L2 É CONOMIE Année 2018-2019

M ODULE 2 - O UTILS Q UANTITATIFS

L OGICIEL R 1

Cours et travaux dirigés

Franck Piller
Julie Scholler
Table des matières

I Notes de cours 3
Présentation de l’enseignement 4
Thème 1 - Présentation générale du logiciel de R et de R Studio 5
1.1 Présentation de R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Installation de R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Installation de RStudio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Thème 2 - Premières manipulations 6
2.1 Principes généraux du logiciel R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Données dans R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Première structure de données : vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4 Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.5 Facteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.6 Tableau de données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
Thème 3 - Importation et exportation de données 14
3.1 Répertoire de travail . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.2 Importation de données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.3 Exportation de données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.4 Mise en pratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
Thème 4 - Exportation de graphiques 18
4.1 Création d’un fichier contenant un graphique . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.2 Personnalisation du graphique créé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
II Travaux pratiques 19
Thème 1 - Présentation générale du logiciel R 20
1.1 Principes généraux du logiciel R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.2 Les vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.3 Les facteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
Thème 2 - Data frames et statistiques univariées quantitatives 24
Thème 3 - Calcul matriciel et tableaux de contingence 27
Annexe - Exportation de graphiques 29
Thème 4 - Importation de données et variables qualitatives 30
Thème 5 - Manipulations avancées de data frame 32
Annexe - Exercices d’annales 34

2
Première partie

Notes de cours

3
 Syllabus

Présentation de l'enseignement

Enseignants :

Franck Piller : [email protected], bureau B246 (bâtiment B)

Julie Scholler : [email protected], bureau B246 (bâtiment B)

Prérequis : Cours de statistiques de L1

Objectifs :

Le but de cet enseignement est de se familiariser avec le logiciel R et d’apprendre à utiliser les outils de
gestion de données ainsi que les outils statistiques de base du logiciel R.

Plan des travaux pratiques :

• Découverte du logiciel R : interface RStudio, manipulations et objets de base ;

• Études descriptives de données enregistrées dans un data frame ;
• Représentations graphiques ;
• Importation, exportation et manipulation de données.

Approche et supports pédagogiques :

L’enseignement est composé de 2 séances d’une heure de cours magistral et de 5 séances de travaux pratiques
de 2h. Il n’y a pas de séances toutes les semaines, surveillez votre emploi du temps.
Les sujets de TP sont disponibles sur l’ENT, ainsi que des corrections partielles.

Modalités d'évaluation :

• Session 1 : contrôle continu ;

• Session 2 : examen sous forme d’un exercice sur ordinateur.
La note de contrôle continu prendra en compte l’évaluation de trois exercices à effectuer en dehors des heures
de TP et d’une épreuve sur poste informatique en fin de semestre.

Présence :

La présence en TP est obligatoire.

En cas d’absence, vous devez présenter un justificatif ou une justification au chargé de TP dans les 8 jours.

Bibliographie :

Il s’agit de lectures complémentaires aux travaux pratiques. On trouve également de nombreuses ressources
sur internet :
• Statistiques avec R, Cornillon Pierre-André et Autres (519.5 STA) ;
• Le logiciel R, Lafaye de Micheaux Pierre et Autres (519.5 LAF) ;
• Comprendre et réaliser les tests statistiques à l’aide de R, Millot (519.5 MIL) ;
• Initiation à la statistique avec R, Frédéric Bertrand et Myriam Maumy-Bertrand (519.5 BER).

4
 Thème 1

Présentation générale du logiciel de R et de

R Studio

1. Présentation de R
R est un langage orienté vers le traitement de données et l’analyse statistique. Il s’agit également d’un logiciel
libre publié sous licence GNU GPL.
Il permet de réaliser des analyses statistiques telles que
• des statistiques descriptives : moyenne, médiane, variance, etc. ;
• des tests d’hypothèses et des intervalles de confiance ;
• des régressions linéaires ;
• de l’analyse factorielle ;
• du machine learning ;
• des graphiques.

Avantages

• multiplateforme (Linux, Mac oS X, Windows) ;

• gratuit ;
• très puissant car les fonctionnalités de base peuvent être étendues à l’aide d’extensions (plus de 10 000) :
– possibilités de manipulation de données supérieures à un tableur,
– bonnes capacités graphiques et nombreuses possibilités d’export,
– les méthodes statistiques récentes sont rapidement disponibles ;
• communauté d’utilisateurs et de développeurs très active et réactive ;
• beaucoup d’aide, d’informations et de forum à ce propos sur le web.

Inconvénients

• logiciel et documentation de base en anglais (mais de plus en plus de ressources en ligne en français)
• R s’apparente davantage à un langage de programmation qu’à un logiciel proprement dit

2. Installation de R
Sur le site http://www.r-project.org/, effectuer la démarche suivante :
• rubrique Download, cliquer sur CRAN ;
• choisir un site miroir en France ;
• choisir la version en fonction de votre système d’exploitation (pour Linux, il y a de fortes chances que R
soit directement disponible via le gestionnaire de paquets).

3. Installation de RStudio
Sur le site http://www.r-project.org/, effectuer la démarche suivante :
• cliquer sur Download RStudio dans le caroussel ;
• choisir la version free de RStudio Desktop ;
• choisir la version en fonction de votre système d’exploitation (pour Linux, il y a des chances que RStudio
soit directement disponible via le gestionnaire de paquets).

5
 Thème 2

Premières manipulations

1. Principes généraux du logiciel R

La fenêtre de commandes (console) du logiciel R permet d’exécuter des instructions (commandes ou expres-
sions).

1.1. R est une calculatrice

R permet de faire les opérations de calcul élémentaire.

Exemples :

> 3+5 #addition > 2.3+9-5.1

## [1] 8 ## [1] 6.2

> 2*4 #multiplication > 3*2-5*(2-4)/6.03

## [1] 8 ## [1] 7.658375

> #3,5-8 # problème avec la virgule > 3^2 # puissance

> 3.5-8 # le bon séparateur décimal
## [1] 9
## [1] -4.5

> # est le point

R possède en mémoire la valeur de quelques constantes mathématiques, comme la constante π qui est appelée
par la commande pi.

pi

## [1] 3.141593

R permet de faire des calculs plus élaborés. Il utilise pour cela des fonctions.

Exemples :

sqrt(2) # racine carrée round(pi,2) # pi arrondi à 2 chiffres

## [1] 1.414214 ## [1] 3.14

log(2) # logarithme népérien #après la virgule

## [1] 0.6931472

1.2. Création d'objets

On peut stocker en mémoire des données, des résultats, etc. Pour cela, on définit des objets R (on reviendra
sur les différents types d’objets), à l’aide du symbole <- qui permet d’assigner une valeur à un objet.
Exemples :

6
 THÈME 2. PREMIÈRES MANIPULATIONS

a <- 5 b<- a+1

a b

## [1] 5 ## [1] 6

Remarque : pour nommer un objet, on peut utiliser un ou plusieurs caractères alphanumériques et

éventuellement des points. Cependant il faut toujours commencer par une lettre.
Certains objets existent déjà dans R. Exemple :

state.area

## [1] 51609 589757 113909 53104 158693 104247 5009 2057 58560 58876
## [11] 6450 83557 56400 36291 56290 82264 40395 48523 33215 10577
## [21] 8257 58216 84068 47716 69686 147138 77227 110540 9304 7836
## [31] 121666 49576 52586 70665 41222 69919 96981 45333 1214 31055
## [41] 77047 42244 267339 84916 9609 40815 68192 24181 56154 97914

Pour comprendre ces données, on peut faire appel à l’aide fournie dans R via la commande help(state.area).

1.3. Script

Afin de sauvegarder son travail ou de faire des rapports, il est utile de créer des scripts. Il s’agit d’un fichier
texte contenant une succession de commandes R.
Dans l’onglet File de RStudio, choisir New File puis R Script. Enregistrer votre fichier à l’emplacement de
votre choix.
Pour tout travail, je vous conseille de taper directement vos commandes dans le script, puis de les exécuter
dans la console en utilisant la fonction Run.
Il est possible d’insérer des commentaires dans vos scripts en les faisant précéder du caractère #.

