Numeric : variables numériques (qui ne contiennent que des chiffres, que l’on peut calculer)

n <- 1:10 # pour créer un objet comptenant des chiffres
n # pour afficher le contenu de l'objet

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

is.numeric(n) # pour vérifier s'il est bien numérique

## [1] TRUE

Character : variables qualitatives (en général du texte)

c <- c("un","deux","trois") # pour créer un objet contenant 
# des données qualitatives
c # pour afficher le contenu de l'objet

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

class(c) # pour demander le type de données de l'objet c

## [1] "character"

Logical : correspond à du Oui/Non (souvent utiliser pour stocker résultat d’une question posée dans R)

n

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

l <- n<3 # Lesquels dans n sont supérieurs à 3 ?
l

##  [1]  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

class(l)

## [1] "logical"

Les vecteurs : sont des objets à une dimension qui stockent des collections de données d’un même type uniquement

n # est un vecteur numérique

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

c # est un vecteur qualitatif

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

is.vector(l) # pour vérfier si l est un vecteur

## [1] TRUE

les facteurs : sont des vecteurs qui contiennent des données catégorisées, pour lesquelles il existe un niveau (level)
Elles correspondent par exemple aux réponses fixées dans le cadre d’un sondage.

f # est un vecteur contenant des catégories prédéfinies

##  [1] célibataire   marié         marié         non renseigné veuf         
##  [6] célibataire   divorcé       célibataire   marié         divorcé      
## Levels: célibataire divorcé marié non renseigné veuf

is.factor(f) # pour vérifier si c'est un facteur

## [1] TRUE

les facteurs : sont des vecteurs qui contiennent des données catégorisées, pour lesquelles il existe un niveau (level)
Elles correspondent par exemple aux réponses fixées dans le cadre d’un sondage.

levels(f) # pour observer les différents niveaux

## [1] "célibataire"   "divorcé"       "marié"         "non renseigné"
## [5] "veuf"

table(f) # pour voir le nombre dans chaque niveau

## f
##   célibataire       divorcé         marié non renseigné          veuf 
##             3             2             3             1             1

les matrices : sont des objets à deux dimensions qui stockent des collections de données d’un même type. Elles sont rectangulaires, c’est-à-dire qu’elles ont des rangs et des colonnes.

m <- matrix( 
   c(2, 4, 3, 1, 5, 7), # les données
   nrow = 2,              # nombre de rangs
   ncol = 3,              # nombre de colonnes
   byrow = TRUE)        # remplir la matrice par rang
m # pour afficher la matrice

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

les tableurs (data frame) : correspondent aux feuilles de calcul des logiciels de tableurs. Leur structure correspond aux matrices, mais les colonnes peuvent contenir des types de données différents.

d <- read.csv("SIT_corpus.csv", header = TRUE, sep = ";", encoding = "UTF-8", na.strings = "")
# pour ouvrir un tableur au format .csv
head(d) # pour afficher les 6 premiers enregistrements

##   ID_SITE          Lieu.dit                   Commune             Region
## 1 SIT0001 Wederath-Belginum                  Wederath Rhénanie Palatinat
## 2 SIT0002     Cherain-Brisy                   Cherain           Wallonie
## 3 SIT0003     Han-sur-Lesse             Han-sur-Lesse           Wallonie
## 4 SIT0004      Klosteräcker      Breisach-Hochstetten    Bade-Wurtemberg
## 5 SIT0005       Münsterberg                  Breisach    Bade-Wurtemberg
## 6 SIT0006          Kegelriß Ehrenkirchen-Ehrenstetten    Bade-Wurtemberg
##        Pays Longitude        Latitude
## 1 Allemagne  7.164440        49.86499
## 2  Belgique  5.865210        50.17996
## 3  Belgique  5.186230        50.12674
## 4 Allemagne  7.625970        48.02291
## 5 Allemagne  7.579663 48.029305356669
## 6 Allemagne  7.776640 47.898463213428

les listes : sont des collections ordonnées d’objets, dont les éléments peuvent être de différents types

les listes

L <- list(d, m, c, f) # création d'une liste
str(L)

