1.1 L’interface Rstudio

L’interface de RStudio se présente sous la forme d’une unique fenêtre découpée en quatre zones que l’on peut redimensionner, masquer ou maximiser selon ses préférences :

Cette zone permet l’édition de fichiers source R (avec coloration syntaxique et auto complétion).

La console avec la session R en cours d’exécution. La console affiche à la fois le code exécuté, ses résultats associés, ainsi que les avertissements (Warning) et messages d’erreur éventuels (Error).

Cette zone permet de lister, typer et visualiser les objets créés par l’exécution du code R.

Un explorateur de fichiers, une fenêtre graphique, une fenêtre de gestion des packages et de la documentation associée aux fonctions et packages.

RStudio propose de nombreuses fonctionnalités intéressantes, par exemple :

• La création de projet

RStudio dispose d’une fonctionnalité très pratique pour organiser son travail en différents projets. L’idée principale est de réunir tous les fichiers et documents relatifs à un même projet (que ce soit les données, les scripts, les rapports automatisés…) dans un répertoire dédié. L’onglet “Projects” est situé en haut à droite de l’interface.

• Les boutons raccourcis

Plusieurs actions comme la création et le chargement de programme, l’import de données, l’installation et le chargement de packages, l’accès à la documentation, la visualisation des objets, l’export de figures… sont exécutables en un simple clic.

• L’auto-complétion

RStudio présente aussi la capacité de compléter automatiquement les termes en cours d’écriture. L’auto-complétion fonctionne avec la touche Tab du clavier. Cela aide l’utilisateur dans la saisi des noms d’objet, de fonction, de variable, et même des arguments de fonction.

• Raccourcis clavier

RStudio propose de nombreux raccourcis clavier intéressants, exemple :

• Alt + - renvoie l’opérateur d’assignation accompagné d’un espace avant et un espace après (<-)
  
• Ctrl + Entrée exécute le code écrit dans la fenêtre d’édition (script)
• Ctrl + 1 et Ctrl + 2 permettent de passer de la console à l’éditeur de code et vice versa
  
• shift+alt+k pour accéder à l’ensemble des raccourcis.

1.2 Paramètres généraux

Pour éviter des problèmes d’encodage des scripts ou le chargement incessant de données à chaque nouvelle instance de Rstudio, il est nécessaire de modifier certains paramètres globaux. Pour cela, cliquez sur “tools” puis sur “Global Options” pour ouvrir la fenêtre des paramètre généraux de Rstudio.

Dans un premier temps, décochez les options de restauration et de sauvegarde de données à l’ouverture et à la fermeture de session :

Puis, dans l’onglet “code” et le sous-onglet “saving”, paramétrez l’encodage en UTF-8 pour que les scripts crées s’affichent correctement en cas d’ouverture dans un autres systèmes d’exploitation :

1.3 Les projets

Cette fonctionnalité permet d’organiser son travail en différents projets. L’idée principale est de réunir tous les fichiers relatifs à un même projet (quelque soit leur format) dans un répertoire dédié. Le menu “Project” est accessible via une icône dédiée située tout en haut à droite :

Dans le menu “Project”, sélectionnez l’option “New project” :

Dans un nouveau répertoire, créez un projet vide. Indiquez le nom de votre projet, qui sera également le nom du répertoire créé pour stocker les données du projet. Puis, indiquez le répertoire parent, dans lequel votre projet sera créé :

1.4 Les objets

Tout ce qui est créé et manipulé sous R est un objet. Ces objets permettent de stocker et de structurer les données. Les objets peuvent stocker différents types de données. Voici les principaux :

• La chaîne de caractères (string)

Il s’agit d’une suite ordonnée de caractères. Ex : “Ma chaîne de caractères” ou “234”

• Nombre entier (integer)

Il s’agit d’un nombre sans décimale (sans virgule). Ex : 347

• Nombre réel (numeric)

Il s’agit d’un nombre décimale. Ex : 86.6

• Valeur logique ou booléenne (logical)

Une variable booléenne est une variable qui ne prend que deux valeurs : true (vrai) et false (faux) ou 0 et 1

n <- "chaîne de caractères"

n

## [1] "chaîne de caractères"

n <- 15 + 9

n

## [1] 24

(10 + 2) * 5

## [1] 60

# Pour enregister le résultat en mémoire, on l'assigne dans un objet, ex :
Mon_objet <- (10 + 2) * 5

library(help = "base")

# Quelques exemples...

# class()           Connaitre la classe de données d'un élément
# as.character()    Assigner la class 'caractere' à un élement
# is.numeric()      Tester si un élément est numéric (réponse TRUE ou FALSE) 
# paste()           Coller des chaine de caractère
# unlist()         permet de transformer une liste en vecteur

# Les différentes fonctions permettant de convertir la classe de l'objet 'mon_objet' :
as.vector(x='mon_objet')
as.data.frame(x='mon_objet')
as.matrix(x='mon_objet')
as.array(x='mon_objet')
as.list(x='mon_objet')
as.factor(x='mon_objet')

# Exemple
mon_objet <- "20345"

class(mon_objet)

## [1] "character"

mon_objet <- as.numeric(mon_objet)

class(mon_objet)

## [1] "numeric"

notes <- c(11,13,15,17,10,8,14,13,12,15,19,NA)

# Il est évidemment obligatoire de spécifier le vecteur de valeurs sur lequel on calcul une moyenne !
mean(notes)

## [1] NA

# na.rm (= FALSE par défault) permet de prendre en compte ou non les valeurs NA
mean(notes, na.rm = TRUE)

## [1] 13.36364

nom_de_fonction <- function(arguments) { instructions }

# Ecriture une fonction
carre <- function(x) {
  y <- x*x
  return(y)
}

# Pour afficher le code source d'une fonction (non primitive), 
# écrire son nom sans parenthèse :
carre

## function(x) {
##   y <- x*x
##   return(y)
## }

# Utiliser une fonction :
# fonction(argument1=... , argument2=..., argument3=..., ... )

# Exemple :
# carre(x=3) ou plus simplement :
carre(3)

## [1] 9

# Installation du package
install.packages("foreign")

# Chargement de la library
library(foreign)

# Utilisation de la fonction read.dbf() de la library "foreign"
# L'argument as.is permet de convertir ou non les vecteurs en facteurs
read.dbf("D:/users/geographie/Documents/nom_fichier.dbf", as.is = FALSE)

# Joindre des éléments dans un vecteur
mon_vecteur <- c(1,2,3,4,5,6,7,8,9)
mon_vecteur <- c("A","B","C","D","E")
mon_vecteur <- c("nom", "prenom", 10, 20.78, TRUE)
mon_vecteur

## [1] "nom"    "prenom" "10"     "20.78"  "TRUE"

# Créer un séquence de nombre entier
mon_vecteur <- c(1:7)
mon_vecteur

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

# Ajouter un element à un vecteur
mon_vecteur_new <- c(mon_vecteur, "Un Élément Supplémentaire")

# Interroger les élements d'un vecteur -> mon_vecteur[element]
# Elément 2
mon_vecteur[2]

## [1] 2

# Eléments 2 à 4
mon_vecteur[2:4]

## [1] 2 3 4

# Eléments 2 et 5
mon_vecteur[c(2,5)]

## [1] 2 5

# Construction de trois vecteurs
personne <- c('John Doe','Peter Gynn','Jolie Hope','John snow')
salaire <- as.integer(c(21000, 23400, 26800, 32700))
date <- as.Date(c('2010-11-1','2008-3-25','2007-3-14', '1678-1-23'))

# Construction du data.frame à partir de trois vecteurs de même longueur
mon_tableau <- data.frame(personne, salaire, date)
mon_tableau

##     personne salaire       date
## 1   John Doe   21000 2010-11-01
## 2 Peter Gynn   23400 2008-03-25
## 3 Jolie Hope   26800 2007-03-14
## 4  John snow   32700 1678-01-23

# Ajouter une variable
mon_tableau$New_col_1 <- "mon_texte"
mon_tableau$New_col_2 <- c(1,2,3,4)
mon_tableau

##     personne salaire       date New_col_1 New_col_2
## 1   John Doe   21000 2010-11-01 mon_texte         1
## 2 Peter Gynn   23400 2008-03-25 mon_texte         2
## 3 Jolie Hope   26800 2007-03-14 mon_texte         3
## 4  John snow   32700 1678-01-23 mon_texte         4

# Interroger les éléments d'un tableau -> mon_tableau[ligne,colonne]
# Ligne 2
mon_tableau[2,]

##     personne salaire       date New_col_1 New_col_2
## 2 Peter Gynn   23400 2008-03-25 mon_texte         2

# Colonnes 1 et 3
mon_tableau[,c(1,3)]

##     personne       date
## 1   John Doe 2010-11-01
## 2 Peter Gynn 2008-03-25
## 3 Jolie Hope 2007-03-14
## 4  John snow 1678-01-23