# ceci est un commentaire.

2. Données dans R
R permet de manipuler des données organisées en structures de différentes formes (vecteurs, tableaux, etc.).
Toutes ces structures sont composées d’éléments de base, ces derniers pouvant être de différents types
(numériques, caractères, etc.).

2.1. Mode d'un objet

Les principaux modes d’un objet de R sont :

• numeric (valeur numérique) : 1, pi, 3.1416 ;
• logical (booléen, valeur logique) : TRUE, FALSE, T, F ;
• character (chaîne de caractères) : "blabla".
Pour connaître le mode d’un objet x de R, il suffit d’exécuter la commande : mode(x).
Il est possible de tester l’appartenance d’un objet à un mode en particulier avec les commandes suivantes.

is.logical(a)

## [1] FALSE

7
THÈME 2. PREMIÈRES MANIPULATIONS

is.numeric(a)

## [1] TRUE

is.character(a)

## [1] FALSE

Il est possible de convertir un objet d’un mode à un autre.

Exemple :

c <- as.character(a) is.character(c)

c
## [1] TRUE
## [1] "5"

Il faut être prudent dans les conversions et bien vérifier comment R convertit.

2.2. Valeur manquante

Pour différentes raisons, il se peut que certaines données ne soient pas récoltées pendant une étude. On parle
alors de données ou valeurs manquantes. Elles sont notées NA, pour Not Available. Ce n’est pas un véritable
mode et il possède ses propres règles de calcul (il faudra être vigilant quand on traitera des données).
Pour savoir s’il existe une donnée manquante dans un objet x, il faut poser la question is.na(x) (sum(is.na(x))
pour avoir le nombre de données manquantes).

2.3. Attribut d'un objet

Il y a des attributs toujours présents :

• mode : mode ;
• longueur : length.
Il y a des attributs spécifiques qui varient selon le type d’objet. On les obtient à l’aide de la commande
attributes(objet).

3. Première structure de données : vecteurs

C’est un objet composé d’un ensemble de valeurs toutes du même mode (numérique, logique, etc.). Le nombre
d’éléments constitue l’attribut longueur.

Construction

Différentes méthodes sont possibles.

• Construction par la fonction collecteur c() :

v<-c(10,4,5,8,3,2.1,15,789,63,-2)
v

## [1] 10.0 4.0 5.0 8.0 3.0 2.1 15.0 789.0 63.0 -2.0

c(v,12)

## [1] 10.0 4.0 5.0 8.0 3.0 2.1 15.0 789.0 63.0 -2.0 12.0

c(TRUE,TRUE,FALSE)

8
 THÈME 2. PREMIÈRES MANIPULATIONS

## [1] TRUE TRUE FALSE

c(1>0,1==1, T, 1<0.5)

## [1] TRUE TRUE TRUE FALSE

• Création par l’opérateur séquence seq() :

seq(1,8,by=0.5)

## [1] 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0 7.5 8.0

seq(1,2,length=5)

## [1] 1.00 1.25 1.50 1.75 2.00

• Création par la fonction répétition rep :

rep(1,4)

## [1] 1 1 1 1

rep("A",10)

## [1] "A" "A" "A" "A" "A" "A" "A" "A" "A" "A"

• encore une :
1:5

## [1] 1 2 3 4 5

Calculs

Voici quelques exemples de manipulation de vecteurs.

v0<- 1:5
v0 > 4

## [1] FALSE FALSE FALSE FALSE TRUE

sqrt(v0)

## [1] 1.000000 1.414214 1.732051 2.000000 2.236068

sum(v0) v1<-c(-3,1.2,NA,5,NA)
mode(v1)
## [1] 15
## [1] "numeric"
sum(v0>=4)
is.na(v1)
## [1] 2
## [1] FALSE FALSE TRUE FALSE TRUE
cumsum(v0)

## [1] 1 3 6 10 15

9
THÈME 2. PREMIÈRES MANIPULATIONS

sum(is.na(v1)) sort(v2)

## [1] 2 ## [1] 7 8 10 11 12

sum(v1) v0+v2

## [1] NA ## [1] 11 10 14 11 17

v1^2 v1+v2

## [1] 9.00 1.44 NA 25.00 NA ## [1] 7.0 9.2 NA 12.0 NA

v2<-c(10,8,11,7,12) v0*v2

## [1] 10 16 33 28 60

Sélection d'une partie d'un vecteur

On peut sélectionner une partie des éléments d’un vecteur en spécifiant les indices des termes nous intéressant.
Voici quelques exemples de sélection d’une partie d’un vecteur.

v3<-seq(0.1,1,0.1)
v3[6] # 6ème élément du vecteur

## [1] 0.6

v3[6:8] # les éléments du vecteur des positions 6 à 8

## [1] 0.6 0.7 0.8

v3[c(1,8,3,1)]

## [1] 0.1 0.8 0.3 0.1

v3[-2] #tous les éléments de v3 sauf le deuxième

## [1] 0.1 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

v3[-c(2,3,5:8)]

## [1] 0.1 0.4 0.9 1.0

On peut également sélectionner une partie d’un vecteur à l’aide d’un vecteur de valeurs logiques.

v3[v3>0.5] # ne renvoie que les éléments de v3 strictement supérieurs à 0.5

## [1] 0.6 0.7 0.8 0.9 1.0

v3[(v3>0.5)&(v3<1)]

## [1] 0.6 0.7 0.8 0.9

# a renvoyé les éléments de v3 strictement supérieur à 0.5 ET strictement inférieur à 1

v3[(v3<0.5)|(v3==0.9)]

## [1] 0.1 0.2 0.3 0.4 0.9

# a renvoyé les éléments de v3 strictement inférieurs à 0.5 OU égaux à 0.9

10
 THÈME 2. PREMIÈRES MANIPULATIONS

Autres manipulations

Recherche d’indice d’un élément :

v4<-c(5,1,9,7,3,4,2.5,6.32,8) which(v4>6)
which(v4==9)
## [1] 3 4 8 9
## [1] 3
which(is.na(v1))

## [1] 3 5

Substitution :

v0[1:2]<--3
v0

## [1] -3 -3 3 4 5

v3[v3<0.5]<-0
v3

## [1] 0.0 0.0 0.0 0.0 0.5 0.6 0.7 0.8 0.9 1.0

v1[is.na(v1)]<-1000
v1

## [1] -3.0 1.2 1000.0 5.0 1000.0

v2[v2>=10]<-v2[v2>=10]/10
v2

## [1] 1.0 8.0 1.1 7.0 1.2

4. Matrices

Comme les vecteurs, une matrice est un objet composé d’un ensemble de valeurs toutes du même mode
(numérique, logique, etc.). Mais les éléments sont organisés en lignes et en colonnes. Elles possèdent donc
l’attribut de dimension (dim).
La création peut se faire à l’aide de la fonction matrix.
Exemples de création de matrices :

matrix(0,2,4) matrix(1:6,ncol=2)

## [,1] [,2] [,3] [,4] ## [,1] [,2]

## [1,] 0 0 0 0 ## [1,] 1 4
## [2,] 0 0 0 0 ## [2,] 2 5
## [3,] 3 6
matrix(1:6,nrow=2)
matrix(1:6,ncol=2,byrow=F)
## [,1] [,2] [,3]
## [1,] 1 3 5 ## [,1] [,2]
## [2,] 2 4 6 ## [1,] 1 4
## [2,] 2 5
## [3,] 3 6
11
THÈME 2. PREMIÈRES MANIPULATIONS

cbind(1:3,2:4) rbind(1:3,2:4)

## [,1] [,2] ## [,1] [,2] [,3]

## [1,] 1 2 ## [1,] 1 2 3
## [2,] 2 3 ## [2,] 2 3 4
## [3,] 3 4

5. Facteurs

Les facteurs sont des vecteurs particuliers permettant le traitement des données qualitatives. Les facteurs
sont de 2 types (comme les variables qualitatives) :
• non ordonnés, par exemple mâle et femelle, appelés factor ;
• ordonnés, par exemple grand, moyen, petit, appelés ordered.

