DATA ANALYSIS WITH R
LES STRUCTURES DE DONNES
Arsène W. KIEMA Fidel KPOGHOMOU
kiemaarsene@[Link] / kpoghomoufidel@[Link]
9/5/24
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Vecteurs
Les vecteurs sont des séquences ordonnées d’éléments du même type. Ils peuvent
être de type numérique, caractère, logique, etc.
Création de vecteurs
# Exemples de vecteurs
vec_numerique <- c(1, 2, 3, 4, 5)
vec_caractere <- c("a", "b", "c")
vec_logique <- c(TRUE, FALSE, TRUE)
# Générer une séquence de nombres
sequence <- 1:10
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Les vecteurs
Accéder aux éléments
vecteur <- c(10,15,12,-6,98,NA,20,25,32,12,13,4)
vecteur[1] # renvoie le premier élément du vecteur
[1] 10
vecteur[10] # renvoie le 10e élément du vecteur
[1] 12
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Les Vecteurs
Accéder aux éléments
vecteur[2:5]
[1] 15 12 -6 98
vecteur[vecteur>20]
[1] 98 NA 25 32
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Les vecteurs
Modifier les éléments d’un vecteurs
vecteur[5] <- 0 # remplace la 5e valeur par 0
vecteur[[Link](vecteur)] <- -99 # remplace les valeurs manquantes par -
print(vecteur)
[1] 10 15 12 -6 0 -99 20 25 32 12 13 4
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Les vecteurs
Quelques fonctions vitales
# Construction de vecteur
mon_vec<- c(8, 4 , 5 , 6 , 10 , 21, -8, 32, 41)
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Les vecteurs
Quelques fonctions vitales
# Somme
sum(mon_vec)
[1] 119
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Les vecteurs
Quelques fonctions vitales
# Somme
sum(mon_vec)
[1] 119
# Moyenne
mean(mon_vec)
[1] 13.22222
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Les vecteurs
Quelques fonctions vitales
# Somme
sum(mon_vec)
[1] 119
# Moyenne
mean(mon_vec)
[1] 13.22222
# Minimum
min(mon_vec)
[1] -8
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Les vecteurs
Quelques fonctions vitales
# Somme # Maximum
sum(mon_vec) max(mon_vec)
[1] 119 [1] 41
# Moyenne
mean(mon_vec)
[1] 13.22222
# Minimum
min(mon_vec)
[1] -8
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Les vecteurs
Quelques fonctions vitales
# Somme # Maximum
sum(mon_vec) max(mon_vec)
[1] 119 [1] 41
# Moyenne # Variance
mean(mon_vec) var(mon_vec)
[1] 13.22222 [1] 234.6944
# Minimum
min(mon_vec)
[1] -8
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Les vecteurs
Quelques fonctions vitales
# Somme # Maximum
sum(mon_vec) max(mon_vec)
[1] 119 [1] 41
# Moyenne # Variance
mean(mon_vec) var(mon_vec)
[1] 13.22222 [1] 234.6944
# Minimum # Ecart-type
min(mon_vec) sd(mon_vec)
[1] -8 [1] 15.31974
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Les vecteurs
Autres fonctions
length(x) # nombre d'éléments dans x
head(x) # 6 premiers éléments de x
tail(x) # 6 derniers éléments de x
rev(x) # éléments de x dans l'ordre inverse
t(x) # transpose et converti x en matrix
sort(x) # trie x en ordre croissant
sort(x, decr=T) # trie x en ordre décroissant
order(x) # renvoit le rang des éléments de x
unique(x) # renvoit les éléments uniques contenus dans x
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Les Vecteurs
LET’S PRACTICE...
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Les Vecteurs
Exercice 1 : Création de Séquences Complexes
Créez un vecteur "sequence" contenant une séquence de nombres de 10 à 100,
en incrémentant de 5 à chaque étape.
