mirror of
https://github.com/adambard/learnxinyminutes-docs.git
synced 2024-11-23 14:17:02 +03:00
add french translation of R
This commit is contained in:
Chtiprog
parent
afb44df973
commit
a6c01bf515
@ -9,9 +9,9 @@ filename: learnr-fr.r
|
||||
---
|
||||
|
||||
R est un langage de programmation statistique. Il dispose de nombreuses
|
||||
librairies pour le téléchargement et le nettoyage des ensembles de données,
|
||||
l'exécution de procédures statistiques, et pour faire des graphiques.
|
||||
On peut également exécuter les commmandes R à l'aide d'un document LaTeX.
|
||||
librairies pour le téléchargement et le nettoyage d'ensembles de données,
|
||||
l'exécution de procédures statistiques, et la réalisation de graphiques.
|
||||
On peut également exécuter les commmandes `R` au sein d'un document LaTeX.
|
||||
|
||||
|
||||
```r
|
||||
@ -25,30 +25,30 @@ On peut également exécuter les commmandes R à l'aide d'un document LaTeX.
|
||||
|
||||
|
||||
|
||||
#############################################################################
|
||||
# Les choses que vous pouvez faire sans rien comprendre à la programmation
|
||||
#############################################################################
|
||||
########################################################################
|
||||
# Les choses que vous pouvez faire sans rien comprendre
|
||||
# à la programmation
|
||||
########################################################################
|
||||
|
||||
# In this section, we show off some of the cool stuff you can do in
|
||||
# Dans cette section, nous vous montrons quelques trucs cools que vous
|
||||
# pouvez faire avec R sans rien comprendre à la programmation.
|
||||
# Ne vous inquiétez pas si vous ne comprenez pas tout ce que le code fait.
|
||||
# Profitez simplement !
|
||||
|
||||
data() # parcours les ensembles de données préchargées
|
||||
data(rivers) # obtiens celui-ci: "Lengths of Major North American Rivers"
|
||||
ls() # notez que "rivers" apparaît maintenant dans votre espace de travail
|
||||
head(rivers) # Jetez un coup d'oeil à l'ensemble de données
|
||||
data() # parcours les ensembles de données préchargées
|
||||
data(rivers) # récupère ceci : "Lengths of Major North American Rivers"
|
||||
ls() # notez que "rivers" apparaît maintenant dans votre espace de travail
|
||||
head(rivers) # donne un aperçu des données
|
||||
# 735 320 325 392 524 450
|
||||
|
||||
length(rivers) # Combien de rivers ont été mesurées ?
|
||||
# 141
|
||||
summary(rivers) # quelles sont les statistiques sommaires ?
|
||||
# Min. 1st Qu. Median Mean 3rd Qu. Max.
|
||||
# 135.0 310.0 425.0 591.2 680.0 3710.0
|
||||
summary(rivers) # Quels sont les principales données statistiques ?
|
||||
# Min. 1st Qu. Median Mean 3rd Qu. Max.
|
||||
# 135.0 310.0 425.0 591.2 680.0 3710.0
|
||||
|
||||
# Fait un diagramme à tiges et à feuilles (visualisation de données de
|
||||
types histogramme)
|
||||
# types histogramme)
|
||||
stem(rivers)
|
||||
|
||||
|
||||
@ -64,23 +64,24 @@ stem(rivers)
|
||||
# 14 | 56
|
||||
# 16 | 7
|
||||
# 18 | 9
|
||||
# 20 |
|
||||
# 20 |
|
||||
# 22 | 25
|
||||
# 24 | 3
|
||||
# 26 |
|
||||
# 28 |
|
||||
# 30 |
|
||||
# 32 |
|
||||
# 34 |
|
||||
# 26 |
|
||||
# 28 |
|
||||
# 30 |
|
||||
# 32 |
|
||||
# 34 |
|
||||
# 36 | 1
|
||||
|
||||
stem(log(rivers)) # Notez que les données ne sont ni normales ni lognormales !
|
||||
# Prenez-ça les fondamentalistes, la courbe en cloche
|
||||
stem(log(rivers)) # Notez que les données ne sont ni normales
|
||||
# ni lognormales !
|
||||
# Prenez-ça, la courbe en cloche
|
||||
|
||||
# Le point décimal est à 1 chiffre à gauche du |
|
||||
#
|
||||
# 48 | 1
|
||||
# 50 |
|
||||
# 50 |
|
||||
# 52 | 15578
|
||||
# 54 | 44571222466689
|
||||
# 56 | 023334677000124455789
|
||||
@ -95,14 +96,14 @@ stem(log(rivers)) # Notez que les données ne sont ni normales ni lognormales !