Création :
• directement par la fonction factor :

factor(c(1,22,1,1,2,2))

## [1] 1 22 1 1 2 2
## Levels: 1 2 22

s<-factor(c("m","f","f","m","m",NA,"f","f"))
s

## [1] m f f m m <NA> f f
## Levels: f m

• par conversion d’un vecteur :

as.factor(c(1,22,1,1,2,2))

## [1] 1 22 1 1 2 2
## Levels: 1 2 22

Un attribut des facteurs est level.

Exemples de commandes :

levels(s) s2<-factor(c(1,0,0,2,1,0,NA,1,1,2))
levels(s2)
## [1] "f" "m"
## [1] "0" "1" "2"
table(s)
nlevels(s2)
## s
## f m ## [1] 3
## 4 3
table(s2)
prop.table(table(s))
## s2
## s ## 0 1 2
## f m ## 3 4 2
## 0.5714286 0.4285714

12
 THÈME 2. PREMIÈRES MANIPULATIONS

6. Tableau de données

Un data frame est un tableau de données dont toutes les colonnes doivent avoir la même longueur, mais
peuvent être de modes différents. C’est la structure de base de R pour le traitement des données statistiques.
La création d’un data frame peut s’effectuer en combinant des vecteurs.
Création d’un data frame concernant 5 étudiants de L2 Économie contenant leurs choix de module 4 et leur
moyenne en L1 :

mod<-c("Eco","Eco","MCI","Eco","MCI")
moy<-c(14.2,11.8,12.5,10.4,13)
df<-data.frame(module=mod,moyL1=moy)

Observons le tableau de données construit avec les commandes suivantes :

df

## module moyL1
## 1 Eco 14.2
## 2 Eco 11.8
## 3 MCI 12.5
## 4 Eco 10.4
## 5 MCI 13.0

str(df)

## 'data.frame': 5 obs. of 2 variables:

## $ module: Factor w/ 2 levels "Eco","MCI": 1 1 2 1 2
## $ moyL1 : num 14.2 11.8 12.5 10.4 13

dim(df) ncol(df)

## [1] 5 2 ## [1] 2

nrow(df) colnames(df)

## [1] 5 ## [1] "module" "moyL1"

13
 Thème 3

Importation et exportation de données

1. Répertoire de travail

Le répertoire de travail est le répertoire où R lit et écrit ses fichiers.

La commande pour connaître le répertoire de travail actuel est getwd(). Pour le changer, on utilise la
commande
setwd("chemin-vers-le-nouveau-répertoire")

On peut également le faire visuellement de la façon suivante : aller dans l’onglet file de la partie en bas à
droite de RStudio, choisir le nouveau répertoire de travail en naviguant dans les dossiers, une fois dans le
dossier, cliquer sur More et sélectionner Setting As Working Directory.
En pratique les données d’une expérience statistique sont enregistrées dans un fichier texte ou csv sous la
forme d’un tableau.

2. Importation de données

On peut créer un tableau de données en utilisant la fonction data.frame, mais le plus souvent on obtient un
tableau en important des données à partir d’un fichier existant car en pratique les données d’une expérience
statistique sont enregistrées dans un fichier texte ou csv sous la forme d’un tableau.

2.1. Données simples : read.table()

La fonction read.table permet de lire et d’importer sous R des données stockées dans un fichier dans un
format proche de celui des data frames, c’est-à-dire les variables sont arrangées en colonnes et les observations
en ligne.

Dataframeobtenue <- read.table(file="fichierdesdonnees.txt")

Plusieurs options permettent de paramétrer précisément l’importation de données afin de pouvoir gérer
différents formats de tableau.

Noms de colonnes et des individus

Souvent la première ligne indique les noms des colonnes. Pour le prendre en compte lors de l’importation de
données, on rajoute l’option header=TRUE (cette option est par défaut codée FALSE). La première ligne n’est
alors pas considérée comme des valeurs de mesure, mais comme des noms de variables.
La première colonne peut parfois contenir les noms ou numéros des individus. Pour prendre en compte cela,
on utilise l’option row.names=1.

Séparateur de champs

Plusieurs caractères peuvent être utilisés pour séparer les données. Par défaut, la fonction read.table()
suppose que le séparateur est un espace (incluant plusieurs espaces ou des tabulations). Mais d’autres
caractères peuvent être utilisés comme séparateur afin de pouvoir distinguer les valeurs entre elles.
Exemple :

Dataframeobtenue <- read.table(file="fichierdesdonnees.txt", sep=";")

Dataframeobtenue <- read.table(file="fichierdesdonnees.txt", sep=",")
Dataframeobtenue <- read.table(file="fichierdesdonnees.txt", sep="\t") #pour la tabulation

14
 THÈME 3. IMPORTATION ET EXPORTATION DE DONNÉES

Séparateur décimal

On peut spécifier le caractère utilisé dans le document comme séparateur décimal classiquement une virgule
ou un point à l’aide de l’option dec.

2.2. Données issues d'un tableur : fonctions read.csv() ou read.csv2()

Quand on souhaite utiliser des données provenant d’un tableur, on commence par les enregistrer au format
csv, puis on les importe à l’aide de la fonction read.csv ou de la fonctions read.csv2. Ces deux fonctions
sont identiques à read.table sauf pour les options par défaut.
• Pour read.csv(), le séparateur de champs est une virgule, le séparateur décimal est un point et par
défaut, header=TRUE.
• Pour read.csv2(), le séparateur de champ est un point-virgule, le séparateur décimal est une virgule et
par défaut, header=TRUE.

2.3. Importation assistée

Au lieu de taper à la main la ligne de commande permettant l’importation, on peut se faire assister par R.
Pour cela, on clique sur l’onglet Tools, puis Import Dataset, on choisit From Text File... Là une fenêtre s’ouvre
pour choisir le fichier. Une fois le fichier choisi, une fenêtre permet de choisir visuellement les différents
critères d’importation. Cependant il peut parfois y avoir des problèmes, donc il faut aussi savoir importer à
la main.

3. Exportation de données

Après avoir travailler sur des données dans R, on peut souhaiter les exporter/enregistrer dans un fichier. Pour
cela, on utilise la fonction write.table.
write.table(objet, file="nomfichierdesortie", options)
Par défaut, write.table crée un document avec comme séparateur de colonnes des espaces, comme séparateur
décimal le point et il conservent les noms des lignes et des colonnes. Généralement, on utilise
write.table(objet, file="nomfichierdesortie.csv", sep = ";", dec = ".", row.names = FALSE,
col.names = TRUE)
On ne conserve pas les nom de lignes car très souvent dans les data frames, il s’agit simplement de numéro
de ligne.

4. Mise en pratique

1. Télécharger les trois fichiers de données présents sur Celene et les mettre dans un répertoire appelé TP4
et spécifier ce répertoire comme répertoire de travail.
setwd("TP4")
Le chemin dépend de l’emplacement du dossier TP4.
2. Créer un data frame appelé euc0 à partir du fichier euc0 à l’aide de la commande suivante.
euc0<-read.table("euc0.txt")
Vérifier le data frame obtenu à l’aide des commandes head et str.
head(euc0,3)

## V1 V2 V3 V4
## 1 18.25 36 1 L
## 2 19.75 42 1 L
## 3 16.50 33 1 L

15
THÈME 3. IMPORTATION ET EXPORTATION DE DONNÉES

str(euc0)

## 'data.frame': 1429 obs. of 4 variables:

## $ V1: num 18.2 19.8 16.5 18.2 19.5 ...
## $ V2: int 36 42 33 39 43 34 37 41 27 30 ...
## $ V3: int 1 1 1 1 1 1 1 1 1 1 ...
## $ V4: Factor w/ 5 levels "D","DH","L","LD",..: 3 3 3 3 3 3 3 3 5 5 ...

