Mardi 25 mai 2021

Enchaîner les commandes avec magrittr

  • On utilise un opérateur

%>%

  • Avant : f(g(x))
  • Après : g(x) %>% f()

Exemple

set.seed(7895)

hist(rnorm(10))

library(magrittr)
set.seed(7895)
rnorm(10) %>% hist()

Le tidyverse

Avant toute chose

Charger le package dplyr…

library(dplyr) # ou require(dplyr)

Ou bien charger tidyverse…

library(tidyverse)

… mais cela chargera d’autres packages en plus

Et charger les données.

data("fruits", package = "tidyViz")

Le format “tibble”

Les données sont au format “tibble” : c’est comme des “data-frames” mais en mieux !

fruits
#> # A tibble: 51 x 18
#>    nom    groupe Energie   Eau Proteines Glucides Lipides Sucres Fructose Fibres
#>    <chr>  <chr>    <dbl> <dbl>     <dbl>    <dbl>   <dbl>  <dbl>    <dbl>  <dbl>
#>  1 Abric… crus       194  87.1      0.81     9.01    0.25    6.7     1.3    1.7 
#>  2 Abric… secs      1010  24.7      2.88    59.1     0.5    34.3    10.6    8.3 
#>  3 Ananas exoti…     304  81.3      0.94    15.1     0.25   14.9     2.8    2.4 
#>  4 Banane exoti…     383  75.8      1.06    19.7     0.25   15.6     3.8    2.7 
#>  5 Canne… secs      1410  14.6      0.25    76.4     1      72.8    28.4    5.7 
#>  6 Cerise crus       235  85.7      0.81    13       0.25   10       4.6    1.6 
#>  7 Citron crus       118  91.3      0.25     1.56    0.25    0.8     0.4    0.25
#>  8 Cleme… crus       200  87        0.81     9.17    0.25    8.6     1.5    1.7 
#>  9 Compo… compo…     279  82.9      0.25    15.3     0.08   14.6     6.92   1.6 
#> 10 Compo… compo…     432  72.9      0.23    24.4     0.21   20.7     7.9    1.53
#> # … with 41 more rows, and 8 more variables: Calcium <dbl>, Magnesium <dbl>,
#> #   Phosphore <dbl>, Potassium <dbl>, Zinc <dbl>, BetaCarotene <dbl>,
#> #   VitamineE <dbl>, VitamineC <dbl>

Les fonctions de dplyr

Nous allons voir ensemble quelques fonctions très pratiques de la librairie dplyr.

# Fonction (US) Fonction (UK) Description
1 mutate mutate Créer ou modifier des colonnes
2 select select Sélectionner des colonnes
3 arrange arrange Trier les lignes
4 filter filter Sélectionner des lignes
5 group_by group_by Grouper des lignes
6 summarize summarise Résumer des groupes

Créer ou modifier des colonnes

Avec la fonction mutate.

fruits2 <- fruits %>% 
  mutate(Sucres_ratio = Sucres / 100)

head(fruits2[, "Sucres_ratio"])
#> # A tibble: 6 x 1
#>   Sucres_ratio
#>          <dbl>
#> 1        0.067
#> 2        0.343
#> 3        0.149
#> 4        0.156
#> 5        0.728
#> 6        0.1

Avec les fonctions classiques.

fruits2 <- fruits
fruits2$Sucres_ratio <- 
  fruits2$Sucres / 100
head(fruits2[, "Sucres_ratio"])
#> # A tibble: 6 x 1
#>   Sucres_ratio
#>          <dbl>
#> 1        0.067
#> 2        0.343
#> 3        0.149
#> 4        0.156
#> 5        0.728
#> 6        0.1

Sélectionner des colonnes

Avec la fonction select.

fruits %>% 
  select(
    Energie,
    Sucres,
    Lipides,
    Proteines)

Avec les fonctions classiques.

fruits[, 
  c(
    "Energie",
    "Sucres",
    "Lipides",
    "Proteines")]

Trier des lignes

Avec les fonctions arrange et desc.

fruits %>% 
  select(Energie, Sucres, Fibres) %>%
  arrange(desc(Fibres))
#> # A tibble: 51 x 3
#>    Energie Sucres Fibres
#>      <dbl>  <dbl>  <dbl>
#>  1    1010  34.3     8.3
#>  2     425   8.5     6.8
#>  3    1410  72.8     5.7
#>  4     198   6.1     5.2
#>  5     969  38.1     5.1
#>  6     289   6.63    4.6
#>  7     206   5.4     4.3
#>  8     170   2.1     4.3
#>  9    1360  70.3     4.2
#> 10     293  12.2     4.1
#> # … with 41 more rows

Avec les fonctions classiques

fruits[
  order(fruits$Fibres, decreasing = TRUE),
  c("Energie", "Sucres", "Fibres")]
#> # A tibble: 51 x 3
#>    Energie Sucres Fibres
#>      <dbl>  <dbl>  <dbl>
#>  1    1010  34.3     8.3
#>  2     425   8.5     6.8
#>  3    1410  72.8     5.7
#>  4     198   6.1     5.2
#>  5     969  38.1     5.1
#>  6     289   6.63    4.6
#>  7     206   5.4     4.3
#>  8     170   2.1     4.3
#>  9    1360  70.3     4.2
#> 10     293  12.2     4.1
#> # … with 41 more rows

