <- ymd("2023-11-09")

Exercice 6

Créez une fonction qui génère une séquence de dates en fonction des jours de la semaine souhaités. Par exemple, vous devrez peut-être générer une séquence de dates pour tous les lundis et mercredis d’une année donnée. Calculez la durée totale d’une liste de réunions.

jours_semaine <- c("lundi", "mercredi")
annee_debut <- 2023
annee_fin <- 2024

Exercice 7

Créez une fonction R qui génère une séquence de dates et heures régulières entre la date de début et de fin, avec un intervalle de temps spécifié (par exemple, toutes les 30 minutes).

Exercice 8 Bonus Calendrier Mensuel

• Créez une fonction qui selon un nombre allant de 1 à 7 renvoie un jour de la semaine (Aide : switch-case).
• Définissez une fonction R appelée generer_calendrier_mensuel qui prendra deux arguments : l’année (annee) et le mois (mois) pour lesquels vous souhaitez générer le calendrier.
• À l’intérieur de la fonction, utilisez la fonction as.Date de lubridate pour créer la date du premier jour du mois en utilisant les valeurs de l’année et du mois que vous avez passées en argument. Utilisez paste pour créer une chaîne de caractères au format “yyyy-mm-01” pour la date.
• Utilisez la fonction days_in_month de lubridate pour obtenir le dernier jour du mois en spécifiant l’année et le mois.

2. Consultez la Correction :
   Une fois que vous avez tenté de résoudre les exercices, ou si vous rencontrez des difficultés, consultez le fichier correction_exercices4.R pour voir les solutions. Analysez les solutions pour comprendre les méthodes et logiques utilisées.

Aperçu des Données : Starwars

# library(tidyverse)

# Ouvre un aperçu interactif de la dataframe
View(starwars)

• View ouvre une fenêtre interactive pour visualiser la dataframe starwars. C’est utile pour explorer les données de manière graphique.

Exploration des Données avec glimpse

• glimpse est un verbe du package dplyr qui fournit un aperçu rapide de la structure d’une dataframe, y compris les noms des colonnes, les types de données et les premières valeurs de chaque colonne.

# Aperçu structuré des données
glimpse(starwars)

## Rows: 87
## Columns: 14
## $ name       <chr> "Luke Skywalker", "C-3PO", "R2-D2", "Darth Vader", "Leia Or~
## $ height     <int> 172, 167, 96, 202, 150, 178, 165, 97, 183, 182, 188, 180, 2~
## $ mass       <dbl> 77.0, 75.0, 32.0, 136.0, 49.0, 120.0, 75.0, 32.0, 84.0, 77.~
## $ hair_color <chr> "blond", NA, NA, "none", "brown", "brown, grey", "brown", N~
## $ skin_color <chr> "fair", "gold", "white, blue", "white", "light", "light", "~
## $ eye_color  <chr> "blue", "yellow", "red", "yellow", "brown", "blue", "blue",~
## $ birth_year <dbl> 19.0, 112.0, 33.0, 41.9, 19.0, 52.0, 47.0, NA, 24.0, 57.0, ~
## $ sex        <chr> "male", "none", "none", "male", "female", "male", "female",~
## $ gender     <chr> "masculine", "masculine", "masculine", "masculine", "femini~
## $ homeworld  <chr> "Tatooine", "Tatooine", "Naboo", "Tatooine", "Alderaan", "T~
## $ species    <chr> "Human", "Droid", "Droid", "Human", "Human", "Human", "Huma~
## $ films      <list> <"A New Hope", "The Empire Strikes Back", "Return of the J~
## $ vehicles   <list> <"Snowspeeder", "Imperial Speeder Bike">, <>, <>, <>, "Imp~
## $ starships  <list> <"X-wing", "Imperial shuttle">, <>, <>, "TIE Advanced x1",~

• slice sélectionne des lignes du tableau selon leur position. On lui passe un chiffre ou un vecteur de chiffres.

