Programmation Orientée Objet ?
Tout ce que l’on crée dans R sont des objets…
Mais il ne s’agit pas (comme Python) d’un langage de
POO!
La Programmation Orientée Objet est un paradigme de
programmation basé sur le concept d’objets, qui peuvent contenir
des données et métadonnées (attributs), et qui sont
associés à des procédures, souvent appelées méthodes.
Il est néanmoins possible de faire de la POO avec R…
Créer un objet
Pour créer un objet, donnez lui un nom et assignez-lui un
contenu avec le symbole :
<-
## [1] 30
obj <- (obj + 45) / 2
obj
## [1] 30
Créer un objet
Assignez différents types de données :
| numeric |
nombre |
3 ou 4.23 |
| integer |
nombre entier |
3 |
| double |
nombre double |
4.23 |
| logical |
logique ou booléen |
TRUE ou FALSE |
| string |
chaîne de caractères |
“Hello” |
| factor |
string (modalités prédéfinies) |
“Hight” |
| date |
date formatée |
2020-12-14 |
| NA |
absence de valeur (tout type) |
NA |
Créer un objet
obj <- NA
obj <- 3.14
obj <- FALSE
obj <- "Bla bla..."
obj <- factor("A", levels = c("A", "B", "C"))
obj <- as.Date("2020-10-08")
# Type de données ?
class(obj)
## [1] "Date"
# Contenu de mon objet ?
print(obj)
## [1] "2020-10-08"
Les fonctions
Une fonction est un objet
Une fonction contient une série de commandes (code) qui
effectuent une tâche prédéfinie. Elle prend des informations
(arguments) en entrée et renvoie un résultat
elle <- "Julie"
lui <- "Thomas"
# paste() pour concaténer des chaînes de caractères
elle_lui <- paste(elle, lui, sep = " aime ")
elle_lui
## [1] "Julie aime Thomas"
# gsub() pour remplacer un 'pattern' de caractère
gsub(pattern = "Thomas", replacement = "Tristan", x = elle_lui)
## [1] "Julie aime Tristan"
Les fonctions
Les fonctions peuvent être :
- Mises à disposition par le R base (fonctions
primitives ou standards)
- Mises à disposition par un package
- Développées en local par vous-même.
Elles s’utilisent toujours de la même façon : nom()
# Construction d'une fonction, qui écrit "Hello" dans la console
fonction_hello <- function() { print("Hello") }
# Utilisation de la fonction
fonction_hello()
## [1] "Hello"
Les arguments
Le plus souvent, des arguments doivent être renseignés pour
utiliser une fonction. Il suffit de leur attribuer une valeur.
x <- seq(from = -20, to = 22, by = 2)
y <- rep(10:20, 2)
plot(x , y , type = "b",
pch = 18, cex = 1.2, lwd = 2, col= "blue",
main = "Mon premier plot avec R",
xlab = "Ma variable en abscisse", ylab = "Ma variable en ordonnée")
Les objets
De nombreux objets R adaptés aux différents types de données :
- Vector - liste d’éléments de même
nature
- Data.frame - Tableau de données
- Matrix - Matrice
- Array - Ensemble de matrices
- List - Liste d’objet
- Factor - vecteur avec une liste de modalités
prédéfinies
- Simple feature - Données
géographiques
- Time serie - Série temporelle
- …
Vector
Le vecteur est l’objet de base de R. Il permet de
stocker un ou plusieurs éléments du même type.
# Vecteur d'un unique élément de type string
nom <- "Martina"
La fonction c() permet de construire un vecteur de plusieurs
éléments,
noms <- c("Martina", "Leo", "Inès", "Joshua")
noms
## [1] "Martina" "Leo" "Inès" "Joshua"
Vector
Pour naviguer dans cet objet unidimensionnel, utilisez les crochets.
# Sélection du premier élément
noms[1]
# Sélection des éléments 2 et 4
noms[c(2,4)]
## [1] "Leo" "Joshua"
# Assigner dans un nouvel objet pour garder en mémoire
Select_nom <- noms[c(1,3)]
Select_nom
## [1] "Martina" "Inès"
Data.frame
Le data.frame correspond au tableau de données
classique. il se compose de plusieurs colonnes pouvant contenir
des données de nature différente. Chaque colonne d’un data.frame
est un vecteur.