Exercice 2 : Moyenne des Températures
1- Créez un vecteur "temperatures" contenant les températures moyennes en
Celsius pour chaque jour d’une semaine : c(20, 22, 23, 25, 21, 18, 19) .
2- Calculez la moyenne des températures pour cette semaine.
Exercice 3 : Conversion de Devises
1-Créez un vecteur "euros" contenant des montants en euros : c(100, 50,
75, 200, 30). Supposons que le taux de change est de 1 euro = 650 F CFA.
2-Convertissez les montants en F CFA.
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Les vecteurs
Exercice 4 : Extraction de Sous-Vecteur
1- Créez un vecteur "elements" contenant des caractères : c("chat",
"chien", "oiseau", "poisson", "souris").
2-Extrayez les éléments du deuxième au quatrième élément pour obtenir un
sous-vecteur.
Exercice 5 : Filtrage et Indexation
1-Créez un vecteur "nombres" contenant des nombres de 1 à 20.
2-Affichez les nombres pairs du vecteur.
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Construction de matrix
Les matrices sont des tableaux bidimensionnels de données, avec des lignes et des
colonnes. Tous les éléments d’une matrice doivent être du même type.
matrice <- matrix(data = 1:20,nrow = 4,ncol = 5,byrow = TRUE)
data : les données à utiliser pour remplir la matrix -nrow: nombre de lignes
de la matrix
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Construction de matrix
Les matrices sont des tableaux bidimensionnels de données, avec des lignes et des
colonnes. Tous les éléments d’une matrice doivent être du même type.
matrice <- matrix(data = 1:20,nrow = 4,ncol = 5,byrow = TRUE)
data : les données à utiliser pour remplir la matrix -nrow: nombre de lignes
de la matrix
ncol: nombre de colonnes de la matrix
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Construction de matrix
Les matrices sont des tableaux bidimensionnels de données, avec des lignes et des
colonnes. Tous les éléments d’une matrice doivent être du même type.
matrice <- matrix(data = 1:20,nrow = 4,ncol = 5,byrow = TRUE)
data : les données à utiliser pour remplir la matrix -nrow: nombre de lignes
de la matrix
ncol: nombre de colonnes de la matrix
byrow: indique si le remplissage doit se faire par ligne (TRUE) ou par colone
(FALSE)
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Construction de matrix
mat1 <- matrix(data = 1:20,nrow = 4,ncol = 5,byrow = TRUE)
View(mat1) # visualiser la matrix
head(mat1) # visualiser les 6 premiers éléments de la matrix
tail(mat1)# visualiser les 6 derniers éléments de la matrix
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Les dimensions de la matrix
# Vérifier les dimensions d'une matrix
nrow(mat1) # Renvoie le nombre de ligne de la matrix
[1] 4
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Les dimensions de la matrix
# Vérifier les dimensions d'une matrix
nrow(mat1) # Renvoie le nombre de ligne de la matrix
[1] 4
ncol(mat1) # Renvoie le nombre de colonne de la matrix
[1] 5
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Les dimensions de la matrix
# Vérifier les dimensions d'une matrix
nrow(mat1) # Renvoie le nombre de ligne de la matrix
[1] 4
ncol(mat1) # Renvoie le nombre de colonne de la matrix
[1] 5
dim(mat1) # Renvoie le nombre de ligne et colonne de la matrix
[1] 4 5