# sélection des dernieres lignes de starwars
slice_tail(starwars, n = 5)

## # A tibble: 5 x 14
##   name      height  mass hair_color skin_color eye_color birth_year sex   gender
##   <chr>      <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
## 1 Finn          NA    NA black      dark       dark              NA male  mascu~
## 2 Rey           NA    NA brown      light      hazel             NA fema~ femin~
## 3 Poe Dame~     NA    NA brown      light      brown             NA male  mascu~
## 4 BB8           NA    NA none       none       black             NA none  mascu~
## 5 Captain ~     NA    NA none       none       unknown           NA fema~ femin~
## # i 5 more variables: homeworld <chr>, species <chr>, films <list>,
## #   vehicles <list>, starships <list>

# sélection des premieres lignes de starwars
slice_head(starwars, n = 5)

## # A tibble: 5 x 14
##   name      height  mass hair_color skin_color eye_color birth_year sex   gender
##   <chr>      <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
## 1 Luke Sky~    172    77 blond      fair       blue            19   male  mascu~
## 2 C-3PO        167    75 <NA>       gold       yellow         112   none  mascu~
## 3 R2-D2         96    32 <NA>       white, bl~ red             33   none  mascu~
## 4 Darth Va~    202   136 none       white      yellow          41.9 male  mascu~
## 5 Leia Org~    150    49 brown      light      brown           19   fema~ femin~
## # i 5 more variables: homeworld <chr>, species <chr>, films <list>,
## #   vehicles <list>, starships <list>

# sélection aléatoire de 5 lignes de starwars 
slice_sample(starwars, n = 5)

## # A tibble: 5 x 14
##   name      height  mass hair_color skin_color eye_color birth_year sex   gender
##   <chr>      <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
## 1 Cordé        157    NA brown      light      brown             NA <NA>  <NA>  
## 2 Qui-Gon ~    193    89 brown      fair       blue              92 male  mascu~
## 3 Kit Fisto    196    87 none       green      black             NA male  mascu~
## 4 Mace Win~    188    84 none       dark       brown             72 male  mascu~
## 5 Chewbacca    228   112 brown      unknown    blue             200 male  mascu~
## # i 5 more variables: homeworld <chr>, species <chr>, films <list>,
## #   vehicles <list>, starships <list>

L’opérateur : “%>%”

La programmation avec le “pipe” en R, symbolisée par l’opérateur %>%, est une technique populaire pour chaîner des opérations de manière lisible.

Cet opérateur, popularisé par le package magrittr et largement utilisé avec dplyr, permet de transférer le résultat d’une expression vers une autre, rendant le code plus lisible et évitant la création de multiples variables temporaires.

Les fonctions avancées

Les fonctions avancées utilisées avec l’opérateur %>% dans R, en particulier avec le package dplyr, offrent des capacités étendues pour manipuler et analyser des ensembles de données de manière efficace et intuitive.

Voici un aperçu de quelques-unes de ces fonctions :

# Sélectionner toutes les colonnes SAUF 'name' : select()
starwars %>% 
  select(-name)

## # A tibble: 87 x 13
##    height  mass hair_color    skin_color  eye_color birth_year sex    gender   
##     <int> <dbl> <chr>         <chr>       <chr>          <dbl> <chr>  <chr>    
##  1    172    77 blond         fair        blue            19   male   masculine
##  2    167    75 <NA>          gold        yellow         112   none   masculine
##  3     96    32 <NA>          white, blue red             33   none   masculine
##  4    202   136 none          white       yellow          41.9 male   masculine
##  5    150    49 brown         light       brown           19   female feminine 
##  6    178   120 brown, grey   light       blue            52   male   masculine
##  7    165    75 brown         light       blue            47   female feminine 
##  8     97    32 <NA>          white, red  red             NA   none   masculine
##  9    183    84 black         light       brown           24   male   masculine
## 10    182    77 auburn, white fair        blue-gray       57   male   masculine
## # i 77 more rows
## # i 5 more variables: homeworld <chr>, species <chr>, films <list>,
## #   vehicles <list>, starships <list>

