Analyse Statistique avec R- Importation de données
Importation de données dans R Cette page traite de l'importation de données dans R, une compétence essentielle pour toute analyse statistique. Vous apprendrez à importer des données à partir de fichiers locaux, de sources en ligne et à utiliser des techniques de web scraping. Des exemples pratiques et des commandes spécifiques seront fournis pour vous aider à maîtriser ces méthodes.
D'après le document Analyse Statistique avec R- Importation de données
Cet article a été rédigé automatiquement à partir du document source, puis vérifié avant publication.
Document source
Statistical Analysis, R Programming · PDF · 3 pages · 2021
Afficher l'aperçu du document
Importation de données dans R
Cette page traite de l'importation de données dans R, une compétence essentielle pour toute analyse statistique. Vous apprendrez à importer des données à partir de fichiers locaux, de sources en ligne et à utiliser des techniques de web scraping. Des exemples pratiques et des commandes spécifiques seront fournis pour vous aider à maîtriser ces méthodes.
A partir de fichiers locaux
Pour importer correctement des données dans R à partir de fichiers locaux, il est crucial de préparer la base de données avec soin. Voici quelques précautions à prendre :
- Attention aux espaces, accents et caractères spéciaux.
- Enregistrer les feuilles de données sous un format tabulé.
Différentes commandes permettent d'importer des données dans R :
read.table(): À privilégier pour des jeux de données organisés sous forme de tableaux.read.ftable(): Permet de lire des tableaux de contingence.scan(): Plus flexible et puissante, à utiliser dans d'autres cas.
Une méthode opérationnelle consiste à :
# Data=read.table(file=file.choose(),header=T,sep="", dec=".",row.names=1)
Cette ligne de commande admet différents arguments :
header=T: Indique si le fichier contient le nom des variables sur la première ligne.sep=" ": Les valeurs sur chaque ligne sont séparées par un ou plusieurs espaces.dec=".": Le point est le séparateur décimal pour les nombres.row.names=1: La première colonne contient le nom des individus.
La fonction file.choose() ouvre une fenêtre de dialogue pour sélectionner un fichier. Une autre option consiste à spécifier le chemin d'accès du fichier directement.
Remarque :
- On peut importer directement depuis Excel en suivant cette procédure : créer un tableau dans Excel, copier la plage de données, puis utiliser le script suivant :
library(readr)
data <- read.table(file("clipboard"), sep="", header=TRUE, dec=",")
RStudio permet également d'importer directement des fichiers de données. D'autres packages comme Rcmdr ou GrapheR peuvent être utilisés après installation.
Exemple d'importation de données depuis un fichier local
Supposons que vous ayez un fichier CSV nommé data.csv contenant des données sur des ventes. Voici comment vous pourriez l'importer :
data <- read.table(file="data.csv", header=TRUE, sep=",", dec=".")
Cette commande chargera le fichier dans l'objet data en utilisant la première ligne comme noms de colonnes.
A partir des données disponibles sur le web
Il est également possible d'importer des données directement depuis des sources en ligne. Prenons l'exemple des indicateurs de développement de la Banque Mondiale :
library(WDI)
ind-data = rbind.data.frame(WDIsearch(string = "ICT", field = "name"), WDIsearch(string ="Communication", field = "name"))
data = WDI(indicator = ind-data$indicator, start = 2000, end = 2018)
View(data)
Cette procédure permet de constituer une base de données sur la période de 2000 à 2018.
Web scraping
Le web scraping est une technique pour extraire des données de sites web. Voici deux méthodes pour le faire avec R :
Utilisation du package htmltab
install.packages("htmltab")
library(htmltab)
htmltab("https://en.wikipedia.org/wiki/Tunisia", 3)
Utilisation des packages XML et httr
library(httr)
library(XML)
url = "https://en.wikipedia.org/wiki/Tunisia"
data = GET(url)
doc = readHTMLTable(doc=content(data, "text"))
doc[4]
Ces méthodes vous permettent de récupérer des tableaux de données directement à partir de pages web.
Points clés à retenir
- Utiliser
read.table()pour des fichiers tabulés. - Le web scraping nécessite des packages spécifiques comme
htmltabouhttr. - La préparation des données est essentielle pour une importation réussie.
Glossaire
- read.table : Fonction pour lire des fichiers tabulés.
- web scraping : Technique d'extraction de données depuis des sites web.
- WDI : Package R pour accéder aux données de la Banque Mondiale.
- htmltab : Package pour lire des tableaux HTML.
- httr : Package pour faire des requêtes HTTP.
Questions fréquentes
Comment importer des données depuis Excel dans R ?
Pour importer des données depuis Excel, créez un tableau dans Excel, copiez la plage de données, puis utilisez le script data <- read.table(file("clipboard"), sep="", header=TRUE, dec=",") dans R.
Quelle est la différence entre read.table et scan ?
read.table() est utilisé pour des données tabulées, tandis que scan() est plus flexible et peut être utilisé pour des formats de données variés.
Comment faire du web scraping avec R ?
Le web scraping peut être effectué en utilisant des packages comme htmltab ou httr. Ces outils permettent d'extraire des données de pages web facilement.
Où trouver des données disponibles sur le web ?
Des données peuvent être trouvées sur des sites comme la Banque Mondiale, qui propose des indicateurs de développement à travers leur API.
Quels formats de fichiers sont acceptés pour l'importation dans R ?
R accepte plusieurs formats de fichiers, notamment CSV, TXT, et des fichiers Excel, tant que les données sont correctement formatées.
Commentaires
Aucun commentaire pour le moment. Posez la première question.