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Extraire des éléments dans une matrix
# Extraire une cellule mat1[2,3] # Extraire une cellule
print(mat1) [1] 8
[,1] [,2] [,3] [,4] [,5]
[1,] 1 2 3 4 5
[2,] 6 7 8 9 10
[3,] 11 12 13 14 15
[4,] 16 17 18 19 20
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Extraire des éléments dans une matrix
# Extraire une cellule # Extraitre des lignes
print(mat1) mat1[2,]
[,1] [,2] [,3] [,4] [,5] [1] 6 7 8 9 10
[1,] 1 2 3 4 5 mat1[c(1,3),]
[2,] 6 7 8 9 10
[3,] 11 12 13 14 15 [,1] [,2] [,3] [,4] [,5]
[4,] 16 17 18 19 20 [1,] 1 2 3 4 5
[2,] 11 12 13 14 15
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Extraire des éléments dans une matrix
print(mat1)
[,1] [,2] [,3] [,4] [,5]
[1,] 1 2 3 4 5
[2,] 6 7 8 9 10
[3,] 11 12 13 14 15
[4,] 16 17 18 19 20
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Extraire des éléments dans une matrix
print(mat1) # Extraitre des colonnes
mat1[,3]
[,1] [,2] [,3] [,4] [,5]
[1,] 1 2 3 4 5 [1] 3 8 13 18
[2,] 6 7 8 9 10 mat1[,1:2]
[3,] 11 12 13 14 15
[,1] [,2]
[4,] 16 17 18 19 20
[1,] 1 2
[2,] 6 7
[3,] 11 12
[4,] 16 17
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Extraire des éléments dans une matrix
print(mat1)
[,1] [,2] [,3] [,4] [,5]
[1,] 1 2 3 4 5
[2,] 6 7 8 9 10
[3,] 11 12 13 14 15
[4,] 16 17 18 19 20
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Extraire des éléments dans une matrix
print(mat1) # Extraitre des lignes et colonnes
mat1[c(1,3),c(2,4)]
[,1] [,2] [,3] [,4] [,5]
[1,] 1 2 3 4 5 [,1] [,2]
[2,] 6 7 8 9 10 [1,] 2 4
[3,] 11 12 13 14 15 [2,] 12 14
[4,] 16 17 18 19 20
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Nommer les dimensions d’une matrix
[Link](42)
mat.1 <- matrix(nrow = 6,ncol = 5,
data = sample(5:50,30))
print(mat.1)
[,1] [,2] [,3] [,4] [,5]
[1,] 41 28 7 34 47
[2,] 5 11 50 42 15
[3,] 29 46 31 6 19
[4,] 14 48 8 12 37
[5,] 40 24 9 38 35
[6,] 22 30 17 49 45
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Nommer les dimensions d’une matrix
[Link](42) [Link](52)
mat.1 <- matrix(nrow = 6,ncol = 5, mat.2 <- matrix(sample(-20:20,30),
data = sample(5:50,30)) 6,5)
print(mat.1) print(mat.2)
[,1] [,2] [,3] [,4] [,5] [,1] [,2] [,3] [,4] [,5]
[1,] 41 28 7 34 47 [1,] -3 -18 2 0 -20
[2,] 5 11 50 42 15 [2,] -2 -4 15 -8 -6
[3,] 29 46 31 6 19 [3,] 3 9 6 -17 -9
[4,] 14 48 8 12 37 [4,] -16 20 16 17 5
[5,] 40 24 9 38 35 [5,] -7 -13 8 -14 13
[6,] 22 30 17 49 45 [6,] 7 10 18 -19 1
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Nommer les dimensions d’une matrix
colnames(mat.1) <- c(paste0("col",1:5))
rownames(mat.1) <- c(paste0("line",1:6))
print(mat.1)
col1 col2 col3 col4 col5
line1 41 28 7 34 47
line2 5 11 50 42 15
line3 29 46 31 6 19
line4 14 48 8 12 37
line5 40 24 9 38 35
line6 22 30 17 49 45
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Nommer les dimensions d’une matrix
colnames(mat.1) <- c(paste0("col",1:5)) colnames(mat.2) <- c(paste0("col_",1:5))
rownames(mat.1) <- c(paste0("line",1:6))rownames(mat.2) <- c(paste0("line_",1:6))
print(mat.1) print(mat.2)
col1 col2 col3 col4 col5 col_1 col_2 col_3 col_4 col_5
line1 41 28 7 34 47 line_1 -3 -18 2 0 -20
line2 5 11 50 42 15 line_2 -2 -4 15 -8 -6
line3 29 46 31 6 19 line_3 3 9 6 -17 -9
line4 14 48 8 12 37 line_4 -16 20 16 17 5
line5 40 24 9 38 35 line_5 -7 -13 8 -14 13
