SlideShare una empresa de Scribd logo
1 de 18
Descargar para leer sin conexión
Les diérents objets




          Introduction au Logiciel R

                  Abatih EMMANUEL


           Département de Santé Animale
Unité d'Epidémiologie et de Biostatistique Vétérinaire,
                  Anvers-Belgique




                                                          1 / 18
Les diérents objets




LES DIFFERENTS OBJETS



                             2 / 18
Les diérents objets

Les diérents objets


    •   L'analyse des données avec R consiste à créer, nommer et
        d'appliquer les opération sur les objets de données en utilisant
        les fonctions
    •   Les objets de données peuvent être atomique ou recursive
    •   Pour des objets atomique (homogène), tous les éléments
        doivent être du même type.
          • Vecteurs, matrices et arrays
    •   Les objets Recursive peuvent contenir les éléments de
        diérents type.
          • Listes, data frames et fonctions




                                                                           3 / 18
Les diérents objets

Les types de données


    •   Les composantes des objets peuvent etre :
          • numériques (réelles ou complexes),
          • logiques (TRUE, FALSE) ou
          • alphanumériques (chaines de caractères).
    •   Un type de données particulièrement utile est le type factor.
    •   Les facteurs sont des vecteurs utilisés pour classier les valeurs
        d'autres vecteurs
    •   On peut créer un facteur à partir d'un vecteur grace à la
        fonction factor()




                                                                             4 / 18
Les diérents objets

Vecteurs



    •   L'objet de base en R est le vecteur.
    •   Il se compose d'éléments du même type sois des valeurs
        numériques, des valeurs de vérité (True or False), des chaines
        de caractères
    •   Créer un vecteur simple en utilisant la function : c()
    •   Créer des vecteurs en utilisant la fonction : assign()




                                                                         5 / 18
Les diérents objets

Vecteurs



    •   Génération de vecteurs
           • Utilisation de l'opérateur : e.g. 1 :100
           • La fonction seq() permet de générer une suite de nombres avec
             un incrément donné e.g seq(from=,to=,by=)
           • La fonction rep() génère une suite d’un même nombre e.g
             rep(4 :12, c(4,1,5,2))
           • Génère aléatorirement e.g rnorm(10), runif(10,4,7)
           • Aussi en utilisant sample()




                                                                             6 / 18
Les diérents objets

Échantillonnage aléatoire



    •   Quelques lois discrètes disponibles : échantillon de taille n
          • Loi binomiale : rbinom(n,1,p)
          • Loi de Poisson : rpois(n,λ)
          • Loi geometrique : rgeom(n,p)
    •   Quelques lois continues disponibles : échantillon de taille n
          • Loi Gaussienne : rnorm(n, moyenne, variance) (par defaut
             moyenne=0, variance=1)
          • Loi uniforme : runif(n,a, b) (par defaut a=0, b=1)




                                                                        7 / 18
Les diérents objets

Manipulations de base sur les vecteurs




    •   Addition : v+w
    •   Multiplication : v*v etc...
    •   Extraire des éléments : v[c(1,2)]...
    •   Les fonctions mathématiques classiques : abs, sqrt, cos, sin,
        tan, exp, log, log10,... etc




                                                                        8 / 18
Les diérents objets

Les Matrices



    •   Les matrices sont crées à partir d'un vecteur
    •   Il se compose aussi d'éléments du même type
    •   Création de matrices
          •   Utilisant   la fonction dim() : dim(x) −c(2,4)
          •   Utilisant   la fonction matrix() e.g matrix(x,2,4,byrow=F).
          •   Utilisant   cbind() :permet la concaténation colonne par colonne
          •   Utilisant   rbind() : permet la concaténation ligne par ligne




                                                                                 9 / 18
Les diérents objets

Arrays

    •    Les arrays(tableaux) sont des généralisations des vecteurs et
         des matrices
    •    Il se compose aussi d'éléments du même type
    •    Un array à 3 dimensions peut être considérée comme un bloc
         de numéros
    •    Un exemple iris3 dans R
    •    Création de arrays
           • Utilisant la fonction dim()
           • Utilisant la function array() :
             array(c(1 :8,11 :18,111 :118),dim=c(2,4,3))
    •    Conversion des arrays en vecteurs
           • Utilsant la fonction as.vector() : as.vector(array)
           • Utilisant la fonction c() : c(array)