|
||||
# 74 | 84
|
||||
# 76 | 56
|
||||
# 78 | 4
|
||||
# 80 |
|
||||
# 80 |
|
||||
# 82 | 2
|
||||
|
||||
# Fais un histogramme :
|
||||
hist(rivers, col="#333333", border="white", breaks=25) # amusez-vous avec ces parenthèses
|
||||
hist(rivers, col="#333333", border="white", breaks=25) # amusez-vous avec ces paramètres
|
||||
hist(log(rivers), col="#333333", border="white", breaks=25) # vous ferez plus de tracés plus tard
|
||||
|
||||
# Ici d'autres données nettes qui viennent préchargées. R en a des tonnes.
|
||||
# Ici d'autres données qui viennent préchargées. R en a des tonnes.
|
||||
data(discoveries)
|
||||
plot(discoveries, col="#333333", lwd=3, xlab="Year",
|
||||
main="Number of important discoveries per year")
|
||||
@ -118,7 +119,7 @@ sort(discoveries)
|
||||
# [76] 4 4 4 4 5 5 5 5 5 5 5 6 6 6 6 6 6 7 7 7 7 8 9 10 12
|
||||
|
||||
stem(discoveries, scale=2)
|
||||
#
|
||||
#
|
||||
# Le point décimale est à la |
|
||||
#
|
||||
# 0 | 000000000
|
||||
@ -132,19 +133,20 @@ stem(discoveries, scale=2)
|
||||
# 8 | 0
|
||||
# 9 | 0
|
||||
# 10 | 0
|
||||
# 11 |
|
||||
# 11 |
|
||||
# 12 | 0
|
||||
|
||||
max(discoveries)
|
||||
# 12
|
||||
summary(discoveries)
|
||||
# Min. 1st Qu. Median Mean 3rd Qu. Max.
|
||||
# 0.0 2.0 3.0 3.1 4.0 12.0
|
||||
# Min. 1st Qu. Median Mean 3rd Qu. Max.
|
||||
# 0.0 2.0 3.0 3.1 4.0 12.0
|
||||
|
||||
# Lance un dès quelques fois
|
||||
# Lance un dès plusieurs fois
|
||||
round(runif(7, min=.5, max=6.5))
|
||||
# 1 4 6 1 4 6 4
|
||||
# Vos numéros diffèreront des miens à moins que nous mettions le même random.seed(31337)
|
||||
# Vos numéros diffèreront des miens à moins que nous mettions
|
||||
# le même random.seed(31337)
|
||||
|
||||
# Dessine à partir d'une normale Gaussienne 9 fois
|
||||
rnorm(9)
|
||||
@ -153,15 +155,9 @@ rnorm(9)
|
||||
|
||||
|
||||
|
||||
##################################################
|
||||
##############################################################
|
||||
# les types de données et l'arithmétique de base
|
||||
##################################################
|
||||
|
||||
# Now for the programming-oriented part of the tutorial.
|
||||
# In this section you will meet the important data types of R:
|
||||
# integers, numerics, characters, logicals, and factors.
|
||||
# There are others, but these are the bare minimum you need to
|
||||
# get started.
|
||||
##############################################################
|
||||
|
||||
# Maintenant pour la partie orientée programmation du tutoriel.
|
||||
# Dans cette section vous rencontrerez les types de données importants de R :
|
||||
@ -171,22 +167,23 @@ rnorm(9)
|
||||
# Les entiers de mémoire longue sont écrit avec L
|
||||
5L # 5
|
||||
class(5L) # "integer"
