Introduction aux data frames en R

Si vous souhaitez suivre notre cours Introduction to R, voici le lien.

Qu'est-ce qu'un data frame ?

Vous vous souvenez peut-être du chapitre sur les matrices : tous les éléments d'une matrice doivent être du même type. À l'époque, votre jeu de données sur Star Wars ne contenait que des éléments numériques.

Dans une étude de marché, en revanche, vous posez souvent des questions du type :

• « Êtes-vous marié(e) ? » ou des questions « oui/non » (logical)
• « Quel âge avez-vous ? » (numeric)
• « Quel est votre avis sur ce produit ? » ou d'autres questions ouvertes (character)
• ...

Les réponses des participants constituent alors un jeu de données composé de types de données variés. Vous travaillerez souvent avec des jeux de données qui contiennent différents types, plutôt qu'un seul.

Un data frame organise les variables d'un jeu de données en colonnes et les observations en lignes. Ce concept sera familier à celles et ceux qui viennent d'autres logiciels statistiques comme SAS ou SPSS.

Instructions

Cliquez sur « Submit Answer ». Les données du data frame d'exemple intégré mtcars s'afficheront dans la console.

Jetez rapidement un œil à votre jeu de données

Waouh, ça fait beaucoup de voitures !

Travailler avec de grands jeux de données est courant en analyse. Face à des jeux (très) volumineux et à des data frames, votre premier réflexe doit être de comprendre clairement leur structure et leurs éléments clés. Il est donc souvent utile d'afficher seulement une petite partie de l'ensemble.

Comment faire cela en R ? La fonction head() permet d'afficher les premières observations d'un data frame. De façon similaire, la fonction tail() affiche les dernières observations du jeu de données.

Les fonctions head() et tail() affichent une ligne supérieure appelée « en-tête », qui contient les noms des différentes variables de votre jeu de données.

Instructions

Appelez head() sur le jeu de données mtcars pour voir l'en-tête et les premières observations.

Examinez la structure

Autre méthode souvent utilisée pour obtenir une vue d'ensemble rapide : la fonction str(). Elle affiche la structure de votre jeu de données. Pour un data frame, elle indique :

le nombre total d'observations (p. ex. 32 types de voitures) ; le nombre total de variables (p. ex. 11 caractéristiques) ; la liste complète des noms de variables (p. ex. mpg, cyl...) ; le type de données de chaque variable (p. ex. num) ; ainsi que les premières observations. Appliquer la fonction str() est souvent la première chose à faire lorsque vous recevez un nouveau jeu de données ou un nouveau data frame. C'est un excellent moyen de mieux comprendre vos données avant de passer à l'analyse proprement dite.

Instructions

Inspectez la structure de mtcars. Assurez-vous de retrouver les mêmes nombres, variables et types de données que ceux mentionnés ci-dessus.

Créer un data frame

Utiliser des jeux de données intégrés, c'est bien, mais créer les vôtres, c'est encore mieux. La suite de ce chapitre s'appuie donc sur un jeu de données que vous allez constituer vous-même. Mettez votre réacteur dorsal : cap sur l'exploration spatiale !

Premier objectif : construire un data frame décrivant les principales caractéristiques de huit planètes de notre système solaire. D'après votre ami Buzz, les attributs essentiels d'une planète sont :

• Le type de planète (tellurique ou géante gazeuse).
• Le diamètre de la planète, relatif à celui de la Terre.
• La période de révolution autour du Soleil, relative à celle de la Terre.
• La présence d'anneaux (TRUE ou FALSE).

Après quelques recherches sérieuses sur Wikipédia, vous vous sentez prêt(e) à créer les vecteurs nécessaires : name, type, diameter, rotation et rings ; ces vecteurs sont déjà codés à droite. Le premier élément de chacun correspond à la première observation.

Vous construisez un data frame avec la fonction data.frame(). En arguments, vous passez les vecteurs définis plus haut : ils deviendront les différentes colonnes de votre data frame. Comme chaque colonne a la même longueur, les vecteurs passés doivent eux aussi avoir la même longueur. N'oubliez pas qu'ils peuvent (et vont probablement) contenir des types de données différents.

Instructions

Utilisez la fonction data.frame() pour construire un data frame. Passez les vecteurs name, type, diameter, rotation et rings comme arguments de data.frame(), dans cet ordre. Nommez le data frame résultant planets_df.

Pour aller plus loin avec ce cours, voici le lien