3. Même chose avec le fichier euc1 qui contient en plus les noms des colonnes. Trouver le bon argument
pour importer correctement les données.

euc1<-read.table("euc1.txt")
head(euc1,3)

## V1 V2 V3 V4
## 1 hauteur circ bloc clone
## 2 18.25 36 1 L
## 3 19.75 42 1 L

Les titres de colonnes ne sont pas pris en compte. Pour que ce soit le cas, il faut utiliser l’argument
scriptheader.

euc1<-read.table("euc1.txt",header=TRUE)
head(euc1,3)

## hauteur circ bloc clone

## 1 18.25 36 1 L
## 2 19.75 42 1 L
## 3 16.50 33 1 L

str(euc1)

## 'data.frame': 1429 obs. of 4 variables:

## $ hauteur: num 18.2 19.8 16.5 18.2 19.5 ...
## $ circ : int 36 42 33 39 43 34 37 41 27 30 ...
## $ bloc : int 1 1 1 1 1 1 1 1 1 1 ...
## $ clone : Factor w/ 5 levels "D","DH","L","LD",..: 3 3 3 3 3 3 3 3 5 5 ...

4. Même chose avec le fichier euc2.

euc2<-read.table("euc2.txt",header=TRUE)
head(euc2,3)

## hauteur.circ.bloc.clone
## 1 18.25;36;1;L
## 2 19.75;42;1;L
## 3 16.5;33;1;L

str(euc2)

## 'data.frame': 1429 obs. of 1 variable:

## $ hauteur.circ.bloc.clone: Factor w/ 936 levels "11.25;26;1;DH",..: 145 267 59 150 239 50

On ne constate qu’une seule variable. Cela est dû au séparateur de champs qui est ici un point-virgule. Il
faut donc le spécifier avec l’argument sep.

16
 THÈME 3. IMPORTATION ET EXPORTATION DE DONNÉES

euc2<-read.table("euc2.txt",header=TRUE,sep=";")
head(euc2,3)

## hauteur circ bloc clone

## 1 18.25 36 1 L
## 2 19.75 42 1 L
## 3 16.50 33 1 L

str(euc2)

## 'data.frame': 1429 obs. of 4 variables:

## $ hauteur: num 18.2 19.8 16.5 18.2 19.5 ...
## $ circ : int 36 42 33 39 43 34 37 41 27 30 ...
## $ bloc : int 1 1 1 1 1 1 1 1 1 1 ...
## $ clone : Factor w/ 5 levels "D","DH","L","LD",..: 3 3 3 3 3 3 3 3 5 5 ...

17
 Thème 4

Exportation de graphiques

1. Création d'un fichier contenant un graphique

On peut créer différents types de document contenant une image créer avec R. Les formats les plus courants
sont : pdf, jpeg et png.
La syntaxe de base pour la crétion d’un pdf est la suivante.

pdf(file="nom_souhaité_du_fichier_du_graphique.pdf")
#code de construction du graphique
dev.off()

Pour faire une image au format jpeg, respectivement png, il suffit de remplacer la commande pdf par la
commande jpeg, respectivement png, et adapter l’extension du nom de fichier.

jpeg(file="nom_souhaité_du_fichier_du_graphique.jpg")
#code de construction du graphique
dev.off()
#
png(file="nom_souhaité_du_fichier_du_graphique.png")
#code de construction du graphique
dev.off()

2. Personnalisation du graphique créé

Ces commandes possèdent différentes options permettant de personnaliser le document créé.

2.1. Options générales

Les plus importantes sont height et width qui permettent de spécifier la hauteur et la largeur de l’image
créée. Pour la commande pdf, l’unité par défaut est le pouce alors que pour les autres commandes, il s’agit
du pixel.
La taille de l’écriture est controlée avec l’option pointsize qui par défaut vaut 12.

2.2. Spécificités pour la commande pdf

Lors de la création d’une image en pdf, on peut également spécifier la taille du document avec l’option paper
qui avec les arguments a4 et a4r, permet de créer un document pdf au format A4 en portrait ou en paysage.
La commande pdf permet également de spécifier la famille d’écriture avec l’option family par défaut l’écriture
est en Helvetica, d’autres choix possibles sont : Bookman et Palatino.

2.3. Spécificités pour la commande jpeg

On contrôle la qualité de l’image créée avec l’option quality qui par défaut vaut 75.

jpeg(file="nom_souhaité_du_fichier_du_graphique.jpg",width=1920,height=1080,quality=90)
#code de construction du graphique
dev.off()

18
 Deuxième partie

Travaux pratiques

19
 TP 1

Présentation générale du logiciel R

Démarrage :
• lancer R avec RStudio ;
• créer un script qui contiendra vos commandes ;
• penser à structurer votre script en mettant les numéros des parties et des exercices en commentaire.

1. Principes généraux du logiciel R

Commençons par reprendre les commandes vues en cours magistral et dans le polycopié de cours.

1.1. R est une calculatrice

Effectuer les commandes suivantes (par colonnes) :

2*4 2.3+9-5.1 sqrt(2)

3,5-8 3*2-5*(2-4)/6.03 log(2)
3.5-8 3^2 round(pi,2)

Si vous ne comprenez pas bien les commandes, utilisez l’aide en tapant help(sqrt), help(log) ou
help(round). Vous pouvez également accéder à l’aide par l’onglet help de la partie en bas à droite de
RStudio.

Exercice 1.
sin (π/2)
Calculer avec R l’expression e0 + √ .
4

1.2. Création d'objets

On peut stocker en mémoire des données, des résultats, etc. Pour cela, on définit des objets R (on reviendra
sur les différents types d’objets), à l’aide du symbole <- qui permet d’assigner une valeur à un objet.
Par exemple, taper les commandes suivantes.

a <- 5 b <- a+1 a b

Exercice 2.
Affecter la valeur 27 à l’objet nommé x.
Affecter la valeur 9 à l’objet nommé X.
Visualiser les valeurs de x et de X.
Que constatez-vous ?
Affecter la valeur 5 à l’objet x. Que constatez-vous ?
Certains objets existent déjà dans R. Taper state.area.
Pour comprendre ces données, utiliser l’aide help(state.area).

2. Les vecteurs

C’est un objet composé d’un ensemble de valeurs toutes du même mode (numérique, logique, etc.). Le nombre
d’éléments constitue l’attribut longueur.

20
 TP 1. PRÉSENTATION GÉNÉRALE DU LOGICIEL R

Construction

Différentes méthodes sont possibles.

• Construction par la fonction collecteur c() :
v<-c(10,4,5,8,3,2.1,15,789,63,-2) c(TRUE,TRUE,FALSE)
c(v,12) c(1>0,1==1, T, 1<0.5)

• Création par l’opérateur séquence seq() :

seq(1,8,by=0.5) seq(1,2,length=5)

• Création par la fonction répétition rep :

rep(1,4) rep("A",10)

• encore une :
1:5

Calculs

Voici quelques exemples de manipulation de vecteurs. Les effectuer (par colonnes).

v0<- 1:5 v1<-c(-3,1.2,NA,5,NA) v2<-c(10,8,11,7,12)

v0 > 4 mode(v1) sort(v2)
sqrt(v0) is.na(v1) v0+v2
sum(v0) sum(is.na(v1)) v1+v2
sum(v0>=4) sum(v1) v0*v2
cumsum(v0) v1^2

Sélection d'une partie d'un vecteur

On peut sélectionner une partie des éléments d’un vecteur en spécifiant les indices des termes nous intéressant.
Voici quelques exemples de sélection d’une partie d’un vecteur. Les exécuter et les commenter dans le script.

v3<-seq(0.1,1,0.1) v3[6:8] v3[-2]

v3[6] v3[c(1,8,3,1)] v3[-c(2,3,5:8)]

On peut également sélectionner une partie d’un vecteur à l’aide d’un vecteur de valeurs logiques.

v3[v3>0.5] v3[(v3>0.5)&(v3<1)] v3[(v3<0.5)|(v3==0.9)]

Autres manipulations

Recherche d’indice d’un élément :

v4<-c(5,1,9,7,3,4,2.5,6.32,8) which(v4>6)
which(v4==9) which(is.na(v1))

Substitution :

v0[1:2]<--3 v1[is.na(v1)]<-1000
v0 v1
v3[v3<0.5]<-0 v2[v2>=10]<-v2[v2>=10]/10
v3 v2

