TP d’initiation à R

Nicolas Sutton-Charani

TABLE DES MATIERES

I. Généralités ............................................................................................................................. 2

II. Calcul vectoriel ........................................................................................................................ 6

III. Calcul matriciel ........................................................................................................................ 9

I. Apprentissage automatique................................................................................................... 11

1) Regression ......................................................................................................................... 11

2) Classification ..................................................................................................................... 11

II. Import de données ................................................................................................................ 11

3) Chemin .............................................................................................................................. 11

4) Import de fichiers csv ou txt ............................................................................................... 11

5) Tableaux de données (data frame) ..................................................................................... 12

III. Visualisation ......................................................................................................................... 12

1) Graphiques simples : plot ................................................................................................... 12

2) Graphiques évolués : ggplot............................................................................................... 13

3) Interface : shiny ................................................................................................................. 13

IV. Mise en pratique ................................................................................................................... 14

Page 2 sur 14

I. Généralités

1) Démarrer R (depuis la console): On lance le logiciel R en cliquent sur l’icône R. Le symbole > signifie

que R est prêt à travailler. Il ne faut pas taper ce symbole au clavier car il est déjà présent en début

de ligne sur R console. C’est à la suite de ce symbole > que vous pourrez taper les commandes R.

Une fois la commande tapée, vous devez la valider par la touche « Entrée ».

2) Quitter R : Pour quitter R (ou R-studio), vous utilisez la commande

> q()

La question Save workspace image ? [y/n] est posée : R propose de sauvegarder le travail effectué.

Deux réponses sont possibles : y (pour yes) ou n (pour no). Si vous tapez y, cela permet que les

commandes tapées pendant la session soient conservées en mémoire et soient donc rappelables (mais

on ne peut pas les imprimer).

3) Sauvegarder sous R : Si vous quittez R en choisissant la sauvegarde de l’espace de travail, deux

fichiers sont créés :

i. le fichier R.data, qui contient des informations sur les variables utilisées

ii. le fichier R.history, qui contient l’ensemble des commandes utilisées.

4) Travailler avec R : Par exemple, tapez la commande suivante et validez :

> 2 + 5

Le résultat s’affiche sous la forme :

[1] 7

Le chiffre 1 entre crochets indique l’indice du premier élément de la ligne, le second chiffre est le

résultat de l’opération demandée.

5) Consulter l’aide de R : Pour toutes les commandes, vous pouvez consulter une fiche de

documentation en tapant, par exemple, pour la commande read.table :

> ?read.table

Faire défiler le texte avec la touche « Entrée » ou « Flèche vers le bas ». Une fois arrivé à END,

taper q. Grâce à cette aide, il suffit de retenir le nom de la commande, mais pas toute la syntaxe.

Vous pouvez rappeler les commandes déjà exécutées (pendant cette séance) en utilisant la touche «

Flèche vers le haut ».

6) Rentrer des données sous R

Différentes commandes sont disponibles pour saisir des données sous R.

a) Affectation

Un objet peut être créé avec l’opérateur « assigner » ou « affecter » qui s’écrit <- :

> n <- 15

Page 3 sur 14

> N <- 12

Pour vérifier le contenu d’un objet, taper son nom, par exemple pour n :

> n

[1] 15

Remarques

R différencie les lettres minuscules et les lettres majuscules.

En fait, le signe = convient également pour faire des affectations. Essayez :

> a = 3

> a

[1] 3

b) Suites, séquences

Exemple : si vous souhaitez créer la suite d’entiers de 1 à 12, on peut procéder de la sorte :

> suite <- 1 : 12

> suite

[1] 1 2 3 4 5 6 7 8 9 10 11 12

On peut également utiliser la fonction seq, qui crée une suite (séquence) de nombres et possède trois

arguments : from, to et by :

> seq(from = 1, to = 12, by = 1)

[1] 1 2 3 4 5 6 7 8 9 10 11 12

On peut également écrire plus simplement :

> seq(1, 12, 1)