line6 22 30 17 49 45 line_6 7 10 18 -19 1
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Fusion horizontale
cbind(mat.1,mat.2)
col1 col2 col3 col4 col5 col_1 col_2 col_3 col_4 col_5
line1 41 28 7 34 47 -3 -18 2 0 -20
line2 5 11 50 42 15 -2 -4 15 -8 -6
line3 29 46 31 6 19 3 9 6 -17 -9
line4 14 48 8 12 37 -16 20 16 17 5
line5 40 24 9 38 35 -7 -13 8 -14 13
line6 22 30 17 49 45 7 10 18 -19 1
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Fusion verticale
rbind(mat.1,mat.2)
col1 col2 col3 col4 col5
line1 41 28 7 34 47
line2 5 11 50 42 15
line3 29 46 31 6 19
line4 14 48 8 12 37
line5 40 24 9 38 35
line6 22 30 17 49 45
line_1 -3 -18 2 0 -20
line_2 -2 -4 15 -8 -6
line_3 3 9 6 -17 -9
line_4 -16 20 16 17 5
line_5 -7 -13 8 -14 13
line_6 7 10 18 -19 1
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Opérations sur les lines
mat.3 <- rbind(mat.1,mat.2)
mat.4 <- mat.3[c(sample(1:12,5)),]
print(mat.4)
col1 col2 col3 col4 col5
line2 5 11 50 42 15
line6 22 30 17 49 45
line5 40 24 9 38 35
line3 29 46 31 6 19
line_2 -2 -4 15 -8 -6
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Opérations sur les lines
mat.3 <- rbind(mat.1,mat.2) # Moyenne par ligne
mat.4 <- mat.3[c(sample(1:12,5)),] apply(mat.4,1,mean)
print(mat.4) line2 line6 line5 line3 line_2
col1 col2 col3 col4 col5 24.6 32.6 29.2 26.2 -1.0
line2 5 11 50 42 15
line6 22 30 17 49 45
line5 40 24 9 38 35
line3 29 46 31 6 19
line_2 -2 -4 15 -8 -6
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Opérations sur les lines
mat.3 <- rbind(mat.1,mat.2) # Moyenne par ligne
mat.4 <- mat.3[c(sample(1:12,5)),] apply(mat.4,1,mean)
print(mat.4) line2 line6 line5 line3 line_2
col1 col2 col3 col4 col5 24.6 32.6 29.2 26.2 -1.0
line2 5 11 50 42 15 # Somme par line
line6 22 30 17 49 45 apply(mat.4,1,sum)
line5 40 24 9 38 35
line3 29 46 31 6 19 line2 line6 line5 line3 line_2
line_2 -2 -4 15 -8 -6 123 163 146 131 -5
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Opérations sur les colonnes
print(mat.4)
col1 col2 col3 col4 col5
line2 5 11 50 42 15
line6 22 30 17 49 45
line5 40 24 9 38 35
line3 29 46 31 6 19
line_2 -2 -4 15 -8 -6
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Opérations sur les colonnes
print(mat.4) # Moyenne par colonne
apply(mat.4,2,mean)
col1 col2 col3 col4 col5
line2 5 11 50 42 15 col1 col2 col3 col4 col5
line6 22 30 17 49 45 18.8 21.4 24.4 25.4 21.6
line5 40 24 9 38 35
line3 29 46 31 6 19
line_2 -2 -4 15 -8 -6
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Opérations sur les colonnes
print(mat.4) # Moyenne par colonne
apply(mat.4,2,mean)
col1 col2 col3 col4 col5
line2 5 11 50 42 15 col1 col2 col3 col4 col5
line6 22 30 17 49 45 18.8 21.4 24.4 25.4 21.6
line5 40 24 9 38 35 # Somme par colonne
line3 29 46 31 6 19 apply(mat.4,2,sum)
line_2 -2 -4 15 -8 -6
col1 col2 col3 col4 col5
94 107 122 127 108
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Matrix
Transposition de matrix
print(mat.4) mat.5 = t(mat.4)
print(mat.5)
col1 col2 col3 col4 col5
line2 5 11 50 42 15 line2 line6 line5 line3 line_2
line6 22 30 17 49 45 col1 5 22 40 29 -2
line5 40 24 9 38 35 col2 11 30 24 46 -4
line3 29 46 31 6 19 col3 50 17 9 31 15
line_2 -2 -4 15 -8 -6 col4 42 49 38 6 -8
col5 15 45 35 19 -6
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Les Matrix
LET’S PRACTICE...
