Introduction au tidyverse
Sébastien Déjean
www.math.univ-toulouse.fr/~sdejean
Tout savoir sur tidyverse
C’est ici : www.tidyverse.org avec en complément le livre R for Data Science de Hadley Wickham, disponible gratuitement en ligne ici : r4ds.had.co.nz.
Installation et chargement
La commande suivante installe plusieurs packages.
install.packages("tidyverse")Et on peut même charger tous ces packages en même temps.
library(tidyverse)## ── Attaching packages ─────────────────────── tidyverse 1.3.0 ──## ✓ ggplot2 3.3.1 ✓ purrr 0.3.4
## ✓ tibble 3.0.1 ✓ dplyr 1.0.0
## ✓ tidyr 1.1.0 ✓ stringr 1.4.0
## ✓ readr 1.3.1 ✓ forcats 0.5.0## ── Conflicts ────────────────────────── tidyverse_conflicts() ──
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()Mais on pourrait les charger un par un.
library(dplyr)
library(tidyr)On va donc survoler ces packages (sauf ggplot2 vu par ailleurs) pour voir ce qu’ils ont à nous proposer.
tibble
iris.tib <- as_tibble(iris)
iris.tib## # A tibble: 150 x 5
## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## <dbl> <dbl> <dbl> <dbl> <fct>
## 1 5.1 3.5 1.4 0.2 setosa
## 2 4.9 3 1.4 0.2 setosa
## 3 4.7 3.2 1.3 0.2 setosa
## 4 4.6 3.1 1.5 0.2 setosa
## 5 5 3.6 1.4 0.2 setosa
## 6 5.4 3.9 1.7 0.4 setosa
## 7 4.6 3.4 1.4 0.3 setosa
## 8 5 3.4 1.5 0.2 setosa
## 9 4.4 2.9 1.4 0.2 setosa
## 10 4.9 3.1 1.5 0.1 setosa
## # … with 140 more rowshas_rownames(iris)## [1] FALSEhas_rownames(mtcars)## [1] TRUEremove_rownames(mtcars)## mpg cyl disp hp drat wt qsec vs am gear carb
## 1 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
## 2 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
## 3 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
## 4 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
## 5 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
## 6 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
## 7 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
## 8 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
## 9 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
## 10 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
## 11 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
## 12 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
## 13 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
## 14 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
## 15 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
## 16 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
## 17 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
## 18 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
## 19 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
## 20 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
## 21 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
## 22 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
## 23 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
## 24 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
## 25 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
## 26 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
## 27 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
## 28 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
## 29 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
## 30 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
## 31 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
## 32 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2rownames_to_column(mtcars)## rowname mpg cyl disp hp drat wt qsec vs am gear carb
## 1 Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
## 2 Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
## 3 Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
## 4 Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
## 5 Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
## 6 Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
## 7 Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
## 8 Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
## 9 Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
## 10 Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
## 11 Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
## 12 Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
## 13 Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
## 14 Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
## 15 Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
## 16 Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
## 17 Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
## 18 Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
## 19 Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
## 20 Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
## 21 Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
## 22 Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
## 23 AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
## 24 Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
## 25 Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
## 26 Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
## 27 Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
## 28 Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
## 29 Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
## 30 Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
## 31 Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
## 32 Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2mtcars_tbl <- as_tibble(rownames_to_column(mtcars))
mtcars_tbl## # A tibble: 32 x 12
## rowname mpg cyl disp hp drat wt qsec vs am gear carb
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Mazda RX4 21 6 160 110 3.9 2.62 16.5 0 1 4 4
## 2 Mazda RX4 … 21 6 160 110 3.9 2.88 17.0 0 1 4 4
## 3 Datsun 710 22.8 4 108 93 3.85 2.32 18.6 1 1 4 1
## 4 Hornet 4 D… 21.4 6 258 110 3.08 3.22 19.4 1 0 3 1
## 5 Hornet Spo… 18.7 8 360 175 3.15 3.44 17.0 0 0 3 2
## 6 Valiant 18.1 6 225 105 2.76 3.46 20.2 1 0 3 1
## 7 Duster 360 14.3 8 360 245 3.21 3.57 15.8 0 0 3 4
## 8 Merc 240D 24.4 4 147. 62 3.69 3.19 20 1 0 4 2
## 9 Merc 230 22.8 4 141. 95 3.92 3.15 22.9 1 0 4 2
## 10 Merc 280 19.2 6 168. 123 3.92 3.44 18.3 1 0 4 4
## # … with 22 more rowshead(column_to_rownames(mtcars_tbl))## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
## Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
## Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1
## Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2
## Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1head(column_to_rownames(mtcars_tbl, "rowname"))## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
## Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
## Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1
## Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2
## Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1glimpse(iris)## Rows: 150
## Columns: 5
## $ Sepal.Length <dbl> 5.1, 4.9, 4.7, 4.6, 5.0, 5.4, 4.6, 5.0, 4.4, 4.9, 5.4, 4…
## $ Sepal.Width <dbl> 3.5, 3.0, 3.2, 3.1, 3.6, 3.9, 3.4, 3.4, 2.9, 3.1, 3.7, 3…
## $ Petal.Length <dbl> 1.4, 1.4, 1.3, 1.5, 1.4, 1.7, 1.4, 1.5, 1.4, 1.5, 1.5, 1…
## $ Petal.Width <dbl> 0.2, 0.2, 0.2, 0.2, 0.2, 0.4, 0.3, 0.2, 0.2, 0.1, 0.2, 0…
## $ Species <fct> setosa, setosa, setosa, setosa, setosa, setosa, setosa, …Une des différences majeures avec les data.frame réside dans l’affichage qui est limité aux 10 premières lignes.
A noter également que l’affichage tient compte du nombre de colonnes à afficher. Réduisez la largeur de la fenêtre Console dans RStudio et observez le résultat de mtcars_tbl par exemple… Impressionnant non ?
dplyr
mutate() / transmute()
Pour ajouter des variables à un data.frame (ou à un tibble bien sûr) soit en conservant les autres (mutate) soit en les supprimant (transmute).
mutate(mtcars, cyl2 = cyl*2)## mpg cyl disp hp drat wt qsec vs am gear carb cyl2
## 1 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4 12
## 2 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4 12
## 3 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1 8
## 4 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1 12
## 5 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2 16
## 6 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1 12
## 7 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4 16
## 8 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2 8
## 9 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2 8
## 10 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4 12
## 11 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4 12
## 12 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3 16
## 13 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3 16
## 14 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3 16
## 15 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4 16
## 16 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4 16
## 17 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4 16
## 18 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1 8
## 19 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2 8
## 20 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1 8
## 21 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1 8
## 22 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2 16
## 23 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2 16
## 24 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4 16
## 25 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2 16
## 26 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1 8
## 27 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2 8
## 28 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2 8
## 29 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4 16
## 30 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6 12
## 31 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8 16
## 32 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2 8mtcars.mute <- mutate(mtcars, cyl2 = cyl*2)
head(mtcars.mute)## mpg cyl disp hp drat wt qsec vs am gear carb cyl2
## 1 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4 12
## 2 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4 12
## 3 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1 8
## 4 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1 12
## 5 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2 16
## 6 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1 12class(mtcars.mute)## [1] "data.frame"mtcars.transmute <- transmute(mtcars, cyl2 = cyl*2)
head(mtcars.transmute)## cyl2
## 1 12
## 2 12
## 3 8
## 4 12
## 5 16
## 6 12mtcars %>% mutate(cyl3 = cyl^3)## mpg cyl disp hp drat wt qsec vs am gear carb cyl3
## 1 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4 216
## 2 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4 216
## 3 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1 64
## 4 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1 216
## 5 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2 512
## 6 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1 216
## 7 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4 512
## 8 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2 64
## 9 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2 64
## 10 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4 216
## 11 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4 216
## 12 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3 512
## 13 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3 512
## 14 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3 512
## 15 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4 512
## 16 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4 512
## 17 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4 512
## 18 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1 64
## 19 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2 64
## 20 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1 64
## 21 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1 64
## 22 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2 512
## 23 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2 512
## 24 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4 512
## 25 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2 512
## 26 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1 64
## 27 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2 64
## 28 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2 64
## 29 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4 512
## 30 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6 216
## 31 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8 512
## 32 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2 64mtcars## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
## Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
## Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
## Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
## Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
## Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
## Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
## Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
## Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
## Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
## Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
## Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
## Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
## Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
## Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
## Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
## Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
## Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
## Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
## Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
## Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
## AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
## Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
## Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
## Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
## Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
## Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
## Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
## Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
## Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
## Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2mtcars.mute3 <- mtcars %>% mutate(cyl3 = cyl^3)Euh, c’est quoi le truc %>% ?
