Chapitre 3 Objets dans R
3.1 Introduction
Dans ce chapitre, nous allons :
introduire la notion d’objet dans R;
présenter un certain nombre d’entre eux;
et illustrer avec quelques exemples.
Que nous faudra-t-il?
R (évidemment)
RStudio (de préférence)
3.2 La notion d’objet dans R
3.2.1 Qu’est-ce qu’un objet?
Dans R, un objet représente un concept, une idée. Il se matérialise par une entité qui possède sa propre identité. Dans celle-ci, l’on compte deux aspects majeurs:
la structure interne;
le comportement.
Illustrons pour comprendre. Commençons par créer des objets.
Imaginez que vous voulez créer et conserver des bouts d’information dans R sur les présidents qui se sont succédés à la tête de la République du Mali. Commençons par le premier président, Mobido Keïta. Créeons des objects relatifs à son nom et son prénom.
nom <- "Keïta"
prenom <- "Mobido"L’acte d’assignation d’une valeur à un objet se fait par le signe <- qui est équivalent à =. Chez beaucoup d’utilisateurs, la préférence est donnée à la première. Ceci peut se comprendre par le fait qu’avec <-, l’acte d’assignation se différencie plus facilement d’autres utilisations du signe = (dont notamment à l’intérieur de fonctions). Désormais, ces informations sont stockées dans notre environnement. Pour vérifier appellons-les! Ceci revient à les saisir dans notre console et à taper “Entrée”!
nom## [1] "Keïta"prenom## [1] "Mobido"3.2.2 Oranges et bananes
Enrichissons notre environnement des objets additionnels. Ajoutons l’année d’accession au pouvoir. Appelons cet objet annee_arrivee_pouvoir.
annee_arrivee_pouvoir <- 1960Comme pour les objets précédent, celui-ci aussi peut être invoqué:
annee_arrivee_pouvoir## [1] 1960A l’instar de l’orange et de la banane, fort différentes bien que toutes les deux des fruits, ici aussi nos objets diffèrent. Peut-on les additionner?
nom + annee_arrivee_pouvoir## Error in nom + annee_arrivee_pouvoir: non-numeric argument to binary operatorNon, en l’occurence! On a un message d’erreur. R, c’est comme la vraie vie! Les oranges et les bananes ne se mélangent.
3.2.3 Ce qui se ressemblent s’assemblent
Les choses qui diffèrent ne s’assemblent pas Illustration d’une propriété des objets: le comportement. Regardons les choses qui marchent.
## [1] 2Maintenant stockons ce résultat dans un objet.
objet1 <- 1 + 1Créons-en un autre.
objet2 <- 2 + 2Amusons à faire diverses opérations avec ces deux objets
objet1 + objet2## [1] 6objet1 - objet2## [1] -2objet1 * objet2## [1] 8objet1 / objet2## [1] 0.5Bref, vous voyez l’idée! Les propriétés des objets déterminent les intéractions auxquelles elles se prêtent. Et ce sont justement ces intéractions qui constituent le coeur de l’analyse de données. D’où l’importance de la notion d’objet.
3.2.4 Quelques objets dans R
Dans R, l’on distingue plusieurs types d’objets. Nous en retiendrons ici 5, qui nous serons utiles tout le long de l’ouvrage. Il s’agit des:
caractères (strings en anglais);
nombres (entiers ou réels);
dates;
valeurs logiques qui ne prennent que deux valeurs:
TRUE(vrai) ouFALSE(faux);facteurs qui sont un format spécial dans R prévu pour les variables catégorielles.
Revenons à notre exemple présidentiel! Nous avons déjà le nom et le prénom…
# Caractères
nom <- "Keïta"
prenom <- "Mobido"…ainsi que l’année d’arrivée au pouvoir.
# Nombre
annee_arrivee_pouvoir <- 1960Ajoutons la date de naissance,
# Date
date_naissance <- as.Date("1915-06-04")une valeur logique indiquant s’il a eu un parcours militaire ou pas,
# Valeur logique
parcours_militaire <- FALSEet enfin la région de naissance.
# Facteur
region_naissance <- as.factor("Bamako")3.2.5 La notion de classe et de type
Quand on a faire à des objets dont on ignore l’identité, l’on peut s’appuyer la fonction class. Celle-ci permet de connaître la classe de l’objet. La classe est un attribut qui contribue à la formation de l’idée d’un objet. “Avec quoi se mélange-t-il?” “A quelles règles de transformation se soumet-il?” Basiquement, la classe dicte les principes régissant la manipulation de cet objet. Testons la fonction sur les objets que nous venons de créer pour bien confirmer les identités qu’on leur a attribuées.
class(nom)## [1] "character"class(prenom)## [1] "character"class(annee_arrivee_pouvoir)## [1] "numeric"class(date_naissance)## [1] "Date"class(parcours_militaire)## [1] "logical"class(region_naissance)## [1] "factor"Nous voyons que les résultats sont bien conformes aux dénominations que nous leur avons données plus haut.
Dans R, il y a aussi la fonction typeof (ou mode, mais nous resterons avec la première) qui permet de connaître le mode de stockage d’un objet. Testons!
typeof(nom)## [1] "character"typeof(prenom)## [1] "character"typeof(annee_arrivee_pouvoir)## [1] "double"typeof(date_naissance)## [1] "double"typeof(parcours_militaire)## [1] "logical"typeof(region_naissance)## [1] "integer"Si pour les objets nom et prenom qui sont des lettres, la classe et le type se confondent, la question est tout autre pour d’autres objets. Regardons region_naissance, par exemple. En termes de classe, c’est un facteur. Par contre, en terme de type, R l’a coercé en entier (integer).
Les types sont assez génériques car présentant pratiquement les mêmes nomenclatures d’un langage à un autre. Dans R, nous allons plus nous intéressér aux types suivants:
logique (logical);
entier (integer);
réel (double);
caractère (character);
liste (list);
valeur nulle (NULL).
Les objets que nous avons vus là peuvent être pensés comme des briques. Ils entrent à leur tour dans la formation d’autres objets qui varient les uns des autres. Tout comme les constructions peuvent différer entre elles.
3.2.6 Vers d’autres types d’objets
Les objets que nous allons voir ici peuvent être pensés comme des objets composites. Nous en verrons quatre types:
le vecteur;
la matrice;
le data frame (cadre de données ou données rectangulaires);
la liste.
3.3 Vecteurs
3.3.1 Qu’est-ce qu’un vecteur?
De façon très simple, un vecteur est un ensemble d’éléments de même nature. Revenons à notre exemple pour mieux comprendre. Nous avons défini l’objet nom, n’est-ce pas? Est-ce un vecteur? A quoi peut-on voir si c’est un vecteur ou pas? La réponse:
is.vector(nom)## [1] TRUEDonc nous avons crééé des vecteurs depuis longtemps et on voit qu’un objet d’un seul élément peut être un vecteur. Maintenant, comptons le nombre d’éléments que compte ce vecteur.
length(nom)## [1] 1C’est vraiment un singleton qu’on a là…pour le moment!
3.3.2 Créons-en, des vecteurs!
Décidons d’étendre nos observations à tous les présidents de la République du Mali. En voici de quoi nous faire revisiter nos livres d’histoire…ou juste consulter Wikipedia!