# Colonne 'personne'
mon_tableau$personne

## [1] "John Doe"   "Peter Gynn" "Jolie Hope" "John snow"

# Ligne 4 & colonne 'personne' - method 1
mon_tableau[4,"personne"]

## [1] "John snow"

# Ligne 4 & colonne 'personne' - method 2
mon_tableau$personne[4]

## [1] "John snow"

ma_fonction <- function() {cat("hello")}
mon_vecteur1 <- c('John Doe','Peter Gynn','Jolie Hope','John snow')
mon_vecteur2 <- as.Date(c('2010-11-1','2008-3-25','2007-3-14', '1678-1-23'))
mon_tableau <- data.frame(mon_vecteur1, mon_vecteur2)

# Création d'une liste
ma_liste <- list(ma_fonction, mon_vecteur1, mon_vecteur2,mon_tableau)
ma_liste

## [[1]]
## function() {cat("hello")}
## 
## [[2]]
## [1] "John Doe"   "Peter Gynn" "Jolie Hope" "John snow" 
## 
## [[3]]
## [1] "2010-11-01" "2008-03-25" "2007-03-14" "1678-01-23"
## 
## [[4]]
##   mon_vecteur1 mon_vecteur2
## 1     John Doe   2010-11-01
## 2   Peter Gynn   2008-03-25
## 3   Jolie Hope   2007-03-14
## 4    John snow   1678-01-23

# Ajouter un élément à une liste
ma_liste[[length(ma_liste) + 1]] <- "J'ajoute un objet à ma liste"


# Interroger les objets d'une liste -> ma_list[[élement]][sous element]
# Objet 1
ma_liste[5]

## [[1]]
## [1] "J'ajoute un objet à ma liste"

# Objets 2 et 3
ma_liste[c(2,3)]

## [[1]]
## [1] "John Doe"   "Peter Gynn" "Jolie Hope" "John snow" 
## 
## [[2]]
## [1] "2010-11-01" "2008-03-25" "2007-03-14" "1678-01-23"

# Tous les objets sauf le 1 et le 4
ma_liste[-c(1,4)] 

## [[1]]
## [1] "John Doe"   "Peter Gynn" "Jolie Hope" "John snow" 
## 
## [[2]]
## [1] "2010-11-01" "2008-03-25" "2007-03-14" "1678-01-23"
## 
## [[3]]
## [1] "J'ajoute un objet à ma liste"

# Elément 2 de l'objet 3
ma_liste[[3]][2]

## [1] "2008-03-25"

ma_matrice <- matrix(c(1:16), nrow=4, ncol=4) 

# On navigue dans une matrice de la même façon que dans un data frame -> ma_matrice[ligne, colonne]
ma_matrice[4,3]

## [1] 12

# Multiplication de matrice, élément par élément.
ma_matrice * ma_matrice 

##      [,1] [,2] [,3] [,4]
## [1,]    1   25   81  169
## [2,]    4   36  100  196
## [3,]    9   49  121  225
## [4,]   16   64  144  256

# Transposer la matrice
t(ma_matrice)

##      [,1] [,2] [,3] [,4]
## [1,]    1    2    3    4
## [2,]    5    6    7    8
## [3,]    9   10   11   12
## [4,]   13   14   15   16

# Sélectionner la diagonale
diag(ma_matrice)

## [1]  1  6 11 16

# Moyennes des lignes
rowMeans(ma_matrice)

## [1]  7  8  9 10

# Sommes des colonnes
colSums(ma_matrice)

## [1] 10 26 42 58

# Création d'un vecteur de nombre (1 à 10)
ID <-seq(1:10)
# Création d'un vecteur de lettres (a à j)
name <-letters[1:10]
latitude <- c(48.84905, 48.85217, 48.83349, 48.86528, 48.86409, 48.85176, 48.85207, 48.88334, 48.85758, 48.87391)
longitude <- c(2.331454, 2.347332, 2.318518, 2.371150, 2.356515, 2.299024, 2.358712, 2.333936, 2.352751, 2.343179)

mes_donnees <- data.frame(ID, name, latitude, longitude)

library(sf)
mes_donnees_SF <- st_as_sf(mes_donnees, coords = c("longitude", "latitude"), crs = 4326, agr = "constant")
mes_donnees_SF

## Simple feature collection with 10 features and 2 fields
## Attribute-geometry relationships: constant (2)
## Geometry type: POINT
## Dimension:     XY
## Bounding box:  xmin: 2.299024 ymin: 48.83349 xmax: 2.37115 ymax: 48.88334
## Geodetic CRS:  WGS 84
##    ID name                  geometry
## 1   1    a POINT (2.331454 48.84905)
## 2   2    b POINT (2.347332 48.85217)
## 3   3    c POINT (2.318518 48.83349)
## 4   4    d  POINT (2.37115 48.86528)
## 5   5    e POINT (2.356515 48.86409)
## 6   6    f POINT (2.299024 48.85176)
## 7   7    g POINT (2.358712 48.85207)
## 8   8    h POINT (2.333936 48.88334)
## 9   9    i POINT (2.352751 48.85758)
## 10 10    j POINT (2.343179 48.87391)

# Interroger un objet sf
# Fonctionne comme pour un data frame pour les différentes variables
# Colonne 'ID'
mes_donnees_SF$ID

##  [1]  1  2  3  4  5  6  7  8  9 10

# Colonne ID, ligne 3
mes_donnees_SF$name[3]

## [1] "c"

# Geometrie de l'entités 3
mes_donnees_SF$geometry[3]

## Geometry set for 1 feature 
## Geometry type: POINT
## Dimension:     XY
## Bounding box:  xmin: 2.318518 ymin: 48.83349 xmax: 2.318518 ymax: 48.83349
## Geodetic CRS:  WGS 84

# Affichage des geometries avec plot()
plot(st_geometry(mes_donnees_SF))

my_factor <- sample(x = c("North", "East", "South", "West"), size = 13, replace = TRUE)
my_factor

##  [1] "West"  "South" "West"  "West"  "West"  "South" "West"  "East"  "East" 
## [10] "East"  "West"  "West"  "East"

# Les éléments sont considérés comme caractère
class(my_factor)

## [1] "character"

# Conversion en facteur
my_factor <- factor(my_factor)

# Comment se structure le facteur
str(my_factor)

##  Factor w/ 3 levels "East","South",..: 3 2 3 3 3 2 3 1 1 1 ...

# Interroger les éléments d'un factor -> factor[element]

# levels() permet d'obtenir la liste des valeurs :
levels(my_factor)

## [1] "East"  "South" "West"

# Compte du nombre d'éléménts par level
summary(my_factor)

##  East South  West 
##     4     2     7

# Elément 8
my_factor[8]

## [1] East
## Levels: East South West

# Elément 7 à 13, avec uniquement les levels présents
my_factor[7:13, drop=TRUE]

## [1] West East East East West West East
## Levels: East West

1.5 Les opérateurs

# Addition
5 + 5

## [1] 10

# Soustraction
5 - 5

## [1] 0

# Divivion
5 / 5

## [1] 1

# Multiplication
5 * 5

## [1] 25

# Exposant
5^5

## [1] 3125

  <    # inférieur à 
  >    # supérieur à 
  <=   # inférieur ou égal à 
  >=   # supérieur ou égal à 
  ==   # égal 
  !=   # différent 
  %in% # Test de présence entre deux vecteurs

# Exemple
5 == 5

## [1] TRUE

5 != 5

## [1] FALSE

c(1,2,3) %in% c(2,7,5) 

## [1] FALSE  TRUE FALSE

  !         # Négation
  &, &&     # ET 
  |, ||     # OU inclusif
  xor(,)    # OU exclusif (retournera TRUE si l'une ou l'autre mais pas les deux sont vraies)
  is.na()   # Valeur manquante ?
  is.null() # Valeur Null ?
  is.character() # Caractère ?
  is.numeric() # Numérique ?

# Exemples

# Selection dans un data frame avec plusieus conditions (ET)
mtcars[mtcars$mpg %in% c(21.0,14.3,22.8,19.2) & mtcars$hp != 123 & mtcars$wt >= 3, ]

##                   mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## Duster 360       14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
## Merc 230         22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
## Pontiac Firebird 19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2

# Selection dans un data frame avec plusieus conditions (OU)
mtcars[mtcars$mpg %in% c(21.0,14.3,22.8,19.2) | mtcars$hp != 123 | mtcars$wt >= 3, ]

##                      mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4           21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag       21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710          22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive      21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
## Valiant             18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
## Duster 360          14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
## Merc 240D           24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
## Merc 230            22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
## Merc 280            19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
## Merc 280C           17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
## Merc 450SE          16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
## Merc 450SL          17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
## Merc 450SLC         15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
## Cadillac Fleetwood  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
## Lincoln Continental 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
## Chrysler Imperial   14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
## Fiat 128            32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
## Honda Civic         30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
## Toyota Corolla      33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
## Toyota Corona       21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
## Dodge Challenger    15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
## AMC Javelin         15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
## Camaro Z28          13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
## Pontiac Firebird    19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
## Fiat X1-9           27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
## Porsche 914-2       26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
## Lotus Europa        30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
## Ford Pantera L      15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
## Ferrari Dino        19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
## Maserati Bora       15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8
## Volvo 142E          21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2

# Test valeurs NA (différent de NA ?) dans la variable mtcars$mpg
!is.na(mtcars$mpg)

##  [1] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [16] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [31] TRUE TRUE

1.6 Les packages

R fourni directement un important nombre de fonctions pré-installées, stockées dans ce qui est appelé le R Base Package. Il n’est pas nécessaire de les installer ou de les charger, elles sont immédiatement utilisables. À ce jour, 2344 fonctions sont proposées par le le R-base.