select()
La fonction select offre des possibilités pour sélectionner simplement des variables dans un data.frame (ou un tibble).
select(iris, starts_with("Petal"))## Petal.Length Petal.Width
## 1 1.4 0.2
## 2 1.4 0.2
## 3 1.3 0.2
## 4 1.5 0.2
## 5 1.4 0.2
## 6 1.7 0.4
## 7 1.4 0.3
## 8 1.5 0.2
## 9 1.4 0.2
## 10 1.5 0.1
## 11 1.5 0.2
## 12 1.6 0.2
## 13 1.4 0.1
## 14 1.1 0.1
## 15 1.2 0.2
## 16 1.5 0.4
## 17 1.3 0.4
## 18 1.4 0.3
## 19 1.7 0.3
## 20 1.5 0.3
## 21 1.7 0.2
## 22 1.5 0.4
## 23 1.0 0.2
## 24 1.7 0.5
## 25 1.9 0.2
## 26 1.6 0.2
## 27 1.6 0.4
## 28 1.5 0.2
## 29 1.4 0.2
## 30 1.6 0.2
## 31 1.6 0.2
## 32 1.5 0.4
## 33 1.5 0.1
## 34 1.4 0.2
## 35 1.5 0.2
## 36 1.2 0.2
## 37 1.3 0.2
## 38 1.4 0.1
## 39 1.3 0.2
## 40 1.5 0.2
## 41 1.3 0.3
## 42 1.3 0.3
## 43 1.3 0.2
## 44 1.6 0.6
## 45 1.9 0.4
## 46 1.4 0.3
## 47 1.6 0.2
## 48 1.4 0.2
## 49 1.5 0.2
## 50 1.4 0.2
## 51 4.7 1.4
## 52 4.5 1.5
## 53 4.9 1.5
## 54 4.0 1.3
## 55 4.6 1.5
## 56 4.5 1.3
## 57 4.7 1.6
## 58 3.3 1.0
## 59 4.6 1.3
## 60 3.9 1.4
## 61 3.5 1.0
## 62 4.2 1.5
## 63 4.0 1.0
## 64 4.7 1.4
## 65 3.6 1.3
## 66 4.4 1.4
## 67 4.5 1.5
## 68 4.1 1.0
## 69 4.5 1.5
## 70 3.9 1.1
## 71 4.8 1.8
## 72 4.0 1.3
## 73 4.9 1.5
## 74 4.7 1.2
## 75 4.3 1.3
## 76 4.4 1.4
## 77 4.8 1.4
## 78 5.0 1.7
## 79 4.5 1.5
## 80 3.5 1.0
## 81 3.8 1.1
## 82 3.7 1.0
## 83 3.9 1.2
## 84 5.1 1.6
## 85 4.5 1.5
## 86 4.5 1.6
## 87 4.7 1.5
## 88 4.4 1.3
## 89 4.1 1.3
## 90 4.0 1.3
## 91 4.4 1.2
## 92 4.6 1.4
## 93 4.0 1.2
## 94 3.3 1.0
## 95 4.2 1.3
## 96 4.2 1.2
## 97 4.2 1.3
## 98 4.3 1.3
## 99 3.0 1.1
## 100 4.1 1.3
## 101 6.0 2.5
## 102 5.1 1.9
## 103 5.9 2.1
## 104 5.6 1.8
## 105 5.8 2.2
## 106 6.6 2.1
## 107 4.5 1.7
## 108 6.3 1.8
## 109 5.8 1.8
## 110 6.1 2.5
## 111 5.1 2.0
## 112 5.3 1.9
## 113 5.5 2.1
## 114 5.0 2.0
## 115 5.1 2.4
## 116 5.3 2.3
## 117 5.5 1.8
## 118 6.7 2.2
## 119 6.9 2.3
## 120 5.0 1.5
## 121 5.7 2.3
## 122 4.9 2.0
## 123 6.7 2.0
## 124 4.9 1.8
## 125 5.7 2.1
## 126 6.0 1.8
## 127 4.8 1.8
## 128 4.9 1.8
## 129 5.6 2.1
## 130 5.8 1.6
## 131 6.1 1.9
## 132 6.4 2.0
## 133 5.6 2.2
## 134 5.1 1.5
## 135 5.6 1.4
## 136 6.1 2.3
## 137 5.6 2.4
## 138 5.5 1.8
## 139 4.8 1.8
## 140 5.4 2.1
## 141 5.6 2.4
## 142 5.1 2.3
## 143 5.1 1.9
## 144 5.9 2.3
## 145 5.7 2.5
## 146 5.2 2.3
## 147 5.0 1.9
## 148 5.2 2.0
## 149 5.4 2.3
## 150 5.1 1.8select(iris.tib, starts_with("Petal"))## # A tibble: 150 x 2
## Petal.Length Petal.Width
## <dbl> <dbl>
## 1 1.4 0.2
## 2 1.4 0.2
## 3 1.3 0.2
## 4 1.5 0.2
## 5 1.4 0.2
## 6 1.7 0.4
## 7 1.4 0.3
## 8 1.5 0.2
## 9 1.4 0.2
## 10 1.5 0.1
## # … with 140 more rowsselect(iris, contains("Width"))## Sepal.Width Petal.Width
## 1 3.5 0.2
## 2 3.0 0.2
## 3 3.2 0.2
## 4 3.1 0.2
## 5 3.6 0.2
## 6 3.9 0.4
## 7 3.4 0.3
## 8 3.4 0.2
## 9 2.9 0.2
## 10 3.1 0.1
## 11 3.7 0.2
## 12 3.4 0.2
## 13 3.0 0.1
## 14 3.0 0.1
## 15 4.0 0.2
## 16 4.4 0.4
## 17 3.9 0.4
## 18 3.5 0.3
## 19 3.8 0.3
## 20 3.8 0.3
## 21 3.4 0.2
## 22 3.7 0.4
## 23 3.6 0.2
## 24 3.3 0.5
## 25 3.4 0.2
## 26 3.0 0.2
## 27 3.4 0.4
## 28 3.5 0.2
## 29 3.4 0.2
## 30 3.2 0.2
## 31 3.1 0.2
## 32 3.4 0.4
## 33 4.1 0.1
## 34 4.2 0.2
## 35 3.1 0.2
## 36 3.2 0.2
## 37 3.5 0.2
## 38 3.6 0.1
## 39 3.0 0.2
## 40 3.4 0.2
## 41 3.5 0.3
## 42 2.3 0.3
## 43 3.2 0.2
## 44 3.5 0.6
## 45 3.8 0.4
## 46 3.0 0.3
## 47 3.8 0.2
## 48 3.2 0.2
## 49 3.7 0.2
## 50 3.3 0.2
## 51 3.2 1.4
## 52 3.2 1.5
## 53 3.1 1.5
## 54 2.3 1.3
## 55 2.8 1.5
## 56 2.8 1.3
## 57 3.3 1.6
## 58 2.4 1.0
## 59 2.9 1.3
## 60 2.7 1.4
## 61 2.0 1.0
## 62 3.0 1.5
## 63 2.2 1.0
## 64 2.9 1.4
## 65 2.9 1.3
## 66 3.1 1.4
## 67 3.0 1.5
## 68 2.7 1.0
## 69 2.2 1.5
## 70 2.5 1.1
## 71 3.2 1.8
## 72 2.8 1.3
## 73 2.5 1.5
## 74 2.8 1.2
## 75 2.9 1.3
## 76 3.0 1.4
## 77 2.8 1.4
## 78 3.0 1.7
## 79 2.9 1.5
## 80 2.6 1.0
## 81 2.4 1.1
## 82 2.4 1.0
## 83 2.7 1.2
## 84 2.7 1.6
## 85 3.0 1.5
## 86 3.4 1.6
## 87 3.1 1.5
## 88 2.3 1.3
## 89 3.0 1.3
## 90 2.5 1.3
## 91 2.6 1.2
## 92 3.0 1.4
## 93 2.6 1.2
## 94 2.3 1.0
## 95 2.7 1.3
## 96 3.0 1.2
## 97 2.9 1.3
## 98 2.9 1.3
## 99 2.5 1.1
## 100 2.8 1.3
## 101 3.3 2.5
## 102 2.7 1.9
## 103 3.0 2.1
## 104 2.9 1.8
## 105 3.0 2.2
## 106 3.0 2.1
## 107 2.5 1.7
## 108 2.9 1.8
## 109 2.5 1.8
## 110 3.6 2.5
## 111 3.2 2.0
## 112 2.7 1.9
## 113 3.0 2.1
## 114 2.5 2.0
## 115 2.8 2.4
## 116 3.2 2.3
## 117 3.0 1.8
## 118 3.8 2.2
## 119 2.6 2.3
## 120 2.2 1.5
## 121 3.2 2.3
## 122 2.8 2.0
## 123 2.8 2.0
## 124 2.7 1.8
## 125 3.3 2.1
## 126 3.2 1.8
## 127 2.8 1.8
## 128 3.0 1.8
## 129 2.8 2.1
## 130 3.0 1.6
## 131 2.8 1.9
## 132 3.8 2.0
## 133 2.8 2.2
## 134 2.8 1.5
## 135 2.6 1.4
## 136 3.0 2.3
## 137 3.4 2.4
## 138 3.1 1.8
## 139 3.0 1.8
## 140 3.1 2.1
## 141 3.1 2.4
## 142 3.1 2.3
## 143 2.7 1.9
## 144 3.2 2.3
## 145 3.3 2.5
## 146 3.0 2.3
## 147 2.5 1.9
## 148 3.0 2.0
## 149 3.4 2.3
## 150 3.0 1.8iris.tib %>% select(contains("Width"))## # A tibble: 150 x 2
## Sepal.Width Petal.Width
## <dbl> <dbl>
## 1 3.5 0.2
## 2 3 0.2
## 3 3.2 0.2
## 4 3.1 0.2
## 5 3.6 0.2
## 6 3.9 0.4
## 7 3.4 0.3
## 8 3.4 0.2
## 9 2.9 0.2
## 10 3.1 0.1
## # … with 140 more rowsNoter au passage qu’on commence à prendre goût au fait que le tibble s’affiche plus proprement, non ?
Euh oui, et sinon, c’est quoi le %>% ?