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Les Matrix
Exercice 1 : Création et Affichage
1-Créez une matrice mat de dimensions 5x4 contenant des nombres entiers.
2-Affichez la matrice mat dans la console.
Exercice 2 : Indexation et Extraction
1-Utilisez la matrice de l’exercice précédent (mat).
2-Accédez à l’élément situé à la deuxième ligne et troisième colonne.
3-Extrait la première ligne de la matrice.
4-Extrait les colonnes 2 et 4 de la matrice.
5- Extraire les valeurs supérieurs à 10 de la 2e colonne
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Les Matrix
Exercice 3 : Transposition
Transposez la matrice mat de l’exercice précédent et stockez le résultat dans
mat_transposed.
Exercice 4 : Opérations Vectorielles sur les Colonnes
1- Utilisez la matrice mat_transposed. de l’exercice précédent. 2-Calculez la
somme des éléments de chaque colonne et stockez-les dans un vecteur.
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Data Frame
Descrition
Un data frame est un tableau de donnée à deux dimensions. C’est d’une
généralisation de la matrix.
A la différentes d’une matrix, un data frame peut contenir des données plusieurs
types (chaine de caractère, numérique, facteur, date, etc.).
Les data frame sont beaucoup plus souple que les matrix. La plupart des
fonctions qui s’appliquent sur les matrix peuvent être appliquées sur les data
frame.
Il sera toujours possible de contenir une matrix en data frame mais l’inverse n’est
pas toujours possible.
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Data frame
Construction d’un data frame
La construction d’un data frame se fait avec la fonction [Link].
df1 <- [Link](Nom=paste0("Eleve",1:5),
Math= c(12,14,8,15,18),
Physique= c(05,16,8,11,15),
Chimie=c(19,14,10,12,15))
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Data frame
Construction d’un data frame
La construction d’un data frame se fait avec la fonction [Link].
print(df1)
Nom Math Physique Chimie
1 Eleve1 12 5 19
df1 <- [Link](Nom=paste0("Eleve",1:5), 2 Eleve2 14 16 14
Math= c(12,14,8,15,18), 3 Eleve3 8 8 10
Physique= c(05,16,8,11,15), 4 Eleve4 15 11 12
Chimie=c(19,14,10,12,15)) 5 Eleve5 18 15 15
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Data frame
Extraction de données dans un data frame
En plus de la méthode d’indice (indiçage) vu précédemment sur les matrix, il
extiste d’autres méthodes pour récupérer des données dans un data frame.
# Nommer les lignes
rownames(df1) <- c(paste0("line",1:5))
# Extraire à partir des noms des lignes
df1[c("line1","line5"),]
Nom Math Physique Chimie
line1 Eleve1 12 5 19
line5 Eleve5 18 15 15
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Data frame
Extraction de données dans un data frame
En plus de la méthode d’indice (indiçage) vu précédemment sur les matrix, il
extiste d’autres méthodes pour récupérer des données dans un data frame.