Les fonctions du r-base permettent d’effectuer les manipulations de données les plus classiques. Pour effectuer des traitements plus spécifiques, il est nécessaire d’installer des packages mis à disposition par d’autres utilisateurs sur le CRAN.
Les packages sont des collections de fonctions, associées à de la documentation et parfois même à des données. 19805 packages supplémentaires étaient mis à disposition le 03 sept. 2023 sur le CRAN. Tous les packages disponibles sur The Comprehensive R Archive Network ont été contrôlés. Leur fonctionnement technique (uniquement) est garanti, car il s’agit d’un dépôt officiel de packages.

Il est également possible d’installer des packages en cours de développement et mise à disposition sur un GIT ou d’installer un package stocké en .tar.gz sur votre machine.

Installer un package en langage R :

# Pour les packages disponibles sur le CRAN :
install.packages("mapsf") # Installer un package
update.packages("mapsf")  # Mettre à jour un package

# Pour obtenir le chemin de la librarie contenant les packages installés
.libPaths() 
# Pour voir tous les packages installés
library()   

# Pour les packages stockés en local et compressés en tar.gz. Ex (NOT RUN) :
install.packages("C:\\RJSONIO_0.2-3.tar.gz", repos = NULL, type="source")

# Pour les packages en cours de développement sur un GIT,
# il est nécessaire d'installer et de charger le package remotes :
install.packages("remotes")
library(remotes)
install_github("riatelab/MTA")

Une fois installé, un package doit être chargé à chaque nouvelle session de R pour être utilisé. A un package est systématiquement associée de la documentation permettant de comprendre son contenu et aider à sa prise en main.

# Charger un package pour en utiliser ses fonctions
library(mapsf)  

# Utiliser directement une fonction d'un package
mapsf::mf_map()

# Pour charger des données implementées dans un package
data(Nom_objet)

L’interface RStudio permet également l’installation et le chargement manuel des packages :

Pour supprimer un package, vous pouvez utiliser la fonction suivante :

remove.packages("mapsf")

1.7 Aide et documentation

Il y a plusieurs façons d’obtenir de l’aide avec R studio. Vous pouvez utiliser l’onglet d’aide proposé par Rstudio et accéder à la documentation d’une fonction :

Il est possible d’obtenir de la documentation en utilisant des fonctions, Ex :

# Documentation des packages
help("mapsf") 

# Accèder à la documentation d'une fonction
?mf_map

# Accèder à une vignette (falcutatif) de package
vignette(topic = "mapsf", package = "mapsf")

# Accèder à une cheatsheet (falcutatif) de package
vignette(topic = "cheatsheet", package = "cartography") 

# Chercher documentation par mot clé
help.search("Map")

Exemple de la cheatsheet (antisèche) du package sf (page 1/2) :

Ne négligez pas le service d’auto-complétion proposé par RStudio. C’est un véritable assistant de programmation. Il permet par exemple de s’assurer du bon orthographe d’un objet ou d’une fonction ou de connaître les différents arguments possibles d’une fonction. Pour cela il suffit d’utiliser la touche tab lors de la saisie. RStudio vous proposera alors les possibilités qui s’offrent à vous.

Enfin, internet est une ressource documentaire très riche pour R. Vous y trouverez toujours une réponse à vos questions, et presque toujours en français !

1.8 Règles de codage

Les règles de codage permettent d’écrire un code plus clair et plus lisible pour soi et pour les autres. Vous pourrez trouver plusieurs propositions de coding style car il n’existe pas de style officiel pour le logiciel R. Quelque soit le style choisi l’idée est de conserver le même tout au long d’un programme.
Voir par exemple :

• Advanced R - Style guide
  
• Google’s R Style Guide
  
• R Style Guide

Trois règles font tout de même l’unanimité :

• Eviter les lignes de plus de 80 caractères.
  
• Utiliser un espace avant et après les opérateurs :

# Préférez
x  <-  12
# à
x<-12

# Préférez
average  <-  mean(feet  /  12 + inches,  na.rm = TRUE)
# à
average<-mean(feet/12+inches,na.rm=TRUE)

• Eviter les lignes avec plus d’une opération :

### Il est possible d'écrire plusieurs opération sur une me ligne, en les séparant d'un ;
# Exemple
notes <- c(4,2,8,6,5,9,3,2,5,6); mean(notes); sd(notes)

# Mais cela est à proscrire.
# Pour plus de visibilité, préférez :
notes <- c(4,2,8,6,5,9,3,2,5,6)
mean(notes)
sd(notes)

L’intégration de commentaire dans le code est également une pratique appréciée. Pour cela, insérer un # en début de ligne.

# Les caractères suivants seront considérés comme du commentaire
# Vous pouvez écrire ce que vous voulez, mais toujours précédé d'un #


# une chaîne de 5# (#####) permet de créer de bloc de code dépliable :

###### 
mean(c(1,7,3,2,8,9,2,3))

Ces règles de codages sont à appliquer durant les exercices !

2.1 Import/export de données

De nombreuses de fonctions (primitives ou non) peuvent être utilisées pour importer et exporter des données de différents formats.

### IMPORTER
read.table() # Importer une table (format multiple)
read.csv()   # Fichier csv
read.xlsx()  # Fichier Excel = library(xlsx) 
read_sas()   # Fichier sas = library(haven)
read.dbf()   # Fichier dbf = library(foreign)
st_read()    # Données géographiques (shape, GeoJson...) = library(sf)

# Import d'un fichier 
# not run
Mon_Objet <- read.table("/data/user/documents/mes.donnes.csv"), header=TRUE, sep=",", 
stringsAsFactors=FALSE, encoding="UTF-8")

# Télécharger un fichier
download.file()

# Décompressez une archive
?unzip()

### EXPORTER

## Table de données
write.table(Mon_Objet, "c:/mydata.txt", sep="\t") 

# format csv
write.csv(Mon_Objet, file = "MyData.csv")

# format Excel -> library(xlsx)
write.xlsx(Mon_Objet, "c:/mydata.xlsx")

# format sas, spss... -> library(foreign)
write.foreign(Mon_Objet, "c:/mydata.txt", "c:/mydata.sas",   package="SAS")
write.foreign(Mon_Objet, "c:/mydata.txt", "c:/mydata.sps",   package="SPSS")

# format shape
st_write()

## Figures plot() 
# format jpeg
jpeg()
# format png
png()
# format pdf
pdf()

# Exemple d'enregistrement d'une figure :
jpeg('rplot.jpg')
plot(runif(10, 1, 100),runif(10, 1, 100))
dev.off()

# Fonctions possibles
read.csv()
read.table()

# Quelques arguments utiles...
header=TRUE
sep=","
stringsAsFactors=FALSE

2.2 Interroger un objet

Pour les exemples ci-dessous, l’objet dataframe mtcars est utilisé. Il s’agit d’un exemple de data frame implanté dans R.

# Pour visualiser le data frame
View(mtcars)

# Pour un aperçu rapide dans la console
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 ...

Ces deux fonctions sont directement accessibles en clic-bouton depuis l’interface Rstudio. Il suffit de cliquer sur l’objet dans l’onglet Environnement situé en haut à droite de l’IDE Rstudio (équivalent à View()) ou sur la flèche à gauche du nom de l’objet (équivalent à str()).

# Visualiser les premiers éléments (6 par défaut) de l'objet
head(mtcars)

##                    mpg cyl disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
## Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

# Visualiser les derniers éléments (6 par défaut) de l'objet
tail(mtcars)

##                 mpg cyl  disp  hp drat    wt qsec vs am gear carb
## Porsche 914-2  26.0   4 120.3  91 4.43 2.140 16.7  0  1    5    2
## Lotus Europa   30.4   4  95.1 113 3.77 1.513 16.9  1  1    5    2
## Ford Pantera L 15.8   8 351.0 264 4.22 3.170 14.5  0  1    5    4
## Ferrari Dino   19.7   6 145.0 175 3.62 2.770 15.5  0  1    5    6
## Maserati Bora  15.0   8 301.0 335 3.54 3.570 14.6  0  1    5    8
## Volvo 142E     21.4   4 121.0 109 4.11 2.780 18.6  1  1    4    2