# Construction de plusieurs vecteurs de même longueur
nom <- c("Modibo Keïta", "Moussa Traoré", "Alpha Oumar Konaré")
date_naissance <- c("1915-06-04", "1936-09-25", "1946-02-02")
annee_arrivee_pouvoir <- c(1960, 1968, 1992)
duree_au_pouvoir <- c(8, 23, NA)
parcours_militaire <- c(FALSE, TRUE, FALSE)
Utilisez la fonction data.frame() pour construire un
tableau
Data.frame
Utilisez la fonction data.frame() pour construire un
tableau
MyTab <- data.frame(nom,
date_naissance,
annee_arrivee_pouvoir,
duree_au_pouvoir,
parcours_militaire )
MyTab
## nom date_naissance annee_arrivee_pouvoir duree_au_pouvoir
## 1 Modibo Keïta 1915-06-04 1960 8
## 2 Moussa Traoré 1936-09-25 1968 23
## 3 Alpha Oumar Konaré 1946-02-02 1992 NA
## parcours_militaire
## 1 FALSE
## 2 TRUE
## 3 FALSE
Data.frame
Utilisez les crochets pour naviguer dans un tableau :
MyTab[
ligne , colonne ]
## SELECTION PAR INDEX
# Première ligne et toutes les colonnes
MyTab[ 1 , ]
# Toutes les lignes et colonnes 1, 3 et 5
MyTab[ , c(1,3,5)]
# 2e ligne et colonnes 1 et 5
MyTab[2, c(1,5)]
## SELECTION PAR NOM
# 2e ligne et colonnes 1 et 5
MyTab[ 2 , c("nom", "parcours_militaire")]
## nom parcours_militaire
## 2 Moussa Traoré TRUE
Data.frame
Vous pouvez également utiliser le signe $ pour séléctionner une colonne
:
MyTab$date_naissance
## Uilisation du $
# Séléction colonne 'date_naissance'
MyTab$date_naissance
# Valeur de la seconde ligne dans la colonne 'date_naissance'
MyTab$date_naissance[2]
# Colonne 'parcours_militaire', ligne 1 et 3
MyTab$date_naissance[c(1,3)]
## [1] "1915-06-04" "1946-02-02"
Data.frame
Utilisez les différents opérateurs pour sélectionner
par condition :
# Séléction par condition
MyTab[ MyTab$duree_au_pouvoir > 20 , ]
# Condition ET Condition
MyTab[MyTab$annee_arrivee_pouvoir > 1965 & MyTab$parcours_militaire == FALSE, ]
# Condition OU Condition
MyTab[MyTab$duree_au_pouvoir >= 10 | is.na(MyTab$duree_au_pouvoir), ]
# Utilisation de fonction
MyTab[nchar(MyTab$nom) > 15, ]
## nom date_naissance annee_arrivee_pouvoir duree_au_pouvoir
## 3 Alpha Oumar Konaré 1946-02-02 1992 NA
## parcours_militaire
## 3 FALSE
list
Une liste permet de stocker plusieurs objets (peu importe le
type) en un seul. Une liste est une collection d’objet.
Utilisez la fonction list() pour construire une liste
# Vecteur de chaînes de caractères
noms <- c("Martina", "Leo", "Inès", "Joshua")
# Vecteur de numeric
ages <- c(21, 20, 25, 18)
# data.frame
tablo <- data.frame(noms, ages)
# fonction
fonction_hello <- function() { print("Hello") }
# Construction d'un objet list
Ma_list <- list(noms, ages, tablo, fonction_hello)
C’est un super objet très utile et puissant.
Cet
objet est utilisé par plusieurs packages de référence
List
Pour naviguer dans une liste, utilisez des doubles
crochets :
Ma_list[[ index ]]
# Séléction du 1er objet de Ma_list
Ma_list[[1]]
## [1] "Martina" "Leo" "Inès" "Joshua"
# Séléction au sein d'un objet d'une list :
# 2e ligne et 1ère colonne de mon objet 3
Ma_list[[3]][4 , 2]
## [1] 18
R base
Le langage R offre 2321 fonctions de base* stockées
dans 7 packages standards, installés et chargés
automatiquement :
- base = 1247 fonctions de base qui
permettent à R de fonctionner comme un langage
- utils = 224 fonctions utilitaires
(ex : installation de package, import/export…)
- stats = 451 fonctions statistiques
pour les calculs et la génération de nombres aléatoires
- grDevices = 109 fonctions pour la gestion
des périphériques graphiques
- graphics = 87 fonctions
graphiques
- methods = 203 fonctions pour définir des
méthodes et classes pour les objets R
- datasets = 416 jeux de données
d’exemples
633 fonctions supplémentaires* sont également mises à disposition par
l’intermédiaire de 5 autres packages pré-installés (grid, splines,
stats4, tcltk, tools), mais qui ne sont pas chargés automatiquement.
* Calculé le 2023-01-16
R base
Les fonctionnalités standards (ou primitives) proposées par R
permettent de réaliser beaucoup de choses
Il est cependant parfois nécessaire d’installer des
packages
pour profiter de certaines
fonctionnalités :
- Gérer des types de données spécifiques (ex :
géographique, image, son…)
- Optimiser son code (fonction codées en C++,
parallélisation…)
- Interagir avec d’autres outils (web scraping,
production de support…)
- Utiliser des méthodes d’analyses spécifiques (ex :
réseau, séquence, NLP…)
- Produire des représentations graphiques
particulières et/ou élégantes
Packages du CRAN
19051* packages sont disponibles sur le Comprehensive
R Archive Network
L’installation d’un package peut se faire en clic-bouton avec Rstudio.
Cette opération n’est à réaliser qu’une fois, sauf si vous souhaitez
mettre à jour le package.