# Sélectionner uniquement les colonnes 'name' et 'skin color'
starwars %>% 
  select(name, skin_color)

## # A tibble: 87 x 2
##    name               skin_color 
##    <chr>              <chr>      
##  1 Luke Skywalker     fair       
##  2 C-3PO              gold       
##  3 R2-D2              white, blue
##  4 Darth Vader        white      
##  5 Leia Organa        light      
##  6 Owen Lars          light      
##  7 Beru Whitesun Lars light      
##  8 R5-D4              white, red 
##  9 Biggs Darklighter  light      
## 10 Obi-Wan Kenobi     fair       
## # i 77 more rows

# Sélectionner uniquement les colonnes contenant un "_" : contains("_")
starwars %>% 
  select(contains("_"))

## # A tibble: 87 x 4
##    hair_color    skin_color  eye_color birth_year
##    <chr>         <chr>       <chr>          <dbl>
##  1 blond         fair        blue            19  
##  2 <NA>          gold        yellow         112  
##  3 <NA>          white, blue red             33  
##  4 none          white       yellow          41.9
##  5 brown         light       brown           19  
##  6 brown, grey   light       blue            52  
##  7 brown         light       blue            47  
##  8 <NA>          white, red  red             NA  
##  9 black         light       brown           24  
## 10 auburn, white fair        blue-gray       57  
## # i 77 more rows

# Sélectionner uniquement les colonnes commençant par "s" : starts_with("s")
starwars %>% 
  select(starts_with("s"))

## # A tibble: 87 x 4
##    skin_color  sex    species starships
##    <chr>       <chr>  <chr>   <list>   
##  1 fair        male   Human   <chr [2]>
##  2 gold        none   Droid   <chr [0]>
##  3 white, blue none   Droid   <chr [0]>
##  4 white       male   Human   <chr [1]>
##  5 light       female Human   <chr [0]>
##  6 light       male   Human   <chr [0]>
##  7 light       female Human   <chr [0]>
##  8 white, red  none   Droid   <chr [0]>
##  9 light       male   Human   <chr [1]>
## 10 fair        male   Human   <chr [5]>
## # i 77 more rows

# Sélectionner la colonne 'name' et toutes les colonnes se terminant par "color" :
#  ends_with("color")
starwars %>% 
  select(ends_with("color"))

## # A tibble: 87 x 3
##    hair_color    skin_color  eye_color
##    <chr>         <chr>       <chr>    
##  1 blond         fair        blue     
##  2 <NA>          gold        yellow   
##  3 <NA>          white, blue red      
##  4 none          white       yellow   
##  5 brown         light       brown    
##  6 brown, grey   light       blue     
##  7 brown         light       blue     
##  8 <NA>          white, red  red      
##  9 black         light       brown    
## 10 auburn, white fair        blue-gray
## # i 77 more rows

# Sélectionner uniquement les colonnes 'name' et 'skin color'
starwars %>% 
  select(skin_color) %>% 
  distinct(skin_color)

## # A tibble: 31 x 1
##    skin_color      
##    <chr>           
##  1 fair            
##  2 gold            
##  3 white, blue     
##  4 white           
##  5 light           
##  6 white, red      
##  7 unknown         
##  8 green           
##  9 green-tan, brown
## 10 pale            
## # i 21 more rows