# Statistiques basiques
summary(mtcars)

##       mpg             cyl             disp             hp       
##  Min.   :10.40   Min.   :4.000   Min.   : 71.1   Min.   : 52.0  
##  1st Qu.:15.43   1st Qu.:4.000   1st Qu.:120.8   1st Qu.: 96.5  
##  Median :19.20   Median :6.000   Median :196.3   Median :123.0  
##  Mean   :20.09   Mean   :6.188   Mean   :230.7   Mean   :146.7  
##  3rd Qu.:22.80   3rd Qu.:8.000   3rd Qu.:326.0   3rd Qu.:180.0  
##  Max.   :33.90   Max.   :8.000   Max.   :472.0   Max.   :335.0  
##       drat             wt             qsec             vs        
##  Min.   :2.760   Min.   :1.513   Min.   :14.50   Min.   :0.0000  
##  1st Qu.:3.080   1st Qu.:2.581   1st Qu.:16.89   1st Qu.:0.0000  
##  Median :3.695   Median :3.325   Median :17.71   Median :0.0000  
##  Mean   :3.597   Mean   :3.217   Mean   :17.85   Mean   :0.4375  
##  3rd Qu.:3.920   3rd Qu.:3.610   3rd Qu.:18.90   3rd Qu.:1.0000  
##  Max.   :4.930   Max.   :5.424   Max.   :22.90   Max.   :1.0000  
##        am              gear            carb      
##  Min.   :0.0000   Min.   :3.000   Min.   :1.000  
##  1st Qu.:0.0000   1st Qu.:3.000   1st Qu.:2.000  
##  Median :0.0000   Median :4.000   Median :2.000  
##  Mean   :0.4062   Mean   :3.688   Mean   :2.812  
##  3rd Qu.:1.0000   3rd Qu.:4.000   3rd Qu.:4.000  
##  Max.   :1.0000   Max.   :5.000   Max.   :8.000

# classe/type des éléments/objets
class(mtcars)

## [1] "data.frame"

# Longueur = nombre d'éléments de l'objet
length(mtcars)

## [1] 11

# Pour les objets à plusieurs dimensions :
# Nom des colonnes
colnames(mtcars)

##  [1] "mpg"  "cyl"  "disp" "hp"   "drat" "wt"   "qsec" "vs"   "am"   "gear"
## [11] "carb"

# Nom des lignes
row.names(mtcars)

##  [1] "Mazda RX4"           "Mazda RX4 Wag"       "Datsun 710"         
##  [4] "Hornet 4 Drive"      "Hornet Sportabout"   "Valiant"            
##  [7] "Duster 360"          "Merc 240D"           "Merc 230"           
## [10] "Merc 280"            "Merc 280C"           "Merc 450SE"         
## [13] "Merc 450SL"          "Merc 450SLC"         "Cadillac Fleetwood" 
## [16] "Lincoln Continental" "Chrysler Imperial"   "Fiat 128"           
## [19] "Honda Civic"         "Toyota Corolla"      "Toyota Corona"      
## [22] "Dodge Challenger"    "AMC Javelin"         "Camaro Z28"         
## [25] "Pontiac Firebird"    "Fiat X1-9"           "Porsche 914-2"      
## [28] "Lotus Europa"        "Ford Pantera L"      "Ferrari Dino"       
## [31] "Maserati Bora"       "Volvo 142E"

# Dimension de l'objet
dim(mtcars)

## [1] 32 11

# Nombre de colonnes
ncol(mtcars)

## [1] 11

# Nombre de lignes
nrow(mtcars)

## [1] 32

# Fonctions possibles :
View()
head()
dim()
str()
summary()
class()
colnames()
...

# Convertissez le type de données d'une variable
Mon_Objet$xxxx <- as.character(Mon_Objet$xxxx)

# Assigner les valeur dans une nouvelle colonne
mon_tableau$new_var <- ... ?

2.3 Sélection par attributs

Comme pour toutes les opérations dans R, il existe plusieurs solutions. Exemple :

# df[ligne, colonne]
mtcars[mtcars$cyl==4 & mtcars$wt > 3,  c(1:7) ]

##            mpg cyl  disp hp drat   wt qsec
## Merc 240D 24.4   4 146.7 62 3.69 3.19 20.0
## Merc 230  22.8   4 140.8 95 3.92 3.15 22.9

# subset()
subset(mtcars, cyl==4 & mtcars$wt > 3, select=c(1:7))

##            mpg cyl  disp hp drat   wt qsec
## Merc 240D 24.4   4 146.7 62 3.69 3.19 20.0
## Merc 230  22.8   4 140.8 95 3.92 3.15 22.9

# filter() du package 'dplyr'
library(dplyr)
mtcars %>% 
  select(1:6) %>%
  filter(cyl==4, wt > 3)

##            mpg cyl  disp hp drat   wt
## Merc 240D 24.4   4 146.7 62 3.69 3.19
## Merc 230  22.8   4 140.8 95 3.92 3.15

# Une de solution possible :
tableau[tableau$CATAEU2010==400 & ... , ]

2.4 Jointure

La jointure, opération classique en géomatique, est très facile à réaliser avec R.

# Construction de deux dataframe avec un identifiant commun
ID <- c("1", "2", "3", "4")
Prenom <- c('John','Peter','Jolie','John')
Nom <- c('Doe','Gynn','Hope','snow')

# Dataframe 1
mon_tab_1 <- data.frame(ID, Prenom)

# Dataframe 2
mon_tab_2 <- data.frame(ID, Nom)

# Jointure des deux objets avec la fonction merge()
merge(mon_tab_1, mon_tab_2, by="ID")

##   ID Prenom  Nom
## 1  1   John  Doe
## 2  2  Peter Gynn
## 3  3  Jolie Hope
## 4  4   John snow

Cela fonctionne également entre un objet sf (couche géographique) et un dataframe.

# Utilisez la fonction du package sf :
st_read()

# Pour réaliser une jointure, utilisez la fonction :
merge()

# Préciser la variable de jointure pour les deux objets avec les arguments :
by.x=
by.y=

2.5 Regroupement

Le regroupement de ligne est une opération récurrente en gestion de base de données. Plusieurs solutions sont possibles :

# Regroupement des lignes en fonction des valeurs des variables "disp" et "cyl"
# + somme des valeurs de la variable "vs"
aggregate(data = mtcars, disp ~ cyl + vs, sum)

##   cyl vs   disp
## 1   4  0  120.3
## 2   6  0  465.0
## 3   8  0 4943.4
## 4   4  1 1036.2
## 5   6  1  818.2

# Package dplyr
# Permet facilement le calcul sur plusieurs champs
library(dplyr)
mtcars %>% 
  group_by(cyl, vs) %>% 
  summarise(sum_disp=sum(disp), 
            moy_hp=mean(hp), 
            nb_element=length(cyl))

## # A tibble: 5 × 5
## # Groups:   cyl [3]
##     cyl    vs sum_disp moy_hp nb_element
##   <dbl> <dbl>    <dbl>  <dbl>      <int>
## 1     4     0     120.   91            1
## 2     4     1    1036.   81.8         10
## 3     6     0     465   132.           3
## 4     6     1     818.  115.           4
## 5     8     0    4943.  209.          14

library(data.table)
mtcars2 <- data.table(mtcars)
mtcars2[, .( sum_disp=sum(disp), moy_hp=mean(hp), nb_element=length(cyl) ), by=list(cyl, vs)]

##    cyl vs sum_disp   moy_hp nb_element
## 1:   6  0    465.0 131.6667          1
## 2:   4  1   1036.2  81.8000          1
## 3:   6  1    818.2 115.2500          1
## 4:   8  0   4943.4 209.2143          1
## 5:   4  0    120.3  91.0000          1

sum()

# Une solution
aggregate()

# Nom des variables à utiliser
P16_POP ~ CATAEU2010

2.6 Trier les données

Deux fonctions primitives sont à connaître pour trier des valeurs :

# Fonction sort()
my_vector <- c(7,9,4,5,2,3,6,1)
sort(my_vector)

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

# Fonction order()
mtcars[order(mtcars$cyl, mtcars$disp, decreasing = TRUE), ]

##                      mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## Cadillac Fleetwood  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
## Lincoln Continental 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
## Chrysler Imperial   14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
## Pontiac Firebird    19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
## Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
## Duster 360          14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
## Ford Pantera L      15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
## Camaro Z28          13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
## Dodge Challenger    15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
## AMC Javelin         15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
## Maserati Bora       15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8
## Merc 450SE          16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
## Merc 450SL          17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
## Merc 450SLC         15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
## Hornet 4 Drive      21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
## Valiant             18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
## Merc 280            19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
## Merc 280C           17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
## Mazda RX4           21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag       21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
## Ferrari Dino        19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
## Merc 240D           24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
## Merc 230            22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
## Volvo 142E          21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2
## Porsche 914-2       26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
## Toyota Corona       21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
## Datsun 710          22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
## Lotus Europa        30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
## Fiat X1-9           27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
## Fiat 128            32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
## Honda Civic         30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
## Toyota Corolla      33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1

Vous devez assigner le résultat dans un objet pour enregistrer le nouvel ordre !

order()

2.7 Test conditionnel

Un test conditionnel permet d’exécuter une portion de code ou non en fonction du résultat de variables booléennes.

# Test simple
if (condition){action}

# Test avec deux solutions
if (condition){
  action1
} else {
  action2
}

# Exemple
x <- "chaîneDeCaractères"
x <- TRUE
x <- 12

if (is.character(x)){
  
  print("x est une chaîne de caractères")
  
} else {
  
  if (is.numeric(x)) {
    
    print("x est numérique") 
    
  } else {
    
    print("x est bizarre !")
    