21
TP 1. PRÉSENTATION GÉNÉRALE DU LOGICIEL R

Exercice 3.
Dans le script, noter les commandes répondant aux questions.
1. Créer le vecteur u composé de 5000 uns.
2. Créer le vecteur v suivant : (1.3, 2, 5.2, 4.3, 2).
3. Créer le vecteur A = (−10, −9, . . . , 9, 10) que vous nommerez vecA, à l’aide de la commande :.
Donner sa longueur directement à partir d’une commande sans calcul.
4. Créer le vecteur B = (−1.5, −1.4, . . . , 0.5) que vous nommerez vecB, à l’aide de la commande seq().
5. Créer le vecteur C = (c1 , . . . , cn ) à partir de vecA tel que ci = 1si ai < 0 et ci = ai si ai > 0,

Exercice 4.
Dans le script, noter les commandes répondant aux questions. Pour la dernière question, répondre sous forme
de commentaires.
1. Créer un vecteur à 20 éléments, nommé alea, composé de nombres aléatoires extraits d’une loi normale
d’espérance 3 et d’écart type 1, en tapant la commande rnorm(20,mean=3,sd=1) (consulter l’aide
help(rnorm).
2. Afficher la valeur du cinquième élément.
3. Afficher les valeurs des 5 derniers éléments.
4. Afficher les valeurs des éléments 1, 4, 8, 12 et 18.
5. Afficher les valeurs inférieures à 2.
6. Créer un nouveau vecteur aleabis qui est une copie du vecteur alea, puis affecter la valeur 0 aux
éléments inférieurs à 3 et la valeur 1 aux éléments supérieurs à 3.
7. Proposer une autre façon de répondre à la question précédente à l’aide de la fonction ifelse() (utiliser
l’aide help(ifelse)).
8. Combien d’éléments de alea sont supérieurs à 3 ? Répéter la commande création du vecteur alea.
Avez-vous obtenu le même nombre d’éléments supérieurs à 3 ? Pourquoi ?

3. Les facteurs

Création :

• directement par la fonction factor : • par conversion d’un vecteur :

factor(c(1,22,1,1,2,2))
s<-factor(c("m","f","f","m","m",NA,"f","f"))
s as.factor(c(1,22,1,1,2,2))

Un attribut des facteurs est level.

Exemples de commandes :

levels(s) s2<-factor(c(1,0,0,2,1,0,NA,1,1,2))
table(s) levels(s2)
prop.table(table(s)) nlevels(s2)
table(s2)

22
 TP 1. PRÉSENTATION GÉNÉRALE DU LOGICIEL R

Exercice 5.
On collecte la couleur des yeux de 12 personnes.
1. Créer un facteur couleurs regroupant les 12 valeurs obtenues qui sont les suivantes : bleu, marron, vert,
marron, marron, bleu, marron, marron, vert, vert, marron, vert.
2. Donner les commandes renvoyant le nombre de modalités de la variable étudiée et l’effectif total.
3. Donner le tableau des effectifs correspondant aux données.
4. Donner une commande renvoyant le tableau des fréquences, à l’aide des fonctions précédentes et d’un
calcul.
5. Donner la commande arrondissant le tableau des fréquences au centième.

23
 TP 2

Data frames et statistiques univariées

quantitatives

Objectifs du TP :
• découvrir la classe data.frame ;
• réaliser des graphiques simples ;
• soigner la présentation de graphiques ;
• déterminer les paramètres d’une série statistique.

Exercice 6.
La création d’un data frame peut s’effectuer en combinant des vecteurs.
1. Créer le data frame concernant 4 individus contenant leur sexe, leur taille en cm et leur poids en pounds
avec les commandes suivantes :
s<-c("M","F","F","F") p<-c(164,115,140,147)
t<-c(182,165,159,171) df<-data.frame(sexe=s,taille=t,poids=p)

2. Observer le tableau de données construit avec les commandes suivantes :

df dim(df) ncol(df)
str(df) nrow(df) colnames(df)

3. Construire un tableau de données nommé data concernant les individus précédents contenant leur sexe,
leur taille en m, leur poids en kg et leur IMC (arrondi à un chiffre après la virgule). L’indice corporel
s’obtient de la façon suivante :
Poids en kg
IMC =
Taille en m2

Exercice 7.
On va travailler sur l’objet InsectSprays déjà existant dans R. Il contient une variable quantitative discrète
que nous allons étudier.
1. Avant de manipuler cet objet, observons différentes façons d’appeler l’aide et utilisons l’aide pour
comprendre le contenu de l’objet InsectSprays.
help(insectspray) help(InsectSprays)
??insectspray ?InsectSprays

2. Observer l’objet InsectSprays avec les commandes suivantes :

df<-InsectSprays str(df) head(df)

Quelle est l’utilité de la commande head ?

3. Effectuer les commandes suivantes.
count attach(InsectSprays)
df$count count

4. Tableaux des effectifs, des fréquences et des fréquences cumulées de la variable quantitative discrète
count.
(a) Réaliser le tableau des effectifs de la variable count avec la commande suivante.

24
 TP 2. DATA FRAMES ET STATISTIQUES UNIVARIÉES QUANTITATIVES

table(df$count)
(b) Réaliser le tableau des fréquences en consultant l’aide de la fonction prop.table. Pour plus de
lisibilité, arrondir à 3 chiffres après la virgule.
(c) Construire le tableau des fréquences cumulées.
5. Représentations graphiques.
(a) Réaliser un premier graphique grâce à la commande suivante.
plot(df$count)
Essayer la commande suivante. Que permet l’argument pch ?
plot(df$count,pch=4)

(b) Représenter graphiquement les effectifs par modalité avec la commande suivante.
plot(table(df$count),main="Effectifs",xlab="Nombre d'insectes sur chaque parcelle",
ylab="Nombre de parcelles")

(c) Représenter la courbe des fréquences cumulées. Utiliser l’argument type afin d’obtenir le graphique
approprié. Faire attention aux abcisses.
(d) On peut ajouter des droites et du texte sur un graphique. Essayer les commandes suivantes.
plot(df$count,pch=4,main="Nombre d'insectes sur chaque parcelle",
xlab="Numéro de parcelle",ylab="Effectif")
abline(h=10,col="red")
text(x=30,y=10,"seuil")

(e) Consulter l’aide de la commande text et utiliser l’argument adéquat pour que le mot seuil ne soit
plus placé sur la droite sans modifier les coordonnées (30, 10).
(f) On peut tracer plusieurs droites d’un coup avec la commande abline. Effectuer les commandes
suivantes et essayer de les comprendre.
plot(df$count,pch=4,main="Nombre d'insectes sur chaque parcelle",
xlab="Numéro de parcelle",ylab="Effectif")
abline(h=10,col="red")
text(x=30,y=10,pos=3,"seuil",col="darkred")
abline(v=12*1:5+0.5,col="blue")
text(x=12*0:5+5.25,y=rep(25,6),c("A","B","C","D","E","F"),col="blue")

Exercice 8.
Dans cet exercice, nous allons travailler avec le tableau de données trees concernant des cerisiers noirs.
Il contient les informations suivantes : Girth (circonférence), Height (hauteur) et Volume. Les unités sont
anglo-saxonnes, mais cela n’a aucune incidence pour la suite.
1. Commencer par affecter trees dans un nouvel objet nommé data et observer son contenu à l’aide de
commandes déjà rencontrées.
2. Effectuer les commandes ci-dessous et les décrire en commentaire.
summary(data)
mean(data)
mean(data$Height)
quantile(data$Height,0.25)
IQR(data$Girth)

3. Trouver une commande permettant d’obtenir d’un coup tous les quartiles, puis une autre permettant
d’obtenir tous les déciles.
4. Réaliser un histogramme avec la commande suivante.

25
TP 2. DATA FRAMES ET STATISTIQUES UNIVARIÉES QUANTITATIVES

hist(data$Height)

Mettre un titre principal et modifier les titres des axes.

5. Observer les différentes informations contenues dans l’objet Histo.

Histo<-hist(data$Height,plot=FALSE)
Histo

Que contiennent Histo$breaks et Histo$counts ?