## List of 4
##  $ :'data.frame':    1044 obs. of  7 variables:
##   ..$ ID_SITE  : chr [1:1044] "SIT0001" "SIT0002" "SIT0003" "SIT0004" ...
##   ..$ Lieu.dit : chr [1:1044] "Wederath-Belginum" "Cherain-Brisy" "Han-sur-Lesse" "Klosteräcker" ...
##   ..$ Commune  : chr [1:1044] "Wederath" "Cherain" "Han-sur-Lesse" "Breisach-Hochstetten" ...
##   ..$ Region   : Factor w/ 33 levels "Aargau","Alsace",..: 22 31 31 4 4 4 4 4 22 22 ...
##   ..$ Pays     : Factor w/ 5 levels "Allemagne","Belgique",..: 1 2 2 1 1 1 1 1 1 1 ...
##   ..$ Longitude: num [1:1044] 7.16 5.87 5.19 7.63 7.58 ...
##   ..$ Latitude : num [1:1044] 49.9 50.2 50.1 48 48 ...
##  $ : num [1:2, 1:3] 2 1 4 5 3 7
##  $ : chr [1:3] "un" "deux" "trois"
##  $ : Factor w/ 5 levels "célibataire",..: 1 3 3 4 5 1 2 1 3 2

les listes

L2 <- list(L, n, l) # création d'une liste avec une liste
str(L2)

## List of 3
##  $ :List of 4
##   ..$ :'data.frame': 1044 obs. of  7 variables:
##   .. ..$ ID_SITE  : chr [1:1044] "SIT0001" "SIT0002" "SIT0003" "SIT0004" ...
##   .. ..$ Lieu.dit : chr [1:1044] "Wederath-Belginum" "Cherain-Brisy" "Han-sur-Lesse" "Klosteräcker" ...
##   .. ..$ Commune  : chr [1:1044] "Wederath" "Cherain" "Han-sur-Lesse" "Breisach-Hochstetten" ...
##   .. ..$ Region   : Factor w/ 33 levels "Aargau","Alsace",..: 22 31 31 4 4 4 4 4 22 22 ...
##   .. ..$ Pays     : Factor w/ 5 levels "Allemagne","Belgique",..: 1 2 2 1 1 1 1 1 1 1 ...
##   .. ..$ Longitude: num [1:1044] 7.16 5.87 5.19 7.63 7.58 ...
##   .. ..$ Latitude : num [1:1044] 49.9 50.2 50.1 48 48 ...
##   ..$ : num [1:2, 1:3] 2 1 4 5 3 7
##   ..$ : chr [1:3] "un" "deux" "trois"
##   ..$ : Factor w/ 5 levels "célibataire",..: 1 3 3 4 5 1 2 1 3 2
##  $ : int [1:10] 1 2 3 4 5 6 7 8 9 10
##  $ : logi [1:10] TRUE TRUE FALSE FALSE FALSE FALSE ...

Une section nommée d’un programme qui accomplit une tâche spécifique

L <- list(n, m) # où list est une fonction

Une fonction est une procédure ou une routine

La plupart des langages de programmation sont fournis avec des fonctions pré-installées qui sont rangées dans des librairies

Dans R il est possible de télécharger des librairies contenant des fonctions spécifiques

install.packages("ggplot2") # pour installer ggplot2 qui contient des fonctions
# de visualisation de données
library(ggplot2) # pour faire appel à la librairie ggplot2

Il est aussi possible d’écrire ses propres fonctions

effectif <- function(d){
  td <- table(d$CT)
  td <- as.data.frame(td)
  return(td)}

Pour utiliser et adapter une nouvelle fonction :

• Utiliser la fonction d’aide

help("table")
?table

Créer un objet :

vec1 <- 5 # "<-" assigne 5 à vec1
vec2 = c(4,10,3) # c() correspond à "combine" (combiner)
"texte" -> vec3
vec3

## [1] "texte"

vec2_2 <- c(vec2, 8, 1, 4) # pour ajouter des éléments à un vecteur existant
vec2_2

## [1]  4 10  3  8  1  4

vec3_2 <- c(vec3, "plus","de texte")
vec3_2

## [1] "texte"    "plus"     "de texte"

Utiliser une fonction :

seq(10) # seq() est une fonction !

