Aide-mémoire R

Aide-mémoire R

Les patrons ci-dessous couvrent les opérations les plus fréquentes du cours : importer, inspecter, transformer, résumer, visualiser et ajuster un modèle simple.

Importer Transformer Modéliser

read

Importer et inspecter

dplyr

Filtrer, créer, grouper et résumer

ggplot

Visualiser les distributions et relations

lm

Ajuster et interpréter un premier modèle

Importer et inspecter

Commencez par lire le fichier, nettoyer les noms de colonnes et vérifier la structure du tableau.

Importer

# Load libraries
library(tidyverse)
library(janitor)

# Import data
donnees <- read_csv("data/fichier.csv", show_col_types = FALSE) |>
  clean_names()

# Inspect data
glimpse(donnees)
summary(donnees)

Transformer un tableau

Les verbes suivants suffisent pour la majorité des préparations de données du cours.

Filtrer des lignes

filter()

donnees_filtrees <- donnees |>
  filter(!is.na(ventes), region == "Quebec")

Créer des variables

mutate()

donnees_calculees <- donnees |>
  mutate(
    marge = revenus - couts,
    taux_marge = marge / revenus
  )

Choisir des colonnes

select()

donnees_courtes <- donnees |>
  select(date, region, revenus, couts)

Résumer et comparer

Un résumé doit indiquer la taille du groupe et utiliser na.rm = TRUE lorsque des valeurs manquantes sont possibles.

group_by() et summarise()

resume_region <- donnees |>
  group_by(region) |>
  summarise(
    n = n(),
    revenus_moyens = mean(revenus, na.rm = TRUE),
    revenus_medians = median(revenus, na.rm = TRUE),
    ecart_type = sd(revenus, na.rm = TRUE),
    .groups = "drop"
  ) |>
  arrange(desc(revenus_moyens))

resume_region

Visualiser

Un graphique doit servir une question précise : distribution, comparaison, évolution ou relation.

Distribution

Histogramme

donnees |>
  ggplot(aes(x = revenus)) +
  geom_histogram(bins = 30) +
  labs(
    title = "Distribution des revenus",
    x = "Revenus",
    y = "Nombre d'observations"
  ) +
  theme_minimal()

Relation

Nuage de points

donnees |>
  ggplot(aes(x = publicite, y = ventes)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE) +
  labs(
    title = "Relation entre publicité et ventes",
    x = "Dépenses publicitaires",
    y = "Ventes"
  ) +
  theme_minimal()

Modéliser simplement

Le modèle linéaire sert à décrire une association moyenne entre une variable réponse et une ou plusieurs variables explicatives. Il ne prouve pas automatiquement une relation causale.

Régression linéaire

# Load libraries
library(tidyverse)
library(broom)

# Fit model
modele <- lm(ventes ~ publicite + prix, data = donnees)

# Model outputs
tidy(modele)
glance(modele)
augment(modele)

Erreurs fréquentes

La correction minimale est souvent très simple si on lit le message d'erreur attentivement.

Variable mal nommée

Utilisez names(donnees) ou glimpse(donnees) pour vérifier le nom exact.

Package non chargé

Ajoutez la ligne library(package) au début du script ou du document.

Valeurs manquantes

Décidez si elles doivent être retirées, imputées ou simplement ignorées dans certains calculs.