# Omettons les périodes de transition (la valeur pédagogique est ce qui est recherché ici!)
nom <- c("Keïta", "Traoré", "Konaré", "Touré", "Keïta")
prenom <- c("Modibo", "Moussa", "Alpha Oumar", "Amadou Toumani", "Ibrahim Boubacar")
date_naissance <- as.Date(c("1915-06-04", "1936-09-25", "1946-02-02", "1948-11-04", "1945-01-29"))
region_naissance <- as.factor(c("Bamako", "Kayes", "Kayes", "Mopti", "Koutiala"))
annee_arrivee_pouvoir <- c(1960, 1968, 1992, 2002, 2013)
parcours_militaire <- c(FALSE, TRUE, FALSE, TRUE, FALSE)Maintenant, expérimentons! Commençons avec nom que nous avons écrasé avec de nouvelles valeurs.
is.vector(nom)## [1] TRUElength(nom)## [1] 5class(nom)## [1] "character"typeof(nom)## [1] "character"“nom” est un vecteur, un ensemble de 5 éléments en charactères. Amusez-vous à expérimenter avec les autres vecteurs.
3.3.3 Vrai pour un, vrai pour plusieurs
Vous vous rappelez que plus haut, nous voyions que les opérations n’étaient pas possibles entre de différentes natures. Et bien, cette règle, valable à l’échelle des objets élémentaires, l’est aussi aux échelles supérieures.
Prenons nos données et cherchons à déterminer l’âge des présidents à leur arrivée au pouvoir. On a les éléments nécéssaires pour ce faire, la date de naissance et l’année d’arrivée au pouvoir. Toutefois, ces deux vecteurs ne sont pas de même nature.
age_arrivee_pouvoir <- annee_arrivee_pouvoir - date_naissance## Error in `-.Date`(annee_arrivee_pouvoir, date_naissance): can only subtract from "Date" objectsOn a un message d’erreur. Apparemment l’opération n’est pas possible. Il faudrait procéder à une transformation: déduire de la date de naissance l’année pour conduire l’opération avec celle-ci.
annee_naissance <- as.numeric(format(date_naissance,'%Y'))Testons si le nouveau vecteur est de même nature de celui de annee_arrivee_pouvoir.
class(annee_naissance)## [1] "numeric"Maintenant, nous pouvons procéder à l’opération
age_arrivee_pouvoir <- annee_arrivee_pouvoir - annee_naissance
age_arrivee_pouvoir## [1] 45 32 46 54 68On le confirme: les oranges et les bananes ne se mélangent pas. Toutefois, R nous fait souvent des cocktails de fruits en coerçant certains éléments. Imaginons que l’on veuille rassembler le prénom et le nom dans un seul vecteur. Collons ces éléments à l’aide d’une fonction de base dans R, paste, (ne vous en faites pas, vous ferez progressivement connaissance avec les fonctions!)
prenom_nom <- paste(prenom, nom)
prenom_nom## [1] "Modibo Keïta" "Moussa Traoré"
## [3] "Alpha Oumar Konaré" "Amadou Toumani Touré"
## [5] "Ibrahim Boubacar Keïta"On peut être enclin à dire que ceci est passé sans souci parce que nom et prenom sont tous les deux des vecteurs en caractères. Maintenant, et si l’on ajoutait l’année d’arrivée au pouvoir?
prenom_nom_age <- paste(prenom, nom, ",", age_arrivee_pouvoir)
prenom_nom_age## [1] "Modibo Keïta , 45" "Moussa Traoré , 32"
## [3] "Alpha Oumar Konaré , 46" "Amadou Toumani Touré , 54"
## [5] "Ibrahim Boubacar Keïta , 68"C’est passé comme une lettre à la poste (pour la génération email, voici ce qu’est la poste). Car R a une hiérarchie entre les objets. Avant de déclarer forfait avec un message d’erreur, il tente tant bien que mal d’exécuter l’opération. Sur la base de cette hiérarchie, il coerce certains éléments à se conformer à d’autres, partant du plus flexible au moins flexible: logique < entier < réel < caractère. Pour comprendre ça, créons un vecteur de valeurs logiques.
vecteur_logique <- c(TRUE, FALSE)Confirmons sa classe.
class(vecteur_logique)## [1] "logical"Ajoutons un troisième élément qui sera un entier. Disons 1.
vecteur_entier <- c(vecteur_logique, 1)Qu’obtenons-nous?
vecteur_entier## [1] 1 0 1Des entiers! R a coercé TRUE en 1 et FALSE en 0.
class(vecteur_entier)## [1] "numeric"Ajoutons un quatrième élément, cette fois-ci une réel: 2.5 (dans R, comme en anglais, les décimales viennent après un ., pas une ,, qui sert plutôt de séparateur de milliers).
vecteur_reel <- c(vecteur_entier, 2.5)
vecteur_reel## [1] 1.0 0.0 1.0 2.5class(vecteur_reel)## [1] "numeric"La mutation se voit au fait que R a affecté aux trois premiers éléments des décimales, bien qu’initialement c’étaient des entiers. Maintenant, ajoutons un cinquième élément: un prénom.
vecteur_caractere <- c(vecteur_reel, "Mariam")
vecteur_caractere## [1] "1" "0" "1" "2.5" "Mariam"class(vecteur_caractere)## [1] "character"Là aussi, la coercion se voit.
3.3.4 Nommer les éléments d’un vecteur
Jusque là, ce sont des objets à part intégrale que nous avons nommés. On les a assignés des noms pour les garder dans notre environnement de travail. Maintenant, nous allons donner un nom aux éléments de vecteur. Dressons l’analogie suivante. Notre environnement dans R est comme une rue. Dans celle-ci, nous avons des concessions dont les portes sont toutes numérotées: ce sont les noms des objets. A l’intérieur des concessions, nous avons des individus: ce sont les éléments à l’intérieur de nos objets. Tout comme ces individus portent des prénoms, nous pouvons donner des appélations aux éléments contenus dans nos objets.
Considerons que nous voulons associer à chaque date de naissance le nom du président en question.
names(date_naissance) <- prenom_nomVoyons ce que ça donne
date_naissance## Modibo Keïta Moussa Traoré Alpha Oumar Konaré
## "1915-06-04" "1936-09-25" "1946-02-02"
## Amadou Toumani Touré Ibrahim Boubacar Keïta
## "1948-11-04" "1945-01-29"C’est beau non! Il est intéréssant de noter que quand on conduit des opérations sur des vecteurs aux éléments nommés, le résultat peut hériter de ces propriétés. Reprenons l’opération de déduction de l’âge à l’arrivée au pouvoir. Rappelons les deux vecteurs.
annee_naissance## [1] 1915 1936 1946 1948 1945annee_arrivee_pouvoir## [1] 1960 1968 1992 2002 2013Nommons juste un des deux vecteurs.
