Structure des données avec R

1. Création de vecteur

Il existe plusieurs fonctions pour créer un vecteur, et sans doute la plus répandue et connue est c(), qui permet de combiner une suite d’éléments (séparés par des virgules) fournis en arguments pour renvoyer en résultat un vecteur :

Il est impératif que les données que l’on combine pour former un vecteur avec la fonction c() soient de même type, autrement, s’il arrivait qu’il y ait un mélange de types comme dans le cas ci-dessous, R se charge de convertir l’ensemble des données en un seul type de données (et ce n’est peut-être pas l’objectif) :

De plus, R offre une multitude de manières de créer un vecteur. Ainsi, il est possible de déclarer des vecteurs vides avec la fonction vector(), qui peut prendre en arguments : mode, le type des éléments (numeric, logical, character, par défaut vector() est de type logique) et la longueur désignée par length :

Il est parfois intéressant de créer des vecteurs vides comme ci-dessus, surtout lorsque l’on compte les remplir au fur et à mesure du développement des données, ces fonctions peuvent être préférées à la fonction c(). À ce titre, on dispose également des fonctions numeric(), double(), etc. pour créer des vecteurs de types spécifiques.

2. Manipulations d’un vecteur

La fonction c() nous permet de combiner ou de concaténer plusieurs données. Ainsi, comme premier outil de contrôle, il y a la fonction length() qui permet de modifier la longueur d’un vecteur.

Comme on peut l’observer à la sixième ligne du code ci-dessus, la fonction length() permet également de modifier ou de fixer la longueur d’un vecteur. Et à la douzième ligne, on voit comment combiner des vecteurs en un seul avec la fonction c().

Le plus...

1. Construction d’une matrice

Comme avec les vecteurs, il existe plusieurs manières d’obtenir un objet de classe matrix. Toutefois, le constructeur direct de matrice est la fonction matrix() :

1. Création d’un tableau multidimensionnel

C’est la fonction array() qui permet la création de tableaux multidimensionnels. Elle prend en argument un vecteur à formater en tableau, un vecteur pour définir les dimensions du tableau avec dim et un autre vecteur pour nommer chaque dimension avec dimnames. Ce dernier argument est optionnel, mais très pratique pour se retrouver lorsque l’on travaille avec plus de deux dimensions :

Il est également possible d’utiliser la fonction dim() pour convertir un simple vecteur en un tableau multidimensionnel :

2. Nommer un tableau multidimensionnel

Nommer un array se fait avec l’argument dimnames à la création, qui prend une liste des noms des dimensions et/ou des lignes et/ou des colonnes par dimension :

On peut au besoin extraire individuellement les noms comme ceci :...

1. Création d’un facteur

Un facteur ne gère que des échelles, des catégories, des classes et des états. Pour construire un facteur, on utilise la fonction factor() qui traite aussi bien des valeurs ou modalités qualitatives que quantitatives. La fonction factor() prend en argument trois principaux arguments dont notamment un vecteur x ( nécessaire).

Dans l’exemple ci-dessous, la variable jours contient les jours de naissance d’un groupe de dix élèves :

Et deux autres arguments optionnels à savoir :

Comme on peut le noter une occurrence seulement de chaque jour de naissance a été retenue. Cependant, il est évident qu’il manque 2 autres jours qui sont des jours possibles de naissance. Ainsi, on peut lors de la création du facteur prévoir toutes les possibilités ou modalités. Dans notre cas...

1. Description d’un data frame

R permet l’accès à un certain nombre de données fournies avec les packages que l’on peut facilement consulter et extraire pour une utilisation voulue, grâce à la fonction data(). C’est un peu comme une base de données interne à R.

La commande suivante affiche la liste de tous les jeux de données disponibles :

Ainsi, parmi les packages de bases que R charge au démarrage, le package datasets offre plusieurs jeux de données dont l’un des plus fameux, le jeu de données iris (qui décrit les caractéristiques de trois espèces de fleurs d’iris) dû à Regan Fisher statisticien et biologiste anglais, qui va servir à titre illustratif pour comprendre les caractéristiques d’un data frame :

La fonction str() permet de visualiser la structure interne d’une structure de donnée, ici celle de ”iris” montre qu’elle est composée de 5 vecteurs ou colonnes ou mieux 5 variables dont 4 sont de type numérique et 1 de type chaîne de caractères, mais formatée en facteur à 3 niveaux ou modalités.

Bien sûr, on pourrait explorer le jeu de données en l’affichant comme tout objet, par son nom ou avec la fonction print().

Toutefois, procéder ainsi n’est pas très commode si l’on dispose d’un data frame dépassant les milliers de lignes ou de colonnes. Ainsi, R offre des fonctions telles...

1. Construction d’une liste

Une liste est créée au moyen du constructeur list() qui prend en argument des objets à contenir.

Si on considère les cinq objets de types différents suivants :

On peut créer un objet de type liste qui est simplement une collection de l’ensemble de ces objets :

Comme on a pu le voir avec des objets complexes comme les data frames, il est parfois préférable d’avoir un aperçu de la structure interne d’un objet avec str(), plutôt que d’afficher l’ensemble dans la console :

Tout comme avec les vecteurs, on peut également lire la taille d’une liste avec length() :

Il est aussi possible de nommer les objets contenus dans une liste soit à la création comme ci-dessous :

Soit après avec la fonction names() :

2. Indexation des objets d’une liste