# Nommer les lignes # Extraire à partir des noms de colonnes
rownames(df1) <- c(paste0("line",1:5)) df1[,c("Chimie","Physique")]
Chimie Physique
# Extraire à partir des noms des lignes
line1 19 5
df1[c("line1","line5"),]
line2 14 16
Nom Math Physique Chimie line3 10 8
line1 Eleve1 12 5 19 line4 12 11
line5 Eleve5 18 15 15 line5 15 15
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Data frame
Extraction de données dans un data frame
En plus de la méthode d’indice (indiçage) vu précédemment sur les matrix, il
extiste d’autres méthodes pour récupérer des données dans un data frame.
# Extraire une colonne
#à partir du symbole $
df1$Physique
[1] 5 16 8 11 15
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Data frame
Extraction de données dans un data frame
En plus de la méthode d’indice (indiçage) vu précédemment sur les matrix, il
extiste d’autres méthodes pour récupérer des données dans un data frame.
# Extraire une colonne # Extraire à partir d'une condition
#à partir du symbole $
df1$Physique df1[df1$Math>=13.5,]
[1] 5 16 8 11 15 Nom Math Physique Chimie
line2 Eleve2 14 16 14
line4 Eleve4 15 11 12
line5 Eleve5 18 15 15
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Data frame
Opération sur les lignes
df2 <- df1[,2:4]
df2
Math Physique Chimie
line1 12 5 19
line2 14 16 14
line3 8 8 10
line4 15 11 12
line5 18 15 15
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Data frame
Opération sur les lignes
df2 <- df1[,2:4] # moyenne en ligne
df2 round(rowMeans(df2),2)
Math Physique Chimie line1 line2 line3 line4 line5
line1 12 5 19 12.00 14.67 8.67 12.67 16.00
line2 14 16 14
line3 8 8 10
line4 15 11 12
line5 18 15 15
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Data frame
Opération sur les lignes
df2 <- df1[,2:4] # moyenne en ligne
df2 round(rowMeans(df2),2)
Math Physique Chimie line1 line2 line3 line4 line5
line1 12 5 19 12.00 14.67 8.67 12.67 16.00
line2 14 16 14 rowSums(df2) # sommee en ligne
line3 8 8 10
line4 15 11 12 line1 line2 line3 line4 line5
line5 18 15 15 36 44 26 38 48
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Data frame
Opération sur les colonnes
df2 <- df1[,2:4]
df2
Math Physique Chimie
line1 12 5 19
line2 14 16 14
line3 8 8 10
line4 15 11 12
line5 18 15 15
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Data frame
Opération sur les colonnes
df2 <- df1[,2:4] # moyenne en ligne
df2 round(colMeans(df2),2)
Math Physique Chimie Math Physique Chimie
line1 12 5 19 13.4 11.0 14.0
line2 14 16 14 colSums(df2) # sommee en ligne
line3 8 8 10
line4 15 11 12 Math Physique Chimie
line5 18 15 15 67 55 70
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Data frame
Opération sur les colonnes
# calcul l'écart-type par ligne
sapply(df2,sd)
Math Physique Chimie
3.714835 4.636809 3.391165
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Data frame
Opération sur les colonnes
# calcul l'écart-type par ligne
sapply(df2,sd)
Math Physique Chimie
3.714835 4.636809 3.391165
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Data frame
Opération sur les colonnes
# calcul l'écart-type par ligne
sapply(df2,sd)
Math Physique Chimie
3.714835 4.636809 3.391165
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Data frame
Remarque
Les fonctions rowMeans, rowSums, colMeans, colSums s’appliquent
également sur les matrix.
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Data Frame
LET’S PRACTICE...
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Data Frame
Exercice 1 : Création et Affichage
1- Créez un data frame donnees avec trois colonnes : nom, age et ville.
2- Remplissez le data frame avec des informations factices pour au moins 5
personnes.
3- Affichez le data frame dans la console.
Exercice 2 : Tri et Sélection de Colonnes
1- Utilisez le data frame donnees de l’exercice 1.