# Filtrer les personnages dont l'espèce est "Human" : filter()
starwars %>% 
  filter(species  == "Human")

## # A tibble: 35 x 14
##    name     height  mass hair_color skin_color eye_color birth_year sex   gender
##    <chr>     <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
##  1 Luke Sk~    172    77 blond      fair       blue            19   male  mascu~
##  2 Darth V~    202   136 none       white      yellow          41.9 male  mascu~
##  3 Leia Or~    150    49 brown      light      brown           19   fema~ femin~
##  4 Owen La~    178   120 brown, gr~ light      blue            52   male  mascu~
##  5 Beru Wh~    165    75 brown      light      blue            47   fema~ femin~
##  6 Biggs D~    183    84 black      light      brown           24   male  mascu~
##  7 Obi-Wan~    182    77 auburn, w~ fair       blue-gray       57   male  mascu~
##  8 Anakin ~    188    84 blond      fair       blue            41.9 male  mascu~
##  9 Wilhuff~    180    NA auburn, g~ fair       blue            64   male  mascu~
## 10 Han Solo    180    80 brown      fair       brown           29   male  mascu~
## # i 25 more rows
## # i 5 more variables: homeworld <chr>, species <chr>, films <list>,
## #   vehicles <list>, starships <list>

# Filtrer et supprimer le personnage "Jabba Desilijic Tiure"
starwars %>% 
  filter(name  != "Jabba Desilijic Tiure") 

## # A tibble: 86 x 14
##    name     height  mass hair_color skin_color eye_color birth_year sex   gender
##    <chr>     <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
##  1 Luke Sk~    172    77 blond      fair       blue            19   male  mascu~
##  2 C-3PO       167    75 <NA>       gold       yellow         112   none  mascu~
##  3 R2-D2        96    32 <NA>       white, bl~ red             33   none  mascu~
##  4 Darth V~    202   136 none       white      yellow          41.9 male  mascu~
##  5 Leia Or~    150    49 brown      light      brown           19   fema~ femin~
##  6 Owen La~    178   120 brown, gr~ light      blue            52   male  mascu~
##  7 Beru Wh~    165    75 brown      light      blue            47   fema~ femin~
##  8 R5-D4        97    32 <NA>       white, red red             NA   none  mascu~
##  9 Biggs D~    183    84 black      light      brown           24   male  mascu~
## 10 Obi-Wan~    182    77 auburn, w~ fair       blue-gray       57   male  mascu~
## # i 76 more rows
## # i 5 more variables: homeworld <chr>, species <chr>, films <list>,
## #   vehicles <list>, starships <list>

# Filtrer les personnages dont l'espèce est soit "Human", soit "Droid"
starwars %>% 
  filter(species ==  "Human" | species == "Droid") 

## # A tibble: 41 x 14
##    name     height  mass hair_color skin_color eye_color birth_year sex   gender
##    <chr>     <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
##  1 Luke Sk~    172    77 blond      fair       blue            19   male  mascu~
##  2 C-3PO       167    75 <NA>       gold       yellow         112   none  mascu~
##  3 R2-D2        96    32 <NA>       white, bl~ red             33   none  mascu~
##  4 Darth V~    202   136 none       white      yellow          41.9 male  mascu~
##  5 Leia Or~    150    49 brown      light      brown           19   fema~ femin~
##  6 Owen La~    178   120 brown, gr~ light      blue            52   male  mascu~
##  7 Beru Wh~    165    75 brown      light      blue            47   fema~ femin~
##  8 R5-D4        97    32 <NA>       white, red red             NA   none  mascu~
##  9 Biggs D~    183    84 black      light      brown           24   male  mascu~
## 10 Obi-Wan~    182    77 auburn, w~ fair       blue-gray       57   male  mascu~
## # i 31 more rows
## # i 5 more variables: homeworld <chr>, species <chr>, films <list>,
## #   vehicles <list>, starships <list>

# Filtrer les personnages de l'espèce "Human" et sélectionner uniquement 
# les colonnes 'name', 'height' et 'birth_year'
starwars %>% 
  filter(species  == "Human") %>% 
  select(name, height, birth_year)

