Manipulez vos données avec tidyverse
Dans la plupart des cas, vos données ne sont pas prêtes à être utilisées immédiatement. La plupart du temps, elles comportent des valeurs manquantes, des noms de variables manquants, ou des variables dispersées dans plusieurs colonnes que vous devrez synthétiser.
Jusqu’à présent, nous avons manipulé des vecteurs, des matrices et des data.frames en les réordonnant et en les prenant des sous-ensembles grâce à l’indexation et à l’opérateur [ ]. Mais lorsque nous commencerons des analyses plus avancées, nous voudrons manipuler avec des outils plus efficaces.
Pour manipuler les données, vous avez différentes options. Parmi elles, 3 environnements sont populaires :
- Le Data.frame original
- Le paquetage data.table
- L’écosystème tidyverse
Dans cette section, nous décrivons les manipulations de base possibles avec l’écosystème tidyverse
Le jeu de données
Dans ce chapitre, nous allons travailler avec le jeux de données mis à disposition par le paquet gapminder.
Vous devriez maintenant être capable d’installer le paquetage par vous-même (si ce n’est pas le cas, veuillez consulter les premières sections sur la façon d’installer des paquetages sur votre ordinateur).
Chargez le paquetage gapminder :
library(gapminder)
Si tout s’est bien passé, vous devriez être capable d’accéder directement aux données de gapminder.
gapminder
## # A tibble: 1,704 x 6
## country continent year lifeExp pop gdpPercap
## <fct> <fct> <int> <dbl> <int> <dbl>
## 1 Afghanistan Asia 1952 28.8 8425333 779.
## 2 Afghanistan Asia 1957 30.3 9240934 821.
## 3 Afghanistan Asia 1962 32.0 10267083 853.
## 4 Afghanistan Asia 1967 34.0 11537966 836.
## 5 Afghanistan Asia 1972 36.1 13079460 740.
## 6 Afghanistan Asia 1977 38.4 14880372 786.
## 7 Afghanistan Asia 1982 39.9 12881816 978.
## 8 Afghanistan Asia 1987 40.8 13867957 852.
## 9 Afghanistan Asia 1992 41.7 16317921 649.
## 10 Afghanistan Asia 1997 41.8 22227415 635.
## # ... with 1,694 more rows
Charger les paquetages de l’écosystème tidyverse
Chargeons maintenant les paquetage de l’écosystème tidyverse. Nous l’appelons “écosystème” car il est composé de plusieurs paquets. Cependant, vous installez ces différents paquets en utilisant une seule commande:
library(tidyverse)
-- Attaching packages -------------------------------------------------------------------------------- tidyverse 1.3.1 --
v ggplot2 3.3.5 v purrr 0.3.4
v tibble 3.1.5 v dplyr 1.0.7
v tidyr 1.1.4 v stringr 1.4.0
v readr 2.0.2 v forcats 0.5.1
-- Conflicts ----------------------------------------------------------------------------------- tidyverse_conflicts() --
x dplyr::filter() masks stats::filter()
x dplyr::lag() masks stats::lag()
Warning messages:
1: package ‘tidyverse’ was built under R version 4.0.5
2: package ‘ggplot2’ was built under R version 4.0.5
3: package ‘tibble’ was built under R version 4.0.5
4: package ‘tidyr’ was built under R version 4.0.5
5: package ‘readr’ was built under R version 4.0.5
6: package ‘dplyr’ was built under R version 4.0.5
Le message indique les paquetages que vous venez de charger et les conflits potentiels. Notez encore une fois que la couleur rouge ne signifie pas nécessairement que cela n’a pas fonctionné, mais qu’il vous previens des conflits potentiels entre paquetages.
Dans le cas présenté, le paquetage dplyr définit une fonction filter() qui va masquer la fonction du même nom du paquet stats. Si vous voulez vraiment utiliser la fonction filter du paquet stats, il vous faudra mentionner expressément le paquet que vous voulez utiliser en appelant la function comme suit stats::filter().
Vous êtes maintenant prêt à travailler!