Sélectionner des lignes

Avec la fonction filter.

fruits %>% 
  filter(Sucres > 60)
#> # A tibble: 2 x 18
#>   nom     groupe Energie   Eau Proteines Glucides Lipides Sucres Fructose Fibres
#>   <chr>   <chr>    <dbl> <dbl>     <dbl>    <dbl>   <dbl>  <dbl>    <dbl>  <dbl>
#> 1 Canneb… secs      1410  14.6      0.25     76.4     1     72.8     28.4    5.7
#> 2 Raisin  secs      1360  16        3        73.2     0.9   70.3     36      4.2
#> # … with 8 more variables: Calcium <dbl>, Magnesium <dbl>, Phosphore <dbl>,
#> #   Potassium <dbl>, Zinc <dbl>, BetaCarotene <dbl>, VitamineE <dbl>,
#> #   VitamineC <dbl>

Avec les fonctions classiques.

fruits[fruits$Sucres > 60, ]
#> # A tibble: 2 x 18
#>   nom     groupe Energie   Eau Proteines Glucides Lipides Sucres Fructose Fibres
#>   <chr>   <chr>    <dbl> <dbl>     <dbl>    <dbl>   <dbl>  <dbl>    <dbl>  <dbl>
#> 1 Canneb… secs      1410  14.6      0.25     76.4     1     72.8     28.4    5.7
#> 2 Raisin  secs      1360  16        3        73.2     0.9   70.3     36      4.2
#> # … with 8 more variables: Calcium <dbl>, Magnesium <dbl>, Phosphore <dbl>,
#> #   Potassium <dbl>, Zinc <dbl>, BetaCarotene <dbl>, VitamineE <dbl>,
#> #   VitamineC <dbl>

Agréger des colonnes

Avec la fonction group_by :

fruits %>% group_by(groupe)
#> # A tibble: 51 x 18
#> # Groups:   groupe [4]
#>    nom    groupe Energie   Eau Proteines Glucides Lipides Sucres Fructose Fibres
#>    <chr>  <chr>    <dbl> <dbl>     <dbl>    <dbl>   <dbl>  <dbl>    <dbl>  <dbl>
#>  1 Abric… crus       194  87.1      0.81     9.01    0.25    6.7     1.3    1.7 
#>  2 Abric… secs      1010  24.7      2.88    59.1     0.5    34.3    10.6    8.3 
#>  3 Ananas exoti…     304  81.3      0.94    15.1     0.25   14.9     2.8    2.4 
#>  4 Banane exoti…     383  75.8      1.06    19.7     0.25   15.6     3.8    2.7 
#>  5 Canne… secs      1410  14.6      0.25    76.4     1      72.8    28.4    5.7 
#>  6 Cerise crus       235  85.7      0.81    13       0.25   10       4.6    1.6 
#>  7 Citron crus       118  91.3      0.25     1.56    0.25    0.8     0.4    0.25
#>  8 Cleme… crus       200  87        0.81     9.17    0.25    8.6     1.5    1.7 
#>  9 Compo… compo…     279  82.9      0.25    15.3     0.08   14.6     6.92   1.6 
#> 10 Compo… compo…     432  72.9      0.23    24.4     0.21   20.7     7.9    1.53
#> # … with 41 more rows, and 8 more variables: Calcium <dbl>, Magnesium <dbl>,
#> #   Phosphore <dbl>, Potassium <dbl>, Zinc <dbl>, BetaCarotene <dbl>,
#> #   VitamineE <dbl>, VitamineC <dbl>

Les données sont prêtes à être “traitées” groupe par groupe. PS : L’opération ungroup() permet d’enlever les groupes.

Calculer une moyenne

Avec la fonction summarize.

fruits %>% 
  group_by(groupe) %>%
  summarize(SucreMoyen = mean(Sucres))
#> # A tibble: 4 x 2
#>   groupe   SucreMoyen
#>   <chr>         <dbl>
#> 1 compote       15.5 
#> 2 crus           9.68
#> 3 exotique      11.4 
#> 4 secs          55.0

Avec les fonctions classiques.

aggregate(fruits$Sucres, 
          by = list(fruits$groupe), 
          FUN = mean)
#>    Group.1         x
#> 1  compote 15.533333
#> 2     crus  9.684242
#> 3 exotique 11.380000
#> 4     secs 54.980000

Exercice(s)

Calculer l’énergie moyenne, la teneur en sucres médiane et le maximum de la teneur en Fibres par groupe de fruits et trier le tout par ordre décroissant du maximum de la teneur en Fibres !

Deux autres fonctions

Sélectionne Ne sélectionne pas
Ne transforme pas select rename
Peut transformer transmute mutate

Mais il y en a tellement d’autres !