Ce qu’on a déjà appris
- l’écosystème dans lequel s’inscrit R
- importer des données
- préparer des tidy data
- commencer à transformer les données
Ce qu’on a déjà appris
![](img/data-science-model.png)
Objectifs de la journée
- être autonome sur l’import (
read_*
), le nettoyage et la transformation (mutate
) des données
- savoir pivoter (
gather
et spread
), filtrer (filter
) et agréger (group_by
+ summarise
) des données
- savoir fusionner (
join
) deux jeux de données
- obtenir une première visualisation de ses données (
ggplot2
)
Consolidation des acquis de la journée d’hier
Exercice
- sélectionner un jeu de données (par exemple https://frama.link/reserve)
- s’assurer que le jeu de données est “tidy”
- transformer le jeu de données comme nécessaire pour exploitation
Pivoter (gather
et spread
)
Le problème
![](img/tidy-9.png)
Le problème
Utile parce que :
- format demandé par telle fonction/logiciel…
- (ré)agrégation de données
- nettoyage de données
- etc. etc.
Pivoter un jeu de données
- Reprendre le jeu de données “présidentielle” d’hier
- si on veut le jeu de données au format “long” ?
- large vers long =>
gather
- long vers large =>
spread
Le problème
Utile pour :
- ne sélectionner que certains cas
- enlever des cas non pertinents
- travailler sur un sous-ensemble (spatial, temporel…) du jeu de données
Filtrer un jeu de données
- Reprendre le jeu de données “présidentielle” d’hier
- ne conserver que les communes d’Ile-de-France (ou de votre région !)
- ne conserver que les communes dans lesquelles Le Pen obtient plus de 20 % des inscrits
- etc.
Agréger (group_by
+ summarise
)
Le problème
- On veut regrouper des observations par un ou plusieurs critères
Agréger un jeu de données
- Reprendre le jeu de données “présidentielle” d’hier
- Calculer les résultats par département
- Calculer les résultats par zones d’emploi !
Le problème
On veut rapprocher des données issues de deux tables différentes
Fusionner deux jeux de données
Le problème
Avoir des données, c’est bien, les voir, c’est mieux !
Visualiser des données
- Distribution de l’abstention
- Distribution du vote Le Pen
- Corrélation entre les deux ?