                                                                         10 / 18
Les diérents objets

Data frames




    •   Les data.frame se présentent sous la forme d'une matrice dont
        les colonnes peuvent etre associées à des objets de diérents
        type
    •   Ce format est bien adapté au stockage de données statistiques
    •   Exemple mtcars dans R




                                                                        11 / 18
Les diérents objets

Data frames




    •   attributs de data frame :
          • names() : pour les noms de colonne
          • row.names() : pour les noms de ligne
          • Exemple : names(mtcars) ; row.names(mtcars)




                                                          12 / 18
Les diérents objets

Création de data frames




    •   Utilisant la function data.frame()
          • Consultez les exemples dans les notes
    •   nommer des lignes et des colonnes dans un dataframe
          • row .names (dataframe )  −c (””, ””, ””, ””, ...)
          • names (dataframe )  −c (””, ””, ””, ””, ...)




                                                                 13 / 18
Les diérents objets

Listes


    •    Les listes sont des collections d'objets (vecteurs, matrices, ...)
         qui ne sont pas necessairement du meme type.
    •    On crée une liste avec la fonction list
           •   x  −c (1, 2, 3, 4)
           •   y  −c (”male ”, ”female ”, ”female ”, ”male ”)
           •   z  −matrix (1 : 4, 2, 2)
           •   ourlist  −list (x , y , z )
    •    Extraire des éléments : par son indice entre double crochet
           • ourlist [[1]][1]
           • ourlist [[3]][1, 2]




                                                                              14 / 18
Les diérents objets

Listes




    •    Elles sont utilisées par de nombreuses fonctions pour retourner
         les resultats
           • Utilisez la bas de donnée cars dans R
           • Visitez la page 20 de vos notes
    •    Permettent en particulier de stocker et manipuler simplement
         des objets de longueurs diérentes dans une meme structure.




                                                                           15 / 18
Les diérents objets

Listes




    •    Nous pouvons transformer des objets (vector, matrix, data
         frame) pour obtenir une liste
    •    Utisant la function as.list()
           • as .list (1 : 9)
           • y  −as .list (”male ”, ”female ”, ”female ”, ”male ”)




                                                                      16 / 18
Les diérents objets

Données manquantes




   •   Les données manquantes sont codées par la chaine de
       caractéres NA




                                                             17 / 18
Les diérents objets

Remarques nales




    •   R est sensible à la casse donc a et A peuvent être utilisés
        pour représenter des objets diérents
    •   Pour ce cours, les data frames auront plus de pertinence.
    •   L'Array sera très utile dans le cadre d'analyse des risques




                                                                          18 / 18

Más contenido relacionado

Destacado

México y Estados Unidos en vísperas de la revolución
México y Estados Unidos en vísperas de la revoluciónMéxico y Estados Unidos en vísperas de la revolución
México y Estados Unidos en vísperas de la revoluciónAdriana Trujillo
 
Exposicion de analisis de los componentes
Exposicion de analisis de los componentesExposicion de analisis de los componentes
Exposicion de analisis de los componentesMane_Rex
 
Equipier Chez Mac Do Zammit MéLanie
Equipier Chez Mac Do   Zammit MéLanieEquipier Chez Mac Do   Zammit MéLanie
Equipier Chez Mac Do Zammit MéLaniegawronski
 
Formation OTSI : Sensibilisation au dispositif Cévennes Tourisme
Formation OTSI : Sensibilisation au dispositif Cévennes TourismeFormation OTSI : Sensibilisation au dispositif Cévennes Tourisme
Formation OTSI : Sensibilisation au dispositif Cévennes TourismeCévennes Tourisme
 
Expo universelle-1900
Expo universelle-1900Expo universelle-1900
Expo universelle-1900catavrio
 
Vente maison Lamorlaye
Vente maison LamorlayeVente maison Lamorlaye
Vente maison LamorlayeMarc Foujols
 
Maison Billy Montigny
Maison Billy MontignyMaison Billy Montigny
Maison Billy Montignyludolplubo
 
Mella la educacionenlasociedaddelconocyelcambio
Mella la educacionenlasociedaddelconocyelcambioMella la educacionenlasociedaddelconocyelcambio
Mella la educacionenlasociedaddelconocyelcambioSheyla Nieves
 