names(annee_naissance) <- prenom_nom
annee_naissance## Modibo Keïta Moussa Traoré Alpha Oumar Konaré
## 1915 1936 1946
## Amadou Toumani Touré Ibrahim Boubacar Keïta
## 1948 1945Procédons à l’opération.
age_arrivee_pouvoir <- annee_arrivee_pouvoir - annee_naissance
age_arrivee_pouvoir## Modibo Keïta Moussa Traoré Alpha Oumar Konaré
## 45 32 46
## Amadou Toumani Touré Ibrahim Boubacar Keïta
## 54 68Le vecteur age_arrivee_pouvoir a hérité des noms d’éléments.
Cette règle n’est pas toutefois immuable. Quand les éléments sont coercés à prendre une autre classe que leur classe de départ, ils peuvent perdre leur nom, qui n’est qu’un de leurs attributs (qui sont subordonnés à leur classe). Reprenons la déduction de l’année de naissance à partir de la date de naissance.
annee_naissance <- format(date_naissance,'%Y')
annee_naissance## Modibo Keïta Moussa Traoré Alpha Oumar Konaré
## "1915" "1936" "1946"
## Amadou Toumani Touré Ibrahim Boubacar Keïta
## "1948" "1945"class(annee_naissance)## [1] "character"Ici, l’année n’a pas été coercé. Elle a été extraite par la fonction sous format de caractères. En voulant conformer le vecteur à la classe de nombre (on descend dans la hiérarchie), on coerce les éléments.
annee_naissance <- as.numeric(format(date_naissance,'%Y'))
annee_naissance## [1] 1915 1936 1946 1948 1945class(annee_naissance)## [1] "numeric"Avec la coercion, les noms se perdent. Il est donc utile de se rappeler que les noms d’éléments ne sont pas immunes à la coercion. Toutefois, quand les opérations se passent entre des éléments de même nature, les noms sont bien saufs!
3.3.5 Opérations sur vecteurs
3.3.5.1 Sélection explicite
Il arrive souvent qu’on ne soit intéréssée que par un élément précis d’un vecteur. Peut-être l’on souhaite connaître seulement l’âge du premier président lors de son accès au pouvoir. C’est le premier élément du vecteur age_arrivee_pouvoir.
age_arrivee_pouvoir[1]## Modibo Keïta
## 45Peut-être nous voulons l’information pour le 1er et le 3ème présidents. Ce sont les 1er et 3ème éléments du vecteur.
age_arrivee_pouvoir[c(1, 3)]## Modibo Keïta Alpha Oumar Konaré
## 45 46Peut-être que nous voulons l’information du 1er au 3ème président.
age_arrivee_pouvoir[c(1:3)]## Modibo Keïta Moussa Traoré Alpha Oumar Konaré
## 45 32 46On peut aussi souhaiter exclure certains éléments. Imaginons que l’on veuille seulement regarder les informations sans les deux derniers éléments du vecteur.
age_arrivee_pouvoir[-c(4, 5)]## Modibo Keïta Moussa Traoré Alpha Oumar Konaré
## 45 32 46Le signe [] agit comme une porte d’entrée à l’intérieur du vecteur tandis que les chiffres indiqués sont des index qui indiquent la position des éléments intérêt. L’opération peut consister en une sélection ou une exclusion selon que l’opérateur c est précédé du signe - (exclusion) ou pas (sélection).
3.3.5.2 Sélection à partir de logiques
La sélection à l’intérieur d’un vecteur peut aussi se faire à partir de valeurs logiques. L’on peut poser des critères auxquels certains éléments répondraient. Et sur la base de leur confirmité au(x) critère(s) posé(s), l’on pourra effectuer la sélection (ou l’exclusion). Cette fonctionnalité est très utile car elle permet au data scientist d’utiliser les questions qu’il se pose pour avoir un aperçu des données qui sont à sa disposition.
Explorons la question suivante: quels sont les présidents arrivés au pouvoir avant l’âge de 50 ans?
president_avant_50ans <- age_arrivee_pouvoir < 50
president_avant_50ans## Modibo Keïta Moussa Traoré Alpha Oumar Konaré
## TRUE TRUE TRUE
## Amadou Toumani Touré Ibrahim Boubacar Keïta
## FALSE FALSEOn transforme maintenant ce vecteur de valeurs logiques en outil de sélection. On peut soir regarder le nom de ces présidents:
prenom_nom[president_avant_50ans]## [1] "Modibo Keïta" "Moussa Traoré" "Alpha Oumar Konaré"Le résultat nous donne le nom des présidents pour lesquels le vecteur de valeurs logiques affiche TRUE. On peut utiliser le même critère sur d’autres vecteurs. Voyons le vecteur d’âge d’arrivée au pouvoir: quel âge avec les présidents qui sont arrivés au pouvoir avant l’âge de 50 ans?
age_arrivee_pouvoir[age_arrivee_pouvoir < 50]## Modibo Keïta Moussa Traoré Alpha Oumar Konaré
## 45 32 46Pendant qu’on y est, dans quelle région sont-ils nés?
names(region_naissance) <- prenom_nom # nommons d'abord les éléments
region_naissance[age_arrivee_pouvoir < 50]## Modibo Keïta Moussa Traoré Alpha Oumar Konaré
## Bamako Kayes Kayes
## Levels: Bamako Kayes Koutiala MoptiVous comprenez la logique…
3.3.5.3 Statistiques sommaires
Une fois le vecteur constitué, il peut en lui-même faire l’objet d’opérations diverses. Posons diverses questions avec le vecteur age_arrivee_pouvoir. Quelle est la moyenne d’âge d’arrivée au pouvoir sur la base des éléments disponibles?
mean(age_arrivee_pouvoir)## [1] 49# une alternative donnat le même résultat.
sum(age_arrivee_pouvoir)/length(age_arrivee_pouvoir)## [1] 49Quel est l’âge d’arrivée au pouvoir le plus bas ?
min(age_arrivee_pouvoir)## [1] 32Quel est l’âge d’arrivée au pouvoir le plus élevé ?
## [1] 683.3.5.4 Ajustement et recyclage
Maintenant, revenons-en un peu aux opérations entre deux vecteurs. Imaginez maintenant, que l’on veuille connaître l’âge auquel les présidents ont quitté le pouvoir. Rappellons d’abord le vecteur age_arrivee_pouvoir que nous avions déjà généré.
age_arrivee_pouvoir## Modibo Keïta Moussa Traoré Alpha Oumar Konaré
## 45 32 46
## Amadou Toumani Touré Ibrahim Boubacar Keïta
## 54 68Construisons ensuite un vecteur avec le nombre d’années passées au pouvoir.
duree_au_pouvoir <- c(8, 23, 10, 10)Maintenant calculons l’année de départ du pouvoir en ajoutant à l’âge d’arrivée au pouvoir le nombre d’années qui y ont été passé.
age_depart_pouvoir <- age_arrivee_pouvoir + duree_au_pouvoir## Warning in age_arrivee_pouvoir + duree_au_pouvoir: longer object length is
## not a multiple of shorter object lengthage_depart_pouvoir## Modibo Keïta Moussa Traoré Alpha Oumar Konaré
## 53 55 56
## Amadou Toumani Touré Ibrahim Boubacar Keïta
## 64 76Parvenez-vous à décéler l’erreur?
Nous avons additionné un vecteur de 5 éléments, age_arrivee_pouvoir, avec un vecteur de 4 éléments, duree_au_pouvoir. R a recyclé le premier élément du vecteur court (4) pour poursuivre l’opération d’addition entre les deux vecteur et l’a ajouté au 5ème élément du vecteur long. D’où la valeur de 76.