## # A tibble: 35 x 3
##    name               height birth_year
##    <chr>               <int>      <dbl>
##  1 Luke Skywalker        172       19  
##  2 Darth Vader           202       41.9
##  3 Leia Organa           150       19  
##  4 Owen Lars             178       52  
##  5 Beru Whitesun Lars    165       47  
##  6 Biggs Darklighter     183       24  
##  7 Obi-Wan Kenobi        182       57  
##  8 Anakin Skywalker      188       41.9
##  9 Wilhuff Tarkin        180       64  
## 10 Han Solo              180       29  
## # i 25 more rows

# Séparer la colonne 'name' en plusieurs colonnes 
# (prénom, deuxième prénom, troisième prénom) en utilisant l'espace comme séparateur ;
starwars %>% 
  separate(name, c("prenom", "nom"), sep = " ")

## Warning: Expected 2 pieces. Additional pieces discarded in 7 rows [7, 16, 18, 29, 35,
## 62, 67].

## Warning: Expected 2 pieces. Missing pieces filled with `NA` in 24 rows [2, 3, 8, 13, 15,
## 19, 20, 22, 23, 25, 26, 39, 40, 48, 51, 60, 65, 66, 74, 78, ...].

## # A tibble: 87 x 15
##    prenom  nom     height  mass hair_color skin_color eye_color birth_year sex  
##    <chr>   <chr>    <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr>
##  1 Luke    Skywal~    172    77 blond      fair       blue            19   male 
##  2 C-3PO   <NA>       167    75 <NA>       gold       yellow         112   none 
##  3 R2-D2   <NA>        96    32 <NA>       white, bl~ red             33   none 
##  4 Darth   Vader      202   136 none       white      yellow          41.9 male 
##  5 Leia    Organa     150    49 brown      light      brown           19   fema~
##  6 Owen    Lars       178   120 brown, gr~ light      blue            52   male 
##  7 Beru    Whites~    165    75 brown      light      blue            47   fema~
##  8 R5-D4   <NA>        97    32 <NA>       white, red red             NA   none 
##  9 Biggs   Darkli~    183    84 black      light      brown           24   male 
## 10 Obi-Wan Kenobi     182    77 auburn, w~ fair       blue-gray       57   male 
## # i 77 more rows
## # i 6 more variables: gender <chr>, homeworld <chr>, species <chr>,
## #   films <list>, vehicles <list>, starships <list>

starwars %>% 
  select(mass, height) %>% 
  mutate(bmi = mass / (height / 100)^2)

## # A tibble: 87 x 3
##     mass height   bmi
##    <dbl>  <int> <dbl>
##  1    77    172  26.0
##  2    75    167  26.9
##  3    32     96  34.7
##  4   136    202  33.3
##  5    49    150  21.8
##  6   120    178  37.9
##  7    75    165  27.5
##  8    32     97  34.0
##  9    84    183  25.1
## 10    77    182  23.2
## # i 77 more rows

starwars %>% 
  select(name, mass, height) %>% 
  transmute(bmi = mass / (height / 100)^2)

## # A tibble: 87 x 1
##      bmi
##    <dbl>
##  1  26.0
##  2  26.9
##  3  34.7
##  4  33.3
##  5  21.8
##  6  37.9
##  7  27.5
##  8  34.0
##  9  25.1
## 10  23.2
## # i 77 more rows

# Replace() remplace toutes les occurrences de 41.9 dans la colonne birth_year par 41.
starwars %>% 
  mutate(birth_year = replace(birth_year, birth_year == 41.9, 41))