|
||||
# (Essayez ?class pour plus d'information sur la fonction class().)
|
||||
# Avec R, chaque valeur seule, comme 5L, est considéré comme un vecteur de longueur 1
|
||||
# (Essayez ?class pour plus d'informations sur la fonction class().)
|
||||
# Avec R, chaque valeur seule, comme 5L, est considéré comme
|
||||
# un vecteur de longueur 1
|
||||
length(5L) # 1
|
||||
# On peut avoir un vecteur d'entiers avec une longueur > 1 aussi :
|
||||
# On peut avoir un vecteur d'entiers avec une longueur > 1 :
|
||||
c(4L, 5L, 8L, 3L) # 4 5 8 3
|
||||
length(c(4L, 5L, 8L, 3L)) # 4
|
||||
class(c(4L, 5L, 8L, 3L)) # "integer"
|
||||
|
||||
# LES NUMÉRIQUES
|
||||
# Un "numeric" est un nombre à virgule flottante avec une double précision
|
||||
# Un "numeric" est un nombre à virgule flottante d'une précision double
|
||||
5 # 5
|
||||
class(5) # "numeric"
|
||||
# Encore une fois, tout dans R est un vecteur ;
|
||||
# Vous pouvez faire un vecteur numérique avec plus d'un élément
|
||||
c(3,3,3,2,2,1) # 3 3 3 2 2 1
|
||||
# Vous pouvez utiliser la notation scientifique aussi
|
||||
# Vous pouvez aussi utiliser la notation scientifique
|
||||
5e4 # 50000
|
||||
6.02e23 # nombre d'Avogadro
|
||||
1.6e-35 # longueur de Planck
|
||||
@ -198,24 +195,25 @@ class(-Inf) # "numeric"
|
||||
|
||||
# ARITHMÉTIQUES DE BASE
|
||||
# Vous pouvez faire de l'arithmétique avec des nombres
|
||||
# Faire des opérations arithmétiques en mixant des entiers et des numériques
|
||||
# Faire des opérations arithmétiques en mixant des entiers
|
||||
# et des numériques
|
||||
# donne un autre numérique
|
||||
10L + 66L # 76 # un entier plus un entier donne un entier
|
||||
53.2 - 4 # 49.2 # un numérique moins un numérique donne un numérique
|
||||
2.0 * 2L # 4 # un numérique multiplié par un entier donne un numérique
|
||||
3L / 4 # 0.75 # un entier sur un numérique donne un numérique
|
||||
3 %% 2 # 1 # le reste de deux numériques est un autre numérique
|
||||
# Les opérations arithmétiques illégales rapportent un "Not A Number" :
|
||||
3 %% 2 # 1 # le reste de deux numériques est un autre numérique
|
||||
# Les opérations arithmétiques illégales donnent un "Not A Number" :
|
||||
0 / 0 # NaN
|
||||
class(NaN) # "numeric"
|
||||
# You can do arithmetic on two vectors with length greater than 1,
|
||||
# Vous pouvez faire des opérations arithmétiques avec deux vecteurs d'une
|
||||
# longueur plus grande que 1, à condition que la longueur du plus grand
|
||||
# vecteur soit un multiple entier du plus petit
|
||||
c(1,2,3) + c(1,2,3) # 2 4 6
|
||||
|
||||
# LES CARACTÈRES
|
||||
# Il n'y a pas de différences entre les chaînes de caractères et les caractères en R
|
||||
# Il n'y a pas de différences entre les chaînes de caractères et
|
||||
# les caractères en R
|
||||
"Horatio" # "Horatio"
|
||||
class("Horatio") # "character"
|
||||
class('H') # "character"
|
||||
@ -225,7 +223,7 @@ c('alef', 'bet', 'gimmel', 'dalet', 'he')
|
||||
# =>
|
||||
# "alef" "bet" "gimmel" "dalet" "he"
|
||||
length(c("Call","me","Ishmael")) # 3
|
||||
# Vous pouvez faire des expressions rationnelles sur les vecteurs de caractères :
|
||||
# Vous pouvez utiliser des expressions rationnelles sur les vecteurs de caractères :
|
||||
substr("Fortuna multis dat nimis, nulli satis.", 9, 15) # "multis "
|
||||
gsub('u', 'ø', "Fortuna multis dat nimis, nulli satis.") # "Fortøna møltis dat nimis, nølli satis."
|
||||
# R possède plusieurs vecteurs de caractères préconstruits :
|
||||
@ -246,45 +244,57 @@ FALSE != FALSE # FALSE
|
||||
FALSE != TRUE # TRUE
|
||||
# Les données manquantes (NA) sont logiques également
|
||||
class(NA) # "logical"