[1] 1 2 3 4 5 6 7 8 9 10 11 12

Exemple : vous souhaitez créer un vecteur formé par les éléments d’une suite arithmétique de premier

terme 20, de dernier terme 40 et de raison 5, vous pouvez encore utiliser la fonction seq :

> seq(from = 20, to = 40, by = 5)

[1] 20 25 30 35 40

c) Simulation de données

De nombreuses lois de probabilités sont implémentées sur R et permettent des simulations variées:

Loi uniforme : runif(n, min = 0, max = 1)

Loi normale : rnorm(n, mean = 0, sd = 1)

Loi exponentielle : rexp(n, rate = 1)

Page 4 sur 14

d) Combinaison ou vecteur

Il est possible de saisir une série de valeurs numériques, caractères ou logiques.

Exemple :

> serie1 <- c(1.2, 36, 5.33, -26.5)

serie1 est un vecteur numérique. Comment le savoir ?

Tapez la commande class ou mode sur le nom de votre vecteur. Nous reviendrons sur mode au paragraphe

suivant.

> serie1

[1] 1.20 36.00 5.33 -26.50

Que remarquez-vous ?

Exemple :

> serie2 <- c("bleu", "vert", "marron")

serie2 est un vecteur de chaînes de caractères.

> serie2

[1] "bleu" "vert" "marron"

Remarque : si un vecteur est composé de caractères et de nombres, le vecteur sera un vecteur de chaînes

de caractères. Quand les composantes du vecteur sont des chaînes de caractères, il est obligatoire de les

déclarer entre guillemets, sinon R ne reconnaît pas les composantes du vecteur :

> serie2 <- c(bleu, vert, marron)

Error : Object "bleu" not found

Exemple :

> serie3 <- c(T, T, F, F, T)

serie3 est un vecteur logique.

> serie3

[1] TRUE TRUE FALSE FALSE TRUE

Exemple : lors d’une étude statistique, il peut arriver que certaines données ne soient pas disponibles : la

donnée est dite manquante. Pour saisir une donnée manquante, il est conseillé d’utiliser le symbole NA

(Not Available), quelle que soit la nature de l’objet : numérique, caractère ou logique :

> serie4 <- c(1.2, 36, NA, -26.5)

La troisième valeur est manquante.

Page 5 sur 14

> serie4

[1] 1.20 36.00 NA -26.50

e) Mode et longueur

Les objets sont caractérisés par deux attributs : le mode et la longueur.

Le mode est le type des éléments d’un objet. Comme nous venons de le voir, un objet peut être

une valeur numérique, une chaîne de caractères ou une valeur logique.

La longueur est le nombre d’éléments de l’objet.

Par exemple, si vous saisissez une série d’observations obtenues sur un échantillon sous la forme d’un

vecteur, la longueur de ce vecteur correspondra à la taille de l’échantillon. Pour connaître le mode et la

longueur d’un objet, vous utiliserez les fonctions mode et length :

> mode(serie1)

[1] "numeric"

> mode(serie2)

[1] "character"

> mode(serie3)

[1] "logical"

> length(serie1)

[1] 4

> length(serie2)

[1] 3

> length(serie3)

[1] 5

f) Saisie au clavier d’un jeu de données

En utilisant la fonction scan(), la saisie d’une série de données peut paraître moins fastidieuse.

> jeu1 <- scan()

R vous redonne la main et vous pouvez taper les valeurs du jeu de données :

1 : 1.2

2 : 36

3 : 5.33

4 : -26.5

5 : le premier retour-chariot après une chaîne vide met fin à la saisie.

