{"id":949,"date":"2023-12-08T03:50:22","date_gmt":"2023-12-08T03:50:22","guid":{"rendered":"https:\/\/lasstatistique.com\/?p=949"},"modified":"2024-08-14T03:14:55","modified_gmt":"2024-08-14T03:14:55","slug":"cours-1-langage-r-et-a-rstudio","status":"publish","type":"post","link":"https:\/\/lasstatistique.com\/?p=949","title":{"rendered":"cours 1 : langage R et RStudio"},"content":{"rendered":"

Mon premier Script R<\/b><\/span><\/p>\n

Nous pouvons maintenant cr\u00e9er notre premier Script R en suivant la proc\u00e9dure File > New File >\u00a0 R Script <\/b><\/span>ou en utilisant la combinaison clavier Ctrl+Shift+N<\/b><\/span>.<\/p>\n

La figure ci-dessous pr\u00e9sente quelques commandes R<\/span>. Les r\u00e9sultats qu\u2019elles sont cens\u00e9es produire sont not\u00e9s en commentaire. Vous allez sans doute le remarquer, c\u2019est le caract\u00e8re sp\u00e9cial #<\/span> qui permet d\u2019ins\u00e9rer un commentaire dans un script R<\/span>. Par ailleurs, la validation d\u2019une ligne ou d\u2019un ensemble de lignes de commandes se fait en les s\u00e9lectionnant dans le fichier de Script puis en cliquant sur le bouton Run<\/b><\/span> situ\u00e9 en haut \u00e0 droite du fichier de Script.<\/p>\n

Pour chacune des commande ci-dessous, il est possible de consulter l\u2019aide en tapant la commande : help(\u00ab\u00a0nom de la commande<\/span>\u00ab\u00a0). Vous pouvez par la suite nommer et enregistrer votre script dans le r\u00e9pertoire de travail en passant par le Menu File <\/b><\/span>ou en utilisant la combinaison clavier Ctrl+S<\/b><\/span>.<\/b><\/p>\n

R<\/span> offre donc la possibilit\u00e9 de r\u00e9aliser des milliers d\u2019op\u00e9rations sur les variables de diff\u00e9rentes natures ( Nombres, Vecteurs, matrices, chaine de caract\u00e8res, etc.) en utilisant les commandes associ\u00e9es \u00e0 ces op\u00e9rations. La documentation mentionn\u00e9es ci-dessus est suffisamment riche en la mati\u00e8re. Nous vous laissons donc le soin d\u2019explorer l\u2019univers des commandes de R<\/span>.<\/p>\n

Dans la suite de ce cours, nous allons nous restreindre aux applications statistiques du langage R<\/span>.<\/p>\n

\"\"<\/p>\n

Importation de donn\u00e9es et manipulation de variables<\/b><\/span><\/p>\n

L\u2019importation d\u2019un fichier de donn\u00e9es sur R<\/span> se fait \u00e0 partir du menu \u00ab\u00a0File<\/span>\u00a0\u00bb <\/b>\u00a0de Rstudio<\/span>. Cependant, selon la nature du fichier \u00e0 importer, R<\/span> peut avoir besoin de certaines de ses extensions (Package) pour proc\u00e9der \u00e0 l\u2019importation. Nous parlerons de ces extensions un peu plus tard.<\/p>\n

Pour le moment, nous allons importer les fichiers de type .csv. <\/b>Pour illustration, Nous disposons d\u2019un fichier Excel contenant les informations collect\u00e9es aupr\u00e8s d\u2019une population h\u00f4te ayant accueilli les r\u00e9fugi\u00e9s d\u2019un pays africains. Il faut donc prendre le soin d\u2019enregistrer ledit fichier au format CSV (s\u00e9parateur : point virgule) \u00e0 travers l\u2019onglet \u00ab\u00a0Enregistrer sous<\/span>\u00a0\u00bb <\/b>\u00a0du tableur Excel.<\/p>\n