filter()
La fonction filter agit dans le même esprit que select mais cette fois-ci sur les observations d’un data.frame (ou d’un vous savez quoi).
filter(mtcars, cyl==6)## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
## Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
## Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
## Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
## Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
## Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6filter(mtcars, between(qsec,16,18))## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
## Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
## Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
## Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
## Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
## Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
## Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
## Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
## Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
## AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
## Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
## Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
## Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2mtcars %>% filter(between(qsec,16,18)) %>%
arrange(qsec)## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
## Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
## Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
## Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
## Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
## Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
## Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
## AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
## Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
## Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
## Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
## Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
## Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
## Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3Et… %>% ? On en reparle plus loin… regardez bien, il y a une section qui s’appelle comme ça.
summarise()
Pour calculer quelques indicateurs statistiques sur une ou plusieurs variables.
summarise(mtcars_tbl, mean=mean(disp))## # A tibble: 1 x 1
## mean
## <dbl>
## 1 231.summarise(mtcars_tbl, mean=mean(disp), median= median(disp))## # A tibble: 1 x 2
## mean median
## <dbl> <dbl>
## 1 231. 196.Pour calculer ces mêmes indicateurs sur des sous-groupes dépendant d’une variable catégorielle, on peut utiliser au préalable la fonction group_by.
mtcar_by_cyl <- group_by(mtcars_tbl, cyl)
mtcar_by_cyl <- group_by(mtcars, cyl)
summarise(mtcar_by_cyl, mean=mean(disp), median=median(disp))## `summarise()` ungrouping output (override with `.groups` argument)## # A tibble: 3 x 3
## cyl mean median
## <dbl> <dbl> <dbl>
## 1 4 105. 108
## 2 6 183. 168.
## 3 8 353. 350.Notons au passage que même si group_by prend un data.frame en paramètres, le résultat est un grouped tbl (qui peut être “dégrouper” avec la fonction… ungroup.
ungroup(mtcar_by_cyl)## # A tibble: 32 x 11
## mpg cyl disp hp drat wt qsec vs am gear carb
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 21 6 160 110 3.9 2.62 16.5 0 1 4 4
## 2 21 6 160 110 3.9 2.88 17.0 0 1 4 4
## 3 22.8 4 108 93 3.85 2.32 18.6 1 1 4 1
## 4 21.4 6 258 110 3.08 3.22 19.4 1 0 3 1
## 5 18.7 8 360 175 3.15 3.44 17.0 0 0 3 2
## 6 18.1 6 225 105 2.76 3.46 20.2 1 0 3 1
## 7 14.3 8 360 245 3.21 3.57 15.8 0 0 3 4
## 8 24.4 4 147. 62 3.69 3.19 20 1 0 4 2
## 9 22.8 4 141. 95 3.92 3.15 22.9 1 0 4 2
## 10 19.2 6 168. 123 3.92 3.44 18.3 1 0 4 4
## # … with 22 more rowsEt même si on ne doit pas encore en parler
mtcars_tbl %>% group_by(cyl) %>% summarise(mean=mean(disp))## `summarise()` ungrouping output (override with `.groups` argument)## # A tibble: 3 x 2
## cyl mean
## <dbl> <dbl>
## 1 4 105.
## 2 6 183.
## 3 8 353.arrange()
Pour ranger les lignes d’un data.frame (ou …) dans l’ordre croissant ou décroissant d’une variable.