  }
}

## [1] "x est numérique"

if (is.data.frame()) { print() } else { print() }

2.8 Boucle itérative

Une boucle est une série d’instructions exécutées jusqu’à ce qu’un résultat particulier soit obtenu ou qu’une condition pré-déterminée soit remplie. Les boucles permettent de ré-utiliser des séries d’instructions et permettent ainsi de limiter le nombre d’instructions.

# Structure d'une boucle
for (variable in vecteur) {
  instruction
}

# Exemple
for (i in 1:5) {
  print(paste0("Passage n°", i))
}

## [1] "Passage n°1"
## [1] "Passage n°2"
## [1] "Passage n°3"
## [1] "Passage n°4"
## [1] "Passage n°5"

2.9 Fonctions apply

L’utilisation d’une boucle est très fréquente en traitement de données. Une boucle peut permettre d’effectuer des traitements sur des objets de structure multidimensionnelle (data frame, matrice, array, sf…). Mais pour cela, la boucle for n’est pas la technique optimum. Les concepteurs de R ont développé des fonctions spécialement prévu à cet effet.

# Appliquer une fonction sur les lignes :
apply(mtcars,1,mean)

##           Mazda RX4       Mazda RX4 Wag          Datsun 710      Hornet 4 Drive 
##            29.90727            29.98136            23.59818            38.73955 
##   Hornet Sportabout             Valiant          Duster 360           Merc 240D 
##            53.66455            35.04909            59.72000            24.63455 
##            Merc 230            Merc 280           Merc 280C          Merc 450SE 
##            27.23364            31.86000            31.78727            46.43091 
##          Merc 450SL         Merc 450SLC  Cadillac Fleetwood Lincoln Continental 
##            46.50000            46.35000            66.23273            66.05855 
##   Chrysler Imperial            Fiat 128         Honda Civic      Toyota Corolla 
##            65.97227            19.44091            17.74227            18.81409 
##       Toyota Corona    Dodge Challenger         AMC Javelin          Camaro Z28 
##            24.88864            47.24091            46.00773            58.75273 
##    Pontiac Firebird           Fiat X1-9       Porsche 914-2        Lotus Europa 
##            57.37955            18.92864            24.77909            24.88027 
##      Ford Pantera L        Ferrari Dino       Maserati Bora          Volvo 142E 
##            60.97182            34.50818            63.15545            26.26273

# Appliquer une fonction sur les colonnes :
apply(mtcars,2,sum)

##      mpg      cyl     disp       hp     drat       wt     qsec       vs 
##  642.900  198.000 7383.100 4694.000  115.090  102.952  571.160   14.000 
##       am     gear     carb 
##   13.000  118.000   90.000

# Appliquer une fonction sur chaque items (sortie vector) :
sapply(mtcars, function(x) x/100)

##         mpg  cyl  disp   hp   drat      wt   qsec   vs   am gear carb
##  [1,] 0.210 0.06 1.600 1.10 0.0390 0.02620 0.1646 0.00 0.01 0.04 0.04
##  [2,] 0.210 0.06 1.600 1.10 0.0390 0.02875 0.1702 0.00 0.01 0.04 0.04
##  [3,] 0.228 0.04 1.080 0.93 0.0385 0.02320 0.1861 0.01 0.01 0.04 0.01
##  [4,] 0.214 0.06 2.580 1.10 0.0308 0.03215 0.1944 0.01 0.00 0.03 0.01
##  [5,] 0.187 0.08 3.600 1.75 0.0315 0.03440 0.1702 0.00 0.00 0.03 0.02
##  [6,] 0.181 0.06 2.250 1.05 0.0276 0.03460 0.2022 0.01 0.00 0.03 0.01
##  [7,] 0.143 0.08 3.600 2.45 0.0321 0.03570 0.1584 0.00 0.00 0.03 0.04
##  [8,] 0.244 0.04 1.467 0.62 0.0369 0.03190 0.2000 0.01 0.00 0.04 0.02
##  [9,] 0.228 0.04 1.408 0.95 0.0392 0.03150 0.2290 0.01 0.00 0.04 0.02
## [10,] 0.192 0.06 1.676 1.23 0.0392 0.03440 0.1830 0.01 0.00 0.04 0.04
## [11,] 0.178 0.06 1.676 1.23 0.0392 0.03440 0.1890 0.01 0.00 0.04 0.04
## [12,] 0.164 0.08 2.758 1.80 0.0307 0.04070 0.1740 0.00 0.00 0.03 0.03
## [13,] 0.173 0.08 2.758 1.80 0.0307 0.03730 0.1760 0.00 0.00 0.03 0.03
## [14,] 0.152 0.08 2.758 1.80 0.0307 0.03780 0.1800 0.00 0.00 0.03 0.03
## [15,] 0.104 0.08 4.720 2.05 0.0293 0.05250 0.1798 0.00 0.00 0.03 0.04
## [16,] 0.104 0.08 4.600 2.15 0.0300 0.05424 0.1782 0.00 0.00 0.03 0.04
## [17,] 0.147 0.08 4.400 2.30 0.0323 0.05345 0.1742 0.00 0.00 0.03 0.04
## [18,] 0.324 0.04 0.787 0.66 0.0408 0.02200 0.1947 0.01 0.01 0.04 0.01
## [19,] 0.304 0.04 0.757 0.52 0.0493 0.01615 0.1852 0.01 0.01 0.04 0.02
## [20,] 0.339 0.04 0.711 0.65 0.0422 0.01835 0.1990 0.01 0.01 0.04 0.01
## [21,] 0.215 0.04 1.201 0.97 0.0370 0.02465 0.2001 0.01 0.00 0.03 0.01
## [22,] 0.155 0.08 3.180 1.50 0.0276 0.03520 0.1687 0.00 0.00 0.03 0.02
## [23,] 0.152 0.08 3.040 1.50 0.0315 0.03435 0.1730 0.00 0.00 0.03 0.02
## [24,] 0.133 0.08 3.500 2.45 0.0373 0.03840 0.1541 0.00 0.00 0.03 0.04
## [25,] 0.192 0.08 4.000 1.75 0.0308 0.03845 0.1705 0.00 0.00 0.03 0.02
## [26,] 0.273 0.04 0.790 0.66 0.0408 0.01935 0.1890 0.01 0.01 0.04 0.01
## [27,] 0.260 0.04 1.203 0.91 0.0443 0.02140 0.1670 0.00 0.01 0.05 0.02
## [28,] 0.304 0.04 0.951 1.13 0.0377 0.01513 0.1690 0.01 0.01 0.05 0.02
## [29,] 0.158 0.08 3.510 2.64 0.0422 0.03170 0.1450 0.00 0.01 0.05 0.04
## [30,] 0.197 0.06 1.450 1.75 0.0362 0.02770 0.1550 0.00 0.01 0.05 0.06
## [31,] 0.150 0.08 3.010 3.35 0.0354 0.03570 0.1460 0.00 0.01 0.05 0.08
## [32,] 0.214 0.04 1.210 1.09 0.0411 0.02780 0.1860 0.01 0.01 0.04 0.02

# Appliquer une fonction sur chaque items (sortie list)
Resultat_lapply <- lapply(mtcars, function(x) x/100)
Resultat_lapply[1:3]

## $mpg
##  [1] 0.210 0.210 0.228 0.214 0.187 0.181 0.143 0.244 0.228 0.192 0.178 0.164
## [13] 0.173 0.152 0.104 0.104 0.147 0.324 0.304 0.339 0.215 0.155 0.152 0.133
## [25] 0.192 0.273 0.260 0.304 0.158 0.197 0.150 0.214
## 
## $cyl
##  [1] 0.06 0.06 0.04 0.06 0.08 0.06 0.08 0.04 0.04 0.06 0.06 0.08 0.08 0.08 0.08
## [16] 0.08 0.08 0.04 0.04 0.04 0.04 0.08 0.08 0.08 0.08 0.04 0.04 0.04 0.08 0.06
## [31] 0.08 0.04
## 
## $disp
##  [1] 1.600 1.600 1.080 2.580 3.600 2.250 3.600 1.467 1.408 1.676 1.676 2.758
## [13] 2.758 2.758 4.720 4.600 4.400 0.787 0.757 0.711 1.201 3.180 3.040 3.500
## [25] 4.000 0.790 1.203 0.951 3.510 1.450 3.010 1.210

2.10 Chaîne de caractères

De nombreuses fonctions primitives existent pour gérer les chaînes de caractères. Quelques exemples :

# Concaténation de chaîne de caractère, AVEC séparateur
paste("Champions", "du", "monde", sep=" ")

## [1] "Champions du monde"

# Concaténation de chaîne de caractère, SANS séparateur
paste0("Champions", "du", "monde")

## [1] "Championsdumonde"

# Gérer la casse
text <- "champion Du MONDEEEEEE !"

# tout en minuscule
tolower(text)

## [1] "champion du mondeeeeee !"

# tout en majuscule
toupper(text)

## [1] "CHAMPION DU MONDEEEEEE !"

# Nombre de caractères
nchar(text)

## [1] 24

# Scinder une chaîne en fonction d'un caractère
strsplit(text, split = " ", fixed = TRUE)

## [[1]]
## [1] "champion"   "Du"         "MONDEEEEEE" "!"

# Remplacer un (ou plusieurs) caractère(s) par un autre
gsub("ion", "ionne", text)

## [1] "championne Du MONDEEEEEE !"

library(stringr)