# Utilisez install.packages() pour installer un package en ligne de code
# Exemple avec le package "mapsf"
install.packages("mapsf")
Pour utiliser les fonctions du package, chargez la
librairie :
Il est nécessaire de charger la librairie à chaque nouvelle session R
* Calculé le 2023-01-16
Autres ?
Le Comprehensive
R Archive Network est le système
officiel de stockage et de mise à disposition des packages R.
Il existe d’autres sources :
- Bioconductor
qui concentre des packages portant sur l’analyse des données
génomiques
- R-forge
qui est une plateforme orientée vers les développeurs
- GitHub
qui est un service web d’hébergement et de gestion de développement de
logiciels, utilisant le logiciel de gestion de versions Git
De nombreux packages fonctionnels et très intéressants sont
uniquement disponibles sur GitHub… Attention, ils ne
bénéficient pas du système de contrôle offert par le CRAN !
GitHub
GitHub permet
aux développeurs de programmer de manière collaborative.
Beaucoup de développeurs y partagent leur package, et profitent ainsi de
contributions externes
GitHub
Un package peut connaître une longue période de développement.
Cela ne l’empêche pas d’être opérationnel. C’est par exemple le
cas du package apinsee destiné à
faciliter l’authentification aux API de l’INSEE. Pour
l’installer depuis GitHub :
# Le package remotes permet d'installer un package stocké sur GitHub
install.packages("remotes")
# Chargez la librairie
library(remotes)
# Utilisez la fonction install_github() en indiquant le nom du dépôt
install_github("inseefrlab/apinsee")
# Chargez la librairie
library(apinsee)
Sur Windows, il est nécessaire d’installer Rtools pour
utiliser les packages qui interagissent avec le système d’exploitation
(remotes,
devtools…)
Aide et documentation
C’est l’un des points forts du langage
Inclusion et partage sont au coeur de la communauté R
Les réponses à vos questions existent forcément
Mais où et comment chercher ?
Auto-complétion
La fonctionnalité d’auto-complétion
proposée par Rstudio peut dans un premier temps être très efficace.
Utilisez la touche tab.
Auto-complétion
Documentation officielle
Les packages (base et CRAN) sont accompagnés d’une documentation.
Vous pouvez y accéder en ligne de commande ou en clic-bouton :
# Chargement de la librairie
library(mapsf)
# help() ou ?
help(mapsf)
?mapsf
# Sur un package ou sur une fonction
help(mf_map)
?mf_map
D’autres fonctions de recherche et
d’accès à la documentation sur
r-project.org
Vignette, cheatsheet & site web
Certains packages proposent de la documentation plus digeste, comme une
vignette, une cheatsheet, voire
même un site web
Site web du package sf
Vignette du package MTA
Vignette
La vignette est un document qui décrit en profondeur le concept et le
fonctionnement d’un package. Il y a parfois plusieurs chapitres…
# Vignettes des packages installés
browseVignettes()
# Les vignettes d'un package installé
browseVignettes("mapsf")
Vignette du package mapsf
Cheatsheet
La Cheatsheet (antisèche) est un format crée par Rstudio. Il s’agit d’un
document qui résume brièvement (une ou deux feuilles) les
fonctionnalités d’un package.
Retrouvez la majorité des cheatsheets sur Rstudio
Site web
De nombreuses librairies de référence possèdent leur site web
La communauté R
La communauté R est très active et s’avère prolifique en matière
de partage et de documentation :
Conférences, groupes d’utilisateur.rice.s, manuels, blogs, forums,
agrégateurs, MOODLE, MOOC, vidéos, listes de diffusion, réseaux sociaux…
ex :
Il y en a pour tous le monde !
Les manuels
Il existe des centaines de manuels dans différentes
langues.
Certains sont focalisés sur une discipline ou une
fonctionnalité.
Quelques manuels généralistes :
Quelques manuels thématiques :
Agrégateurs & listes
Plusieurs sites internet collaboratifs permettent
l’agrégation de contenu ou l’inventaire de
ressources.
Agrégateurs de contenu
- Rweekly - agrégateur de
ressources diverses
- R-bloggers - agrégateur de
billets de blog d’actualité et de tutoriels
- Rzine - site de référencement de
documentation sur la pratique de R en SHS
- …
Inventaires de ressources :
- Awesome R - liste
collective de packages et d’outils
- Frrrenchies
- liste de ressources francophones ou utiles pour les Français.
- …
Blogs
Certains blogs, parfois très complets, sont de
véritables mines d’or !
Forums & listes de diffusion
Vous avez une question ?
Forums
- Stackoverflow -
forum d’entraide généraliste
- Grrr
- plate-forme Slack de discussion instantanée francophone sur R
- Cirad - forum
francophone d’échange sur R
- …
Listes de diffusion
- R-soc - utilisation du
logiciel R en sciences sociales
- Semin-R - liste de
diffusion du groupe d’utilisateur.rice.s semin-R
- …
Réseaux sociaux
La communauté R est très active sur les réseaux
sociaux
Suivez la communauté
sur twitter
#rstat
Plusieurs chaînes Youtube existent :