arrange(mtcars, disp)## mpg cyl disp hp drat wt qsec vs am gear carb
## Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
## Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
## Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
## Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
## Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
## Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
## Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
## Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
## Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2
## Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
## Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
## Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
## Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
## Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
## Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
## Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
## Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
## Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
## Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
## Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
## Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
## AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
## Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
## Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
## Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
## Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
## Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
## Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
## Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
## Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
## Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4arrange(mtcars_tbl, disp)## # A tibble: 32 x 12
## rowname mpg cyl disp hp drat wt qsec vs am gear carb
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Toyota Cor… 33.9 4 71.1 65 4.22 1.84 19.9 1 1 4 1
## 2 Honda Civic 30.4 4 75.7 52 4.93 1.62 18.5 1 1 4 2
## 3 Fiat 128 32.4 4 78.7 66 4.08 2.2 19.5 1 1 4 1
## 4 Fiat X1-9 27.3 4 79 66 4.08 1.94 18.9 1 1 4 1
## 5 Lotus Euro… 30.4 4 95.1 113 3.77 1.51 16.9 1 1 5 2
## 6 Datsun 710 22.8 4 108 93 3.85 2.32 18.6 1 1 4 1
## 7 Toyota Cor… 21.5 4 120. 97 3.7 2.46 20.0 1 0 3 1
## 8 Porsche 91… 26 4 120. 91 4.43 2.14 16.7 0 1 5 2
## 9 Volvo 142E 21.4 4 121 109 4.11 2.78 18.6 1 1 4 2
## 10 Merc 230 22.8 4 141. 95 3.92 3.15 22.9 1 0 4 2
## # … with 22 more rowsarrange(mtcars, hp)## mpg cyl disp hp drat wt qsec vs am gear carb
## Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
## Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
## Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
## Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
## Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
## Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
## Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
## Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
## Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
## Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
## Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2
## Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
## Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
## Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
## Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
## Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
## Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
## AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
## Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
## Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
## Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
## Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
## Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
## Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
## Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
## Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
## Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
## Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
## Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
## Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
## Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8arrange(mtcars, desc(mpg))## mpg cyl disp hp drat wt qsec vs am gear carb
## Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
## Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
## Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
## Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
## Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
## Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
## Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
## Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
## Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
## Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
## Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
## Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2
## Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
## Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
## Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
## Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
## Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
## Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
## Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
## Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
## Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
## Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
## Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
## Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
## AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
## Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
## Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
## Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
## Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
## Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
## Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4mtcars_tbl %>% arrange(disp)## # A tibble: 32 x 12
## rowname mpg cyl disp hp drat wt qsec vs am gear carb
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Toyota Cor… 33.9 4 71.1 65 4.22 1.84 19.9 1 1 4 1
## 2 Honda Civic 30.4 4 75.7 52 4.93 1.62 18.5 1 1 4 2
## 3 Fiat 128 32.4 4 78.7 66 4.08 2.2 19.5 1 1 4 1
## 4 Fiat X1-9 27.3 4 79 66 4.08 1.94 18.9 1 1 4 1
## 5 Lotus Euro… 30.4 4 95.1 113 3.77 1.51 16.9 1 1 5 2
## 6 Datsun 710 22.8 4 108 93 3.85 2.32 18.6 1 1 4 1
## 7 Toyota Cor… 21.5 4 120. 97 3.7 2.46 20.0 1 0 3 1
## 8 Porsche 91… 26 4 120. 91 4.43 2.14 16.7 0 1 5 2
## 9 Volvo 142E 21.4 4 121 109 4.11 2.78 18.6 1 1 4 2
## 10 Merc 230 22.8 4 141. 95 3.92 3.15 22.9 1 0 4 2
## # … with 22 more rows%>% ???? On en reparle plus loin…
readr
A voir avec ses propres fichiers. Notez que la sortie des fonctions read_delim, read_csv et autres sera un… tibble bien sûr.
Ces 3 exemples issus de l’aide de la fonction read_delim illustrent le fait que cette fonction décompresse automatiquement des fichiers zip et bz2 avant de les importer.
read_csv(readr_example("mtcars.csv"))## Parsed with column specification:
## cols(
## mpg = col_double(),
## cyl = col_double(),
## disp = col_double(),
## hp = col_double(),
## drat = col_double(),
## wt = col_double(),
## qsec = col_double(),
## vs = col_double(),
## am = col_double(),
## gear = col_double(),
## carb = col_double()
## )## # A tibble: 32 x 11
## mpg cyl disp hp drat wt qsec vs am gear carb
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 21 6 160 110 3.9 2.62 16.5 0 1 4 4
## 2 21 6 160 110 3.9 2.88 17.0 0 1 4 4
## 3 22.8 4 108 93 3.85 2.32 18.6 1 1 4 1
## 4 21.4 6 258 110 3.08 3.22 19.4 1 0 3 1
## 5 18.7 8 360 175 3.15 3.44 17.0 0 0 3 2
## 6 18.1 6 225 105 2.76 3.46 20.2 1 0 3 1
## 7 14.3 8 360 245 3.21 3.57 15.8 0 0 3 4
## 8 24.4 4 147. 62 3.69 3.19 20 1 0 4 2
## 9 22.8 4 141. 95 3.92 3.15 22.9 1 0 4 2
## 10 19.2 6 168. 123 3.92 3.44 18.3 1 0 4 4
## # … with 22 more rowsread_csv(readr_example("mtcars.csv.zip"))## Parsed with column specification:
## cols(
## mpg = col_double(),
## cyl = col_double(),
## disp = col_double(),
## hp = col_double(),
## drat = col_double(),
## wt = col_double(),
## qsec = col_double(),
## vs = col_double(),
## am = col_double(),
## gear = col_double(),
## carb = col_double()
## )## # A tibble: 32 x 11
## mpg cyl disp hp drat wt qsec vs am gear carb
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 21 6 160 110 3.9 2.62 16.5 0 1 4 4
## 2 21 6 160 110 3.9 2.88 17.0 0 1 4 4
## 3 22.8 4 108 93 3.85 2.32 18.6 1 1 4 1
## 4 21.4 6 258 110 3.08 3.22 19.4 1 0 3 1
## 5 18.7 8 360 175 3.15 3.44 17.0 0 0 3 2
## 6 18.1 6 225 105 2.76 3.46 20.2 1 0 3 1
## 7 14.3 8 360 245 3.21 3.57 15.8 0 0 3 4
## 8 24.4 4 147. 62 3.69 3.19 20 1 0 4 2
## 9 22.8 4 141. 95 3.92 3.15 22.9 1 0 4 2
## 10 19.2 6 168. 123 3.92 3.44 18.3 1 0 4 4
## # … with 22 more rowsread_csv(readr_example("mtcars.csv.bz2"))## Parsed with column specification:
## cols(
## mpg = col_double(),
## cyl = col_double(),
## disp = col_double(),
## hp = col_double(),
## drat = col_double(),
## wt = col_double(),
## qsec = col_double(),
## vs = col_double(),
## am = col_double(),
## gear = col_double(),
## carb = col_double()
## )## # A tibble: 32 x 11
## mpg cyl disp hp drat wt qsec vs am gear carb
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 21 6 160 110 3.9 2.62 16.5 0 1 4 4
## 2 21 6 160 110 3.9 2.88 17.0 0 1 4 4
## 3 22.8 4 108 93 3.85 2.32 18.6 1 1 4 1
## 4 21.4 6 258 110 3.08 3.22 19.4 1 0 3 1
## 5 18.7 8 360 175 3.15 3.44 17.0 0 0 3 2
## 6 18.1 6 225 105 2.76 3.46 20.2 1 0 3 1
## 7 14.3 8 360 245 3.21 3.57 15.8 0 0 3 4
## 8 24.4 4 147. 62 3.69 3.19 20 1 0 4 2
## 9 22.8 4 141. 95 3.92 3.15 22.9 1 0 4 2
## 10 19.2 6 168. 123 3.92 3.44 18.3 1 0 4 4
## # … with 22 more rowsstringr
Le package contient tout un tas de fonctions pour faciliter la manipulation des chaînes de caractères. En voici une illustration
La longueur d’une chaîne
DesCaracteres <- "Oh les beaux caracteres !"
str_length(DesCaracteres)## [1] 25Concaténer des chaînes
str_c(DesCaracteres, "C'est bien vrai.")## [1] "Oh les beaux caracteres !C'est bien vrai."str_c(DesCaracteres, "C'est bien vrai.", sep=" ")## [1] "Oh les beaux caracteres ! C'est bien vrai."str_c("Oh, le joli ", c("a","b","c"), ". C'est vrai qu'il est beau.")## [1] "Oh, le joli a. C'est vrai qu'il est beau."
