comment lire un fichier .ods avec R ? read_ods
apres avoir installé et chargé le package readODS vous pouvez utiliser la fontion read_ods library(readODS)dataset <- read_ods(« fichier.ods »)Read More →
apres avoir installé et chargé le package readODS vous pouvez utiliser la fontion read_ods library(readODS)dataset <- read_ods(« fichier.ods »)Read More →
Avec R, il est tout à fait possible de réaliser une multiple importation des fichiers CSV (autres types de fichiers). La fonction ci-dessous utilise les fonctions bind_rows et la syntaxe de la librairie dplyr. multmerge <- function(mypath = getwd()){ require(dplyr) dataset <- list.files(path=mypath, full.names=TRUE, pattern= ».csv ») %>% lapply(read.csv, header=TRUE, sep= »t ») %>% bind_rows() dataset } Dans cette fonction, l’objet mypath indique l’emplacement où se trouve tous les fichiers CSV. Par défaut, la fonction va chercher dans l’espace de travail actuel (getwd). Il est possible de le modifier manuel comme ci-dessous: mydata <- multmerge(mypath= »Nom/Du/Chemin/Des/Fichiers »)Read More →
Avec R, il est tout à fait possible de réaliser une multiple importation des fichiers CSV (autres types de fichiers). La fonction ci-dessous utilise les fonctions bind_rows et la syntaxe de la librairie dplyr. multmerge <- function(mypath = getwd()){ require(dplyr) dataset <- list.files(path=mypath, full.names=TRUE, pattern= »\.csv ») %>% lapply(read.csv, header=TRUE, sep= »t ») %>% bind_rows() dataset } Dans cette fonction, l’objet mypath indique l’emplacement où se trouve tous les fichiers CSV. Par défaut, la fonction va chercher dans l’espace de travail actuel (getwd). Il est possible de le modifier manuel comme ci-dessous: mydata <- multmerge(mypath= »Nom/Du/Chemin/Des/Fichiers »)Read More →
Pour importer un fichier RDS via une url sur un serveur distant, voici une procédure qui focntionne bien : readRDS(gzcon(url(« http://ton_url/Data/fichier.rds »)))Read More →
Pour importer un fichier RDS via une url sur un serveur distant, voici une procédure qui focntionne bien : readRDS(gzcon(url(« http://ton_url/Data/fichier.rds »)))Read More →
Afin d’utiliser des processus aléatoires mais de faire en sorte qu’ils soient reproductibles dans le temps ou sur une autre machine/système set.seed() est une fonction qui permet de fixer les résultats qui seront fournis par le RNG (random number generator). sample(letters[4:9]) [1] "d" "g" "f" "h" "i" "e" sample(letters[4:9]) [1] "e" "i" "g" "f" "h" "d" sample(letters[4:9]) [1] "f" "d" "e" "h" "i" "g"set.seed(123)sample(letters[4:9]) [1] "e" "g" "i" "f" "h" "d" set.seed(123) sample(letters[4:9]) [1] "e" "g" "i" "f" "h" "d" Comment choisir le chiffre à mettre dans la fonction set.seed ? Au hasard ! 😉Read More →
Parfois il peut etre utilise de fabriquer un data.frame vide, sans aucune ligne, mais avec des colonnes définies. Voici une facon de procéder. BDD <- as.data.frame(setNames(replicate(5,numeric(0), simplify = F),c("moy","p","val","r2","err") ))Read More →
Parfois il peut etre utilise de fabriquer un data.frame vide, sans aucune ligne, mais avec des colonnes définies. Voici une facon de procéder. BDD <- as.data.frame(setNames(replicate(5,numeric(0), simplify = F),c(« moy », »p », »val », »r2″, »err ») ))Read More →
la fonction as.formula permet de fabriquer une formule à partir d ‘une chaine de caractères data(iris) chaine<-paste0(names(iris)[1], " ~ ",paste(names(iris)[-1],collapse=" + ")) as.formula(chaine) lm(as.formula(chaine),data=iris)Read More →
la fonction as.formula permet de fabriquer une formule à partir d ‘une chaine de caractères data(iris) chaine<-paste0(names(iris)[1], » ~ « ,paste(names(iris)[-1],collapse= » + « )) as.formula(chaine) lm(as.formula(chaine),data=iris)Read More →
ABCD'R (par ThinkR ) © 2024 - Confidentialité