|
||||
# On utilise | et & pour les operations logiques.
|
||||
# OR
|
||||
TRUE | FALSE # TRUE
|
||||
# AND
|
||||
TRUE & FALSE # FALSE
|
||||
# Vous pouvez tester si x est TRUE
|
||||
isTRUE(TRUE) # TRUE
|
||||
# Ici nous avons un vecteur de type logique avec plusieurs éléments :
|
||||
c('Z', 'o', 'r', 'r', 'o') == "Zorro" # FALSE FALSE FALSE FALSE FALSE
|
||||
c('Z', 'o', 'r', 'r', 'o') == "Z" # TRUE FALSE FALSE FALSE FALSE
|
||||
|
||||
# LES FACTEURS
|
||||
# The factor class is for categorical data
|
||||
# La classe facteur sert aux données catégorielles
|
||||
# les facteurs peuvent être ordonnés (comme les niveaux de catégorie d'enfants)
|
||||
# La classe facteur sert pour les données catégorielles
|
||||
# les facteurs peuvent être ordonnés (comme les niveaux de
|
||||
# catégorie d'enfants)
|
||||
# ou non ordonnés (comme le sexe)
|
||||
factor(c("female", "female", "male", NA, "female"))
|
||||
# female female male <NA> female
|
||||
# Les niveaux : female male
|
||||
# Les "levels" sont les valeurs que les données catégorielles peuvent prendre
|
||||
# Notez que cette donnée manquante n'entre pas dans le niveau
|
||||
# Les "levels" sont les valeurs que les données catégorielles
|
||||
# peuvent prendre
|
||||
# Notez que les données manquantes n'entrent pas dans le niveau
|
||||
levels(factor(c("male", "male", "female", NA, "female"))) # "female" "male"
|
||||
# Si le vecteur de facteurs a une longueur 1, ses niveaux seront de longueur 1 également
|
||||
# Si le vecteur de facteurs a une longueur 1, ses niveaux seront
|
||||
# de longueur 1 également
|
||||
length(factor("male")) # 1
|
||||
length(levels(factor("male"))) # 1
|
||||
# On rencontre communément des facteurs dans des trames de données,
|
||||
# une structure de données que nous couvrirons plus tard
|
||||
# On rencontre communément des facteurs dans des "data frame",
|
||||
# un type de données que nous couvrirons plus tard
|
||||
data(infert) # "Infertility after Spontaneous and Induced Abortion"
|
||||
levels(infert$education) # "0-5yrs" "6-11yrs" "12+ yrs"
|
||||
|
||||
# NULL
|
||||
# "NULL" est bizarre ; on l'utilise pour effacer un vecteur
|
||||
class(NULL) # NULL
|
||||
parakeet = c("beak", "feathers", "wings", "eyes")
|
||||
parakeet
|
||||
# =>
|
||||
# [1] "beak" "feathers" "wings" "eyes"
|
||||
# [1] "beak" "feathers" "wings" "eyes"
|
||||
parakeet <- NULL
|
||||
parakeet
|
||||
# =>
|
||||
# NULL
|
||||
|
||||
# LES CONTRAINTES DE TYPES
|
||||
# Les contraintes de types servent à forcer une valeur à prendre un type différent
|
||||
# Les contraintes de types servent à forcer une valeur à prendre
|
||||
# un type différent
|
||||
as.character(c(6, 8)) # "6" "8"
|
||||
as.logical(c(1,0,1,1)) # TRUE FALSE TRUE TRUE
|
||||
# Si vous mettez des éléments de différents types dans un vecteur, des coercitions bizarres se produisent :
|
||||
# Si vous mettez des éléments de différents types dans un vecteur,
|
||||
# des coercitions bizarres se produisent :
|
||||
c(TRUE, 4) # 1 4
|
||||
c("dog", TRUE, 4) # "dog" "TRUE" "4"
|
||||
as.numeric("Bilbo")
|
||||
@ -294,17 +304,19 @@ as.numeric("Bilbo")