Page 6 sur 14

> jeu1

[1] 1.20 36.00 5.33 -26.50

g) Éléments d’un vecteur

Il est possible de demander l’affichage d’un (ou de plusieurs) élément(s) d’un vecteur en spécifiant entre

crochets, en plus du nom du vecteur, l’indice de l’élément du vecteur. Par exemple, pour afficher

respectivement le troisième élément de serie1 et ses troisième et quatrième éléments, on utilisera :

> serie1[3]

[1] 5.33

> serie1[3 :4]

[1] 5.33 -26.50

II. Calcul vectoriel

Plusieurs opérations sont possibles sur les vecteurs : concaténation, extraction, calculs, répétition, légende

et tri.

a) Concaténer deux vecteurs

Il est possible de concaténer deux vecteurs (formés de variables de même type) pour en former un

nouveau :

> x <- c(2.3, 3.5, 6, 14, 12)

> y <- c(3.2, 5, 0.7, 1, 3.5)

> z <- c(x, y)

> z

[1] 2.3 3.5 6.0 14.0 12.0 3.2 5.0 0.7 1.0 3.5

b) Extraire des données d’un vecteur

Il est possible d’extraire des données d’un vecteur.

Utiliser un vecteur pour préciser le numéro d’ordre des composantes à extraire. Ainsi, pour

extraire les 2ème et 5ème composantes du vecteur x :

> x[c(2, 5)]

[1] 3.5 12.0

L’utilisation du signe « tiret »permet de supprimer des composantes, par exemple pour supprimer

les 2ème et 3ème composantes du vecteur x :

> x[-c(2, 3)]

Page 7 sur 14

[1] 2.3 14.0 12.0

Utiliser un vecteur formé de valeurs logiques. Par exemple, pour obtenir un vecteur ne contenant

que les composantes supérieures à 4, vous pouvez utiliser la commande :

> x[x > 4]

[1] 6 14 12

Si vous disposez de deux vecteurs ayant le même nombre de composantes, vous pouvez demander à

afficher les valeurs de l’un pour lesquelles les valeurs de l’autre sont supérieures (ou inférieures) à une

certaine valeur. Par exemple, les vecteurs x et y sont composés de 5 valeurs. Vous pouvez demander à

extraire de y les valeurs de y pour lesquelles x est supérieur à 4 en utilisant la ligne de commandes

suivante :

> y[x > 4]

[1] 0.7 1.0 3.5

c) Faire des calculs sur les composantes d’un vecteur

R peut faire des calculs sur l’ensemble des composantes d’un vecteur :

> 20 + x * 5

[1] 31.5 37.5 50.0 90.0 80.0

> (x + y) / 2

[1] 17.125 20.875 28.250 51.000 46.375

d) Remplacer des données dans un vecteur

Il est possible de remplacer certaines composantes d’un vecteur par de nouvelles valeurs.

Considérons une suite de valeurs numériques :

> x <- 1 : 10

Exemple 4.1 Si vous voulez remplacer le 3ème valeur de x par 35, vous utiliserez la ligne de commandes

suivante :

> x[3] <- 35

puis vous demanderez à R d’afficher le résultat

> x

[1] 1 2 35 4 5 6 7 8 9 10

Exemple : si vous voulez remplacer la valeur 1 par la valeur 25, vous utiliserez alors la ligne de commandes

suivante :

> x[x == 1] <- 25

puis vous demanderez à R d’afficher le résultat

Page 8 sur 14

> x

[1] 25 2 35 4 5 6 7 8 9 10

Exemple : si vous voulez remplacer toutes les valeurs supérieures ou égales à 5 par 20, vous utiliserez la

ligne de commandes suivante :

> x[x >= 5] <- 20

puis vous demanderez à R d’afficher le résultat

> x

[1] 20 2 20 4 20 20 20 20 20 20

e) Répéter les données d’un vecteur

La fonction ‘rep’ admet deux arguments x et times et crée un vecteur où x est répété times fois.

Exemple : vous créez une variable ‘donnees’ par :

> donnees <- c(1, 2, 3)

Si vous voulez qu’un nouveau vecteur contienne deux fois le vecteur donnees, alors vous écrirez :

> rep(x = donnees, times = 2)

Exemple : vous pouvez également demander qu’un vecteur contienne 50 fois la valeur 1 :

> rep(1, 50)

Exemple 4.6 ou 4 fois la chaîne de caractères "chien" :

> rep("chien", 4)

f) Nommer les composantes d’un vecteur

Il est possible de donner un nom à chaque composante d’un vecteur.