68 + 8## [1] 76R avertit, mais conduit l’opération. De ce fait, même si les opérations entre vecteurs de même nature s’exécute sans problème majeur, il reste utile de vérifier leur longueur. Pour éviter le recyclage, il faudrait ne pas laisser de vide dans le vecteur court, s’assurer que les vecteurs impliqués dans l’opération sont de la même taille. Sur nos 5 présidents, nous n’avons pas ajouté le nombre d’années passées au pouvoir (car le mandat est encore en cours pendant la rédaction du présent document). Une solution serait de remplir la position dans le vecteur avec la valeur NA, indiquant un valeur manquante. Ajoutons-le.
duree_au_pouvoir <- c(duree_au_pouvoir, NA)
duree_au_pouvoir## [1] 8 23 10 10 NAReprenons l’opération.
age_depart_pouvoir <- age_arrivee_pouvoir + duree_au_pouvoir
age_depart_pouvoir## Modibo Keïta Moussa Traoré Alpha Oumar Konaré
## 53 55 56
## Amadou Toumani Touré Ibrahim Boubacar Keïta
## 64 NANe sachant pas comment faire l’opération pour la dernière entrée du vecteur car l’un des composante est NA, R reconduit cette valeur. Ainsi le recyclage est évité.
3.4 Matrices
3.4.1 La matrice, un ensemble de vecteurs
De façon basique, une matrice n’est autre qu’une collection de vecteurs. De ce fait, elle hérite d’une propriété fondamentale du vecteur: ne peuvent former une matrice que des éléments de même nature.
Retournons à notre exemple. Associons les noms et prénoms en une matrice car tous deux sont en charactères.
Solution 1: coller horizontalement les deux vecteurs
prenom_nom_hmatrix <- rbind(prenom, nom)
prenom_nom_hmatrix## [,1] [,2] [,3] [,4] [,5]
## prenom "Modibo" "Moussa" "Alpha Oumar" "Amadou Toumani" "Ibrahim Boubacar"
## nom "Keïta" "Traoré" "Konaré" "Touré" "Keïta"Solution 2: coller verticalement les deux vecteurs
prenom_nom_vmatrix <- cbind(prenom, nom)
prenom_nom_vmatrix## prenom nom
## [1,] "Modibo" "Keïta"
## [2,] "Moussa" "Traoré"
## [3,] "Alpha Oumar" "Konaré"
## [4,] "Amadou Toumani" "Touré"
## [5,] "Ibrahim Boubacar" "Keïta"On voit que la matrice hérite des noms donnés aux différents vecteurs.
Bien que l’on puisse créer une matrice en combinant différents vecteurs, horizontalement avec rbind ou verticalement avec cbind, il existe aussi une fonction qui permet de créer directement une matrice: matrix. Il est toutefois utile de connaitre l’ordre de positionnement des éléments. Reprenons la création avec matrix, horizontalement…
prenom_nom_hmatrix## [,1] [,2] [,3] [,4] [,5]
## prenom "Modibo" "Moussa" "Alpha Oumar" "Amadou Toumani" "Ibrahim Boubacar"
## nom "Keïta" "Traoré" "Konaré" "Touré" "Keïta"…et verticalement
prenom_nom_vmatrix <- matrix(c("Modibo", "Keïta",
"Moussa", "Traoré",
"Alpha Oumar", "Konaré",
"Amadou Toumani", "Touré",
"Ibrahim Boubacar", "Keïta"),
byrow = TRUE,
ncol = 2,
dimnames = list(NULL, c("prenom", "nom"))
)
prenom_nom_vmatrix## prenom nom
## [1,] "Modibo" "Keïta"
## [2,] "Moussa" "Traoré"
## [3,] "Alpha Oumar" "Konaré"
## [4,] "Amadou Toumani" "Touré"
## [5,] "Ibrahim Boubacar" "Keïta"Dans la fonction matrix, les arguments nrow, ncol, byrow et bycol servent à celà. Fonction, arguments…ne vous en faites pas! On y viendra.
3.4.2 La matrice, un objet bidimensionnel
La matrice n’est pas seulement un ensemble de vecteurs. Elle se distingue aussi de par sa bidimensionnalité. Pendant que le vecteur est soit une ligne de plusieurs éléments (1 x n) soit une colonne de plusieurs éléments éléments (n x 1), la matrice, elle, est faite de plusieurs lignes (n rows) et de plusieurs colonnes (n columns). Ici n étant bien sûr supérieur à 1. Nous avions noté que pour connaître le nombre d’éléments dans un vecteur on utilisait la fonction length.
length(prenom_nom)## [1] 5La même chose marche-t-elle pour le vecteur?
length(prenom_nom_vmatrix)## [1] 10En l’occurence, non! length ne rend pas compte de la bidimensionnalité. Il y a une autre fonction pour ça: dim.
dim(prenom_nom_vmatrix)## [1] 5 2La bidimensionnalité se lit aussi dans le nom des rangées.
dimnames(prenom_nom_vmatrix)## [[1]]
## NULL
##
## [[2]]
## [1] "prenom" "nom"Comme nous avons vu plus haut, l’on peut nommer les rangées depuis la création de la matrice. Reprenons la création de prenom_nom_vmatrix en nommant toutes les rangées, aussi bien horizontales que verticales.
prenom_nom_vmatrix <- matrix(c("Modibo", "Keïta",
"Moussa", "Traoré",
"Alpha Oumar", "Konaré",
"Amadou Toumani", "Touré",
"Ibrahim Boubacar", "Keïta"),
byrow = TRUE,
ncol = 2,
dimnames = list(c("1er", "2ème", "3ème", "4ème", "5ème"),
c("prenom", "nom"))
)Imprimons la matrice.
print(prenom_nom_vmatrix)## prenom nom
## 1er "Modibo" "Keïta"
## 2ème "Moussa" "Traoré"
## 3ème "Alpha Oumar" "Konaré"
## 4ème "Amadou Toumani" "Touré"
## 5ème "Ibrahim Boubacar" "Keïta"Examinons la matrice à travers différentes fonctions que nous avons vues en haut:
- la dimension, c’est-à-dire le nombre de lignes et le nombre de colonnes;
dim(prenom_nom_vmatrix)## [1] 5 2- les noms des lignes et des colonnes;
dimnames(prenom_nom_vmatrix)## [[1]]
## [1] "1er" "2ème" "3ème" "4ème" "5ème"
##
## [[2]]
## [1] "prenom" "nom"- le nombre de lignes uniquement;
nrow(prenom_nom_vmatrix)## [1] 5- le nom des lignes uniquement;
rownames(prenom_nom_vmatrix)## [1] "1er" "2ème" "3ème" "4ème" "5ème"- le nombre de colonnes uniquement;
ncol(prenom_nom_vmatrix)## [1] 2- le nom des colonnes uniquements.
colnames(prenom_nom_vmatrix)## [1] "prenom" "nom"3.4.3 Opérations sur matrices
3.4.3.1 Une autre matrice
A l’instar des vecteurs, les matrices se prêtent elles aussi à une variété d’opérations. Explorons-en quelques unes.