# Détécter la présence d'un caractère ou d'une chaîne
# Renvoie TRUE ou FALSE
str_detect(text,  "E")

# Position de la première occurrence d'un caractère ou d'une chaîne 
# Renvoie la position du premier et dernier caractère
str_locate(text, "pi")

# Toutes les positions d'un caractère ou d'une chaîne
# Renvoie toutes les positions
str_locate_all(text, "E")

# Extraire un segment de chaîne de caractère
# Renvoie la chaîne de caractère extraite
str_sub(text,  5, 9)

# Suppression des espaces en début et fin de chaîne de caractère
str_trim("  abc    ")

# EXEMPLE d'utilisation d'expression régulière (regex)

# Création d'une vecteur d'adresse mail
# Avec des adresses mail, parfois mal orthographiées
emails_list <- c("hugues.pecout@cnrs.fr", 
                 "hugues@gmail", 
                 "blabla.com", 
                 "hugues.pecout@gis-cist.fr",
                 "timothée.giraud@cnrs.fr")


# Expression regex qui répond aux adresses email
regex <- "\\<[A-Z0-9._%+-]+@[A-Z0-9.-]+\\.[A-Z]{2,}\\>"


# Détection des emails corrects présentes dans ma liste d'email
grep(regex, emails_list, ignore.case=TRUE)

## [1] 1 4 5

# Fonction à utiliser :
toupper()

2.11 Représentations graphiques

plot()
hist()
barplot()
boxplot()
pie()
lines()
abline()
legend()

# Exemple
hist(mtcars$mpg, 
     breaks=12, 
     col="red",
     xlab= "mpg",
     ylab = "Fréquence",
     main = "Distribution de la série statistique 'mpg'")

# Division de la fenêtre graphique en 2 lignes et 2 colonnes
par(mfrow=c(2,2))

# Création de 4 différents graphiques
plot(mtcars$wt, mtcars$mpg, main="Graph 1")
plot(mtcars$wt, mtcars$disp, main="Graph 2")
hist(mtcars$wt, main="Graph 3")
boxplot(mtcars$wt, main="Graph 4")

library(mapsf)

# Utilisation d'un objet sf stocké dans le package mapsf
mtq <- mf_get_mtq()

# Affichage de l'objet sf
plot(mtq)

library(sf)

# Affichage de la géométrie d'un objet sf
plot(st_geometry(mtq))

# Représentation visuelle
plot(mtq["POP"])

library(ggplot2)

# Exemple : Density plots
ggplot(mpg, aes(cty)) +
  geom_density(aes(fill=factor(cyl)), alpha=0.8) + 
  labs(title="Density plot", 
       subtitle="City Mileage Grouped by Number of cylinders",
       caption="Source: data R mtcars",
       x="City Mileage",
       fill="# Cylinders")

# Fonction à utiliser :
hist()

# Fonction à utiliser :
plot()

2.12 Sauvegarder des objets

Il est possible de supprimer tous les objets crées en cliquant sur l’icône dans la fenêtre de l’espace de travail. Plusieurs fonctions permettent également de gérer les objets. En voici quelques-unes :

# lister tous les objets crées
ls()    

# Supprimer un objet, ex : rm(mon_objet)
rm()    

# Supprimer tous les objets
rm(list=ls()) 

# Sauvegarder un objet dans un fichier (format rds)
saveRDS() 

# Lire un fichier rds pour charger l'objet stocké
readRDS() 

Exemple pratique :

mon_objet <- c("un", "deux", "trois")

# Sauvegarde d'un objet dans un fichier
saveRDS(mon_objet, file="Nom_du_fichier")

# Suppression de l'objet TEMPORAIRE
rm(mon_objet) 

# Lecture du fichier et assignation dans un objet
mon_objet_new <- readRDS("Nom_du_fichier") 

# Fonction à utiliser :
saveRDS()

# Fonctions à utiliser :
rm() et ls()

# Fonction à utiliser :
readRDS()

2.13 Bonus

R est un langage très polyvalent… Voici un petit exercice pour le prouver :

1. Trouvez où est mis à disposition le package Rcade, développé par Romain Lesur
   
2. Installez-le
   
3. Essayer-le… Pas plus de 2-3 minutes :-) )
   
4. Supprimez le package

3.1 Vocabulaire

3.2 Résumer une variable

Avant de décrire, analyser une ou plusieurs variables statistiques, il est indispensable de contrôler et d’explorer les données. Cela permet de détecter des incohérences et les caractéristiques des données étudiées, afin de correctement les traiter.

Comment se structure la table de données ? Est-elle correctement construite et renseignée ?
Comment sont nommées les individus et les variables ?
Quelle est la classe de données des différentes variables (numérique, chaîne de caractère, booléenne…) ?
Quelles sont les types des variables stockées (quantitative, qualitative…) ?

Dans un premier temps, nous utiliserons des données mises à disposition par le package questionr, qui contient des variables qualitatives. Installez ce package, puis chargez la librairie et les données associées “hdv2003” :

# install.packages("questionr")
library(questionr)

# Chargement des données fournies par le package questionr
data(hdv2003)

Prenez quelques minutes pour explorer ce tableau de données. Vous pouvez utiliser l’interface Rstudio, mais également un certain nombre de fonctions primitives :

# Quelques exemple
View()
str()
colnames()
row.names()
dim()
class()
is.na()
colSums(is.na())

Les données vous semblent-elles cohérentes et correctement typées dans R ?

# Nb d'individus par modalité
table(hdv2003$occup)

## 
## Exerce une profession               Chomeur       Etudiant, eleve 
##                  1049                   134                    94 
##              Retraite   Retire des affaires              Au foyer 
##                   392                    77                   171 
##         Autre inactif 
##                    83

# Effectifs relatifs (%)
prop.table(table(hdv2003$occup))

## 
## Exerce une profession               Chomeur       Etudiant, eleve 
##                0.5245                0.0670                0.0470 
##              Retraite   Retire des affaires              Au foyer 
##                0.1960                0.0385                0.0855 
##         Autre inactif 
##                0.0415

# Utilisation d'une librairie de palettes de couleur
# install.packages("RColorBrewer")
library("RColorBrewer")

# Diagramme circulaire (Pas optimal...)
pie(table(hdv2003$occup), col=brewer.pal(n = 9,  "Paired"))

# Histogramme
barplot(table(hdv2003$occup), col=brewer.pal(n = 9,  "Paired"), las=2 ,cex.names=0.6)

# Pour représenter la distribution d'une série statistique sans la discrétiser préalablement -> hist()
hist(mtcars$hp, breaks=12, probability = TRUE)

mean(mtcars$hp)

## [1] 146.6875

median(mtcars$hp)

## [1] 123

# Mode = Valeurs qui a la fréquence la plus élévée
result <-  as.data.frame(table(mtcars$hp))

# Trier les valeurs par leur fréquence -> order()
result[order(result$Freq, decreasing = TRUE),]

##    Var1 Freq
## 11  110    3
## 15  175    3
## 16  180    3
## 4    66    2
## 13  123    2
## 14  150    2
## 20  245    2
## 1    52    1
## 2    62    1
## 3    65    1
## 5    91    1
## 6    93    1
## 7    95    1
## 8    97    1
## 9   105    1
## 10  109    1
## 12  113    1
## 17  205    1
## 18  215    1
## 19  230    1
## 21  264    1
## 22  335    1

min(mtcars$hp)

## [1] 52

max(mtcars$hp)

## [1] 335

max(mtcars$hp) - min(mtcars$hp)

## [1] 283

quantile(mtcars$hp)

##    0%   25%   50%   75%  100% 
##  52.0  96.5 123.0 180.0 335.0

summary(mtcars$hp)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    52.0    96.5   123.0   146.7   180.0   335.0

summary(mtcars$hp)[5] - summary(mtcars$hp)[2]

## 3rd Qu. 
##    83.5

var(mtcars$hp)

## [1] 4700.867

sd(mtcars$hp) 

## [1] 68.56287

# = Ecart-type/moyenne * 100
sd(mtcars$hp) / mean(mtcars$hp) *100

## [1] 46.74077

3.3 Discrétiser une variable

Il est nécessaire de définir la forme d’une la distribution pour la discrétiser correctement.

Ci-dessous, quelques formes classiques de distribution statistique :

En fonction du profil d’une distribution, on utilise différentes méthodes de discrétisation :

Amplitude égale

A privilégier pour les distributions uniformes ou symétriques.

Discrétisation standardisée

A privilégier pour les distributions symétriques.

Par seuil observé

A privilégier pour les distributions dissymétriques et/ou bimodales.

Effectifs égaux (quantiles)

A privilégier pour les distributions dissymétriques et/ou bimodales.

Q6

A privilégier pour les distributions dissymétriques et/ou bimodales.

Fisher-Jenks

A privilégier pour les distributions dissymétriques et/ou bimodales.

Progression géométrique

A privilégier pour les distributions dissymétriques.

Progression arithmétique

A privilégier pour les distributions dissymétriques.