|
||||
# NAs est introduit par coercition
|
||||
|
||||
# Notez également : ce n'étaient que des types de données basiques
|
||||
# Il y a beaucoup d'autres types de données, comme pour les dates, les séries de temps, etc ...
|
||||
# Il y a beaucoup d'autres types de données, comme pour les dates,
|
||||
# les séries temporelles, etc ...
|
||||
|
||||
|
||||
|
||||
##################################################
|
||||
#######################################
|
||||
# Variables, boucles , if/else
|
||||
##################################################
|
||||
#######################################
|
||||
|
||||
# Une variable est comme une boîte où l'on garde une valeur pour l'utiliser plus tard.
|
||||
# Une variable est comme une boîte dans laquelle on garde une valeur
|
||||
# pour l'utiliser plus tard.
|
||||
# Nous appellons ça "assigner" une valeur à une variable.
|
||||
# Avoir des variables nous permets d'écrire des boucles, des fonctions, et
|
||||
# Avoir des variables nous permet d'écrire des boucles, des fonctions, et
|
||||
# des instructions conditionnelles (if/else)
|
||||
|
||||
# LES VARIABLES
|
||||
@ -321,19 +333,22 @@ for (i in 1:4) {
|
||||
# Il y a les boucles while :
|
||||
a <- 10
|
||||
while (a > 4) {
|
||||
cat(a, "...", sep = "")
|
||||
a <- a - 1
|
||||
cat(a, "...", sep = "")
|
||||
a <- a - 1
|
||||
}
|
||||
# Gardez à l'esprit que les boucles for et while s'exécute lentement en R
|
||||
# Des opérations sur des vecteurs entiers (ex un ligne entière, une colonne entière),
|
||||
# ou la fonction apply()-type (nous en parlerons plus tard), sont préférés
|
||||
# Gardez à l'esprit que les boucles for et while s'exécutent lentement
|
||||
# en R
|
||||
# Des opérations sur des vecteurs entiers (ex une ligne entière,
|
||||
# une colonne entière),
|
||||
# ou les fonctions de type apply() (nous en parlerons plus tard),
|
||||
# sont préférées
|
||||
|
||||
# IF/ELSE
|
||||
# Encore une fois assez standard
|
||||
if (4 > 3) {
|
||||
print("4 is greater than 3")
|
||||
print("4 is greater than 3")
|
||||
} else {
|
||||
print("4 is not greater than 3")
|
||||
print("4 is not greater than 3")
|
||||
}
|
||||
# =>
|
||||
# [1] "4 is greater than 3"
|
||||
@ -341,25 +356,27 @@ if (4 > 3) {
|
||||
# LES FONCTIONS
|
||||
# se définissent comme ceci :
|
||||
jiggle <- function(x) {
|
||||
x = x + rnorm(1, sd=.1) #add in a bit of (controlled) noise
|
||||
return(x)
|
||||
x = x + rnorm(1, sd=.1) #add in a bit of (controlled) noise
|
||||
return(x)
|
||||
}
|
||||
# Appelée comme n'importe quelle autre fonction R :
|
||||
# Appelées comme n'importe quelles autres fonction R :
|
||||
jiggle(5) # 5±ε. After set.seed(2716057), jiggle(5)==5.005043
|
||||
|
||||
|
||||
|
||||
###########################################################################
|
||||
# Les structures de données : les vecteurs, les matrices, les trames de données et les tableaux
|
||||
###########################################################################
|
||||
##########################################################################
|
||||
# Les structures de données : les vecteurs, les matrices,
|
||||
# les data frame et les tableaux
|
||||
##########################################################################
|
||||
|
||||
# À UNE DIMENSION
|
||||
|
||||
# Commençons par le tout début, et avec quelque chose que vous connaissez déjà : les vecteurs.
|
||||
# Commençons par le tout début, et avec quelque chose que
|
||||
# vous connaissez déjà : les vecteurs.
|
||||
vec <- c(8, 9, 10, 11)
|
||||
vec # 8 9 10 11
|
||||
# Nous demandons des éléments spécifiques en les mettant entre crochets
|
||||
# (Notez que R commence à compter par 1)
|
||||
# (Notez que R commence à compter à partir de 1)
|
||||
vec[1] # 8
|
||||
letters[18] # "r"
|
||||
LETTERS[13] # "M"
|
||||
@ -367,7 +384,7 @@ month.name[9] # "September"