6. Déterminer la commande qui permet d’obtenir la représentation graphique ci-contre :

Répartition des arbres

en fonction de leur hauteur

0.06
0.04
Densité

0.02
0.00

60 65 70 75 80 85 90

Hauteur

7. Effectuer les commandes ci-dessous et ajouter le bon titre pour l’axe des ordonnées.

bornes<-c(60,70,75,80,90)
hist(data$Height,main="Répartition des arbres \n en fonction de leur hauteur",
xlab="Hauteur",ylab="",breaks=bornes)

Exercice 9 (Pour évaluation).

Enregistrer chaque commande utilisée dans un script nommé VotreNom_TP2-CR.R.
Les données sont situées dans la librairie datasets, dans le data frame Puromycin. Ce data frame contient
des observations concernant des vitesses de réactions enzymatiques :
• conc : concentration du substrat en milligramme par kilogramme ;
• rate : vitesse de réaction enzymatique en counts per minute per minute ;
• state : état de l’enzyme, c’est-à-dire si elle a été traitée ou non par de la puromycine, qui est un
antibiotique.
1. Effectuer la commande library(datasets) pour charger le package et affecter les données Puromycin
dans un data frame intitulé data.
2. Étude de la concentration de substrat.
(a) Calculer la concentration moyenne de substrat en mg/kg. La convertir en g/kg avec cinq chiffres
après la virgule.
(b) Donner le tableau des effectifs.
(c) Représenter graphiquement et de façon soignée et adaptée la courbe des fréquences cumulées.
3. Étude de la vitesse de réaction enzymatique.
(a) Représenter le nuage des points de la vitesse de réaction enzymatique en fonction du numéro
d’individu et ajouter sur le graphique une droite horizontale colorée correspondant au troisième
quartile.
(b) Effectuer un histogramme de la répartition de la vitesse de réaction enzymatique soigné (titres,
couleurs).

26
 TP 3

Calcul matriciel et tableaux de contingence

Objectifs du TP :
• découverte de la classe matrix ;
• calcul matriciel ;
• manipulation de tableaux de contingence ;
• représentations graphiques de la distribution d’une variable qualitative.

Exercice 10.
Comme un vecteur, une matrice est un objet composé d’un ensemble de valeurs toutes du même mode
(numérique, logique, etc.). Mais les éléments sont organisés en lignes et en colonnes.
1. La création peut se faire à l’aide de la fonction matrix.
Créer et observer les matrices A, B et C avec les commandes suivantes.

A<-matrix(1:6,nrow=2) C<-matrix(1:6,ncol=2,byrow=T)
A C
<-matrix(1:6,ncol=2)
MB

2. Tester les commandes suivantes. Que renvoient-elles ?

length(A) length(B)
dim(A) dim(B)

3. On peut également construire des matrices en combinant des vecteurs. Tester les commandes suivantes.
v1<-c(25,-12,8)
v2<-c(4.5,87,-3.2)
cbind(v1,v2)
 
4.5 87 −3.2
4. Trouver la commande permettant de combiner v1 et v2 afin d’obtenir la matrice  .
25 −12 8
5. Réaliser les calculs suivants et noter en commentaire leurs actions.

A+10 A/10 A*B B%*%C A^2

A-20 A+B B*C A%*%t(A) sqrt(MA)
A*10 B+C A%*%B A%*%A

Exercice 11 (Inverse de matrice et résolution de système).

1. Créer la matrice A à l’aide de la commande suivante.
A<-matrix(c(23,34,31,46),ncol=2)

2. Vérifier que la matrice A est inversible en calculant son déterminant. Calculer son inverse à l’aide de la
commande solve().
3. Vérifier que le produit A × A−1 est égal à la matrice identité.

27
TP 3. CALCUL MATRICIEL ET TABLEAUX DE CONTINGENCE

 
3 4 2
1 3 2 et calculer le produit de B avec son inverse. Commenter.
4. Créer la matrice B égale à 
 

 
1 2 1

 23x + 31y

=1
5. À l’aide des commandes vues précédemment, résoudre le système suivant .
 34x + 46y

=2
6. Résoudre directement l’équation de la question précédente en une seule commande à l’aide de la fonction
solve (consulter l’aide).

Exercice 12 (Tableau de contingence).

On souhaite étudier le lien entre la couleur des cheveux et le sexe à partir d’un exemple historique dû à
Fisher. Il a répertorié la couleur des cheveux de garçons et de filles d’un district écossais.

Blond Roux Châtain Brun Noir

Garçon 592 119 849 504 36
Fille 544 97 677 451 14
1. Construire une matrice, nommée tab, contenant les effectifs de la même forme que le tableau précédent.
Puis ajouter des noms aux lignes et aux colonnes avec les commandes suivantes.
rownames(tab)<-c("Garcon","Fille")
colnames(tab)<-c("Blond", "Roux","Chatain","Brun","Noir")

2. Sélection de parties.
(a) Tester les deux commandes suivantes.
tab[2,1] tab[1,2]

(b) Extraire de tab un vecteur contant les effectifs des garçons roux et bruns et un autre contenant les
effectifs des roux et des rousses.
3. Utiliser la commande margin.table pour fournir les distributions marginales en effectifs.
margin.table(tab,1) margin.table(tab,2)

4. Construire le tableau des fréquences arrondies à 3 chiffres après la virgule.

Ajouter les marges et changer les titres des marges de Sum en Total.
5. Donner les fréquences conditionnelles des couleurs de cheveux pour chacun des sexes.
6. Représentations graphiques.
(a) Représenter la répartition des couleurs de cheveux des garçons avec la fonction plot en utilisant
l’argument lwd pour élargir les bâtons. Utiliser également le vecteur défini ci-dessous pour colorer
les différents bâtons.
couleur<-c("Gold","OrangeRed","Goldenrod","Brown","Black")

(b) On peut également utiliser la commande barplot pour ce type de graphique. L’utiliser pour la
répartition des couleurs de cheveux des filles, faire intervenir l’argument space pour espacer un peu
plus les rectangles produits.
(c) Quel est le principal avantage de la commande barplot ?
(d) Une autre représentation graphique est le diagramme circulaire. Essayer la commande suivante.
pie(tab[1,])
Travailler ce graphique en modifiant les couleurs. Essayer de trouver une façon d’ajouter les pourcen-
tage sur le graphique.

28
 Annexe

Exportation de graphique

Exercice 13 (Pour évaluation).

Vous allez travailler sur un jeu de données contenu dans la librairie datasets. Il s’agit du data frame
chickwts contenant des observations sur l’efficacité de suppléments alimentaires dans l’alimentation de
poulets. Ce data frame contient les deux variables suivantes :
• weight : poids des poulets en grammes après un régime de 6 semaines avec suppléments ;
• feed : type de suppléments : casein, horsebean, linseed, meatmeal, soybean ou sunflower.
1. Réaliser un document pdf au format A4, nommé VotreNom-graph1.pdf, contenant deux graphiques
disposés l’un au-dessus de l’autre représentant chacun la répartition d’une des deux variables.
ous devez choisir le format le mieux adapté et soigner la présentation.
2. Reproduire le graphique choisi pour la représentation de la répartition des poids des poulets mais cette
fois au format jpeg. Le document produit doit s’appeler VotreNom-graph2.jpg.
Vous devez ajouter au moins une droite et du texte, si possible de façon pertinente. Utiliser un maximum
de paramètres pour soigner l’image produite.
Vous devez déposer sur Celene trois documents :
• le document VotreNom-graph1.pdf ;
• le document VotreNom-graph2.jpg ;
• le script permettant la création des ces deux documents.

29
 TP 4

Importation de données et variables

qualitatives

Objectifs du TP :
• manipulation des objets de type factor ;
• construction et exportation de graphiques adaptés aux données qualitatives.

Exercice 14.
1. Créer et manipuler les facteurs suivants (levels, tableaux d’effectifs).
f1<-factor(c(1,22,1,1,2,2))
f2<-factor(c("m","f","f","m","m",NA,"f","f"))

2. On collecte l’information sur la couleur des yeux de 12 personnes.

(a) Créer un facteur couleurs regroupant les 12 valeurs obtenues : bleu, marron, vert, marron, marron,
bleu, marron, marron, vert, vert, marron, vert.
(b) Donner les commandes renvoyant le nombre de modalités de la variable étudiée et l’effectif total.
(c) Construire le tableau des fréquences arrondies au centième.

