Magistère d’Economiste Statisticien TSE - UT1 Capitole
Statistique
Initiation à R
S. Casanova, E. Leconte et C. Vignes
1 Introduction à R
Le logiciel R est un logiciel libre, destiné à la manipulation de données, au calcul et aux
techniques graphiques. De nombreuses méthodes modernes de traitement des données ont
été implémentées dans R et leur nombre est sans cesse augmenté par la communauté des
développeurs.
Le site https ://[Link] permet de télécharger le logiciel et de la documen-
tation.
Nous utiliserons l’interface graphique RStudio qui est plus conviviale.
2 Environnement de travail
2.1 Organisation de l’espace disque
Vous devrez organiser votre espace disque de telle sorte que vous puissiez retrouver fa-
cilement vos fichiers. Pour les TP de statistique, le plus simple est de créer, sur l’ordinateur
de l’université que vous utilisez, un répertoire "K:/mes documents/TpStat/" dans lequel
vous pourrez créer des sous-répertoires "TP1", "TP2", "Projet", etc. dans lesquels il est
vivement conseillé de sauvegarder tous les codes que vous aurez écrits pendant les séances
de TP.
2.2 Ligne de commande
Après le lancement de RStudio, l’utilisateur se retrouve face à deux fenêtres : la console
à gauche (fenêtre des commandes) et une fenêtre avec des menus à droite. Dans la console,
la ligne de commande commence par un prompt (>), ce qui signifie que R attend des
commandes. On parle de logiciel fonctionnant en “ligne de commande” par opposition à un
logiciel “clic-bouton”.
Le logiciel R fonctionne avec des fonctions, par exemple la fonction mean qui calcule
la moyenne arithmétique d’une série de valeurs. Une fonction est toujours appelée avec
ses arguments entre parenthèses. En l’absence d’arguments, l’utilisateur doit quand même
saisir les parenthèses (vides), faute de quoi, c’est le code de la fonction qui est listé.
Le caractère # permet d’insérer un commentaire. C’est très utile voire indispensable
lorsque l’on écrit du code. Toute ligne précédée du caractère # n’est pas exécutée.
On peut naviguer dans l’historique des lignes de commande au moyen des touches
“flèche haut” et “flèche bas”.
Exemple : taper dans RStudio la commande 2+2, puis appuyer sur la touche “flèche
haut”.
2
2.3 Ouvrir un script
Lorsque les commandes sont tapées directement dans la console, il est difficile de garder
un historique de toutes les commandes tapées. On recommande donc d’ouvrir un script.
Pour cela, aller dans New File puis R Script. Une fenêtre apparaît et c’est dedans que
vous devrez écrire le code que vous souhaitez faire exécuter dans la console.
Exemple : copier dans le script les lignes suivantes :
2+2 #somme de 2 et 2
4/2
cos(2)
Pour exécuter ce code dans la console, il faut sélectionner une ligne (mettre le curseur
dessus suffit) ou plusieurs lignes à la fois et cliquer sur l’icône Run dont le raccourci est
Ctrl + Entrée.
Il est possible également d’écrire le code dans un simple éditeur de texte. Pour l’exécuter
dans RStudio, on copie les lignes de code à exécuter dans la console.
Rstudio vous proposera de sauvegarder ce script à la fin de la séance de travail. Il faut
bien sûr accepter. Le fichier script porte l’extension .R. On peut aussi le sauver en cours
de session.
2.4 Sauvegarde de l’espace de travail
Lorsqu’on quitte RStudio ou en cours de session, on peut également sauvegarder les
objets créés (par exemple un vecteur) au cours de la session. Pour cela, aller dans la fenêtre
Environment, puis Save workspace as. Sauvegarder le fichier dans le dossier TPStat. Le
fichier sauvegardé portera l’extension .RData. Lors de la prochaine séance, pour récupérer
les objets que vous avez créés, aller dans la fenêtre Environment, puis cliquer sur Load
Workspace.
Cela n’est pas indispensable quand vous créez des objets dont la création est très rapide
car il vous suffit de relancer les commandes du script lorsque vous voulez les recréer. Par
contre, la sauvegarde de l’espace de travail est recommandée après le lancement de longues
procédures dont on veut garder les résultats.
A la fin de la session, le logiciel vous propose généralement la sauvegarde de l’espace
de travail : Sauver une image de la session ?. Prenez l’habitude de répondre “oui”.