|
||||
c(6, 8, 7, 5, 3, 0, 9)[3] # 7
|
||||
# Nous pouvons également rechercher des indices de composants spécifiques,
|
||||
which(vec %% 2 == 0) # 1 3
|
||||
# Récupèrer seulement quelques premières ou dernières entrées du vecteur,
|
||||
# Récupèrer seulement les premières ou dernières entrées du vecteur,
|
||||
head(vec, 1) # 8
|
||||
tail(vec, 2) # 10 11
|
||||
# ou trouver si un certaine valeur est dans le vecteur
|
||||
@ -376,7 +393,8 @@ any(vec == 10) # TRUE
|
||||
vec[6] # NA
|
||||
# Vous pouvez trouver la longueur de votre vecteur avec length()
|
||||
length(vec) # 4
|
||||
# Vous pouvez réaliser des opérations sur des vecteurs entiers ou des sous-ensembles de vecteurs
|
||||
# Vous pouvez réaliser des opérations sur des vecteurs entiers ou des
|
||||
# sous-ensembles de vecteurs
|
||||
vec * 4 # 16 20 24 28
|
||||
vec[2:3] * 5 # 25 30
|
||||
any(vec[2:3] == 8) # FALSE
|
||||
@ -396,7 +414,7 @@ seq(from=0, to=31337, by=1337)
|
||||
|
||||
# À DEUX DIMENSIONS (TOUT DANS UNE CLASSE)
|
||||
|
||||
# Vous pouvez faire une matrice de toutes les entrées du même type comme ceci :
|
||||
# Vous pouvez créer une matrice à partir d'entrées du même type comme ceci :
|
||||
mat <- matrix(nrow = 3, ncol = 2, c(1,2,3,4,5,6))
|
||||
mat
|
||||
# =>
|
||||
@ -404,13 +422,14 @@ mat
|
||||
# [1,] 1 4
|
||||
# [2,] 2 5
|
||||
# [3,] 3 6
|
||||
# Différemment du vecteur, la classe d'une matrice est "matrix",peut importe ce qu'elle contient
|
||||
# Différemment du vecteur, la classe d'une matrice est "matrix",
|
||||
# peut importe ce qu'elle contient
|
||||
class(mat) # => "matrix"
|
||||
# Demander la première ligne
|
||||
mat[1,] # 1 4
|
||||
# Réaliser une opération sur la première colonne
|
||||
3 * mat[,1] # 3 6 9
|
||||
# Ask for a specific cell
|
||||
# Demander une cellule spécifique
|
||||
mat[3,2] # 6
|
||||
|
||||
# Transposer la matrice entière
|
||||
@ -432,15 +451,15 @@ mat %*% t(mat)
|
||||
mat2 <- cbind(1:4, c("dog", "cat", "bird", "dog"))
|
||||
mat2
|
||||
# =>
|
||||
# [,1] [,2]
|
||||
# [1,] "1" "dog"
|
||||
# [2,] "2" "cat"
|
||||
# [3,] "3" "bird"
|
||||
# [,1] [,2]
|
||||
# [1,] "1" "dog"
|
||||
# [2,] "2" "cat"
|
||||
# [3,] "3" "bird"
|
||||
# [4,] "4" "dog"
|
||||
class(mat2) # matrix
|
||||
# Encore une fois notez ce qui se passe !
|
||||
# Parce que les matrices peuvent contenir des entrées de toutes sortes de classes,
|
||||
# tout sera converti en classe caractère
|
||||
# Encore une fois regardez ce qui se passe !
|
||||
# Parce que les matrices peuvent contenir des entrées de toutes sortes de
|
||||
# classes, tout sera converti en classe caractère
|
||||
c(class(mat2[,1]), class(mat2[,2]))
|
||||
|
||||
# rbind() colle des vecteurs ensemble par lignes pour faire une matrice
|
||||
@ -454,7 +473,7 @@ mat3
|
||||
|
||||
# À DEUX DIMENSIONS (DE CLASSES DIFFÉRENTES)
|
||||
|
||||
# Pour des colonnes de différents types, utiliser une trame de donnée
|
||||
# Pour des colonnes de différents types, utiliser une data frame
|
||||
# Cette structure de données est si utile pour la programmation statistique,
|
||||
# qu'une version a été ajoutée à Python dans le paquet "pandas".
|
||||
|
||||
@ -478,25 +497,25 @@ class(students[,3]) # "factor"
|
||||
nrow(students) # 6
|
||||
ncol(students) # 3
|
||||
dim(students) # 6 3
|
||||
# La fonction data.frame() convertit les vecteurs caractères en vecteurs de facteurs
|
||||
# par défaut; désactiver cette fonction en règlant stringsAsFactors = FALSE
|
||||
# quand vous créer la data.frame
|
||||
# La fonction data.frame() convertit les vecteurs caractères en vecteurs de
|
||||
# facteurs par défaut; désactiver cette fonction en règlant
|
||||
# stringsAsFactors = FALSE quand vous créer la data.frame
|
||||
?data.frame
|
||||
|
||||
# Il y a plusieurs façons tortueuses de subdiviser les trames de données
|
||||