## # A tibble: 87 x 14
##    name     height  mass hair_color skin_color eye_color birth_year sex   gender
##    <chr>     <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
##  1 Luke Sk~    172    77 blond      fair       blue              19 male  mascu~
##  2 C-3PO       167    75 <NA>       gold       yellow           112 none  mascu~
##  3 R2-D2        96    32 <NA>       white, bl~ red               33 none  mascu~
##  4 Darth V~    202   136 none       white      yellow            41 male  mascu~
##  5 Leia Or~    150    49 brown      light      brown             19 fema~ femin~
##  6 Owen La~    178   120 brown, gr~ light      blue              52 male  mascu~
##  7 Beru Wh~    165    75 brown      light      blue              47 fema~ femin~
##  8 R5-D4        97    32 <NA>       white, red red               NA none  mascu~
##  9 Biggs D~    183    84 black      light      brown             24 male  mascu~
## 10 Obi-Wan~    182    77 auburn, w~ fair       blue-gray         57 male  mascu~
## # i 77 more rows
## # i 5 more variables: homeworld <chr>, species <chr>, films <list>,
## #   vehicles <list>, starships <list>

# Renommer les colonnes 'height' et 'mass' en 'height_cm' et 'mass_kg' : rename()
starwars %>% 
  rename("height_cm" = "height", 
         "mass_kg" = "mass") %>% 
  select(height_cm, mass_kg)

## # A tibble: 87 x 2
##    height_cm mass_kg
##        <int>   <dbl>
##  1       172      77
##  2       167      75
##  3        96      32
##  4       202     136
##  5       150      49
##  6       178     120
##  7       165      75
##  8        97      32
##  9       183      84
## 10       182      77
## # i 77 more rows

starwars %>% 
  group_by(species) %>%
  summarise(
    average_height = mean(height, na.rm = TRUE),
    average_mass = mean(mass, na.rm = TRUE),
    count = n()
  )

## # A tibble: 38 x 4
##    species   average_height average_mass count
##    <chr>              <dbl>        <dbl> <int>
##  1 Aleena               79          15       1
##  2 Besalisk            198         102       1
##  3 Cerean              198          82       1
##  4 Chagrian            196         NaN       1
##  5 Clawdite            168          55       1
##  6 Droid               131.         69.8     6
##  7 Dug                 112          40       1
##  8 Ewok                 88          20       1
##  9 Geonosian           183          80       1
## 10 Gungan              209.         74       3
## # i 28 more rows

# Regrouper les données par 'species' et 'hair_color'
starwars %>% 
  group_by(species, hair_color) %>%
  summarise(count = n(), .groups = 'drop')

## # A tibble: 51 x 3
##    species   hair_color count
##    <chr>     <chr>      <int>
##  1 Aleena    none           1
##  2 Besalisk  none           1
##  3 Cerean    white          1
##  4 Chagrian  none           1
##  5 Clawdite  blonde         1
##  6 Droid     none           3
##  7 Droid     <NA>           3
##  8 Dug       none           1
##  9 Ewok      brown          1
## 10 Geonosian none           1
## # i 41 more rows

# Tri ascendant par la colonne 'height'
starwars_sorted_by_height <- starwars %>% 
  arrange(height)

# Tri décroissant par la colonne 'mass'
starwars_sorted_by_mass <- starwars %>% 
  arrange(desc(mass))

# Data frames exemples
df1 <- data.frame(id = c(1, 2, 3), nom = c("Alice", "Bob", "Carol"))
df2 <- data.frame(id = c(2, 3, 4), ville = c("Paris", "Lyon", "Marseille"))

result_inner <- inner_join(df1, df2, by = "id")

result_left <- left_join(df1, df2, by = "id")

result_right <- right_join(df1, df2, by = "id")

result_full <- full_join(df1, df2, by = "id")

# Calculer la moyenne et l'écart-type pour certaines colonnes numériques
starwars %>% 
  summarise_at(vars(height, mass), list(mean = ~mean(., na.rm = TRUE), 
                                        sd = ~sd(., na.rm = TRUE)))

## # A tibble: 1 x 4
##   height_mean mass_mean height_sd mass_sd
##         <dbl>     <dbl>     <dbl>   <dbl>
## 1        175.      97.3      34.8    169.