Reprenons notre exemple sur les présidents maliens et considérons les années d’évènements majeurs: naissance, arrivée au pouvoir et départ du pouvoir.
annee_evenement_matrix <- matrix(c(1915, 1936, 1946, 1948, 1945,
1960, 1968, 1992, 2002, 2013,
1968, 1991, 2002, 2012, NA),
byrow = TRUE,
ncol = 5,
dimnames = list(c("Naissance", "Arrivée", "Départ"),
c("M. Keïta", "M. Traoré", "A.O. Konaré", "A.T. Touré", "I.B. Keïta")))
annee_evenement_matrix## M. Keïta M. Traoré A.O. Konaré A.T. Touré I.B. Keïta
## Naissance 1915 1936 1946 1948 1945
## Arrivée 1960 1968 1992 2002 2013
## Départ 1968 1991 2002 2012 NA3.4.3.2 Questions logiques
Maintenant que nous avons notre matrice, amusons-nous avec. Prenons un grand-père née vers 1949 (oui, il fait partie des né vers), marié à l’âge de 22 ans, père 1 an plus tard, grand-père 18 ans plus tard et décédé à l’âge de 61 ans. Quels sont les évènements qui se sont passés de son vivant?
ce_que_grandpa_a_vu <- annee_evenement_matrix > 1949 & annee_evenement_matrix < (1949 + 61)
ce_que_grandpa_a_vu## M. Keïta M. Traoré A.O. Konaré A.T. Touré I.B. Keïta
## Naissance FALSE FALSE FALSE FALSE FALSE
## Arrivée TRUE TRUE TRUE TRUE FALSE
## Départ TRUE TRUE TRUE FALSE NAApparemment, il en a vu beaucoup, mais tous les présidents le dépassent en âge. On vient d’introduire ici la notion d’addition dans les critères (dans le prochain chapitre, la question sera plus développée).
3.4.3.3 Extraction par position
Comme pour les vecteurs, des éléments peuvent être explicitement sélectionnés à l’intérieur des matrices. Comme pour ceux-ci également, le signe [] peut être utilisé. Revenons à notre matrice annee_evenement_matrix.
annee_evenement_matrix## M. Keïta M. Traoré A.O. Konaré A.T. Touré I.B. Keïta
## Naissance 1915 1936 1946 1948 1945
## Arrivée 1960 1968 1992 2002 2013
## Départ 1968 1991 2002 2012 NASupposons que l’on veuille connaître l’élément qui est dans la cellule de la 3ème ligne et le 2ème colonne.
annee_evenement_matrix[3, 2]## [1] 1991Ou la 3ème ligne toute entière.
annee_evenement_matrix[3, ]## M. Keïta M. Traoré A.O. Konaré A.T. Touré I.B. Keïta
## 1968 1991 2002 2012 NAOu la 2ème colonne toute entière.
annee_evenement_matrix[ , 2]## Naissance Arrivée Départ
## 1936 1968 1991Avec les matrices, l’on spécifie deux éléments à l’intérieur des crochets. Le premier désigne la ligne à sélectionner et le deuxième la colonne.
3.4.3.4 Extraction par nom
Si les rangées sont nommés, alors il est aussi possible de passer par ces noms pour les sélectionner. Vous vous rappelez rownames ou colnames? Si la réponse est non, je saurai que vous n’avez pas tout suivi! Passons par ces fonctions pour sélectionner des lignes et colonnes d’intérêt dans notre matrice.
rownames(annee_evenement_matrix)## [1] "Naissance" "Arrivée" "Départ"colnames(annee_evenement_matrix)## [1] "M. Keïta" "M. Traoré" "A.O. Konaré" "A.T. Touré" "I.B. Keïta"Séléctionnons la ligne relative aux années de naissance.
annee_evenement_matrix[rownames(annee_evenement_matrix) == "Naissance", ]## M. Keïta M. Traoré A.O. Konaré A.T. Touré I.B. Keïta
## 1915 1936 1946 1948 1945Et cherchons les éléments concernant le président Modibo Keïta.
annee_evenement_matrix[, colnames(annee_evenement_matrix) == "M. Keïta"]## Naissance Arrivée Départ
## 1915 1960 19683.4.3.5 Consolidation
Il arrive souvent que l’on souhaite consolider une matrice en y ajoutant de nouvelles informations. Ces nouvelles informations peuvent même être dérivées d’éléments déjà existants à l’intérieur de la matrice. Considérons ici que nous voulions ajouter à notre matrice l’âge à l’arrivée au pouvoir et l’âge au départ du pouvoir. Nous passons tout simplement par les techniques que nous avons déjà vues pour générer ces nouveaux éléments.
# Un vecteur pour l'âge d'arrivée au pouvoir
age_arrivee_pouvoir <-
annee_evenement_matrix[rownames(annee_evenement_matrix) == "Arrivée", ] -
annee_evenement_matrix[rownames(annee_evenement_matrix) == "Naissance", ]
# Un vecteur pour l'age de départ du pouvoir
age_depart_pouvoir <-
annee_evenement_matrix[rownames(annee_evenement_matrix) == "Départ", ] -
annee_evenement_matrix[rownames(annee_evenement_matrix) == "Naissance", ]
# Un vecteur pour la durée au poivoir
duree_au_pouvoir <-
annee_evenement_matrix[rownames(annee_evenement_matrix) == "Départ", ] -
annee_evenement_matrix[rownames(annee_evenement_matrix) == "Arrivée", ]
# Ajoutons maintenant ces trois nouveaux vecteurs à notre matrice
annee_evenement_matrix_cons <- rbind(annee_evenement_matrix,
"Âge d'arrivée au pouvoir" = age_arrivee_pouvoir,
"Âge de départ du pouvoir" = age_depart_pouvoir,
"Durée au pouvoir" = duree_au_pouvoir)
# Voyons la matrice
annee_evenement_matrix_cons## M. Keïta M. Traoré A.O. Konaré A.T. Touré
## Naissance 1915 1936 1946 1948
## Arrivée 1960 1968 1992 2002
## Départ 1968 1991 2002 2012
## Âge d'arrivée au pouvoir 45 32 46 54
## Âge de départ du pouvoir 53 55 56 64
## Durée au pouvoir 8 23 10 10
## I.B. Keïta
## Naissance 1945
## Arrivée 2013
## Départ NA
## Âge d'arrivée au pouvoir 68
## Âge de départ du pouvoir NA
## Durée au pouvoir NA# Nous sommes passés par la fonction "rbind()". Sachez qu'il y a plusieurs solutions!
# Remarquez-vous "NA" dans une nouvelle cellule? Vous rappelez-vous pourquoi?3.4.3.6 Calculs
Comme pour les vecteurs, des calculs sont possibles sur les matrices. Pour ce faire, limitons-nous à deux informations de la matrice: les âges et les durées. Calculons les moyennes. D’abord l’âge moyen d’arrivée au pouvoir.
mean(annee_evenement_matrix_cons["Âge d'arrivée au pouvoir", ])## [1] 49Ensuite, l’age moyen de départ du pouvoir.
mean(annee_evenement_matrix_cons["Âge de départ du pouvoir", ])## [1] NANous voyons que R nous donne une valeur NA. Ne sachant quoi faire en présence de cette valeur dans la matrice sélectionnée, R s’est résigné à ne rien faire. D’où la sortie de NA comme résultat. Heureusement, les fonctions comportent aussi des moyens pour contourner ce problème, l’exclusion des valeurs NA.
mean(annee_evenement_matrix_cons["Âge de départ du pouvoir", ], na.rm = TRUE)## [1] 57La même technique nous permet de contourner la présence de NA dans le vecteur Durée au pouvoir.
mean(annee_evenement_matrix_cons["Durée au pouvoir", ], na.rm = TRUE)## [1] 12.75Il existe nombreuses fonctions qui permettent de faire des calculs sur les matrices: colSums, rowSums, colMeans et rowMeans.