Pour discrétiser une série statistique, vous pouvez utiliser la fonction mf_get_breaks(), du package mapsf (Giraud 2021).

Vous pouvez choisir différentes méthodes de discrétisation avec l’argument ‘breaks’.

# Pour accéder à la documentation de la fonction :
?mf_get_breaks

Pour enregistrer l’appartenance des individus aux différentes classes en fonction de la discrétisation, procédez de la manière suivante :

# Calcul des borne de classe
ma_discretisation <- mf_get_breaks(mtcars$hp, breaks = "sd")

# Utiliser la fonction cut()
mtcars$hp_classe <- cut(mtcars$hp, 
                        breaks = ma_discretisation, 
                        include.lowest = TRUE, 
                        right = TRUE)

mtcars$hp_classe 

##  [1] (78.1,112]  (78.1,112]  (78.1,112]  (78.1,112]  (147,181]   (78.1,112] 
##  [7] (215,250]   [43.8,78.1] (78.1,112]  (112,147]   (112,147]   (147,181]  
## [13] (147,181]   (147,181]   (181,215]   (181,215]   (215,250]   [43.8,78.1]
## [19] [43.8,78.1] [43.8,78.1] (78.1,112]  (147,181]   (147,181]   (215,250]  
## [25] (147,181]   [43.8,78.1] (78.1,112]  (112,147]   (250,284]   (147,181]  
## [31] (318,352]   (78.1,112] 
## 9 Levels: [43.8,78.1] (78.1,112] (112,147] (147,181] (181,215] ... (318,352]

# Préciser des nom de classe avec l'argument labels
mtcars$hp_classe <- cut(mtcars$hp, 
                        breaks = ma_discretisation, 
                        labels =  c("A","B","C","D","E","F","G","H","I"), 
                        include.lowest = TRUE, 
                        right = TRUE)

mtcars$hp_classe 

##  [1] B B B B D B F A B C C D D D E E F A A A B D D F D A B C G D I B
## Levels: A B C D E F G H I

# Pour changer les noms de classeC
levels(mtcars$hp_classe) <- c("Aa","Bb","Cc","Dd","Ee","Ff","Gg","Hh","Ii")
mtcars$hp_classe

##  [1] Bb Bb Bb Bb Dd Bb Ff Aa Bb Cc Cc Dd Dd Dd Ee Ee Ff Aa Aa Aa Bb Dd Dd Ff Dd
## [26] Aa Bb Cc Gg Dd Ii Bb
## Levels: Aa Bb Cc Dd Ee Ff Gg Hh Ii

# Visualiser le nombre d'éléments par classe - table()
table(mtcars$hp_classe)

## 
## Aa Bb Cc Dd Ee Ff Gg Hh Ii 
##  5  9  3  8  2  3  1  0  1

# Afficher l'histogramme de la distribution
hist(mtcars$hp, breaks = 15, col = "grey", main = "Distribution de la variable hp")
# Ajouter la moyenne
abline(v=mean(mtcars$hp, na.rm=TRUE), col = "red", lwd = 4 , lty = 2 )
# Ajouter les bornes des classes
abline(v=ma_discretisation,col="blue", lwd = 2, lty = 2)
# Ajouter une légende
legend("topright", c("moyenne", "borne de classe"), fill= c(col="red", col="blue"), cex=0.8)
# Affichage de chaque individu
rug(mtcars$hp)

# Boite à moustache
boxplot(mtcars$qsec,
        main = "Distribution variable quantitative continue 'qsec'",
        xlab = "qsec",
        col = "orange",
        border = "brown",
        horizontal = TRUE)

# ajouter la série statistique en bas du boxplot
rug(mtcars$qsec)

# Import de la couche géographique
library(sf)
mtq <- st_read("data/martinique.shp")

## Reading layer `martinique' from data source 
##   `C:\Users\HP\Desktop\Initiation_R_stats\data\martinique.shp' 
##   using driver `ESRI Shapefile'
## Simple feature collection with 34 features and 3 fields
## Geometry type: POLYGON
## Dimension:     XY
## Bounding box:  xmin: 690574.4 ymin: 1592426 xmax: 736126.5 ymax: 1645660
## Projected CRS: WGS 84 / UTM zone 20N

# Import des données de recensement
mtq_data <- read.csv("data/INSEE_COM_972.csv", header=TRUE, sep=",", stringsAsFactors=FALSE)

# Jointure shapefile - data
mtq <-  merge(mtq , mtq_data , by.x="INSEE_COM" , by.y="CODGEO")

# Calcul d'une variable quantitative relative (Densité de population)
mtq$POPDENS <- 1e6 * mtq$P16_POP / st_area(mtq)

# Calcul discrétisation 
ma_discretisation <- mf_get_breaks(mtq$POPDENS, breaks = "quantile")

library(mapsf)

# Choix d'un thème graphique
mf_theme("iceberg")

# Carte par aplat de couleur
mf_map(x = mtq, 
       var = "POPDENS",
       type = "choro",
       breaks = ma_discretisation,
       pal = "Greens",
       border = "white", 
       lwd = 0.5,
       leg_pos = "left", 
       leg_title = "Population Density\n(people per km2)") 

# Mikse en page
mf_layout(title = "Population Distribution in Martinique", 
          credits = paste0("Sources: Insee and IGN, 2018\n",
                           "mapsf ", 
                           packageVersion("mapsf")))

3.4 Exercice

4.1 Vocabulaire

4.2 Deux variables qualitatives

Un couple de variables qualitatives se décrit par ses fréquences conjointes dans un tableau tris croisés . Les fréquences obtenues peuvent être calculées par rapport à l’effectif total ou par rapport aux effectifs marginaux (effectif en ligne et colonne). Il s’agit de l’une des analyses les plus fréquentes lors du traitement d’enquêtes en sciences sociales.

# Utilisation d'un jeu de donnéesdu package 'questionr'
head(hdv2003,3)

##   id age  sexe                                              nivetud    poids
## 1  1  28 Femme Enseignement superieur y compris technique superieur 2634.398
## 2  2  23 Femme                                                 <NA> 9738.396
## 3  3  59 Homme                    Derniere annee d'etudes primaires 3994.102
##                   occup     qualif freres.soeurs clso
## 1 Exerce une profession    Employe             8  Oui
## 2       Etudiant, eleve       <NA>             2  Oui
## 3 Exerce une profession Technicien             2  Non
##                         relig                     trav.imp    trav.satisf
## 1 Ni croyance ni appartenance                Peu important Insatisfaction
## 2 Ni croyance ni appartenance                         <NA>           <NA>
## 3 Ni croyance ni appartenance Aussi important que le reste      Equilibre
##   hard.rock lecture.bd peche.chasse cuisine bricol cinema sport heures.tv
## 1       Non        Non          Non     Oui    Non    Non   Non         0
## 2       Non        Non          Non     Non    Non    Oui   Oui         1
## 3       Non        Non          Non     Non    Non    Non   Oui         0

# tableau croisé avec table()
table(hdv2003$sport, hdv2003$qualif)

##      
##       Ouvrier specialise Ouvrier qualifie Technicien Profession intermediaire
##   Non                166              215         44                       83
##   Oui                 37               77         42                       77
##      
##       Cadre Employe Autre
##   Non   117     401    38
##   Oui   143     193    20

# Croiser trois variables ou plus
table(hdv2003$sport, hdv2003$cuisine, hdv2003$sexe)

# Pourcentage en ligne d'un tableau croisé table(), avec lprop() du package 'questionnr'
rprop(table(hdv2003$sport, hdv2003$cuisine))

##           
##            Non   Oui   Total
##   Non       59.4  40.6 100.0
##   Oui       49.8  50.2 100.0
##   Ensemble  56.0  44.0 100.0

# Pourcentage en colonne d'un tableau croisé table(), avec cprop() du package 'questionnr'
cprop(table(hdv2003$sport, hdv2003$cuisine))

##        
##         Non   Oui   Ensemble
##   Non    67.8  58.8  63.8   
##   Oui    32.2  41.2  36.1   
##   Total 100.0 100.0 100.0

# Pourcentages totaux d'un tableau croisé
prop(table(hdv2003$sport, hdv2003$cuisine), 
     digit=2, 
     percent=TRUE)

##        
##         Non     Oui     Total  
##   Non    37.95%  25.90%  63.85%
##   Oui    18.00%  18.15%  36.15%
##   Total  55.95%  44.05% 100.00%

# 1) construction du tableau de contigence avec les effectifs réels
tab <- table(hdv2003$sport, hdv2003$qualif)

# 2) Test du Khi-2 sur le tableau de contingence
tab.chi2 <- chisq.test(tab)
tab.chi2

## 
##  Pearson's Chi-squared test
## 
## data:  tab
## X-squared = 100.27, df = 6, p-value < 2.2e-16

# Les effectifs observés
tab.chi2$observed

##      
##       Ouvrier specialise Ouvrier qualifie Technicien Profession intermediaire
##   Non                166              215         44                       83
##   Oui                 37               77         42                       77
##      
##       Cadre Employe Autre
##   Non   117     401    38
##   Oui   143     193    20