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

1:10 # correspond à la même chose

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

vec4 <- seq(10) # pour stocker le résultat de la fonction

Utiliser une fonction avec des paramètres :

vec5 <- seq(1, 9, by = 0.1) # seq("from", "to", by = "steps")
# seq("depuis", "jusqu'à", by = "intervale")
vec5

##  [1] 1.0 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8
## [20] 2.9 3.0 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9 4.0 4.1 4.2 4.3 4.4 4.5 4.6 4.7
## [39] 4.8 4.9 5.0 5.1 5.2 5.3 5.4 5.5 5.6 5.7 5.8 5.9 6.0 6.1 6.2 6.3 6.4 6.5 6.6
## [58] 6.7 6.8 6.9 7.0 7.1 7.2 7.3 7.4 7.5 7.6 7.7 7.8 7.9 8.0 8.1 8.2 8.3 8.4 8.5
## [77] 8.6 8.7 8.8 8.9 9.0

Sélectionner des morceaux d’un vecteur

vec4[c(1:4)] # affiche vec4[éléments 1 à 4]

## [1] 1 2 3 4

vec5[c(1,5,7)] # affiche vec5[éléments 1, 5 et 7]

## [1] 1.0 1.4 1.6

vec3_2[3] # affiche vec3_2[élement 3]

## [1] "de texte"

v <- c(vec3_2[3], vec4[c(1:4)]) # possible de stocker ces éléments dans un nouvel objet
v

## [1] "de texte" "1"        "2"        "3"        "4"

is.numeric(v)

## [1] FALSE

is.character(v)

## [1] TRUE

Voir le détail d’un vecteur

typeof(vec4) # quel type ?

## [1] "integer"

length(vec4) # combien d'éléments ?

## [1] 10

attributes(vec4) # est-ce qu'il y a des métadonnées ?

## NULL

Ouvrir un tableur :

d <- read.csv("SIT_corpus.csv", header = TRUE, sep = ";", encoding = "UTF-8", na.strings = "")
# voir ?read.table pour plus d'informations

Créer un tableur :

df <- data.frame(n, f, l)
class(df)

## [1] "data.frame"

str(df)

## 'data.frame':    10 obs. of  3 variables:
##  $ n: int  1 2 3 4 5 6 7 8 9 10
##  $ f: Factor w/ 5 levels "célibataire",..: 1 3 3 4 5 1 2 1 3 2
##  $ l: logi  TRUE TRUE FALSE FALSE FALSE FALSE ...

Enregister le tableur

write.table(df, file = "nom_fichier.csv", quote = FALSE, sep = ";", na = "NA",
            dec = ".", row.names = FALSE, col.names = TRUE)

Autres format que .csv :
- Excel : library(xlsx)
- SQLite : library(RSQLite)
- PostGreSQL : library(RPostgreSQL)

Pour séléctionner des éléments d’un tableur la syntaxe est : tableur[rang, colonne]

df[4, 2] # affiche le rang 4 et la colonne 2 du tableur df

## [1] non renseigné
## Levels: célibataire divorcé marié non renseigné veuf

df[,2] # affiche toute la colonne 2

##  [1] célibataire   marié         marié         non renseigné veuf         
##  [6] célibataire   divorcé       célibataire   marié         divorcé      
## Levels: célibataire divorcé marié non renseigné veuf

df[4,] # affiche tout le rang 4

##   ID        Statut Enfant
## 4  4 non renseigné  FALSE

df[4:8,2] # affiche les rangs 4 à 8 pour la colonne 2

## [1] non renseigné veuf          célibataire   divorcé       célibataire  
## Levels: célibataire divorcé marié non renseigné veuf

df[4, 2:3] # affiche le rang 4 pour les colonnes 2 à 3

##          Statut Enfant
## 4 non renseigné  FALSE

df$Statut # affiche la colonne Statut du tableur df

##  [1] célibataire   marié         marié         non renseigné veuf         
##  [6] célibataire   divorcé       célibataire   marié         divorcé      
## Levels: célibataire divorcé marié non renseigné veuf

ID4 <- df[4,] # pour stocker les données du rang 4 dans un nouvel objet

Quand pour quelques raisons que ce soit l’objet contient des valeurs vides, elles sont indiquées par la mention NA (data Not Available)

df$Age <- c(30, 42, NA, 27, 59, NA, 23, 36, NA, 75)
head(df)