Exercice 15.
Dans cet exercice, on va travailler les représentations graphiques adaptées aux situations où des variables
qualitatives interviennent.
On va utiliser les données euc2. Les données contiennent la hauteur (hauteur) et la circonférence (circ) de
différents types d’eucalyptus (clone) plantés dans différents sols (bloc).
1. Donner la structure et un résumé (moyenne, etc.) des différentes données. Commenter.
2. Attacher le data frame.
3. Représenter la hauteur en fonction du sol avec la commande plot(hauteur~bloc). Que pensez-vous de
cette représentation graphique ?
4. Les variables type de sol et clone sont-elles qualitatives ou quantitatives ? Quel est leur mode dans R ?
5. Quand on souhaite représenter une variable quantitative en fonction d’une variable qualitative, une série
de diagrammes en boîte est bien adaptée. Cela se fait automatiquement avec la fonction plot quand la
variable explicative est considérée comme un facteur. Effectuer la commande suivante.
plot(hauteur~clone)

On peut forcer la représentation en diagramme en boîte avec la fonction boxplot ou faire en sorte que R
considère la variable en tant que facteur.
(a) Effectuer des diagrammes en boîte de la hauteur en fonction du type de sol à l’aide de la fonction
boxplot.
(b) Rajouter à la commande boxplot précédente les options suivantes : range=0 et boxwex=0.5.
Que font ces deux options ?
(c) Changer le type de la variable bloc de numeric à factor avec la commande suivante.
bloc<-as.factor(bloc)

(d) Renommer les levels de la nouvelle variable bloc avec la commande suivante.

30
 TP 4. IMPORTATION DE DONNÉES ET VARIABLES QUALITATIVES

levels(bloc)<-c("sol_A","sol_B","sol_C")

(e) Représenter la circonférence en fonction du type de sol avec la commande plot.

6. Afin de visualiser la proportion de chaque clone et de chaque type de sol, réaliser deux diagrammes
circulaires.
7. Comme les clones autres que DH ne sont pas beaucoup représentés, nous allons fusionner tous les levels
de clones autres que le level DH avec les commandes suivantes.
levels(clone)
levels(clone)<-c("autres","DH","autres","autres","autres")
str(clone)

8. Représenter uniquement les hauteurs pour les clones qui ne sont pas du type DH avec les commandes
suivantes.
filtre_autre<-clone=="autres"
plot(hauteur[filtre_autre]~bloc[filtre_autre], xlab="Type de sol",
ylab="Hauteur des clones de type non DH")

9. Enregistrer dans le data frame euc2 les modifications apportées à bloc et clone avec les commandes
suivantes.
euc2$bloc<-bloc
euc2$clone<-clone

10. Créer un nouveau data frame intitulé eucAB ne contenant que les individus des sols A et B et observer le
nombre de levels de la variable bloc ainsi que son tableau d’effectifs.
11. Utiliser la commande droplevels pour améliorer la variable bloc.
12. Utiliser la commande table pour construire le tableau de contingence des types de sols en fonction des
différents clones.

Exercice 16 (Pour évaluation).

Vous allez travailler sur les données réelles des passagers du Titanic. Elles sont contenues dans le fichier
titanic.csv sur Celene. Ce tableau de données contient les informations suivantes :
• survie : codée 1 pour Oui et 0 pour Non ;
• classe : classe de leur cabine ;
• sexe : codé F pour les femmes et M pour les hommes ;
• age : l’âge en années ;
• prix : prix du ticket ;
• embarquement : lieu d’embarquement C pour Cherbourg, Q pour Queenstown et S pour Southampton.
1. Importer les données dans un data frame intitulé tit.
2. Représenter de façon adéquate la répartion des classes de cabines.
3. Représenter sur un même graphique les répartitions des prix selon le lieu d’embarquement.
4. Transformer la variable survie en un facteur de levels Oui et Non.
5. Représenter sur deux graphiques côte à côte la répartition des prix du ticket pour ceux ayant survécus et
pour ceux n’ayant pas survécus.
6. Créer un nouveau data frame intitulé titanicIB ne contenant que les individus ayant embarqués sur les
Îles Britanniques, c’est-à-dire à Southampton en Angleterre et à Queenstown en Irlande.
7. Supprimer le ou les level(s) de la variable embarquement devenu(s) inutile(s).
8. Exporter le tableau de données ainsi créer dans un fichier nommer titanicIB.csv contenant les noms des
variables, ne contenant pas les noms des individus et dont le séparateur de colonnes est le point-virgule.

31
 TP 5

Manipulations avancées de data frame

Objectifs du TP :
• extraire des individus et/ou des variables ;
• modifier/créer des variables ;
• déterminer les paramètres de sous-groupes.

Exercice 17.
Les données étudiées sont issues d’une enquête réalisée au début des années 80, concernant les étudiants
américains. Elles ont été utilisées pour étudier l’effet des universités communautaires sur le niveau scolaire.
Les données sont contenues dans le fichier student.txt qui contient les informations suivantes :
• female : 1 = female / 0 = male ;
• black : 1 = black / 0 = not black ;
• hispanic : 1 = hispanic / 0 = not hispanic ;
• dadcoll : 1 = père diplômé du supérieur / 0 = père non diplômé du supérieur ;
• momcoll : 1 = mère diplômée du supérieur / 0 = mère non diplômée du supérieur ;
• ownhome : 1= famille propriétaire de son logement / 0 = famille non propriétaire ;
• urban : 1 = école en zone urbaine / 0 = école en zone rurale ;
• dist : distance université-domicile en dizaine de miles ;
• tuition : frais de scolarité en milliers de $ ;
• ed : nombre d’années de scolarisation ;
• incomehi : 1 = revenu familial annuel > $25,000 / 0 = revenu familial annuel 6 $25,000 ;
• county : numéro de code du comté ;
• state : numéro de code de l’état.
1. Importer les données du fichier student.txt dans un data frame du même nom et l’observer.
2. Effectuer les commandes ci-dessous et les décrire.

attach(student)
mean(tuition)
mean(tuition[female==1])
mean(tuition[ed>=14])
mean(tuition[!(ed<14)])
quantile(dist[urban==1],0.25)
sd(dist[hispanic=1&tuition>1])

3. Déterminer la médiane du nombre d’années d’étude des femmes dont la mère est diplômée du supérieur
ainsi que le troisième quartile du nombre d’années d’étude des hispaniques dont les frais de scolarité sont
supérieurs à 1000 $.
4. Créer une commande qui permet de vérifier qu’aucun étudiant n’ait été codé simultanément black et
hispanic.
5. Effectuer les commandes suivantes et expliquer ce qu’elles produisent.

