TP7

Ce matériel couvre l'importation et la manipulation de données tabulaires dans R, notamment la lecture de fichiers CSV et Excel, l'accès aux lignes et colonnes dans un Dataframe, ainsi que l'utilisation des ensembles de données intégrés dans R. Il s'adresse aux étudiants débutants en analyse de données avec R.

Lecture des fichiers CSV

Les fichiers CSV (Comma Separated Values) sont des fichiers de données tabulaires où chaque ligne représente un enregistrement et les colonnes sont séparées par un délimiteur, généralement une virgule. La première ligne contient souvent les noms des colonnes.

Pour lire un fichier CSV dans R, on utilise la fonction read.csv en fournissant le chemin du fichier. Par exemple, pour charger un fichier movies-db.csv :

# Chargement du fichier CSV dans la variable my_data
my_data <- read.csv("movies-db.csv")
my_data

Pour afficher seulement les six premières lignes, on utilise la fonction head :

# Affiche les six premières lignes de my_data
head(my_data)

Pour examiner la structure du tableau, la fonction str est utile :

# Affiche la structure de my_data
str(my_data)

Lecture des fichiers Excel

Contrairement aux fichiers CSV, R ne possède pas de fonction native pour lire les fichiers Excel (.xls ou .xlsx). Il faut installer un package externe, par exemple readxl, disponible sur CRAN.

# Installation du package readxl (à faire une seule fois)
install.packages("readxl")

# Chargement du package dans la session R
library(readxl)

Pour lire un fichier Excel, on utilise la fonction read_excel :

# Lecture du fichier Excel dans la variable my_excel_data
my_excel_data <- read_excel("movies-db.xls")

On peut ensuite utiliser les mêmes fonctions que pour un Dataframe classique, comme head ou str :

# Affiche la structure de my_excel_data
str(my_excel_data)

Accès aux lignes et colonnes d'un Dataframe

Les données importées dans R sont généralement stockées sous forme de Dataframes, qui sont des structures tabulaires très flexibles. Pour accéder aux colonnes ou lignes, plusieurs méthodes sont possibles.

Accéder à une colonne

• Par nom de colonne avec crochets simples (retourne un Dataframe) : my_data['name']
• Par notation $ (retourne un vecteur) : my_data$name
• Par doubles crochets (retourne un vecteur) : my_data[["name"]]

Accéder à une ligne

Pour accéder à une ligne complète, on précise l'indice de la ligne avant la virgule, et on laisse la colonne vide :

# Première ligne avec toutes les colonnes
my_data[1,]

Accéder à plusieurs colonnes et lignes

On peut sélectionner plusieurs colonnes en utilisant la fonction c() :

# Première ligne, colonnes "name" et "length_min"
my_data[1, c("name","length_min")]

Accès aux ensembles de données intégrés dans R

R propose de nombreux ensembles de données intégrés, prêts à l'emploi sans importation préalable. Pour afficher la liste des ensembles disponibles, on utilise :

# Affiche la liste des datasets intégrés
data()

Pour obtenir la documentation d'un dataset, par exemple women :

# Affiche la documentation du dataset "women"
help(women)

Le dataset est accessible directement par son nom :

women

Pour lister les ensembles de données dans tous les packages installés :

data(package = .packages(all.available = TRUE))

Les nombres complexes dans R

Un nombre complexe s'écrit sous la forme a + bi, où a et b sont des réels et i est l'unité imaginaire.

# Création d'un nombre complexe
z = 8 + 6i
z

# Affiche la classe de z
class(z)

Glossaire des termes clés

• CSV (Comma Separated Values) : Format de fichier texte où les valeurs sont séparées par des virgules, utilisé pour stocker des données tabulaires.
• Dataframe : Structure de données tabulaire dans R, composée de lignes et de colonnes, similaire à une table.
• read.csv() : Fonction de base R pour lire un fichier CSV et le convertir en Dataframe.
• readxl : Package R permettant de lire des fichiers Excel (.xls, .xlsx).
• read_excel() : Fonction du package readxl pour importer des données Excel dans R.
• head() : Fonction affichant les premières lignes d'un Dataframe.
• str() : Fonction affichant la structure d'un objet R, notamment les colonnes et leur type.
• Ensembles de données intégrés : Jeux de données fournis par défaut dans R, accessibles sans importation.
• Nombre complexe : Nombre de la forme a + bi, avec i l'unité imaginaire.

Points clés à retenir

• Les fichiers CSV sont faciles à lire avec la fonction native read.csv() dans R.
• Pour lire des fichiers Excel, il faut installer et charger un package externe comme readxl.
• Les Dataframes sont la structure principale pour manipuler des données tabulaires dans R.
• On peut accéder aux colonnes d'un Dataframe par plusieurs syntaxes : crochets simples, doubles crochets ou notation $.
• Les ensembles de données intégrés dans R sont accessibles directement et documentés via la fonction data() et help().
• Les nombres complexes sont pris en charge nativement dans R et peuvent être créés simplement avec la notation a + bi.