Récapitulatif : à la fin de la séance, vous devrez donc avoir deux fichiers dans votre
dossier TPStat :
— un fichier contenant le script (vos lignes de commande) au format .R,
— un fichier contenant les objets que vous avez créés (le résultat des lignes de com-
mande qui créent des objets) au format .RData.
2.5 Aide en ligne
L’aide en ligne est accessible par un appel à la fonction help. Par exemple, l’aide de la
fonction plot est accessible par : help(plot).
Pour un utilisateur non expérimenté, les deux dernières rubriques de l’aide sont souvent
les plus utiles : See also permet d’apprendre le nom de nouvelles fonctions en relation avec
la recherche initiale et Examples permet de manipuler immédiatement, par copier-coller,
toute nouvelle fonction.
La fonction [Link]() permet de rechercher dans l’aide en ligne les fonctions en
rapport avec un terme passé en argument. Pour tout savoir sur les fonctions en relation
3
avec le tracé de graphiques, on pourra saisir :
[Link]("plot")
Sous RStudio, pour accéder à l’aide en ligne, on peut directement utiliser l’onglet Help de
la fenêtre en bas à droite.
3 Opérations élémentaires
3.1 Opérations sur un scalaire
Les commandes suivantes permettent d’effectuer des opérations élémentaires ou d’ap-
pliquer des fonctions classiques. Les tester et si besoin recourir à l’aide pour comprendre
leur utilisation. Retenir que R différencie les lettres majuscules et minuscules : attention
donc à ne pas se tromper.
2+2
a=log(2)
d<-cos(10)
a
d
a+d
exp(10)
2==3
u<-2<3
u
ls()
a="nombre"
a
3.2 Opérations sur un vecteur numérique
Un vecteur peut être créé dans R à l’aide de la fonction c().
Exemple :
a=c(1,3,5)
b<-c(1,3,7)
Le signe = ci-dessus (ou son équivalent <-) correspond à une affectation : le vecteur à
droite du signe égal est affecté à l’objet dont le nom est a. L’exécution de cette commande
ne donne donc pas de sortie. Pour voir le vecteur créé, il faut taper a.
Tester les commandes suivantes et comprendre ce qu’elle font :
a
a+b
a*10
a^2
sqrt(a)
log(a)
a/5
4
(a>2)
sum(a)
mean(a)
a[1]
a[c(1,3)]
a==3
(a==3)*(a>2)
(a==3)&(a>2)
(a==3)|(a>2)
a[a>3]
length(a)
min(a)
max(a)
sort(c(2,4,1))
seq(from=1,to=20,by=2)
seq(1,20,by=5)
seq(1,20,length=5)
rep(5,times=10)
rep(c(1,2),3)
rep(c(1,2),each=3)
e = rep(1,10)
d = c(2,3,5,8,4,6);d
d[2];d[2:3];d[-3]
d[-1:2] # attention erreur
d[-(1:2)]
d[3]=NA;d;
[Link](d);help(NA)
any([Link](d));all([Link](d))
f = c(a=12,b=26,c=32,d=41);f
names(f);f["a"]
names(f)=c("a1","a2","a3","a4")
f> 30;f[f>30] # noter la différence entre les deux commandes
which(f>30)
f[2] = 22;f+100;f+d
3.3 Variables qualitatives
Pour créer des variables qualitatives, on utilise aussi la fonction c() mais avec des
arguments qui sont les noms des modalités (et non plus des valeurs numériques).
sexe=c("H", "F", "H", "H")
coul_yeux=c("b", "v", "m", "m")
4 Packages
Les packages sont des ensembles de fonctions (et parfois de données) proposés par
la communauté des utilisateurs de R et permettant d’accomplir des tâches spécifiques. Il
y a actuellement plus de 18 000 packages disponibles sur le CRAN (Comprehensive R
5
Archive Network). L’utilisation d’une fonction incluse dans un package nécessite deux
étapes préalables (réalisables via le menu Packages de R dans l’environnement Windows) :
— l’installation : utiliser la fonction [Link]() pour récupérer les sources du
package et les installer. Cette opération ne doit être accomplie qu’une seule fois.
— le chargement : utiliser la fonction library() pour charger le package et l’utiliser
durant une session. Cette opération est à renouveler à chaque lancement de R.
Il est recommandé de procéder régulièrement à une mise à jour des packages (menu
Packages ou fonction [Link]()).
La liste des packages installés (mais pas forcément chargés) est obtenue par la com-
mande library(). La commande search() permet de vérifier qu’un package a bien été chargé.