## [2] "Oh, le joli b. C'est vrai qu'il est beau."
## [3] "Oh, le joli c. C'est vrai qu'il est beau."Sélectionner des parties
str_sub(DesCaracteres, start = 8, end = 12)## [1] "beaux"str_sub(DesCaracteres, start = 1, end = 6)## [1] "Oh les"str_sub(DesCaracteres, end = 6)## [1] "Oh les"str_sub(DesCaracteres, start = 8)## [1] "beaux caracteres !"Et vous pensez que l’on peut… oui.
DesCaracteres %>% str_sub(start=10)## [1] "aux caracteres !"Détecter des chaînes…
… qui contiennent une caractère donné
DesFruits <- c("Pomme", "Poire", "Peche", "Abricot", "Melon")
str_detect(DesFruits,"o")## [1] TRUE TRUE FALSE TRUE TRUE… qui commencent ou finissent par un caractère donné
str_detect(DesFruits,"^P")## [1] TRUE TRUE TRUE FALSE FALSEstr_detect(DesFruits,"e$")## [1] TRUE TRUE TRUE FALSE FALSEPas futé sur cette exemple, le résultat est le même pour les deux ! Trop beau, je le laisse quand même.
str_detect(DesFruits,"t$")## [1] FALSE FALSE FALSE TRUE FALSEEt pour revenir un peu en arrière avec str_sub et un peu en avant avec %>%.
DesFruits %>% str_sub(1, 4)## [1] "Pomm" "Poir" "Pech" "Abri" "Melo"Passer de minuscules à majuscules ou inversement
str_to_upper(DesCaracteres)## [1] "OH LES BEAUX CARACTERES !"str_to_lower(DesCaracteres)## [1] "oh les beaux caracteres !"Il y a encore tout plein de fonctions à explorer dans le package stringr. Commencez à taper str_ dans la console RStudio et regardez…
Un petit dernier quand même
str_view(DesCaracteres, "eau")str_view(DesFruits, "^P")forcats
Le package forcats propose de nombreuses fonctions pour faciliter la manipulation des factors (factors <-> forcats, vous saisissez ?).
Ré-ordonner les niveaux d’un facteur
Pour illustrer l’intérêt de la fonction fct_reorder, le plus simple est de passer par un graphique comme cela est suggéré dans l’aide de la fonction.
Regardons des boxplots pour chaque modalité du facteur Species du fameux jeu de données iris
ggplot(iris, aes(x=Species, y = Sepal.Width)) + geom_boxplot()
Ce serait sympa (même si pas forcément très utile ici) de ré-ordonner les boxplots par médiane croissante par exemple.
ggplot(iris,
aes(x=fct_reorder(Species, Sepal.Width), y = Sepal.Width)) +
geom_boxplot()
Et voilà, trop facile. On n’a précisé la médiane nulle part car c’est la fonction utilisée par défaut. Mais si on veut modifier le critère de tri, c’est dans l’argument .fun que ça se passe.
Pour trier selon l’écart-type croissant, par exemple, on fait :
ggplot(iris,
aes(x=fct_reorder(Species, Sepal.Width, .fun=sd),
y = Sepal.Width)) +
geom_boxplot()
Le changement n’est pas flagrant vu que l’ordre est le même que par médiane croissante. Et si on veut selon un critère décroissant, on complète avec .desc.
ggplot(iris,
aes(x=fct_reorder(Species, Sepal.Width, .fun=sd, .desc=TRUE),
y = Sepal.Width)) +
geom_boxplot()
Manipuler des facteurs ordonnés
Les facteurs ordonnées sont utiles pour gérer des variables qualitatives ordonnées comme par exemple “Un peu” qui est une modalité inférieure à “Beaucoup” elle même inférieure à “Passionnément”.
f <- factor(c("b", "b", "a", "c", "c", "c"))
fct_infreq(f, ordered = TRUE)## [1] b b a c c c
## Levels: c < b < afct_inorder(f, ordered = TRUE) # # match the order of the first appearance in the data.## [1] b b a c c c
## Levels: b < a < cf <- factor(c(7,4,1,8,10,10,3,7,8,4,3,4))
fct_inseq(f, ordered = TRUE)## [1] 7 4 1 8 10 10 3 7 8 4 3 4
## Levels: 1 < 3 < 4 < 7 < 8 < 10fct_inorder(f, ordered = TRUE)## [1] 7 4 1 8 10 10 3 7 8 4 3 4
## Levels: 7 < 4 < 1 < 8 < 10 < 3fct_infreq(f, ordered = TRUE)## [1] 7 4 1 8 10 10 3 7 8 4 3 4
## Levels: 4 < 3 < 7 < 8 < 10 < 1Dans les exemple ci-dessus, on voit que la fonction
fct_inseqréordonne les niveaux d’un facteur en fonction de l’ordre numériquefct_inorderréordonne les niveaux d’un facteur en fonction de leur ordre d’apparition dans les donnéesfct_infreqles niveaux d’un facteur en fonction de leur effectif
Et bien entendu :
f %>% fct_infreq(ordered=TRUE)## [1] 7 4 1 8 10 10 3 7 8 4 3 4
## Levels: 4 < 3 < 7 < 8 < 10 < 1Calculer les effectifs par modalité d’un facteur
[Exemples tirés de l’aide de la fonction fct_count]
Pour calculer les effectifs par modalité d’un facteur, on connaît la fonction table, pas de souci particulier de ce côté-là.
f <- factor(sample(letters)[rpois(1000, 10)])
table(f)## f
## a b c d g h i j k l m n o s t w x y z
## 101 57 61 62 129 7 123 3 121 36 35 1 21 18 88 114 3 14 6Mais regardons quand même ce que nous propose la fonction fct_count.