Enseignants
EnseignantsEnseignants
Enseignantsmonceau
 
Historia del teatro
Historia del teatroHistoria del teatro
Historia del teatroinicial4jfk
 
Jamais Sans Famille
Jamais Sans FamilleJamais Sans Famille
Jamais Sans Familledarkskywolf
 
Reg des idees
Reg des ideesReg des idees
Reg des ideescatavrio
 
TP4 Planificación de medios OFFLINE
TP4 Planificación de medios OFFLINETP4 Planificación de medios OFFLINE
TP4 Planificación de medios OFFLINEOnmovingBA
 

Destacado (20)

México y Estados Unidos en vísperas de la revolución
México y Estados Unidos en vísperas de la revoluciónMéxico y Estados Unidos en vísperas de la revolución
México y Estados Unidos en vísperas de la revolución
 
Exposicion de analisis de los componentes
Exposicion de analisis de los componentesExposicion de analisis de los componentes
Exposicion de analisis de los componentes
 
Equipier Chez Mac Do Zammit MéLanie
Equipier Chez Mac Do   Zammit MéLanieEquipier Chez Mac Do   Zammit MéLanie
Equipier Chez Mac Do Zammit MéLanie
 
Formation OTSI : Sensibilisation au dispositif Cévennes Tourisme
Formation OTSI : Sensibilisation au dispositif Cévennes TourismeFormation OTSI : Sensibilisation au dispositif Cévennes Tourisme
Formation OTSI : Sensibilisation au dispositif Cévennes Tourisme
 
Expo universelle-1900
Expo universelle-1900Expo universelle-1900
Expo universelle-1900
 
Vente maison Lamorlaye
Vente maison LamorlayeVente maison Lamorlaye
Vente maison Lamorlaye
 
Crisetextille
CrisetextilleCrisetextille
Crisetextille
 
La navidad
La navidadLa navidad
La navidad
 
Maison Billy Montigny
Maison Billy MontignyMaison Billy Montigny
Maison Billy Montigny
 
ExecCadre
ExecCadreExecCadre
ExecCadre
 
educacion para octavo
educacion para octavoeducacion para octavo
educacion para octavo
 
El liderazgo
El liderazgoEl liderazgo
El liderazgo
 
Zona colonial
Zona colonialZona colonial
Zona colonial
 
Mella la educacionenlasociedaddelconocyelcambio
Mella la educacionenlasociedaddelconocyelcambioMella la educacionenlasociedaddelconocyelcambio
Mella la educacionenlasociedaddelconocyelcambio
 
Enseignants
EnseignantsEnseignants
Enseignants
 
Historia del teatro
Historia del teatroHistoria del teatro
Historia del teatro
 
Jamais Sans Famille
Jamais Sans FamilleJamais Sans Famille
Jamais Sans Famille
 
Filosofia reporte2 sofia
Filosofia reporte2 sofiaFilosofia reporte2 sofia
Filosofia reporte2 sofia
 
Reg des idees
Reg des ideesReg des idees
Reg des idees
 
TP4 Planificación de medios OFFLINE
TP4 Planificación de medios OFFLINETP4 Planificación de medios OFFLINE
TP4 Planificación de medios OFFLINE
 

Similar a Les différent objets dans R

Data Mining (Partie 2).pdf
Data Mining (Partie 2).pdfData Mining (Partie 2).pdf
Data Mining (Partie 2).pdfOuailChoukhairi
 
Introduction à scala
Introduction à scalaIntroduction à scala
Introduction à scalaSOAT
 
Avec le langage R, prenez de la hauteur dans l’analyse de vos données !
Avec le langage R, prenez de la hauteur dans l’analyse de vos données ! Avec le langage R, prenez de la hauteur dans l’analyse de vos données !
Avec le langage R, prenez de la hauteur dans l’analyse de vos données ! Yi YANG
 
RCarte_Commandes-R.pdf
RCarte_Commandes-R.pdfRCarte_Commandes-R.pdf
RCarte_Commandes-R.pdfDrissRifai1
 
Convention Algorithmique AS 2022-2023.pdf
Convention Algorithmique AS 2022-2023.pdfConvention Algorithmique AS 2022-2023.pdf
Convention Algorithmique AS 2022-2023.pdfLamissGhoul1
 