Pour lister le contenu d’un package, on peut utiliser la fonction ls() en précisant le numéro
du package dans la liste renvoyée par search(). Exemple avec le package foreign :
[Link]("foreign") # Installation du package
library() # Vérification
library(foreign) # Chargement du package
search() # Vérification (en général, le package se retrouve en 2ème position
(juste après l’environnement de travail courant)
ls(pos=2) # Liste le contenu du package.
Sous RStudio, on peut utiliser l’onglet Packages de la fenêtre en bas à droite pour installer
ou charger un package.
5 Jeux de données
5.1 Création d’un jeu de données
La fonction [Link] permet de créer des jeux de données comportant plusieurs
variables pour un ensemble d’individus, ces variables pouvant être de nature différente.
Chaque ligne correspond à un individu, chaque colonne à une variable.
taille = c(172, 163, 177, 181)
masse=c(79, 65, 58, 75)
sexe=c("H", "F", "H", "H")
coul_yeux=c("b", "v", "m", "m")
H=[Link](taille, masse, sexe, coul_yeux)
H
labels(H)
H[1,]
H$taille
H$sexe
[Link](H)
5.2 Jeux de données disponibles dans R
R comporte plusieurs jeux de données. Pour en avoir la liste, taper la commande data().
Exemple de chargement d’un jeu de données :
data(Orange).
6
On affiche les informations disponibles sur le jeu de données grâce à la commande help(Orange)
et le jeu de données lui-même en tapant son nom (dans notre exemple : Orange). Tester les
commandes suivantes :
Orange[1,]
Orange[,1]
Orange$Tree
Orange$Tree[4]
which(Orange$Tree==1)
L’accès aux variables du data frame Orange se fait en tapant Orange$nom-variable, par
exemple Orange$Tree ci-dessus. Si on veut eviter cela et appeler directement les variables
par leur nom, on peut utiliser la fonction attach(Orange). Ainsi pour accéder à la variable
Tree du data frame Orange, on pourra taper directement Tree plutot que Orange$Tree.
5.3 Importation et exportation de données avec R
On peut importer des données dans R de diverses manières. Nous voyons ici un exemple
dans lequel on importe un fichier au format texte (.txt).
Pour importer en R un fichier de données individus-variables qui est au format texte
(.txt, .dat), on utilise la fonction [Link].
Télécharger depuis Moodle le fichier [Link] et le placer dans le répertoire TpStat
sur votre compte.
employes=[Link]("K:/TpStat/[Link]",header=TRUE)
L’objet créé employes est un tableau de données (data frame), format par défaut sous
R obtenu par la lecture de fichiers externes.
L’argument header=TRUE de [Link] indique à R que le fichier texte à importer
contient les noms des variables dans la première ligne.
K:/TpStat constitue le chemin d’accès au répertoire dans lequel se trouve le fichier texte
[Link]. Pour ne pas avoir à le mentionner à chaque fois, on peut spécifier auparavant
le chemin par setwd("K:/TpStat"). Il suffira ensuite de taper
employes=[Link]("[Link]",header=TRUE).
Une autre solution est de taper employes=[Link]([Link]()) qui ouvre un naviga-
teur pour choisir le fichier à importer.
Lorsque le fichier de données est un fichier texte et que les différentes valeurs des
variables sont séparées par une virgule (comma separated values), on peut importer le
fichier à l’aide de la fonction [Link] :
nom_fichier<-[Link]("[Link]", sep=’,’,header=TRUE)
Remarque : à l’aide du package foreign, R permet d’importer également des fichiers
d’autres types : SPSS (.sav), SAS, Stata,. . .
Exemple : si on disposait d’un fichier [Link]
library(foreign) # charge le package foreign.
employes=[Link]("K:/TpStat/[Link]",[Link]=TRUE)
7
Inversement, l’exportation d’un tableau de données de R sous la forme d’un fichier texte
peut se faire par la fonction write (pour exporter des vecteurs ou des matrices) ou par la
fonction [Link] (pour exporter des data frames).
Exemple : exportation du tableau de données airquality (qui apparaît ensuite dans le ré-
pertoire de travail).
[Link](airquality,file="[Link]")
6 Références
— http ://[Link]
— Ce document a été rédigé en grande partie par Hélène Boistard. Une partie de ce
document est issue du cours d’Initiation à R de Sébastien Déjean, déposé sur Moodle
mais aussi disponible avec d’autres ressources R via le lien
[Link]