Exemple : le vecteur ‘notes.Jean’ contient les notes obtenues par Jean en anglais, informatique et biologie.

Première façon : vous pouvez utiliser la commande :

> notes.Jean <- c(anglais = 12, informatique = 19.5, biologie = 14)

Affichez ensuite le vecteur notes.Jean, on obtient le résultat suivant :

anglais informatique biologie

12.0 19.5 14.0

Seconde façon : on peut nommer les composantes d’un vecteur en définissant un vecteur formé

de chaînes de caractères puis en utilisant le fonction names :

> matiere <- c("anglais", "informatique", "biologie")

> matiere

Page 9 sur 14

> note <- c(12, 19.5, 14)

> names(note) <- matiere

> note

anglais informatique biologie

12.0 19.5 14.0

Remarque : Pour supprimer les noms, on tapera la ligne de commandes :

> names(note) <- NULL

g) Trier les composantes d’un vecteur

Vous pouvez trier les composantes d’un vecteur par ordre croissant en utilisant la fonction ‘sort’.

> sort(note)

[1] 12.0 14.0 19.5

ou dans l’ordre décroissant :

> rev(sort(note))

[1] 19.5 14.0 12.0

III. Calcul matriciel

Comme les vecteurs, les matrices sont de mode quelconque mais ne contiennent que des éléments de

même nature. Pour créer une matrice, on utilise la commande ‘matrix(vec, nrow = n, ncol = p)’ où ‘vec’ est

le vecteur contenant les éléments de la matrice de taille n par p, qui seront rangés en colonne sauf si

l’option ‘byrow = T’ est utilisée.

> A = matrix(1 : 15, ncol = 5)

> A

> B = matrix(1 : 15, nc = 5, byrow = T)

a) Éléments d’une matrice

> A[1, 3]

> A[, 2]

> B[2, ]

> A[2 : 3, 2 : 4]

> B2 = B

> B2[1, 1] = "toto"

Page 10 sur 14

> B2

b) Concaténations

> cbind(A, B)

> rbind(A, B)

c) Opérations terme à terme 144.96 140.12

> g = seq(0, 1, length=20)

> C = matrix(g, nrow=4)

> dim(C)

> C[C[, 1] > 0.1, ]

> D = matrix(runif(16), ncol = 4) # tirage aléatoire uniforme

> D > 0.5

> D[D[, 1] > 0.5, 2]

> A + B

> A * B

> cos(A)

> cos(A[1 : 2, 1 : 2])

d) Inversion

> solve(A)

> solve(A[1 : 2, 1 : 2])

e) Produit matriciel

> t(A) %*% B

> A[1 : 2, 1 : 2] %*% B[1 : 2, 1 : 3]

> t(B)

f) Diagonalisation

> diag(A)

> apply(A, 2, sum)

> apply(D, 1, max)

> s = eigen(A[1 : 2, 2 : 3]) # éléments propres

> s$values

> s$vectors

Page 11 sur 14

I. Apprentissage automatique

1) Regression

> dat <- iris

> head(dat)

> names(dat)

> mod <- lm(Sepal.Length ~ Sepal.Width + Petal.Length + Petal.Width, dat)

> summary(mod)

2) Classification

> library(rpart)

> library(rpart.plot)

> mod <- rpart(Species ~ ., dat, method = "class")

> prp(mod)

> pred <- predict(mod, dat, type = "class")

> sum(pred == dat$Species)/nrow(dat)

II. Import de données

3) Chemin

Pour connaître le répertoire courant :

> getwd()

Pour connaître lesichiers présents dans l'environnement de travail :

> ls()

Pour changer le répertoire courant :

> setwd("C:/Documents/Rproject") # Attention remplacer les ‘\’ par des ‘/’

4) Import de fichiers csv ou txt

Page 12 sur 14

> read.table("fileName.csv")