# Il y a plusieurs façons de subdiviser les trames de données
|
||||
# toutes subtilement différentes
|
||||
students$year # 3 2 2 1 0 -1
|
||||
students[,2] # 3 2 2 1 0 -1
|
||||
students[,"year"] # 3 2 2 1 0 -1
|
||||
|
||||
# Une version augmentée de la structure data.frame est data.table
|
||||
# Si vous travaillez avec des données volumineuses ou des panels, ou avez
|
||||
# Si vous travaillez avec des données volumineuses ou des panels, ou avez
|
||||
# besoin de fusionner quelques ensembles de données, data.table peut être
|
||||
# un bon choix. Ici un tour éclair :
|
||||
install.packages("data.table") # download the package from CRAN
|
||||
require(data.table) # load it
|
||||
install.packages("data.table") # télécharge le paquet depuis CRAN
|
||||
require(data.table) # le charge
|
||||
students <- as.data.table(students)
|
||||
students # note the slightly different print-out
|
||||
students # regardez la différence à l'impression
|
||||
# =>
|
||||
# name year house
|
||||
# 1: Cedric 3 H
|
||||
@ -505,17 +524,17 @@ students # note the slightly different print-out
|
||||
# 4: Cho 1 R
|
||||
# 5: Draco 0 S
|
||||
# 6: Ginny -1 G
|
||||
students[name=="Ginny"] # get rows with name == "Ginny"
|
||||
students[name=="Ginny"] # obtiens les lignes avec name == "Ginny"
|
||||
# =>
|
||||
# name year house
|
||||
# 1: Ginny -1 G
|
||||
students[year==2] # get rows with year == 2
|
||||
students[year==2] # obtiens les lignes avec year == 2
|
||||
# =>
|
||||
# name year house
|
||||
# 1: Fred 2 G
|
||||
# 2: George 2 G
|
||||
# data.table facilite la fusion entre deux ensembles de données
|
||||
# Faisons un autre data.table pour fusionner students
|
||||
# Faisons une autre data.table pour fusionner students
|
||||
founders <- data.table(house=c("G","H","R","S"),
|
||||
founder=c("Godric","Helga","Rowena","Salazar"))
|
||||
founders
|
||||
@ -527,7 +546,7 @@ founders
|
||||
# 4: S Salazar
|
||||
setkey(students, house)
|
||||
setkey(founders, house)
|
||||
students <- founders[students] # merge the two data sets by matching "house"
|
||||
students <- founders[students] # merge les deux ensembles de données qui matchent "house"
|
||||
setnames(students, c("house","houseFounderName","studentName","year"))
|
||||
students[,order(c("name","year","house","houseFounderName")), with=F]
|
||||
# =>
|
||||
@ -539,7 +558,7 @@ students[,order(c("name","year","house","houseFounderName")), with=F]
|
||||
# 5: Cho 1 R Rowena
|
||||
# 6: Draco 0 S Salazar
|
||||
|
||||
# data.table facilite le sommaire des tableaux
|
||||
# data.table facilite le résumé des tableaux
|
||||
students[,sum(year),by=house]
|
||||
# =>
|
||||
# house V1
|
||||
@ -561,7 +580,7 @@ students
|
||||
# 5: Cho 1 R
|
||||
# 6: Draco 0 S
|
||||
|
||||
# Supprimer une ligne en subdivisant
|
||||
# Supprimer une ligne en subdivisant
|
||||
# En utilisant data.table :
|
||||
students[studentName != "Draco"]
|
||||
# =>
|
||||
@ -607,16 +626,17 @@ array(c(c(c(2,300,4),c(8,9,0)),c(c(5,60,0),c(66,7,847))), dim=c(3,2,2))
|
||||
# [2,] 60 7
|
||||
# [3,] 0 847
|
||||
|
||||
# LES LISTES (MULTI-DIMENSIONNELLES, ÉVENTUELLEMMENT DÉCHIRÉES, DE DIFFÉRENTS TYPES)
|
||||
# LES LISTES (MULTI-DIMENSIONNELLES, ÉVENTUELLEMMENT DÉCHIRÉES,
|
||||
# DE DIFFÉRENTS TYPES)
|
||||
|
||||
# Enfin R a des listes (de vecteurs)
|
||||
list1 <- list(time = 1:40)
|
||||
list1$price = c(rnorm(40,.5*list1$time,4)) # random
|
||||
list1
|
||||
# Vous pouvez obtenir des éléments de la liste comme ceci
|
||||
list1$time # one way
|
||||
list1[["time"]] # another way
|
||||
list1[[1]] # yet another way
|
||||
list1$time # une façon
|
||||
list1[["time"]] # une autre façon
|
||||
list1[[1]] # encore une façon différente
|
||||
# =>
|
||||
# [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33
|
||||
# [34] 34 35 36 37 38 39 40
|
||||
@ -624,13 +644,14 @@ list1[[1]] # yet another way
|
||||
list1$price[4]