Le chargement du \ufb01chier hote.csv se fait \u00e0 l\u2019aide de la commande read.csv2()<\/span>, qui permet de lire des \ufb01chiers CSV pour lesquels le s\u00e9parateur de champ est un point-virgule, et le s\u00e9parateur d\u00e9cimal une virgule. Les donn\u00e9es seront associ\u00e9es \u00e0 l\u2019objet hote<\/b><\/span> \u00e0 l\u2019aide de l\u2019op\u00e9rateur d\u2019a\ufb00ectation\u00a0 \u00ab\u00a0<-<\/b>\u00a0<\/span>\u00bb. On suppose en effet que l\u2019utilisateur a bien d\u00e9\ufb01ni le r\u00e9pertoire contenant le \ufb01chier hote.csv comme r\u00e9pertoire de travail, soit \u00e0 l\u2019aide de la commande setwd()<\/span> soit via le menu \u00ab\u00a0<\/b>Session<\/strong><\/span>\u00a0\u00bb <\/b>de Rstudio<\/span> comme nous l\u2019avons mentionn\u00e9 un peu plus haut. Si non, il faudrait indiquer dans la commande read.csv2()<\/span> le chemin d\u2019acc\u00e8s complet au fichier hote.csv<\/span>.<\/p>\n

Le code hote <- read.csv2(\u00ab\u00a0hote.csv\u00a0\u00bb)<\/span> devrait importer le fichier de donn\u00e9es et cr\u00e9er la variable hote (data frame) dans la fen\u00eatre des\u00a0 objets situ\u00e9e en zone Nord-Est de l\u2019\u00e9cran.<\/p>\n

Il est aussi possible que vous receviez un message d\u2019erreur comme celui-ci :<\/p>\n

\"\"<\/p>\n

Ceci est sans doute d\u00fb \u00e0 l\u2019encodage du fichier hote.csv (les espaces, les accents et tous autres caract\u00e8res sp\u00e9ciaux). Une solution consiste \u00e0 ajouter quelques arguments \u00e0 la fonction read.csv2 comme suit :<\/p>\n

hote <- read.csv2(\u00ab\u00a0hote.csv\u00a0\u00bb, fileEncoding = \u00ab\u00a0latin1\u00a0\u00bb, check.names = F)<\/span>.<\/p>\n

Le contenu de l\u2019espace de travail peut \u00eatre visualis\u00e9 directement depuis le panneau intitul\u00e9 Environment (Workspace<\/span>). Si l\u2019on double clique sur le nom d\u2019un data frame, celui-ci est a\ufb03ch\u00e9 dans un tableau en mode lecture seule.<\/p>\n

\"\"<\/p>\n

Les donn\u00e9es sont g\u00e9n\u00e9ralement repr\u00e9sent\u00e9es sous la forme d\u2019un tableau rectangulaire dans lequel les variables sont arrang\u00e9es en colonnes, et les observations en lignes. Sous R<\/span>, on parlera de \u201cdata frame<\/span>\u201d. Une fois que les donn\u00e9es sont import\u00e9es, l\u2019objet hote<\/span> (le data frame) sera disponible dans l\u2019espace de travail (\u201cEnvironment<\/span>\u201d), comme on pourra le v\u00e9ri\ufb01er avec la commande ls()<\/span>. Les dimensions du tableau de donn\u00e9es peuvent \u00eatre v\u00e9ri\ufb01\u00e9es \u00e0 l\u2019aide de la commande dim()<\/span>. La commande names()<\/span> renvoie le nom des variables.<\/p>\n

\"\"<\/p>\n

La commande str()<\/span> fournit un r\u00e9sum\u00e9 de l\u2019ensemble des variables avec leur type (int<\/span> pour les variables num\u00e9riques, factor pour les variables cat\u00e9gorielles) et un aper\u00e7u des 10 premi\u00e8res observations.<\/p>\n

