Les extras sur demande

› Réorienter vos données avec reshape › Transformer, analyser et résumer vos
données avec plyr
› Programmation de base (for, if, while)

Transcript

1. Les extras sur
   demande
   Etienne Low-Décarie
   

   View Slide

2. Les extras
   ›  Réorienter vos données avec reshape
   ›  Transformer, analyser et résumer vos
   données avec plyr
   ›  Programmation de base (for, if, while)
   

   View Slide

3. ID variable Factor Measured value
   ID 1 Level 1 Measured value
   ID 1 Level 2 Measured value
   ID 2 Level 1 Measured value
   ID 2 Level 2 Measured value
   ID variable Level 1 Level 2
   ID 1 Measured value Measured value
   ID 2 Measured value Measured value
   Wide
   Long
   reshape
   les ordinateurs aimes les longues
   données, mais les vôtres sont peut-
   être large
   

   View Slide

4. Melt:
   ralonger les données
   library(reshape)!
   !
   molten.data<-melt(data,  
   id.vars=ls("id.var.1", "id.var.2"),  
   measure.vars=ls("measure.vars", "measure.vars"),  
   variable_name = "variable")!
   !
    
    
    
   reshape
   head(molten.iris)  
   head(iris)  
   

   View Slide

5. plyr
   ›  library(plyr)
   plyr
   

   View Slide

6. Séparer-Appliquer-Recombiner
   Split-Apply-Combine
   ›  Equivalent
   ›  SQL GROUP BY
   ›  Pivot Tables (Excel, SPSS, …)
   ›  Split
   ›  Définir des sous-groupes/
   parcelles de vos données
   ›  Apply
   ›  Faite ce que vous voulez à
   chacune de ces parcelles
   ›  Combine
   ›  Recombiner le résultat individuel
   de chaque parcelle en un
   ensemble
   Journal of Statistical Software
   7
   2
   1
   1
   2 1,2
   Figure 1: The three ways to split up a 2d matrix, labelled above by the dimensions that they
   slice. Original matrix shown at top left, with dimensions labelled. A single piece under each
   splitting scheme is colored blue.
   3
   2
   1
   1 2 3
   1,2 1,3 2,3
   1,2,3
   Figure 2: The seven ways to split up a 3d array, labelled above by the dimensions that they
   slice up. Original array shown at top left, with dimensions labelled. Blue indicates a single
   piece of the output.
   m*ply() takes a matrix, list-array, or data frame, splits it up by rows and calls the processing
   function supplying each piece as its parameters. Figure 3 shows how you might use this to
   draw random numbers from normal distributions with varying parameters.
   Input: Data frame (d*ply)
   When operating on a data frame, you usually want to split it up into groups based on com-
   binations of variables in the data set. For d*ply you specify which variables (or functions
   of variables) to use. These variables are specified in a special way to highlight that they are
   Split
   plyr
   

   View Slide

7. my.function<-function(subset.data){!
   ! ! ! results<-do.something(subset.data)!
   return(data.frame(results))}!
   !
   my.function can produce as many rows as subset.data (transform)
   or fewer rows than subset.data (summarize)
   !
   returned.results<-ddply(.data=data,!
   .variable=c("variable1", "variable2”),!
   ! ! my.function(subset.data))!
   !
   !
   Fonctionnement
   Attention: particularités
   présentes
   plyr
   

   View Slide

8. Exemple 1
   ›  Calculer la moyenne de chaque mesure
   pour chaque espèce en utilisant les
   données iris reformaté en format long
   molten.means<-ddply(.data=molten.iris,!
   !.variables=c("Species", "measure"),!
   function(subset.data) data.frame(mean=mean(subset.data$value)))  
   plyr
   

   View Slide

9. Exemple 3
   ›  Calculer la pente de la largeur sur la
   longueur pour chaque organe de la fleur
   plyr
   length.on.width.slope<-function(subset.data){
   with(subset.data,{
   slope.sepal<-lm(Sepal.Width~Sepal.Length)$coefficients[2]
   slope.petal<-lm(Petal.Width~Petal.Length)$coefficients[2]
   return(data.frame(slope.sepal=slope.sepal,
   slope.petal=slope.petal))
   })
   }
   iris.slopes<-ddply(.data=iris,
   .variables="Species",
   function(x)length.on.width.slope(x))
   

   View Slide

10. Votre tour
    ›  changez la fonction
    ›  sd, length
    ›  range=max()-min()
    ›  utilisez d’autres données
    ›  simesants, rats, sipoo
    plyr
    

    View Slide

11. Manipuler les données
    ›  Effectuer des calculs
    ›  par exemple:
    

    View Slide

12. ›  Écrivez votre propre fonction
    !
    ma.fonction<-function(arguments){!
    ! ! ! résultats<-faite.quelque.chose(arguments)!
    return(data.frame(résultats))}!
    !
    superficie_ellipse<-function(largeur, longueur){!
    ! !superficie<-pi*(largeur/2)*(longueur/2)!
    ! !return(data.frame(superficie=superficie))}!
    !
    with(iris_data, superficie_ellipse(Sepal.Width, Sepal.Length))!
    !
    !
    !
    !
    Manipuler les données
    

    View Slide

13. Programmation
    ›  For(i in 1:10){function.x(i)}
    ›  Faite prendre à i tour à tour les valeurs de 1 à 10
    ›  Pour chaque valeur prise par i, appliquer la
    fonction.x à i
    for(lettre.selectionnee in LETTERS)
    {print(lettre.selectionnee)}
    for(Plant.selectionnee in unique(CO2$Plant)){
    fit<-lm(CO2$uptake~CO2$conc)
    print(summary(fit)}
    

    View Slide

14. Programmation
    ›  autre fonction de programmation
    ›  if(Vraie or Faux){commande.x}
    ›  exécute la commande x que si la valeur entre
    parenthèse est un vraie (TRUE)
    ›  while(Vraie or Faux) {commande.x}
    ›  répéter l’exécution la commande x tant et
    aussi longtemps que la valeur entre
    parenthèse est un vraie (TRUE)
    

    View Slide