3.5 Data frames
3.5.1 Le data frame, au-délà de la matrice
Jusque là, nous avons travaillé avec des éléments de même nature. Et pourtant le data scientist ne peut pleinement mener ses investigations avec une telle contrainte. Il a besoin d’explorer en même temps des informations de diverses natures. D’où le data frame. Qu’est-ce que c’est au juste? Un format d’organisation de données en forme rectangulaire, tout comme la matrice. Toutefois, contrairement à la matrice, elle respecte la nature des données qu’elle contient. Explorons l’idée. Rassemblons verticalement les différents vecteurs que nous avons crééés. Re-créons d’abord les vecteurs.
nom <- c("Keïta", "Traoré", "Konaré", "Touré", "Keïta")
prenom <- c("Modibo", "Moussa", "Alpha Oumar", "Amadou Toumani", "Ibrahim Boubacar")
date_naissance <- as.Date(c("1915-06-04", "1936-09-25", "1946-02-02", "1948-11-04", "1945-01-29"))
region_naissance <- as.factor(c("Bamako", "Kayes", "Kayes", "Mopti", "Koutiala"))
annee_arrivee_pouvoir <- c(1960, 1968, 1992, 2002, 2013)
duree_au_pouvoir <- c(8, 23, 10, 10, NA)
parcours_militaire <- c(FALSE, TRUE, FALSE, TRUE, FALSE)Puis, rassemblons-les.
presidents_df <- cbind(nom,
prenom,
date_naissance,
region_naissance,
parcours_militaire,
annee_arrivee_pouvoir,
duree_au_pouvoir)Qu’est-ce que ça donne?
presidents_df## nom prenom date_naissance region_naissance
## [1,] "Keïta" "Modibo" "-19935" "1"
## [2,] "Traoré" "Moussa" "-12151" "2"
## [3,] "Konaré" "Alpha Oumar" "-8734" "2"
## [4,] "Touré" "Amadou Toumani" "-7728" "4"
## [5,] "Keïta" "Ibrahim Boubacar" "-9103" "3"
## parcours_militaire annee_arrivee_pouvoir duree_au_pouvoir
## [1,] "FALSE" "1960" "8"
## [2,] "TRUE" "1968" "23"
## [3,] "FALSE" "1992" "10"
## [4,] "TRUE" "2002" "10"
## [5,] "FALSE" "2013" NANous remarquons que certaines informations ont été dénaturées. Certaines données ont été coercées à se transformer en autre chose. Regardons la classe de l’objet presidents_df.
class(presidents_df)## [1] "matrix"typeof(presidents_df)## [1] "character"Les vecteurs ont été rassemblés en matrice (class). Les éléments ont toutefois été coercés en charactères (typeof). Ceci signifie que nous ne pouvons pas manipuler les éléments qui sont des entières ou des dates. C’est en celà que le data frame révèle son premier avantage: l’unité dans la diversité.
Reprenons l’opération. Cette fois-ci, toutefois, indiquons qu’il s’agit d’un data frame avec la fonction data.frame.
presidents_df <- data.frame(nom,
prenom,
date_naissance,
region_naissance,
parcours_militaire,
annee_arrivee_pouvoir,
duree_au_pouvoir,
stringsAsFactors = FALSE)Regardons à nouveau
presidents_df## nom prenom date_naissance region_naissance
## 1 Keïta Modibo 1915-06-04 Bamako
## 2 Traoré Moussa 1936-09-25 Kayes
## 3 Konaré Alpha Oumar 1946-02-02 Kayes
## 4 Touré Amadou Toumani 1948-11-04 Mopti
## 5 Keïta Ibrahim Boubacar 1945-01-29 Koutiala
## parcours_militaire annee_arrivee_pouvoir duree_au_pouvoir
## 1 FALSE 1960 8
## 2 TRUE 1968 23
## 3 FALSE 1992 10
## 4 TRUE 2002 10
## 5 FALSE 2013 NAQu’en est-il de la classe et du type?
class(presidents_df)## [1] "data.frame"Maintenant que nous savons à quoi ressemble un data frame, essayons de le définir. Un data frame est une forme d’organisation de données en format rectangulaire où les lignes sont des observations et les colonnes des attributs de ceux-ci. Ici par exemple, nous organisons diverses informations sur les individus qui ont assumé le poste de Président de la République du Mali. Chaque ligne sera dédiée à un président et rassemblera tous les informations sur lui (attributs). Chaque colonne sera dédiée à un seul attribut et couvrira tous les présidents (observations).
A l’instar de la matrice, le data frame se prête lui aussi aux fonctions qui renseignent sur ses dimensions.
dim(presidents_df)## [1] 5 7dimnames(presidents_df)## [[1]]
## [1] "1" "2" "3" "4" "5"
##
## [[2]]
## [1] "nom" "prenom" "date_naissance"
## [4] "region_naissance" "parcours_militaire" "annee_arrivee_pouvoir"
## [7] "duree_au_pouvoir"colnames(presidents_df)## [1] "nom" "prenom" "date_naissance"
## [4] "region_naissance" "parcours_militaire" "annee_arrivee_pouvoir"
## [7] "duree_au_pouvoir"rownames(presidents_df)## [1] "1" "2" "3" "4" "5"Quand les lignes n’ont pas de nom, R affiche tout simplement les index. Généralement, on s’intéresse à deux éléments avec les data frame: les dimensions et les noms des colonnes (variables ou attributs). En ce qui concerne les lignes, il est rare qu’on les nomme vu que les observations peuvent être de nombre très élevé (milliers voire millions). De ce fait, l’on peut s’en tenir à deux fonctions.
dim(presidents_df)## [1] 5 7names(presidents_df)## [1] "nom" "prenom" "date_naissance"
## [4] "region_naissance" "parcours_militaire" "annee_arrivee_pouvoir"
## [7] "duree_au_pouvoir"La particularité du data frame se lit à travers la fonction str qui montre sa structure. Cette fonction montre le classe des colonnes qui le constituent.
str(presidents_df)## 'data.frame': 5 obs. of 7 variables:
## $ nom : chr "Keïta" "Traoré" "Konaré" "Touré" ...
## $ prenom : chr "Modibo" "Moussa" "Alpha Oumar" "Amadou Toumani" ...
## $ date_naissance : Date, format: "1915-06-04" "1936-09-25" ...
## $ region_naissance : Factor w/ 4 levels "Bamako","Kayes",..: 1 2 2 4 3
## $ parcours_militaire : logi FALSE TRUE FALSE TRUE FALSE
## $ annee_arrivee_pouvoir: num 1960 1968 1992 2002 2013
## $ duree_au_pouvoir : num 8 23 10 10 NAOn a là une synthèse montrant nombre d’observations et nombre de variables comme avec la fonction dim; On voit aussi que pour chaque variable, on a le nom, la classe et quelques observations.