32
 TP 5. MANIPULATIONS AVANCÉES DE DATA FRAME

tab1<-student[,c(8:10)]
head(tab1)
tab2<-student[-c(1,3),]
head(tab2)
tab3<-student[female==1,]
head(tab3)
tab4<-tab3[,-1]
head(tab4)
tab5<-student[female==1,-1]
head(tab5)
tab6<-student[county==28&tuition>=1.2,-(1:3)]
head(tab6)

6. Extraire dans un data frame intitulé tab7 les étudiants hispaniques dont le revenu familial est supérieur
à 25.000 $ et supprimer les variables hispanic, black et incomehi. Combien y a-t-il d’individus ?
7. À partir de cette question on va créer et transformer des variables du data frame. Pour éviter toute
confusion entre création et transformation d’une variable, il est préférable d’annuler la commande attach.
On effectue ceci avec la commande suivante.

detach(student)

8. Convertir la distance université-domicile en kilomètres.

9. On souhaite créer une variable simplifiée sous forme d’un facteur codant les frais de scolarité de la façon
suivante :
• faible : si les frais de scolarité sont inférieurs ou égaux à 600 $ ;
• moyen : s’ils sont compris strictement entre 600 $ et 1000 $ ;
• eleve : s’ils sont supérieurs ou égaux à 1000 $.
Pour cela, commencer par créer un vecteur tuition.fees, en répétant la modalité moyen, puis corriger
(en deux temps) les modalités correspondant aux autres situations.
Terminer en donnant le tableau des effectifs correspondant.
10. On souhaite ajouter au data frame les résultats de ces étudiants au Base Year Composite Test Score, un
test évaluant le niveau de l’étudiant. Pour cela, importer les données du fichier bytest.txt et créer un
nouveau data frame intitulé studentbis contenant les données de student et celle de bytest.
11. Construire un vecteur intitulé commu permettant d’identifier la communauté à laquelle appartient
l’étudiant, en codant Hispanic pour hispanic, Black pour black et White pour ni black, ni hispanic.
L’ajouter au data frame.
12. Pour chacune des communautés, déterminer la moyenne du bytest avec la commande suivante.

by(studentbis$score,commu,mean)

13. En utilisant la commande by et son aide, renvoyer les quartiles des bytest par sexe.
14. On souhaite obtenir les écarts type des bytest par sexe. Cependant la commande sd renvoie l’écart type
corrigé. On peut créer la fonction et calculant l’écart type avec le commande suivante.

et<-function(x) {(length(x)-1)/length(x)*sd(x)}
et(studentbis$score)

L’utiliser pour renvoyer les écarts type des bytest par sexe.
15. Construire une nouvelle variable intitulée par.sup qui vaut 0 si aucun parent n’est diplômé du supérieur
et 1 sinon. Renvoyer les déciles du bytest pour ces deux groupes.

33
 Annexe

Exercices d'annales

Voici trois extraits de contrôle sur poste ou de session 2. Il n’y a et n’aura pas de correction. Par contre, vous
avez bien sûr le droit de nous poser des questions et de nous montrer votre travail sur ces exercices d’annales
pour voir si cela correspond bien à ce qui est attendu.

Exercice 18 (Extrait de l'examen session 2 - 2014-2015).

Le fichier de données se nomme session2-1415.txt et se trouve sur Celene. Il contient les données brutes
d’un sondage réalisé auprès d’individus regardant quotidiennement la télévision. On a répertorié :
• le genre de l’individu Genre,
• le nombre de personnes dans le foyer Foyer,
• le diplôme obtenu Diplome (SupBac+2 signifie supérieur à Bac +2),
• la durée moyenne quotidienne devant la télévision, Duree, en minutes.
1. Importer les données dans un data frame intitulé data.
2. Déterminer la taille de l’échantillon.
3. Déterminer la structure de data et préciser les types des variables.
4. Donner un résumé des variables. Donner la liste des diplômes par une commande spécifique.
5. Effectuer l’histogramme représentant la durée quotidienne devant la télévision.
6. Calculer le nombre de personnes qui regardent 2h ou plus par jour en moyenne la télévision.
7. Extraire dans un data frame intitulé dataF les données concernant les femmes.
8. Supprimer la colonne Genre de dataF.
9. Effectuer les diagrammes en boîte de la durée quotidienne devant la TV en fonction du nombre de
personnes dans le foyer. Soigner le graphique.
10. Déterminer la moyenne arrondi au dixième de la durée quotidienne devant la TV pour les individus
appartenant à un foyer comportant 4 personnes.
11. Créer un vecteur intitulé Vec qui prend la valeur 1 si l’individu possède le bac ou un diplôme supérieur,
et qui prend 0 sinon.
12. Calculer la proportion, arrondie au millième, d’hommes qui ont le bac ou plus dans l’échantillon .
13. Déterminer le tableau de contingence du couple de variables Genre et Diplome.

34
 Annexe. Exercices d’annales

Exercice 19 (Session 1 - 2017-2018).

Vous allez travailler sur les données des employés et services d’une entreprise. Elles sont contenues dans
les fichiers company.csv et info_unit.csv sur Celene. Ces tableaux de données contient les informations
suivantes.
Dans le fichier company.csv, on a les informations suivantes concernant 14999 employés :
• satisfaction_level : niveau de satisfaction de l’employé ;
• last_evaluation : dernière évaluation ;
• number_project : nombre de projets ;
• average_monthly_hours : nombre moyen d’heures par mois ;
• time_spent_company : temps passé dans l’entreprise ;
• Work_accident : s’il a déjà eu un accident de travail ;
• left : si l’employé a quitté l’entreprise ;
• promotion_last_5years : s’il a eu une promotion au cours des 5 dernières années ;
• unit : département ;
• salary : niveau de salaire.
Dans le fichier info_unit.csv, on a des informations concernant les départements :
• unit : département ;
• effectif_serv : effectif du département ;
• nb_accident_serv : nombre de personnes du département ayant déjà eu des accidents de travail ;
• nb_left_serv : nombre de personnes du service ayant quitté l’entreprise.
1. Travail sur info_unit.csv.
(a) Importer les données du fichier info_unit.csv dans un data frame intitulé unit.
(b) Créer un vecteur contenant les taux de départ par département arrondis à 2 chiffres après la virgule.
(c) Ajouter ce vecteur au data frame unit et en supprimer la variable nb_left_serv.
2. Travail sur company.csv.
(a) Importer les données du fichier company.csv dans un data frame intitulé comp.
(b) Déterminer le nombre d’employés du département IT ayant déjà eu un accident du travail.
(c) Créer un document pdf intitulé Nom-graph.pdf comprenant un histogramme des niveaux de satisfac-
tion des employés ayant quitté l’entreprise.
(d) Représenter par des diagrammes en boîte la répartition des niveaux de satisfaction selon que l’employé
a quitté ou non l’entreprise.
(e) Ajouter sur le graphique une droite horizontale colorée au niveau du troisième quartile des niveaux de
satisfaction globaux ainsi qu’un texte de la même couleur spécifiant qu’elle correspond au troisième
quartile.
3. Créer le tableau de contingence des variables unit et salary. Ajouter les marges et renommer les titres des
colonnes et ligne de marges.
4. Effectuer le tableau des proportions des différents départements arrondis à 3 chiffres après la virgule.
5. Modifier les levels de la variable unit afin de fusionner les départements dont les effectifs représentent
moins de 7% des effectifs de l’entreprise en une modalité autres. Puis réaliser un graphique représentant
les proportions des différents départements.

35
Annexe. Exercices d’annales

Exercice 20 (Session 2 -2016-2017).

Vous allez travailler sur des données concernant des maladies cardiaques. Elles sont contenues dans le fichier
maladiecardiaque_homme.csv présent sur Celene. Ce tableau de données contient l
• age : l’âge du patient ;
• chest_pain : le type de douleur à la poitrine ;
• rest_bpress : la pression sanguine au repos ;
• blood_sugar : la présence d’un taux élevé de sucre dans le sang ;
• rest_electro : les anormalités détectées lors de la réalisation d’un électrocardiogramme au repos ;
• max_heart_rate : le rythme cardiaque maximal ;
• exercice_angina : la présence d’une angine de poitrine suite à un effort ;
• disease : présence d’une maladie cardiaque.
1. Importer les données dans un data frame intitulé maladie.
2. Représentations graphiques.
(a) Représenter graphiquement les proportions des différents types de douleurs à la poitrine.
(b) Représenter graphiquement le rythme cardiaque maximal en fonction de l’âge.
(c) Réaliser un histogramme des rythmes cardiaques maximums pour les patients ayant eu une angine
de poitrine et un autre pour ceux n’en ayant pas eu.
Veiller à réaliser ces histogrammes de façon à ce qu’ils soient facilement comparable (échelles).
3. Étude numérique des données.
(a) Quel est le rythme cardiaque moyen des personnes malades ?
(b) Donner en une unique commande les différents quartiles de la pression sanguine des personnes non
malades.
(c) Déterminer le nombre de patients ayant un taux de sucre dans le sang élevé.
4. Créer la variable high_heart_rate valant oui si le rythme cardiaque maximal est supérieur à 150 et non
sinon.
5. Extraire dans un data frame intitulé malade les données des individus malades (sans la variable disease).

36