Il faut souvent changer les paramètres d’import :

> read.table("fileName.txt", sep = ",", dec = ".", strinagsAsFactors = False)

5) Tableaux de données (data frame)

Liste = collection ordonnée d’objets qui peuvent être de classes différentes

> l <- list(nom = c("bob", "julie", "tom", "mégane"), age = 1 : 10)

> l

> l$age

> l$nom[4]

Data frame = liste pour laquelle chaque composante a le même nombre d’éléments

= matrice où les colonne sont nommées et de types mixtes (-> calcul matriciel possible)

> df <- data.frame(nom = c("bob", "julie", "tom", "mégane"), age = 1 : 4)

> df

III. Visualisation

1) Graphiques simples : plot

> x <- seq(from = -5, to = +5, by = 0.01)

> y <- cos(x)

> plot(x, y)

ou si on travaille avec un dataframe (df <- data.frame(x, y)) :

> plot(df)

Personnalisation :

> plot(df, main = "Graphique simple", col = "green", type = "l", ylab = "cosinus")

Page 13 sur 14

2) Graphiques évolués : ggplot

> library(ggplot2)

> ggplot(df, aes(x, y))+ geom_point()

Exemple plus complet: créer un dossier ‘data’ dans le répertoire courant puis

> file <- "data/debt.csv"

> download.file("http://www.stat.cmu.edu/~cshalizi/uADA/13/hw/11/debt.csv", file, mode = "wb")

> debt <- read_csv(file)

> summary(debt)

> head(debt)

> qplot(data = debt, y = growth, x = Year, geom = "line") +

facet_wrap(~ Country)

> ggplot(data = debt, aes(x = ratio > 90, y = growth)) +

geom_boxplot()

3) Interface : shiny

La package shiny de R permet la réalisation d’application (web), très utiles pour visualiser des données de

manière interactive. Savoir développer des applications R-shiny représente actuellement une compétence

précieuse car elle permet la valorisation de votre travail et favorise grandement la collaboration avec des

gens ne maitrisant pas forcément la science des données ou/et R.

Une application shiny est constituée (à minima) de 2 scripts généralement nommés 'ui.R' et 'serveur.R'. Le

premier contient l’architecture de la page (boutons, etc), le second contient le code qui doit s’exécuter

derrière en fonction du comportement (i.e. des clicks) de l’utilisateur.

Avec votre compte R-studio (gratuit), vous pouvez héberger gratuitement 5 applications shiny sur le

serveur de R-studio. Il faut cependant noter qu’en tout vous avez un temps de connexion limité à vos

applications (environ 50h par mois).

Pour publier votre application R-shiny, il suffit de la lancer sur R-studio puis de cliquer sur le bouton

'Publish' en haut à droite de l’écran.

Un premier exemple très simple d’application shiny est disponible à l’adresse suivante :

https://drive.google.com/open?id=1A_npXeakRmeKhxpzGT8lE3a59zNDWXmg.

Après vous être familiarisé avec ce premier exemple, vous pouvez accéder à cet autre exemple constitué

d’une application shiny d’analyse de données sommaire :

https://drive.google.com/open?id=104gtOr4k_GWrCpEUO6edAIY8Q7LEzF4G.

Page 14 sur 14

IV. Mise en pratique

Téléchargez le jeu de données ‘gobelins’ à l’adresse suivante :

https://www.dropbox.com/s/pn468bvrpliq7fm/gobelins.csv?dl=0.

1) Calculez la longueur moyenne des os des monstres de type "Ghoul".

2) Représentez graphiquement les distributions de chaque variable pour chaque monstre.

3) Construisez un arbre de décision prédisant le type de monstre, représentez-le graphiquement et

évaluez-le.

4) Développez une application shiny permettant la visualisation de cet arbre en proposant à

l’utilisateur de régler manuellement et de façon interactive la complexité de l’arbre (paramètre

‘cp’ de la fonction rpart).

5) Publiez l’application sur le serveur de r-studio après personnalisation.