3.5.2 Opérations sur data frame
3.5.2.1 Sélection de cellules
En matière de sélection, le data frame hérite beaucoup de la matrice. Les principes demeurent les mêmes. Si l’on veut la ligne 2 de la colonne 4, on fait:
presidents_df[2, 4]## [1] Kayes
## Levels: Bamako Kayes Koutiala MoptiSi l’on veut la ligne 5 (un président, une observation):
presidents_df[2, ]## nom prenom date_naissance region_naissance parcours_militaire
## 2 Traoré Moussa 1936-09-25 Kayes TRUE
## annee_arrivee_pouvoir duree_au_pouvoir
## 2 1968 23Ou encore, la colonne 4 (une variable, un attribut)
presidents_df[, 4]## [1] Bamako Kayes Kayes Mopti Koutiala
## Levels: Bamako Kayes Koutiala Mopti3.5.2.2 Sélection de variables
Les techniques de sélections de colonnes sur la matrice sont valables pour le data frame aussi. Regardons, à titre d’exemple, la variable date_naissance. On peut y acceder à partir de sa position dans l’ordre des variables.
presidents_df[, c(3)]## [1] "1915-06-04" "1936-09-25" "1946-02-02" "1948-11-04" "1945-01-29"Ou la désigner par son nom directement.
presidents_df[, "date_naissance"]## [1] "1915-06-04" "1936-09-25" "1946-02-02" "1948-11-04" "1945-01-29"Le data frame offre en plus une alternative: les variables y sont accessibles avec le signe $.
presidents_df$date_naissance## [1] "1915-06-04" "1936-09-25" "1946-02-02" "1948-11-04" "1945-01-29"3.5.2.3 Création de variables
Comme avec les matrices, souvent, l’analyste de données peut souhaiter ajouter une nouvelle variable à son data frame. Procédons comme avec les matrices à la génération de deux nouvelles variables: l’âge d’arrivée au pouvoir et l’âge de départ du pouvoir. Pour commencer, générons l’année de naissance.
presidents_df$annee_naissance <- as.numeric(format(presidents_df$date_naissance,'%Y'))Ensuite on génère l’âge d’arrivée au pouvoir.
presidents_df$age_arrivee_pouvoir <- presidents_df$annee_arrivee_pouvoir - presidents_df$annee_naissanceEnsuite l’âge de départ du pouvoir.
presidents_df$age_depart_pouvoir <- presidents_df$age_arrivee_pouvoir + presidents_df$duree_au_pouvoirRegardons notre nouveau data frame.
str(presidents_df)## 'data.frame': 5 obs. of 10 variables:
## $ nom : chr "Keïta" "Traoré" "Konaré" "Touré" ...
## $ prenom : chr "Modibo" "Moussa" "Alpha Oumar" "Amadou Toumani" ...
## $ date_naissance : Date, format: "1915-06-04" "1936-09-25" ...
## $ region_naissance : Factor w/ 4 levels "Bamako","Kayes",..: 1 2 2 4 3
## $ parcours_militaire : logi FALSE TRUE FALSE TRUE FALSE
## $ annee_arrivee_pouvoir: num 1960 1968 1992 2002 2013
## $ duree_au_pouvoir : num 8 23 10 10 NA
## $ annee_naissance : num 1915 1936 1946 1948 1945
## $ age_arrivee_pouvoir : num 45 32 46 54 68
## $ age_depart_pouvoir : num 53 55 56 64 NAA travers cette création, on voit comment on peut mener des opérations entre des colonnes d’un data frame.
3.5.2.4 Suppression de variables
Dans notre exemple, nous avons crééé l’année de naissance comme étape transitoire vers une autre variable. Sachant que nous avons la même information dans la date de naissance, l’on peut éviter la redondance, donc la supprimer. Comment s’y prend-on dans R?
presidents_df$annee_naissance <- NULLVérifions si cette colonne est partie.
str(presidents_df)## 'data.frame': 5 obs. of 9 variables:
## $ nom : chr "Keïta" "Traoré" "Konaré" "Touré" ...
## $ prenom : chr "Modibo" "Moussa" "Alpha Oumar" "Amadou Toumani" ...
## $ date_naissance : Date, format: "1915-06-04" "1936-09-25" ...
## $ region_naissance : Factor w/ 4 levels "Bamako","Kayes",..: 1 2 2 4 3
## $ parcours_militaire : logi FALSE TRUE FALSE TRUE FALSE
## $ annee_arrivee_pouvoir: num 1960 1968 1992 2002 2013
## $ duree_au_pouvoir : num 8 23 10 10 NA
## $ age_arrivee_pouvoir : num 45 32 46 54 68
## $ age_depart_pouvoir : num 53 55 56 64 NAMission accomplie!
3.5.2.5 Sélection d’observations
Nous avons vu que comme la matrice, les éléments du data frame sont accessibles grâce aux numéros de lignes. Ici, nous allons voir qu’il est aussi possible de passer par des critères spécifiques aux variables pour sélectionner des observations. Cherchons seulement les noms et prénoms des présidents nés dans la région de “Kayes”.
presidents_df[presidents_df$region_naissance == "Kayes", c("nom", "prenom")]## nom prenom
## 2 Traoré Moussa
## 3 Konaré Alpha OumarIl est possible d’aboutir au même résultat avec une fonction intégrée à R: subset. Cette fonction offre la commodité de sélectionner à la fois des observations à partir de critères et des variables.
subset(x = presidents_df, subset = region_naissance == "Kayes", select = c(nom, prenom))## nom prenom
## 2 Traoré Moussa
## 3 Konaré Alpha OumarUn autre exemple! Voyons le nom, le prénom et la date de naissance pour les présidents arrivés au pouvoir avant l’âge de 50 ans.
subset(x = presidents_df, subset = age_arrivee_pouvoir < 50, select = c(nom, prenom, date_naissance))## nom prenom date_naissance
## 1 Keïta Modibo 1915-06-04
## 2 Traoré Moussa 1936-09-25
## 3 Konaré Alpha Oumar 1946-02-02Un autre exemple! Voyons le nom, le prénom et la durée au pouvoir pour les présidents ayant fait moins de 10 ans au poste.
subset(x = presidents_df, subset = duree_au_pouvoir < 10, select = c(nom, prenom, duree_au_pouvoir))## nom prenom duree_au_pouvoir
## 1 Keïta Modibo 8Vous voyez? Avec R, tous les chemins mènent…à Roundé. (Rome est trop loin pour moi! Même s’il comment par R).