|
||||
|
||||
# Les listes ne sont pas les structures de données les plus efficaces
|
||||
# pour travailler en R;
|
||||
# À moins d'avoir une très bonne raison, vous devriez appliquer data.frames
|
||||
# Les listes sont souvent retournées par des fonctions qui effectuent des régressions linéaires
|
||||
# à utiliser avec R;
|
||||
# À moins d'avoir une très bonne raison, vous devriez utiliser data.frames
|
||||
# Les listes sont souvent retournées par des fonctions qui effectuent
|
||||
# des régressions linéaires
|
||||
|
||||
##################################################
|
||||
##########################################
|
||||
# La famille de fonction apply()
|
||||
##################################################
|
||||
##########################################
|
||||
|
||||
# Vous vous rappelez mat ?
|
||||
mat
|
||||
@ -641,8 +662,8 @@ mat
|
||||
# [3,] 3 6
|
||||
# Utilisez apply(X, MARGIN, FUN) pour appliquer la fonction FUN à la matrice X
|
||||
# sur les lignes (MAR = 1) ou les colonnes (MAR = 2)
|
||||
# R fait FUN à chaque lignes (ou colonnes) de X, beaucoup plus rapidement
|
||||
# qu'une bouce for ou while le ferait
|
||||
# R exécute FUN à chaque lignes (ou colonnes) de X, beaucoup plus rapidement
|
||||
# que le ferait une boucle for ou while
|
||||
apply(mat, MAR = 2, jiggle)
|
||||
# =>
|
||||
# [,1] [,2]
|
||||
@ -650,7 +671,7 @@ apply(mat, MAR = 2, jiggle)
|
||||
# [2,] 7 19
|
||||
# [3,] 11 23
|
||||
# D'autres fonctions : ?lapply, ?sapply
|
||||
|
||||
|
||||
# Ne soyez pas trop intimidé ; tout le monde reconnaît que c'est un peu déroutant
|
||||
|
||||
# Le paque plyr vise à remplacer (et améliorer !) la famille *apply().
|
||||
@ -660,9 +681,9 @@ require(plyr)
|
||||
|
||||
|
||||
|
||||
#########################
|
||||
############################
|
||||
# Charger des données
|
||||
#########################
|
||||
############################
|
||||
|
||||
# "pets.csv" est un fichier sur internet
|
||||
# (mais il pourrait être tout aussi facilement sur votre ordinateur)
|
||||
@ -671,7 +692,7 @@ pets
|
||||
head(pets, 2) # first two rows
|
||||
tail(pets, 1) # last row
|
||||
|
||||
# Pour sauver une trame de donnée ou une matrice en fichier .csv
|
||||
# Pour sauvegarder une data frame ou une matrice en fichier .csv
|
||||
write.csv(pets, "pets2.csv") # to make a new .csv file
|
||||
# définir le répertoire de travail avec setwd(), le récupérer avec getwd()
|
||||
|
||||
@ -679,9 +700,9 @@ write.csv(pets, "pets2.csv") # to make a new .csv file
|
||||
|
||||
|
||||
|
||||
#########################
|
||||
################
|
||||
# Les tracés
|
||||
#########################
|
||||
################
|
||||
|
||||
# LES FONCTIONS DE TRACÉS PRÉCONSTRUITES
|
||||
# Les diagrammes de dispersion !
|
||||
@ -700,7 +721,7 @@ barplot(c(1,4,5,1,2), names.arg = c("red","blue","purple","green","yellow"))
|
||||
|
||||
# GGPLOT2
|
||||
# Mais ceux-ci ne sont même pas les plus jolis tracés de R
|
||||
# Essayez le paquet ggplot2 pour d'avantages de graphiques meilleurs
|
||||
# Essayez le paquet ggplot2 pour d'avantages de graphiques
|
||||
install.packages("ggplot2")
|
||||
require(ggplot2)
|
||||
?ggplot2
|
||||
@ -709,13 +730,14 @@ pp + geom_histogram()
|
||||
ll <- as.data.table(list1)
|
||||
pp <- ggplot(ll, aes(x=time,price))
|
||||
pp + geom_point()
|
||||
# ggplot2 a une documentation excellente (disponible sur http://docs.ggplot2.org/current/)
|
||||
# ggplot2 a une documentation excellente
|
||||
#(disponible sur http://docs.ggplot2.org/current/)
|
||||
|
||||
|
||||
|
||||
```
|
||||
|
||||
## How do I get R?
|
||||
## Comment j'obtiens R ?
|
||||
|
||||
* Get R and the R GUI from [http://www.r-project.org/](http://www.r-project.org/)
|
||||
* [RStudio](http://www.rstudio.com/ide/) is another GUI
|
||||
* Obtiens R et R GUI depuis [http://www.r-project.org/](http://www.r-project.org/)
|
||||
* [RStudio](http://www.rstudio.com/ide/) est un autre GUI
|
||||
|
||||
Loading…
Reference in New Issue
Block a user