2- Triez le data frame par ordre croissant d’âge.
3- Sélectionnez uniquement la colonne nom du data frame trié.
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Data Frame
Exercice 3 : Ajout et Suppression de Lignes
1- Utilisez le data frame donnees de l’exercice 1.
2- Ajoutez une nouvelle personne au data frame.
3- Supprimez la dernière ligne du data frame.
Exercice 4 : Création de Variables Calculées
1- Utilisez le data frame donnees de l’exercice 1. 2- Calculez une nouvelle
variable annee_naissance en soustrayant l’âge de 2023. 3- Ajoutez la variable
calculée au data frame.
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Liste
La liste un objet générique. C’est même un super-objet. Il permet de stocker des
objets hétérogènes.
La fonction de base pour créer une liste est list()
Construction d’une
my_ls <- list(vect1=c("Math","Physique","Anglais"),
vect2=seq(10,50,5),
mat1=matrix(data =sample(1:100,20),
nrow = 4,ncol = 5))
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Liste
Quelques attributs de la liste
mode(my_ls) # mode de l'objet
[1] "list"
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Liste
Quelques attributs de la liste
mode(my_ls) # mode de l'objet
[1] "list"
names(my_ls) # Noms des composantes de la liste
[1] "vect1" "vect2" "mat1"
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Liste
Quelques attributs de la liste
mode(my_ls) # mode de l'objet
[1] "list"
names(my_ls) # Noms des composantes de la liste
[1] "vect1" "vect2" "mat1"
length(my_ls) # Nombre d'éléments qui constitue de la liste
[1] 3
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Liste
Extraitre des données dans une liste
L’extraction des données dans liste est approximativement identique aux data
frame ou matrix à la différente qu’il faut utliser deux crochet imbriqués plutôt
qu’un.
my_ls[[i]] # extrait l'élément d'indice i
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Liste
Extraitre des données dans une liste
L’extraction des données dans liste est approximativement identique aux data
frame ou matrix à la différente qu’il faut utliser deux crochet imbriqués plutôt
qu’un.
my_ls[[i]] # extrait l'élément d'indice i
my_ls[[1]] # extrait l'élément d'indice 1
[1] "Math" "Physique" "Anglais"
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Liste
Extraitre des données dans une liste
On peut également extraire des éléments dans une liste en utilisant les noms des
composantes ou le symbole $
#Eextraction à partir des noms
my_ls[["mat1"]]
[,1] [,2] [,3] [,4] [,5]
[1,] 84 2 58 89 15
[2,] 19 72 80 30 70
[3,] 86 35 44 32 97
[4,] 92 36 59 56 96
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Liste
Extraitre des données dans une liste
On peut également extraire des éléments dans une liste en utilisant les noms des
composantes ou le symbole $
#Eextraction à partir des noms # Extraction avec le symbole $
my_ls[["mat1"]] my_ls$mat1
[,1] [,2] [,3] [,4] [,5] [,1] [,2] [,3] [,4] [,5]
[1,] 84 2 58 89 15 [1,] 84 2 58 89 15
[2,] 19 72 80 30 70 [2,] 19 72 80 30 70
[3,] 86 35 44 32 97 [3,] 86 35 44 32 97
[4,] 92 36 59 56 96 [4,] 92 36 59 56 96
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
Liste
Exercice 1 : Création et Affichage
1- Créez une liste appelée ma_liste contenant les éléments suivants : - Un
vecteur numérique - Un vecteur de caractères - Une matrice - Un data frame 2-
Affichez le contenu de la liste dans la console.
Exercice 2 : Indexation et Extraction
1- Utilisez la liste ma_liste de l’exercice précédent.
2- Accédez à l’élément matrice de la liste.
3- Extrait la deuxième valeur du vecteur de caractères.
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R
THANK YOU FOR YOUR
ATTENTATION
Arsène W. KIEMA, Fidel KPOGHOMOU DATA ANALYSIS WITH R