# Normaliser les colonnes 'height' et 'mass'
starwars %>% 
  mutate_at(vars(height, mass), ~(. - mean(., na.rm = TRUE)) / sd(., na.rm = TRUE))

## # A tibble: 87 x 14
##    name   height    mass hair_color skin_color eye_color birth_year sex   gender
##    <chr>   <dbl>   <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
##  1 Luke~ -0.0749 -0.120  blond      fair       blue            19   male  mascu~
##  2 C-3PO -0.219  -0.132  <NA>       gold       yellow         112   none  mascu~
##  3 R2-D2 -2.26   -0.385  <NA>       white, bl~ red             33   none  mascu~
##  4 Dart~  0.788   0.228  none       white      yellow          41.9 male  mascu~
##  5 Leia~ -0.708  -0.285  brown      light      brown           19   fema~ femin~
##  6 Owen~  0.0976  0.134  brown, gr~ light      blue            52   male  mascu~
##  7 Beru~ -0.276  -0.132  brown      light      blue            47   fema~ femin~
##  8 R5-D4 -2.23   -0.385  <NA>       white, red red             NA   none  mascu~
##  9 Bigg~  0.241  -0.0786 black      light      brown           24   male  mascu~
## 10 Obi-~  0.213  -0.120  auburn, w~ fair       blue-gray       57   male  mascu~
## # i 77 more rows
## # i 5 more variables: homeworld <chr>, species <chr>, films <list>,
## #   vehicles <list>, starships <list>

# Créer une nouvelle colonne 'height_category'
starwars %>% 
  mutate(height_category = if_else(height > 170, "tall", "short", missing = "unknown"))

## # A tibble: 87 x 15
##    name     height  mass hair_color skin_color eye_color birth_year sex   gender
##    <chr>     <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
##  1 Luke Sk~    172    77 blond      fair       blue            19   male  mascu~
##  2 C-3PO       167    75 <NA>       gold       yellow         112   none  mascu~
##  3 R2-D2        96    32 <NA>       white, bl~ red             33   none  mascu~
##  4 Darth V~    202   136 none       white      yellow          41.9 male  mascu~
##  5 Leia Or~    150    49 brown      light      brown           19   fema~ femin~
##  6 Owen La~    178   120 brown, gr~ light      blue            52   male  mascu~
##  7 Beru Wh~    165    75 brown      light      blue            47   fema~ femin~
##  8 R5-D4        97    32 <NA>       white, red red             NA   none  mascu~
##  9 Biggs D~    183    84 black      light      brown           24   male  mascu~
## 10 Obi-Wan~    182    77 auburn, w~ fair       blue-gray       57   male  mascu~
## # i 77 more rows
## # i 6 more variables: homeworld <chr>, species <chr>, films <list>,
## #   vehicles <list>, starships <list>, height_category <chr>

Philosophie Commune : Tidyverse

1. Approche Tidyverse : dplyr et ggplot2 adhèrent à la philosophie du “tidyverse”, qui encourage une syntaxe cohérente et lisible, et un format de données (“tidy data”) où chaque colonne est une variable et chaque ligne est une observation. Cette approche facilite grandement la manipulation et la visualisation des données.

2. Pipelines et Lisibilité : Les deux packages utilisent l’opérateur pipe %>% pour enchaîner des commandes de manière fluide, ce qui rend le code plus lisible et logique. Par exemple, avec dplyr, on peut transformer des données puis les passer directement à ggplot2 pour la visualisation.

Lien Direct dans le Workflow d’Analyse

Dans un workflow typique d’analyse de données en R : 1. Manipulation : Les données sont d’abord manipulées et explorées à l’aide de dplyr. Par exemple, on peut grouper des données, calculer des résumés statistiques ou filtrer des sous-ensembles de données.

2. Visualisation : Ensuite, les données transformées sont visualisées avec ggplot2. La nature intégrée de ces deux packages permet un transfert fluide des données manipulées directement vers les fonctions de graphique.