fct_count(f)## # A tibble: 19 x 2
## f n
## <fct> <int>
## 1 a 101
## 2 b 57
## 3 c 61
## 4 d 62
## 5 g 129
## 6 h 7
## 7 i 123
## 8 j 3
## 9 k 121
## 10 l 36
## 11 m 35
## 12 n 1
## 13 o 21
## 14 s 18
## 15 t 88
## 16 w 114
## 17 x 3
## 18 y 14
## 19 z 6OK, on reconnaît un tibble, pourquoi pas, mais rien de révolutionnaire.
Explorons un peu plus :
fct_count(f, sort = TRUE)## # A tibble: 19 x 2
## f n
## <fct> <int>
## 1 g 129
## 2 i 123
## 3 k 121
## 4 w 114
## 5 a 101
## 6 t 88
## 7 d 62
## 8 c 61
## 9 b 57
## 10 l 36
## 11 m 35
## 12 o 21
## 13 s 18
## 14 y 14
## 15 h 7
## 16 z 6
## 17 j 3
## 18 x 3
## 19 n 1Pourquoi pas, mais on peut aussi s’en sortir avec
sort(table(f), decreasing = TRUE)## f
## g i k w a t d c b l m o s y h z j x n
## 129 123 121 114 101 88 62 61 57 36 35 21 18 14 7 6 3 3 1Un petit dernier peut-être :
fct_count(f, sort = TRUE, prop = TRUE)## # A tibble: 19 x 3
## f n p
## <fct> <int> <dbl>
## 1 g 129 0.129
## 2 i 123 0.123
## 3 k 121 0.121
## 4 w 114 0.114
## 5 a 101 0.101
## 6 t 88 0.088
## 7 d 62 0.062
## 8 c 61 0.061
## 9 b 57 0.057
## 10 l 36 0.036
## 11 m 35 0.035
## 12 o 21 0.021
## 13 s 18 0.018
## 14 y 14 0.014
## 15 h 7 0.007
## 16 z 6 0.006
## 17 j 3 0.003
## 18 x 3 0.003
## 19 n 1 0.001OK, on pourrait aussi s’en sortir sans la fonction fct_count, mais c’est quand même pas mal.
Combiner les niveaux de facteurs pour créer un nouveau facteur
Pour certaines analyses statistiques, il peut être utile de croiser différents facteurs pour en faire un seul. Cela est quasiment immédiat avec la fonction fct_cross.
Genotype <- factor(c("WT","Mut","WT","Mut","WT","Mut"))
Condition <- factor(c("CTRL","CTRL", "CTRL", "Trait", "Trait", "Trait"))
Temperature <- c("Low","High","High", "High", "High", "Low")
fct_cross(Genotype, Condition)## [1] WT:CTRL Mut:CTRL WT:CTRL Mut:Trait WT:Trait Mut:Trait
## Levels: Mut:CTRL WT:CTRL Mut:Trait WT:Traitfct_cross(Genotype, Condition, sep="_")## [1] WT_CTRL Mut_CTRL WT_CTRL Mut_Trait WT_Trait Mut_Trait
## Levels: Mut_CTRL WT_CTRL Mut_Trait WT_Traitfct_cross(Genotype, Condition, Temperature, sep="_")## [1] WT_CTRL_Low Mut_CTRL_High WT_CTRL_High Mut_Trait_High WT_Trait_High
## [6] Mut_Trait_Low
## 6 Levels: Mut_CTRL_High WT_CTRL_High Mut_Trait_High ... Mut_Trait_Lowfct_cross(Genotype, Condition, Temperature, sep="_", keep_empty = TRUE)## [1] WT_CTRL_Low Mut_CTRL_High WT_CTRL_High Mut_Trait_High WT_Trait_High
## [6] Mut_Trait_Low
## 8 Levels: Mut_CTRL_High WT_CTRL_High Mut_Trait_High ... WT_Trait_LowAjouter des niveaux à un facteur
Pour ajouter un ou des niveaux à un facteur existant, on peut utiliser la fonction fct_expand.
fct_expand(Condition, "Trait2")## [1] CTRL CTRL CTRL Trait Trait Trait
## Levels: CTRL Trait Trait2fct_expand(Condition, "Trait2", "Trait3")## [1] CTRL CTRL CTRL Trait Trait Trait
## Levels: CTRL Trait Trait2 Trait3On arriverait à des résultat similaire en jouant avec la fonction levels, mais bon, on a mis les pieds dans le tidyverse, alors on essaie de jouer le jeu.
Regrouper certains niveaux d’un facteur
Où l’on apprend que to lump signifie mettre en bloc, en masse, en tas et que to lump things together signifie réunir des choses ensemble.
Donc, on va commencer par créer un facteur avec des modalités plus ou moins fréquentes. L’aide en ligne de la fonction fct_lump nous propose par exemple :
f <- factor(rep(LETTERS[1:9], times = c(40, 10, 5, 27, 1, 1, 1, 1, 1)))
f %>% fct_count()## # A tibble: 9 x 2
## f n
## <fct> <int>
## 1 A 40
## 2 B 10
## 3 C 5
## 4 D 27
## 5 E 1
## 6 F 1
## 7 G 1
## 8 H 1
## 9 I 1f %>% fct_count(sort=TRUE)## # A tibble: 9 x 2
## f n
## <fct> <int>
## 1 A 40
## 2 D 27
## 3 B 10
## 4 C 5
## 5 E 1
## 6 F 1
## 7 G 1
## 8 H 1
## 9 I 1On a ainsi 40 fois la modalité A, 10 fois B, 5 fois C, 27 fois D et une fois chaque lettre suivante jusqu’à I (merci fct_count quand même).
Voyons ce que nous propose cette fonction fct_lump
fct_lump(f)## [1] A A A A A A A A A A A A
## [13] A A A A A A A A A A A A
## [25] A A A A A A A A A A A A
## [37] A A A A Other Other Other Other Other Other Other Other
## [49] Other Other Other Other Other Other Other D D D D D
## [61] D D D D D D D D D D D D
## [73] D D D D D D D D D D Other Other
## [85] Other Other Other
## Levels: A D Otherf %>% fct_lump()## [1] A A A A A A A A A A A A
## [13] A A A A A A A A A A A A
## [25] A A A A A A A A A A A A
## [37] A A A A Other Other Other Other Other Other Other Other
## [49] Other Other Other Other Other Other Other D D D D D
## [61] D D D D D D D D D D D D
## [73] D D D D D D D D D D Other Other
## [85] Other Other Other
## Levels: A D OtherOK, on voit des Other là où il y avait d’autres choses, mais qui, quoi, comment, pourquoi ???? Essayons d’y voir plus clair.
f %>% fct_lump() %>% fct_count()## # A tibble: 3 x 2
## f n
## <fct> <int>
## 1 A 40
## 2 D 27
## 3 Other 20Tiens, c’est pas mal ce truc %>%.
Bon alors, il a gardé les 2 modalités les plus présentes et il a regroupé les autres dans Other, d’accord mais pourquoi les 2 premières seulement.
Parce que : If both n and prop are missing, fct_lump lumps together the least frequent levels into “other”, while ensuring that “other” is still the smallest level.
Effectivement, je n’ai précisé ni n ni prop, donc il a regroupé des modalités tout en s’assurant que Other soit le niveau le moins représenté. OK, pourquoi pas.
On va jouer avec n et prop pour voir…
fct_lump(f, n=3)## [1] A A A A A A A A A A A A
## [13] A A A A A A A A A A A A
## [25] A A A A A A A A A A A A
## [37] A A A A B B B B B B B B
## [49] B B Other Other Other Other Other D D D D D
## [61] D D D D D D D D D D D D
## [73] D D D D D D D D D D Other Other
## [85] Other Other Other
## Levels: A B D Otherfct_count(fct_lump(f, n=3))## # A tibble: 4 x 2
## f n
## <fct> <int>
## 1 A 40
## 2 B 10
## 3 D 27
## 4 Other 10Bouh, c’est lourd cette dernière commande, et si… oui, vas-y, just do it.
f %>% fct_lump(n=3) %>% fct_count()## # A tibble: 4 x 2
## f n
## <fct> <int>
## 1 A 40
## 2 B 10
## 3 D 27
## 4 Other 10Ouais, pas mal quand même. Et donc, fct_lump a gardé ici les 3 modalités les plus représentées et a regroupé les autres dans Other. Et pour prop, on commence à deviner :
f %>% fct_lump(prop=.3) %>% fct_count()## # A tibble: 3 x 2
## f n
## <fct> <int>
## 1 A 40
## 2 D 27
## 3 Other 20f %>% fct_lump(prop=.1) %>% fct_count()## # A tibble: 4 x 2
## f n
## <fct> <int>
## 1 A 40
## 2 B 10
## 3 D 27
## 4 Other 10La sélection se fait sur la proportion que représente chaque modalité.
Si vous voulez modifier le nom de cette modalité “autre”, c’est possible.
f %>% fct_lump(n=3, other_level = "Autre") %>% fct_count()## # A tibble: 4 x 2
## f n
## <fct> <int>
## 1 A 40
## 2 B 10
## 3 D 27
## 4 Autre 10Une façon plus “autoritaire” de réaliser des choses assez similaires consiste à utiliser la fonction fct_other.