DataDrill EXPRESS: Les équations dans DataDrill
DataDrill EXPRESS: Les équations dans DataDrill DataDrill EXPRESS: Les équations dans DataDrill
DataDrill EXPRESS: Les équations dans DataDrill Olivier Pinette
 
Héritage et Polymorphisme .pdf
Héritage et Polymorphisme .pdfHéritage et Polymorphisme .pdf
Héritage et Polymorphisme .pdfAabidiHafid
 

Similar a Les différent objets dans R (11)

Data Mining (Partie 2).pdf
Data Mining (Partie 2).pdfData Mining (Partie 2).pdf
Data Mining (Partie 2).pdf
 
R-Lab-1-ppt.pdf
R-Lab-1-ppt.pdfR-Lab-1-ppt.pdf
R-Lab-1-ppt.pdf
 
Introduction à scala
Introduction à scalaIntroduction à scala
Introduction à scala
 
Avec le langage R, prenez de la hauteur dans l’analyse de vos données !
Avec le langage R, prenez de la hauteur dans l’analyse de vos données ! Avec le langage R, prenez de la hauteur dans l’analyse de vos données !
Avec le langage R, prenez de la hauteur dans l’analyse de vos données !
 
algo-imsi-2.pdf
algo-imsi-2.pdfalgo-imsi-2.pdf
algo-imsi-2.pdf
 
RCarte_Commandes-R.pdf
RCarte_Commandes-R.pdfRCarte_Commandes-R.pdf
RCarte_Commandes-R.pdf
 
Java collection
Java collection Java collection
Java collection
 
Tp01
Tp01Tp01
Tp01
 
Convention Algorithmique AS 2022-2023.pdf
Convention Algorithmique AS 2022-2023.pdfConvention Algorithmique AS 2022-2023.pdf
Convention Algorithmique AS 2022-2023.pdf
 
DataDrill EXPRESS: Les équations dans DataDrill
DataDrill EXPRESS: Les équations dans DataDrill DataDrill EXPRESS: Les équations dans DataDrill
DataDrill EXPRESS: Les équations dans DataDrill
 
Héritage et Polymorphisme .pdf
Héritage et Polymorphisme .pdfHéritage et Polymorphisme .pdf
Héritage et Polymorphisme .pdf
 