##   ID        Statut Enfant Age
## 1  1   célibataire   TRUE  30
## 2  2         marié   TRUE  42
## 3  3         marié  FALSE  NA
## 4  4 non renseigné  FALSE  27
## 5  5          veuf  FALSE  59
## 6  6   célibataire  FALSE  NA

anyNA(df) # indique s'il y a des éléments manquants

## [1] TRUE

is.na(df) # indique quels éléments sont manquants

##          ID Statut Enfant   Age
##  [1,] FALSE  FALSE  FALSE FALSE
##  [2,] FALSE  FALSE  FALSE FALSE
##  [3,] FALSE  FALSE  FALSE  TRUE
##  [4,] FALSE  FALSE  FALSE FALSE
##  [5,] FALSE  FALSE  FALSE FALSE
##  [6,] FALSE  FALSE  FALSE  TRUE
##  [7,] FALSE  FALSE  FALSE FALSE
##  [8,] FALSE  FALSE  FALSE FALSE
##  [9,] FALSE  FALSE  FALSE  TRUE
## [10,] FALSE  FALSE  FALSE FALSE

is.na(df$Age)

##  [1] FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE

table(is.na(df$Age)) # table compte le nombre d'occurence

## 
## FALSE  TRUE 
##     7     3

na.omit(df) # enlève les données incomplètes

##    ID        Statut Enfant Age
## 1   1   célibataire   TRUE  30
## 2   2         marié   TRUE  42
## 4   4 non renseigné  FALSE  27
## 5   5          veuf  FALSE  59
## 7   7       divorcé  FALSE  23
## 8   8   célibataire  FALSE  36
## 10 10       divorcé  FALSE  75

Chercher des doublons

duplicated(f) # trouve les éléments identiques dans un objet

##  [1] FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE  TRUE  TRUE  TRUE

any(duplicated(f))

## [1] TRUE

unique(f) # enlève les duplicatat d'un objet

## [1] célibataire   marié         non renseigné veuf          divorcé      
## Levels: célibataire divorcé marié non renseigné veuf

f

##  [1] célibataire   marié         marié         non renseigné veuf         
##  [6] célibataire   divorcé       célibataire   marié         divorcé      
## Levels: célibataire divorcé marié non renseigné veuf

Trier les données

n

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

sort(n, decreasing = TRUE) # trie un vecteur 

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

df

##    ID        Statut Enfant Age
## 1   1   célibataire   TRUE  30
## 2   2         marié   TRUE  42
## 3   3         marié  FALSE  NA
## 4   4 non renseigné  FALSE  27
## 5   5          veuf  FALSE  59
## 6   6   célibataire  FALSE  NA
## 7   7       divorcé  FALSE  23
## 8   8   célibataire  FALSE  36
## 9   9         marié  FALSE  NA
## 10 10       divorcé  FALSE  75

df[order(df$Age), ] # trie un tableur

##    ID        Statut Enfant Age
## 7   7       divorcé  FALSE  23
## 4   4 non renseigné  FALSE  27
## 1   1   célibataire   TRUE  30
## 8   8   célibataire  FALSE  36
## 2   2         marié   TRUE  42
## 5   5          veuf  FALSE  59
## 10 10       divorcé  FALSE  75
## 3   3         marié  FALSE  NA
## 6   6   célibataire  FALSE  NA
## 9   9         marié  FALSE  NA

Réagencer des colonnes

prf <- as.factor(c(rep("commerçant", 3), "ouvrier", rep("fonctionnaire", 6)))
df2 <- cbind(df, prf) # colle les colonnes si même nombre de rang
df2

##    ID        Statut Enfant Age           prf
## 1   1   célibataire   TRUE  30    commerçant
## 2   2         marié   TRUE  42    commerçant
## 3   3         marié  FALSE  NA    commerçant
## 4   4 non renseigné  FALSE  27       ouvrier
## 5   5          veuf  FALSE  59 fonctionnaire
## 6   6   célibataire  FALSE  NA fonctionnaire
## 7   7       divorcé  FALSE  23 fonctionnaire
## 8   8   célibataire  FALSE  36 fonctionnaire
## 9   9         marié  FALSE  NA fonctionnaire
## 10 10       divorcé  FALSE  75 fonctionnaire