La commande summary()<\/span> permet de fournir un r\u00e9sum\u00e9 descriptif univari\u00e9 pour chaque variable. Dans le cas des variables num\u00e9riques, R<\/span> indique les principaux indicateurs de tendance centrale (moyenne et m\u00e9diane<\/span>) et de dispersion (\u00e9tendue, intervalle inter-quartile<\/span>), ainsi que le nombre de valeurs manquantes repr\u00e9sent\u00e9es par le symbole \u00ab\u00a0NA<\/span>\u00a0\u00bb.<\/p>\n

Vous pouvez produire ces statistiques pour toutes les variables du data frame en appliquant la commande summary(hote)<\/span> ou en sp\u00e9cifiant une seule variable si vous n\u2019\u00eates pas int\u00e9ress\u00e9 par toutes : summary(hote$age)<\/span> par exemple.<\/p>\n

\"\"<\/p>\n

Nous pouvons retrouver l\u2019\u00e2ge minimum avec la commande min<\/b>(hote$age, na.rm = TRUE)<\/span>. L\u2019argument na.rm = TRUE<\/span> indique \u00e0 R<\/span> de ne pas tenir compte des valeurs manquantes. En e\ufb00et, dans le cas o\u00f9 une variable contient des donn\u00e9es manquantes, il faut indiquer explicitement \u00e0 R<\/span> ce que l\u2019on souhaite faire des valeurs manquantes. Par d\u00e9faut, R<\/span> ne supprime pas les valeurs manquantes, comme on peut le v\u00e9ri\ufb01er dans l\u2019aide en ligne (na.rm = FALSE<\/span>), et se contente de renvoyer la valeur NA<\/span> pour signaler \u00e0 l\u2019utilisateur que certaines donn\u00e9es sont manquantes.<\/p>\n

On peut aussi obtenir l\u2019\u00e9tendue des valeurs observ\u00e9es avec la fonction range() <\/b><\/span>qui, contrairement \u00e0 min<\/b>()<\/span>, est une commande qui renvoie des r\u00e9sultats multiples (dans ce cas, le minimum et le maximum de la variable age).<\/p>\n

range<\/b>(hote$age, na.rm = TRUE<\/span>).<\/p>\n

La commande unique() <\/b><\/span>permet d\u2019\u00e9num\u00e9rer les valeurs distinctes observ\u00e9es dans une variable. unique<\/b>(hote$region)<\/span> permet de connaitre toutes les r\u00e9gions dans lesquelles les h\u00f4tes ont \u00e9t\u00e9 interrog\u00e9es.<\/p>\n

La commande rm<\/b>() <\/b><\/span>permet de supprimer une ou plusieurs variables de l\u2019espace de travail.<\/p>\n

Pour tabuler une variables, on utilise la commande table()<\/span>.<\/b><\/p>\n

\"\"<\/p>\n

Pour a\ufb03cher le nombre de valeurs manquantes via la commande table()<\/span>, il est n\u00e9cessaire d\u2019ajouter l\u2019option useNA = \u00ab\u00a0always\u00a0\u00bb<\/span>.<\/p>\n

table(hote$Region, useNA = \u00ab\u00a0always\u00a0\u00bb)<\/span>.<\/p>\n

On peut plut\u00f4t rechercher le nombre d\u2019observations sans donn\u00e9e manquante avec la commande complete.cases()<\/span> de la fa\u00e7on suivante : sum<\/b>(complete.cases<\/b>(hote$Region))<\/span><\/p>\n

\u00a0 \u00a0 \u00a0Recodage de variables<\/span><\/strong><\/p>\n

 <\/p>\n

Dans certains cas de figure, on peut \u00eatre amen\u00e9 \u00e0 recoder une variable en regroupant certaines valeurs que prend cette derni\u00e8re. Par exemple, si on veut regrouper les individus en tranche d\u2019\u00e2ge, il faudra cr\u00e9er une nouvelle variable age2. Pour cela, on utilise la fonction cut<\/b><\/span>()<\/span>.<\/b><\/p>\n

Celle-ci prend, outre la variable \u00e0 d\u00e9couper, un certain nombre d\u2019arguments\u00a0:<\/p>\n