MonFact <- fct_other(f, keep=c("A","E","I"))
MonFact %>% fct_count()## # A tibble: 4 x 2
## f n
## <fct> <int>
## 1 A 40
## 2 E 1
## 3 I 1
## 4 Other 45MonFactBis <- fct_other(f, drop=c("B","F","G"))
fct_count(MonFactBis)## # A tibble: 7 x 2
## f n
## <fct> <int>
## 1 A 40
## 2 C 5
## 3 D 27
## 4 E 1
## 5 H 1
## 6 I 1
## 7 Other 12On décide ainsi de conserver (keep) ou de laisser tomber (drop) les modalités de notre choix sans aucune considération des effectifs ou des proportions.
Il y a encore tout plein de fonctions à explorer dans le package forcats. Commencez à taper fct_ dans la console RStudio et regardez… J’ai l’impression d’avoir déjà lu ça quelque part.
tidyr
L’utilisation du package tidyr vise à obtenir des données tidy. Des données tidy sont caractérisées par 3 règles :
- chaque variable doit avoir sa propre colonne
- chaque observation doit avoir sa propre ligne
- chaque valeur doit avoir sa propre cellule
Tous les packages du tidyverse sont conçus pour travailler avec des données tidy. Quand les jeux de données que l’on manipule ne le sont pas, les fonctions du package tidyr vont nous permettre de les tidyser ou tidyfier (choisissez votre néologisme préféré).
Il est difficile de passer en revue tous les cas de figure de données non tidy à rendre tidy car Tidy datasets are all alike, but every messy dataset is messy in its own way (HW) , mais essayons quand même d’illustrer quelques cas.
pivot_longer
relig_income## # A tibble: 18 x 11
## religion `<$10k` `$10-20k` `$20-30k` `$30-40k` `$40-50k` `$50-75k` `$75-100k`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Agnostic 27 34 60 81 76 137 122
## 2 Atheist 12 27 37 52 35 70 73
## 3 Buddhist 27 21 30 34 33 58 62
## 4 Catholic 418 617 732 670 638 1116 949
## 5 Don’t k… 15 14 15 11 10 35 21
## 6 Evangel… 575 869 1064 982 881 1486 949
## 7 Hindu 1 9 7 9 11 34 47
## 8 Histori… 228 244 236 238 197 223 131
## 9 Jehovah… 20 27 24 24 21 30 15
## 10 Jewish 19 19 25 25 30 95 69
## 11 Mainlin… 289 495 619 655 651 1107 939
## 12 Mormon 29 40 48 51 56 112 85
## 13 Muslim 6 7 9 10 9 23 16
## 14 Orthodox 13 17 23 32 32 47 38
## 15 Other C… 9 7 11 13 13 14 18
## 16 Other F… 20 33 40 46 49 63 46
## 17 Other W… 5 2 3 4 2 7 3
## 18 Unaffil… 217 299 374 365 341 528 407
## # … with 3 more variables: `$100-150k` <dbl>, `>150k` <dbl>, `Don't
## # know/refused` <dbl>relig_income %>%
pivot_longer(-religion, names_to = "income", values_to = "count")## # A tibble: 180 x 3
## religion income count
## <chr> <chr> <dbl>
## 1 Agnostic <$10k 27
## 2 Agnostic $10-20k 34
## 3 Agnostic $20-30k 60
## 4 Agnostic $30-40k 81
## 5 Agnostic $40-50k 76
## 6 Agnostic $50-75k 137
## 7 Agnostic $75-100k 122
## 8 Agnostic $100-150k 109
## 9 Agnostic >150k 84
## 10 Agnostic Don't know/refused 96
## # … with 170 more rowsOups, ça m’a échappé, je voulais bien sûr écrire
pivot_longer(relig_income, -religion,
names_to = "income", values_to = "count")## # A tibble: 180 x 3
## religion income count
## <chr> <chr> <dbl>
## 1 Agnostic <$10k 27
## 2 Agnostic $10-20k 34
## 3 Agnostic $20-30k 60
## 4 Agnostic $30-40k 81
## 5 Agnostic $40-50k 76
## 6 Agnostic $50-75k 137
## 7 Agnostic $75-100k 122
## 8 Agnostic $100-150k 109
## 9 Agnostic >150k 84
## 10 Agnostic Don't know/refused 96
## # … with 170 more rowsOn passe ainsi d’un tableau de dimension 18 x 11 à un tableau de dimension 180 x 3. Le tableau en sortie étant plus long (plus de lignes) que le tableau en entrée, c’est la fonction pivot_longer qui a permis de rendre tidy le jeu de données qui avait initialement une variable en nom de colonnes.
pivot_wider
A l’opposé, pour générer un tableau ayant à la sortie plus de colonnes qu’en entrée, c’est la fonction pivot_wider qui est utilisée.
fish_encounters## # A tibble: 114 x 3
## fish station seen
## <fct> <fct> <int>
## 1 4842 Release 1
## 2 4842 I80_1 1
## 3 4842 Lisbon 1
## 4 4842 Rstr 1
## 5 4842 Base_TD 1
## 6 4842 BCE 1
## 7 4842 BCW 1
## 8 4842 BCE2 1
## 9 4842 BCW2 1
## 10 4842 MAE 1
## # … with 104 more rowsfish_encounters %>%
pivot_wider(names_from = station, values_from = seen)## # A tibble: 19 x 12
## fish Release I80_1 Lisbon Rstr Base_TD BCE BCW BCE2 BCW2 MAE MAW
## <fct> <int> <int> <int> <int> <int> <int> <int> <int> <int> <int> <int>
## 1 4842 1 1 1 1 1 1 1 1 1 1 1
## 2 4843 1 1 1 1 1 1 1 1 1 1 1
## 3 4844 1 1 1 1 1 1 1 1 1 1 1
## 4 4845 1 1 1 1 1 NA NA NA NA NA NA
## 5 4847 1 1 1 NA NA NA NA NA NA NA NA
## 6 4848 1 1 1 1 NA NA NA NA NA NA NA
## 7 4849 1 1 NA NA NA NA NA NA NA NA NA
## 8 4850 1 1 NA 1 1 1 1 NA NA NA NA
## 9 4851 1 1 NA NA NA NA NA NA NA NA NA
## 10 4854 1 1 NA NA NA NA NA NA NA NA NA
## 11 4855 1 1 1 1 1 NA NA NA NA NA NA
## 12 4857 1 1 1 1 1 1 1 1 1 NA NA
## 13 4858 1 1 1 1 1 1 1 1 1 1 1
## 14 4859 1 1 1 1 1 NA NA NA NA NA NA
## 15 4861 1 1 1 1 1 1 1 1 1 1 1
## 16 4862 1 1 1 1 1 1 1 1 1 NA NA
## 17 4863 1 1 NA NA NA NA NA NA NA NA NA
## 18 4864 1 1 NA NA NA NA NA NA NA NA NA
## 19 4865 1 1 1 NA NA NA NA NA NA NA NAOn passe ici d’un tableau 19 x 12 à un tableau 114 x 3.
Le package tidyr a connu une évolution importante ces derniers temps. Celles et ceux qui l’avaient déjà utilisé connaissait peut-être les fonctions gather et spread. Ces fonctions existent toujours, mais les développeurs suggèrent d’utiliser maintenant les fonctions pivot_longer et pivot_wider qui leur ont succédé.