Rajouter des rangs

df3 <- data.frame(ID = c(11:13), Statut = c(NA, "veuf", "divorcé"), 
                  Enfant = c(TRUE, TRUE, FALSE), Age = c(44, 80, 52))
df4 <- rbind(df, df3) # colle les rangs si exacte même colonnes
df4

##    ID        Statut Enfant Age
## 1   1   célibataire   TRUE  30
## 2   2         marié   TRUE  42
## 3   3         marié  FALSE  NA
## 4   4 non renseigné  FALSE  27
## 5   5          veuf  FALSE  59
## 6   6   célibataire  FALSE  NA
## 7   7       divorcé  FALSE  23
## 8   8   célibataire  FALSE  36
## 9   9         marié  FALSE  NA
## 10 10       divorcé  FALSE  75
## 11 11          <NA>   TRUE  44
## 12 12          veuf   TRUE  80
## 13 13       divorcé  FALSE  52

Fusionner des jeux de données qui ont en communs des noms de colonnes ou de rangs

df5 <- data.frame(ID = c(1:10), prf = prf, Ville = c(rep("Strasbourg", 3),
                                                     rep("Paris", 4),
                                                     "Marseille", "Lyon", "Besançon"))
df5

##    ID           prf      Ville
## 1   1    commerçant Strasbourg
## 2   2    commerçant Strasbourg
## 3   3    commerçant Strasbourg
## 4   4       ouvrier      Paris
## 5   5 fonctionnaire      Paris
## 6   6 fonctionnaire      Paris
## 7   7 fonctionnaire      Paris
## 8   8 fonctionnaire  Marseille
## 9   9 fonctionnaire       Lyon
## 10 10 fonctionnaire   Besançon

df6 <- merge(df, df5, by = "ID") # fusionne les jeux en fonction de ID
df6

##    ID        Statut Enfant Age           prf      Ville
## 1   1   célibataire   TRUE  30    commerçant Strasbourg
## 2   2         marié   TRUE  42    commerçant Strasbourg
## 3   3         marié  FALSE  NA    commerçant Strasbourg
## 4   4 non renseigné  FALSE  27       ouvrier      Paris
## 5   5          veuf  FALSE  59 fonctionnaire      Paris
## 6   6   célibataire  FALSE  NA fonctionnaire      Paris
## 7   7       divorcé  FALSE  23 fonctionnaire      Paris
## 8   8   célibataire  FALSE  36 fonctionnaire  Marseille
## 9   9         marié  FALSE  NA fonctionnaire       Lyon
## 10 10       divorcé  FALSE  75 fonctionnaire   Besançon

Les boucles sont utilisées pour répéter un argument un nombre de fois défini

a <- 1
for (i in 1:20){
  a <- a+a
}
a

## [1] 1048576

for (i in 1:length(df6[,1])){
  df6$tp_retraite[i] <- 65-df6[i,4] # soustrait l'âge de chaque individu à 65 et
  # le stocke dans une nouvelle colonne
}
df6

##    ID        Statut Enfant Age           prf      Ville tp_retraite
## 1   1   célibataire   TRUE  30    commerçant Strasbourg          35
## 2   2         marié   TRUE  42    commerçant Strasbourg          23
## 3   3         marié  FALSE  NA    commerçant Strasbourg          NA
## 4   4 non renseigné  FALSE  27       ouvrier      Paris          38
## 5   5          veuf  FALSE  59 fonctionnaire      Paris           6
## 6   6   célibataire  FALSE  NA fonctionnaire      Paris          NA
## 7   7       divorcé  FALSE  23 fonctionnaire      Paris          42
## 8   8   célibataire  FALSE  36 fonctionnaire  Marseille          29
## 9   9         marié  FALSE  NA fonctionnaire       Lyon          NA
## 10 10       divorcé  FALSE  75 fonctionnaire   Besançon         -10

Il existe aussi des boucles restrictives

i <- 1
a <- 1

while(a<55) {
  a <- a+a
  i=i+1
}
a

## [1] 64

i

## [1] 7