# Les effectifs théoriques
tab.chi2$expected

##      
##       Ouvrier specialise Ouvrier qualifie Technicien Profession intermediaire
##   Non          130.66667          187.954   55.35632                102.98851
##   Oui           72.33333          104.046   30.64368                 57.01149
##      
##           Cadre  Employe    Autre
##   Non 167.35632 382.3448 37.33333
##   Oui  92.64368 211.6552 20.66667

# Résidus (de Pearson) du test khi-2 = (obs - exp) / sqrt(exp)

# tab.chi2$residuals fonctionne aussi !
chisq.residuals(tab)

##      
##       Ouvrier specialise Ouvrier qualifie Technicien Profession intermediaire
##   Non               3.09             1.97      -1.53                    -1.97
##   Oui              -4.15            -2.65       2.05                     2.65
##      
##       Cadre Employe Autre
##   Non -3.89    0.95  0.11
##   Oui  5.23   -1.28 -0.15

tab <-  table(hdv2003$sport, hdv2003$qualif)

# Diagramme en bâton - Effectifs observés
barplot(tab, 
        main = "Pratique du sport selon le niveau de qualification\nEffectifs observés", 
        las=2)

legend("topright", 
       c("NON", "OUI"), 
       fill=c(col="grey40", col="grey90"), 
       cex=0.8)

# Diagramme en bâton - Fréquence des effectifs observés
barplot(cprop(tab, total = FALSE), 
        main = "Pratique du sport selon le niveau de qualification\nFréquences relatives des effectifs",
        las=2)

legend("topright",
       c("NON", "OUI"), 
       fill=c(col="grey40", col="grey90"), 
       cex=0.8)

# Fonction mosaicplot()
mosaicplot(qualif ~ sport, 
           data = hdv2003, 
           shade = TRUE, 
           main = "Résidus de Pearson du test du χ²", 
           cex=0.6)

4.3 Exercice

Dans le le tableau ci-dessous figurent en colonnes le nombre de réponses à la question “Faites-vous faire des recherches sur internet à vos élèves ?” posée à 179 enseignants de collèges en France :

4.4 Qualitatif vs Quantitatif

Il existe plusieurs méthodes statistiques pour mesurer la dépendance entre une variable qualitative et une variable quantitative, comme le test t de student ou l’analyse de variance (ANOVA). Cependant, ces méthodes ne seront pas détaillé dans ce cours…

Exemple de calcul du test t de student avec R (t.test()) :

# Nécessite une variable qualitative binaire (deux modalités max)
test.student <- t.test(age ~ sport, data = hdv2003)
test.student

## 
##  Welch Two Sample t-test
## 
## data:  age by sport
## t = 15.503, df = 1600.4, p-value < 2.2e-16
## alternative hypothesis: true difference in means between group Non and group Oui is not equal to 0
## 95 percent confidence interval:
##   9.893117 12.759002
## sample estimates:
## mean in group Non mean in group Oui 
##          52.25137          40.92531

Exemple d’une analyse de variance avec R (aov()) :

# Nécessite une variable qualitative binaire (deux modalités max)
anova <- aov(age ~ sport, data=hdv2003)
anova

## Call:
##    aov(formula = age ~ sport, data = hdv2003)
## 
## Terms:
##                    sport Residuals
## Sum of Squares   59218.4  514544.3
## Deg. of Freedom        1      1998
## 
## Residual standard error: 16.04773
## Estimated effects may be unbalanced

# On crée deux tables de sous-population

# Sous-population pratiquant du sport :
hdv2003_sport <- subset(hdv2003, sport == "Oui")
# Sous-population non-pratiquante :
hdv2003_nonsport <- subset(hdv2003, sport == "Non")

# Moyenne d'age des pratiquants
mean(hdv2003_sport$age)

## [1] 40.92531

# Moyenne d'age des non-pratiquants
mean(hdv2003_nonsport$age)

## [1] 52.25137

# Fonction tapply()
tapply(hdv2003$age, hdv2003$sport, mean)

##      Non      Oui 
## 52.25137 40.92531

# Fonction mosaicplot()
boxplot(hdv2003$heures.tv ~ hdv2003$qualif, 
        col="firebrick3",
        ylab="heures TV",
        las=2)

# Construction du tableau croisé, en format data.frame
tab <- as.data.frame(lprop(table(hdv2003$sport, hdv2003$age)))
colnames(tab) <- c("sport", "age", "Freq")
tab <-  subset(tab , !(sport %in% "Ensemble"))

# Utilisation de la fonction ggplot()
library(ggplot2)
ggplot(tab , aes(x = age, y = Freq, fill = factor(sport))) +
  geom_bar(stat = "identity", position = position_dodge(), las=2) +
  ylab("Pourcentage") +
  scale_x_discrete(breaks=seq(17,97,3), labels = seq(17,97,3)) +
  scale_y_continuous(limit=c(0,3.3))

4.5 Deux variables quantitatives

library(questionr)
data(rp2012)

plot(rp2012$cadres, rp2012$dipl_sup)

par(bg = "ivory", mar = c(2,2,2,2), family="")
plot(x = rp2012$cadres, y = rp2012$dipl_sup, asp = 1, pch = 21, col = "white", 
     ylim = c(0,60), cex = 0.5, bg = "red", lwd = 0.5, axes = F)
axis(side = 1, at = seq(from = 0,to = 60, by = 10), cex.axis = 0.8,
     pos = 0, tck=-0.01, padj = -1)
axis(side = 2, at = seq(from = 0,to = 60, by = 10), cex.axis = 0.8,
     labels = c("", seq(from = 10,to = 60, by = 10) ), pos = 0, tck=-0.01, las = 2)
mtext(text = "Relation entre niveau d'étude et CSP", side = 3, line = 0.75,
      adj = 0,font = 4)
mtext(text = "Diplômés du supérieur (%)", side = 2, line = 1)
mtext(text = "Cadres (%)", side = 1, line = 1)

4.5.2 Interpréter un nuage de points

Quelques formes classiques de relation entre 2 variables :

Source : https://eric.univ-lyon2.fr/~ricco/cours/cours/Analyse_de_Correlation.pdf

# Fonction primitive cor.test()
cor.test(rp2012$cadres, rp2012$dipl_sup) 

## 
##  Pearson's product-moment correlation
## 
## data:  rp2012$cadres and rp2012$dipl_sup
## t = 193.1, df = 5168, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.9337577 0.9403985
## sample estimates:
##       cor 
## 0.9371629

# Calcul coefficient de Corrélation de Spearman
cor(rp2012$cadres, rp2012$dipl_sup, method = "spearman")

## [1] 0.9036273

# Regression linéaire - fonction lm()
lm(rp2012$cadres ~ rp2012$dipl_sup)

## 
## Call:
## lm(formula = rp2012$cadres ~ rp2012$dipl_sup)
## 
## Coefficients:
##     (Intercept)  rp2012$dipl_sup  
##          0.9217           1.0816

# Pour des résultats plus détaillés, fonction summary :
summary(lm(rp2012$cadres ~ rp2012$dipl_sup))

## 
## Call:
## lm(formula = rp2012$cadres ~ rp2012$dipl_sup)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -33.218  -1.606  -0.172   1.491  13.001 
## 
## Coefficients:
##                 Estimate Std. Error t value Pr(>|t|)    
## (Intercept)     0.921661   0.071814   12.83   <2e-16 ***
## rp2012$dipl_sup 1.081636   0.005601  193.10   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 2.701 on 5168 degrees of freedom
## Multiple R-squared:  0.8783, Adjusted R-squared:  0.8783 
## F-statistic: 3.729e+04 on 1 and 5168 DF,  p-value: < 2.2e-16

plot(rp2012$dipl_sup, rp2012$cadres)
abline(lm(rp2012$cadres ~ rp2012$dipl_sup), col="red", lwd=2)
text(6, 55, "y = 1.08x + 0.92", col="red")

# Regression lineaire
my_reg <- lm(rp2012$cadres ~ rp2012$dipl_sup)

# Construction d'un data.frame des résidus normalisés
residus <- data.frame(scaledRes = scale(my_reg$residuals), nom = row.names(rp2012))

# on ne garde que le nom des individus ayant des résidus trés élevés (sup à 4 ecarts-type)
residus[residus$scaledRes < 4 & residus$scaledRes > -4, "nom"] <- NA

# affichage des résidus
plot(residus$scaledRes, cex = .5, pch = 20, ylim=c(-5,5))
# intervalles exprimés en ecart-type
abline(h = 0, lwd = 2, col = "red")     
abline(h = 4, lty = 2)
abline(h = -4, lty = 2)
# affichage du nom des individus extraordinaires
text(x= 1:nrow(residus), y = residus$scaledRes, labels = residus$nom, pos = 4, 
     cex = 0.7, offset = c(.2,0), font = 2)

4.6 Exercice

Pour cet exercice, utilisez le jeu de données women (R-base).

?women
data(women)
head(women)

5.1 Langage R

Il existe de très nombreuses ressources documentaires sur R, disponible en libre accès sur le web. De nombreuses ressources de qualité, parfois largement utilisées pour produire ce document, sont référencées sur le site de partage et de diffusion rzine.fr (onglet ressources).

5.2 Statistique en géographie (et R)