Les différent objets dans R

  • 1. Les diérents objets Introduction au Logiciel R Abatih EMMANUEL Département de Santé Animale Unité d'Epidémiologie et de Biostatistique Vétérinaire, Anvers-Belgique 1 / 18
  • 2. Les diérents objets LES DIFFERENTS OBJETS 2 / 18
  • 3. Les diérents objets Les diérents objets • L'analyse des données avec R consiste à créer, nommer et d'appliquer les opération sur les objets de données en utilisant les fonctions • Les objets de données peuvent être atomique ou recursive • Pour des objets atomique (homogène), tous les éléments doivent être du même type. • Vecteurs, matrices et arrays • Les objets Recursive peuvent contenir les éléments de diérents type. • Listes, data frames et fonctions 3 / 18
  • 4. Les diérents objets Les types de données • Les composantes des objets peuvent etre : • numériques (réelles ou complexes), • logiques (TRUE, FALSE) ou • alphanumériques (chaines de caractères). • Un type de données particulièrement utile est le type factor. • Les facteurs sont des vecteurs utilisés pour classier les valeurs d'autres vecteurs • On peut créer un facteur à partir d'un vecteur grace à la fonction factor() 4 / 18
  • 5. Les diérents objets Vecteurs • L'objet de base en R est le vecteur. • Il se compose d'éléments du même type sois des valeurs numériques, des valeurs de vérité (True or False), des chaines de caractères • Créer un vecteur simple en utilisant la function : c() • Créer des vecteurs en utilisant la fonction : assign() 5 / 18
  • 6. Les diérents objets Vecteurs • Génération de vecteurs • Utilisation de l'opérateur : e.g. 1 :100 • La fonction seq() permet de générer une suite de nombres avec un incrément donné e.g seq(from=,to=,by=) • La fonction rep() génère une suite d’un même nombre e.g rep(4 :12, c(4,1,5,2)) • Génère aléatorirement e.g rnorm(10), runif(10,4,7) • Aussi en utilisant sample() 6 / 18
  • 7. Les diérents objets Échantillonnage aléatoire • Quelques lois discrètes disponibles : échantillon de taille n • Loi binomiale : rbinom(n,1,p) • Loi de Poisson : rpois(n,λ) • Loi geometrique : rgeom(n,p) • Quelques lois continues disponibles : échantillon de taille n • Loi Gaussienne : rnorm(n, moyenne, variance) (par defaut moyenne=0, variance=1) • Loi uniforme : runif(n,a, b) (par defaut a=0, b=1) 7 / 18
  • 8. Les diérents objets Manipulations de base sur les vecteurs • Addition : v+w • Multiplication : v*v etc... • Extraire des éléments : v[c(1,2)]... • Les fonctions mathématiques classiques : abs, sqrt, cos, sin, tan, exp, log, log10,... etc 8 / 18
  • 9. Les diérents objets Les Matrices • Les matrices sont crées à partir d'un vecteur • Il se compose aussi d'éléments du même type • Création de matrices • Utilisant la fonction dim() : dim(x) −c(2,4) • Utilisant la fonction matrix() e.g matrix(x,2,4,byrow=F). • Utilisant cbind() :permet la concaténation colonne par colonne • Utilisant rbind() : permet la concaténation ligne par ligne 9 / 18
  • 10. Les diérents objets Arrays • Les arrays(tableaux) sont des généralisations des vecteurs et des matrices • Il se compose aussi d'éléments du même type • Un array à 3 dimensions peut être considérée comme un bloc de numéros • Un exemple iris3 dans R • Création de arrays • Utilisant la fonction dim() • Utilisant la function array() : array(c(1 :8,11 :18,111 :118),dim=c(2,4,3)) • Conversion des arrays en vecteurs • Utilsant la fonction as.vector() : as.vector(array) • Utilisant la fonction c() : c(array) 10 / 18
  • 11. Les diérents objets Data frames • Les data.frame se présentent sous la forme d'une matrice dont les colonnes peuvent etre associées à des objets de diérents type • Ce format est bien adapté au stockage de données statistiques • Exemple mtcars dans R 11 / 18
  • 12. Les diérents objets Data frames • attributs de data frame : • names() : pour les noms de colonne • row.names() : pour les noms de ligne • Exemple : names(mtcars) ; row.names(mtcars) 12 / 18
  • 13. Les diérents objets Création de data frames • Utilisant la function data.frame() • Consultez les exemples dans les notes • nommer des lignes et des colonnes dans un dataframe • row .names (dataframe ) −c (””, ””, ””, ””, ...) • names (dataframe ) −c (””, ””, ””, ””, ...) 13 / 18
  • 14. Les diérents objets Listes • Les listes sont des collections d'objets (vecteurs, matrices, ...) qui ne sont pas necessairement du meme type. • On crée une liste avec la fonction list • x −c (1, 2, 3, 4) • y −c (”male ”, ”female ”, ”female ”, ”male ”) • z −matrix (1 : 4, 2, 2) • ourlist −list (x , y , z ) • Extraire des éléments : par son indice entre double crochet • ourlist [[1]][1] • ourlist [[3]][1, 2] 14 / 18
  • 15. Les diérents objets Listes • Elles sont utilisées par de nombreuses fonctions pour retourner les resultats • Utilisez la bas de donnée cars dans R • Visitez la page 20 de vos notes • Permettent en particulier de stocker et manipuler simplement des objets de longueurs diérentes dans une meme structure. 15 / 18
  • 16. Les diérents objets Listes • Nous pouvons transformer des objets (vector, matrix, data frame) pour obtenir une liste • Utisant la function as.list() • as .list (1 : 9) • y −as .list (”male ”, ”female ”, ”female ”, ”male ”) 16 / 18
  • 17. Les diérents objets Données manquantes • Les données manquantes sont codées par la chaine de caractéres NA 17 / 18
  • 18. Les diérents objets Remarques nales • R est sensible à la casse donc a et A peuvent être utilisés pour représenter des objets diérents • Pour ce cours, les data frames auront plus de pertinence. • L'Array sera très utile dans le cadre d'analyse des risques 18 / 18