purrr
Le package purrr (au fait purr signifie ronronner ce qui explique le chat que l’on voit confortablement installé dans le hex sticker du package) est peut-être l’un des plus puissants du tidyverse. En contrepartie, il est d’accès un peu délicat. En bref, on peut le voir comme une extension de la famille des *apply de R base. Voyons quelques exemples sachant qu’une découverte approfondie de ce package prendrait un temps certain. Notons également qu’en date du 4 mars 2020, ce package est en encore en cours d’évolution (version 0.3.3) et qu’il est susceptible de connaître des changements dans les mois à venir (voir par exemple l’aide de la fonction rerun qui précise que cette fonction is in the questioning lifecycle stage because we are no longer convinced NSE functions are a good fit for purrr).
detect et detect_index
Ces fonctions permettent de trouver la valeur (detect) ou la position (detect_index) d’un élément vérifiant une condition.
Regardons des exemples tirés de l’aide en ligne de ces fonctions. Cela commence avec la définition d’une fonction qui teste la parité d’un nombre avec l’opérateur %% qui renvoie le reste de la division entière de 2 nombres. Pour obtenir de l’aide sur cet opérateur : ?"%%".
is_even <- function(x) x %% 2 == 0
vect <- 5:12
vect## [1] 5 6 7 8 9 10 11 12detect(vect, is_even)## [1] 6detect_index(vect, is_even)## [1] 2Dans le vecteur 5:12, le premier nombre pair est 6 et il est en position 2 dans le vecteur.
Il va de soi que l’on obtient les mêmes résultats avec vous savez quoi.
vect %>% detect(is_even)## [1] 6vect %>% detect_index(is_even)## [1] 2keep et discard
Sur la base du même exemple que précédemment, on peut vouloir conserver toutes les éléments qui vérifient une condition. On utilise pour cela la fonction keep. A contrario, si on veut les supprimer, c’est la fonction discard qui fait le travail.
keep(vect, is_even)## [1] 6 8 10 12discard(vect, is_even)## [1] 5 7 9 11OK, on peut très bien s’en sortir avec nos vieilles habitudes de R user de la première heure.
vect[is_even(vect)]## [1] 6 8 10 12setdiff(vect, vect[is_even(vect)])## [1] 5 7 9 11Mais, en toute sincérité, reconnaissons que la version purrresque est quand même plus lisible, non ? Et en plus %>% !
vect %>% keep(is_even)## [1] 6 8 10 12flatten
La fonction flatten est assez similaire à la fonction unlist pour “délister” un objet list
(x_list <- list(1:4, 10:15))## [[1]]
## [1] 1 2 3 4
##
## [[2]]
## [1] 10 11 12 13 14 15flatten(x_list) # équivalent à vous savez quoi## [[1]]
## [1] 1
##
## [[2]]
## [1] 2
##
## [[3]]
## [1] 3
##
## [[4]]
## [1] 4
##
## [[5]]
## [1] 10
##
## [[6]]
## [1] 11
##
## [[7]]
## [1] 12
##
## [[8]]
## [1] 13
##
## [[9]]
## [1] 14
##
## [[10]]
## [1] 15unlist(x_list)## [1] 1 2 3 4 10 11 12 13 14 15Elle est accompagnée d’autres fonctions (flatten_*) qui permettent de contrôler le type de l’objet en sortie.
x_list %>% flatten_int()## [1] 1 2 3 4 10 11 12 13 14 15x_list %>% flatten_chr()## [1] "1" "2" "3" "4" "10" "11" "12" "13" "14" "15"map
Un des intérêts principaux du package purrr réside dans les fonctions map et map_*. Elles visent à rendre plus clair et plus lisible un code nécessitant de reproduire la même action sur un ensemble de choses.
Considérons l’exemple tiré de r4ds.had.co.nz (section Iteration).
(MyData <- tibble(
a = rnorm(10),
b = rnorm(10),
c = rnorm(10),
d = rnorm(10)
))## # A tibble: 10 x 4
## a b c d
## <dbl> <dbl> <dbl> <dbl>
## 1 -0.136 0.192 -1.80 0.212
## 2 -0.364 0.319 1.79 -0.176
## 3 0.932 -0.164 -0.792 0.575
## 4 -0.849 0.115 0.450 -2.36
## 5 -1.17 -1.09 0.774 0.620
## 6 0.798 0.952 -0.543 1.70
## 7 -0.170 -1.01 1.52 -1.42
## 8 -0.809 0.127 -0.789 -0.0617
## 9 -0.341 -1.33 0.770 -0.752
## 10 -0.311 -1.37 0.728 -1.00MyData %>% map(mean)## $a
## [1] -0.2422708
##
## $b
## [1] -0.3264686
##
## $c
## [1] 0.2101694
##
## $d
## [1] -0.2665096MyData %>% map_dbl(mean)## a b c d
## -0.2422708 -0.3264686 0.2101694 -0.2665096MyData %>% map_dbl(sd)## a b c d
## 0.6721710 0.8093341 1.1440113 1.1613673OK, on sait très bien faire ça à coup de apply.
apply(MyData, 2, mean)## a b c d
## -0.2422708 -0.3264686 0.2101694 -0.2665096Et on peut retrouver la plupart des résultat fournis par la fonction map en utilisant la famille des fonctions apply : lapply, sapply, mapply. Mais, encore une fois, l’intérêt de map réside essentiellement dans la clarté du code qu’elle permet d’écrire.
A noter également, les sympathiques fonctions map_if et map_at qui réalisent un map sous condition.
map_if(vect, is_even, log2)## [[1]]
## [1] 5
##
## [[2]]
## [1] 2.584963
##
## [[3]]
## [1] 7
##
## [[4]]
## [1] 3
##
## [[5]]
## [1] 9
##
## [[6]]
## [1] 3.321928
##
## [[7]]
## [1] 11
##
## [[8]]
## [1] 3.584963map_if(vect, is_even, log2) %>% flatten_dbl()## [1] 5.000000 2.584963 7.000000 3.000000 9.000000 3.321928 11.000000
## [8] 3.584963map_at(vect, c(2,5), exp) %>% flatten_dbl()## [1] 5.0000 403.4288 7.0000 8.0000 8103.0839 10.0000 11.0000
## [8] 12.0000Le package purrr contient bien d’autres fonctions que vous aurez l’occasion de découvrir selon vos besoins…
Mais quel est donc ce symbole %>% ?
Finalement, est-il toujours utile d’en parler ?
Bon, si juste un dernier petit truc
library(ggplot2)
mtcars %>% ggplot(aes(x=disp, y=drat)) +
geom_point() +
facet_wrap(~cyl)
Et oui, ça marche aussi pour les graphiques. Bienvenue dans le tidyverse !