3.5.2.6 Ordonner les observations
On peut souvent souhaiter ordonner son data frame selon une variable donnée. Rearrangeons nos données selon l’année de naissance des présidents
ordre_age <- order(presidents_df$date_naissance)
ordre_age## [1] 1 2 5 3 4Nous pouvons voir que si les premier et second présidents se succèdent en ainesse, le troisième lui il est devancé par le cinquième. Pour mieux comprendre, utilons cet ordre pour afficher le data frame.
presidents_df[ordre_age, ]## nom prenom date_naissance region_naissance
## 1 Keïta Modibo 1915-06-04 Bamako
## 2 Traoré Moussa 1936-09-25 Kayes
## 5 Keïta Ibrahim Boubacar 1945-01-29 Koutiala
## 3 Konaré Alpha Oumar 1946-02-02 Kayes
## 4 Touré Amadou Toumani 1948-11-04 Mopti
## parcours_militaire annee_arrivee_pouvoir duree_au_pouvoir
## 1 FALSE 1960 8
## 2 TRUE 1968 23
## 5 FALSE 2013 NA
## 3 FALSE 1992 10
## 4 TRUE 2002 10
## age_arrivee_pouvoir age_depart_pouvoir
## 1 45 53
## 2 32 55
## 5 68 NA
## 3 46 56
## 4 54 64Pour plus de commodité, regardons seulement les nom, prénom et date de naissance.
presidents_df[ordre_age, c("nom", "prenom", "date_naissance")]## nom prenom date_naissance
## 1 Keïta Modibo 1915-06-04
## 2 Traoré Moussa 1936-09-25
## 5 Keïta Ibrahim Boubacar 1945-01-29
## 3 Konaré Alpha Oumar 1946-02-02
## 4 Touré Amadou Toumani 1948-11-043.5.3 Le meilleur reste à venir
Le data frame est la pièce maîtresse de l’analyse dans , comme dans beaucoup d’autres langages. D’ailleurs, d’autres langages ont développé des concepts similaires. En prenant par exemple, on trouve la notion de DataFrame, une adaption du concept de data frame tel que défini dans R. Pour dire combien l’idée englobée dans le data frame est puissante. D’où son rôle capital dans le reste de ce cours et de l’ouvrage.
C’est avec le data frame que nous:
procéderons à des manipulations de données: du nettoyage à la transformation ;
explorerons des données par la visualisation ;
introduirons l’application de modèles à des données.
3.6 Listes
3.6.1 Oublier l’ordre et la structure
La liste (list en anglais et dans R) apporte elle aussi sa particularité. Elle permet de créer un espace pour les données non structurées dans R. Créons de nouveaux éléments. Commençons par les pays voisins du Mali: un vecteur en caractères.
voisins_vec_char <- c( "Algérie", "Burkina-Faso", "Côte d'Ivoire", "Guinée", "Mauritanie", "Niger", "Sénégal")Ajoutons des données sur la population à partir des données de recensement de 1976, 1987, 1998 et 2009. C’est une matrice d’entiers.
population_matrix_int <- matrix(data = c(3123733, 3269185, 6392918,
3760711, 3935638, 7696349,
4856023, 4954889, 9810912,
7204990, 7323672, 14528662),
byrow = TRUE,
nrow = 4,
dimnames = list(c(1976, 1987, 1998, 2009),
c("Hommes", "Femmes", "Total")))Ajoutons un dernier élément: lesquels de nos présidents sont encore vivants? Mettons ça sous forme boléén.
presidents_en_vie_vec_logi <- c(FALSE, TRUE, TRUE, TRUE, TRUE)Nous avons là un beau monde. Rassemblons tout ça dans une liste!
mali_list <- list(presidents = presidents_df,
voisins = voisins_vec_char,
population = population_matrix_int,
presidents_en_vie = presidents_en_vie_vec_logi)De par leurs différences en nature, forme et taille, rien ne prédispose ses objets à être contenus dans le même objet! Et pourtant ça tient dans notre liste. Explorons celle-ci!
3.6.2 Un contenant de contenants
Commençons par la structure de la liste. Que voit-on?
str(mali_list)## List of 4
## $ presidents :'data.frame': 5 obs. of 9 variables:
## ..$ nom : chr [1:5] "Keïta" "Traoré" "Konaré" "Touré" ...
## ..$ prenom : chr [1:5] "Modibo" "Moussa" "Alpha Oumar" "Amadou Toumani" ...
## ..$ date_naissance : Date[1:5], format: "1915-06-04" ...
## ..$ region_naissance : Factor w/ 4 levels "Bamako","Kayes",..: 1 2 2 4 3
## ..$ parcours_militaire : logi [1:5] FALSE TRUE FALSE TRUE FALSE
## ..$ annee_arrivee_pouvoir: num [1:5] 1960 1968 1992 2002 2013
## ..$ duree_au_pouvoir : num [1:5] 8 23 10 10 NA
## ..$ age_arrivee_pouvoir : num [1:5] 45 32 46 54 68
## ..$ age_depart_pouvoir : num [1:5] 53 55 56 64 NA
## $ voisins : chr [1:7] "Algérie" "Burkina-Faso" "Côte d'Ivoire" "Guinée" ...
## $ population : num [1:4, 1:3] 3123733 3760711 4856023 7204990 3269185 ...
## ..- attr(*, "dimnames")=List of 2
## .. ..$ : chr [1:4] "1976" "1987" "1998" "2009"
## .. ..$ : chr [1:3] "Hommes" "Femmes" "Total"
## $ presidents_en_vie: logi [1:5] FALSE TRUE TRUE TRUE TRUEQu’en est-il des noms
names(mali_list)## [1] "presidents" "voisins" "population"
## [4] "presidents_en_vie"Les noms assignés aux objets sont bien reconduits. Voyons voir si à l’instar des matrices et des data frames, ces noms peuvent être utilisés pour accéder aux éléments qui y sont stockés. Prenons le vecteur sur les pays voisins.
mali_list[["voisins"]]## [1] "Algérie" "Burkina-Faso" "Côte d'Ivoire" "Guinée"
## [5] "Mauritanie" "Niger" "Sénégal"Le même résultat doit être possible par l’ordre de l’objet dans la liste, le 2ème.
mali_list[[2]]## [1] "Algérie" "Burkina-Faso" "Côte d'Ivoire" "Guinée"
## [5] "Mauritanie" "Niger" "Sénégal"Peut-on utiliser le signe $ comme avec les data frame.
mali_list$voisins## [1] "Algérie" "Burkina-Faso" "Côte d'Ivoire" "Guinée"
## [5] "Mauritanie" "Niger" "Sénégal"Donc, on a l’embarra du choix.
Maitenant qu’on peut accéder aux objets à l’intérieur d’une liste, qu’en est-il des éléments stockés à l’intérieur de cette liste elle-même. Cherchons le 2ème élément du vecteur des pays voisins.
mali_list[["voisins"]][2]## [1] "Burkina-Faso"On peut y accéder avec d’autres voies dont les suivantes.
mali_list$voisins[2]## [1] "Burkina-Faso"mali_list[[2]][2]## [1] "Burkina-Faso"Un autre exemple: la 3ème colonne de la matrice sur la population
mali_list[["population"]][, 3]## 1976 1987 1998 2009
## 6392918 7696349 9810912 14528662Pour le même résultat, le code suivant aussi marche.
mali_list[["population"]][, "Total"]## 1976 1987 1998 2009
## 6392918 7696349 9810912 145286623.7 Conclusion
3.7.1 Et ce n’est que le début
Avec une introduction à ces objets, on pose les bases de l’analyse de données dans R. Bien que, pour des raisons pédagogiques, chaque objet ait été présenté par rapport aux limites du précédent, ils demeurent tous utiles, chacun avec ses avantages (compétitifs). Il revient au data scientist de connaître quand, où et comment faire intervenir un au lieu des autres. Contribuer à vous outiller pour faire ces choix - parmi tant d’autres - est l’un des objectifs de ce cours / cet ouvrage.