La fonction tapply en R pour des regroupements simples

La fonction tapply en R est un outil puissant pour effectuer des calculs sur des sous-ensembles de données. Elle permet d’appliquer une fonction à des groupes de données définis par un ou plusieurs facteurs. Cela est particulièrement utile lorsque vous souhaitez résumer ou analyser des données en fonction de catégories spécifiques.

Syntaxe de tapply

La syntaxe de base de tapply est la suivante :

tapply(X, INDEX, FUN = NULL, ..., simplify = TRUE)
  • X : un vecteur de données sur lequel vous souhaitez appliquer la fonction.
  • INDEX : un facteur ou une liste de facteurs qui définissent les groupes.
  • FUN : la fonction à appliquer à chaque groupe.
  • ... : des arguments supplémentaires à passer à la fonction.
  • simplify : un booléen qui indique si le résultat doit être simplifié.

Exemple concret

Imaginons que nous avons un jeu de données contenant des informations sur les ventes de produits dans différents magasins. Nous voulons calculer le total des ventes par magasin.

Voici un exemple de code R pour illustrer cela :

# Création d'un vecteur de ventes
ventes <- c(200, 150, 300, 250, 100, 400)

# Création d'un vecteur de magasins correspondant
magasins <- c("Magasin A", "Magasin B", "Magasin A", "Magasin B", "Magasin A", "Magasin B")

# Utilisation de tapply pour calculer le total des ventes par magasin
total_ventes <- tapply(ventes, magasins, sum)

# Affichage des résultats
print(total_ventes)

Explication du code

  1. Création des vecteurs : Nous avons créé un vecteur ventes contenant les montants des ventes et un vecteur magasins qui indique à quel magasin chaque vente appartient.
  2. Application de tapply : La fonction tapply est utilisée pour calculer la somme des ventes (sum) pour chaque magasin. Le premier argument est le vecteur des ventes, le deuxième argument est le vecteur des magasins, et le troisième argument est la fonction sum.
  3. Affichage des résultats : Enfin, nous affichons le total des ventes par magasin.

Résultat attendu

Lorsque vous exécutez le code ci-dessus, vous obtiendrez un résultat similaire à ceci :

Magasin A Magasin B 
      600      800

Cela signifie que le total des ventes pour le « Magasin A » est de 600 et pour le « Magasin B » est de 800.

Conclusion

La fonction tapply est un excellent moyen de résumer des données en fonction de catégories. Elle est simple à utiliser et très efficace pour effectuer des calculs sur des sous-ensembles de données. Que ce soit pour des analyses de ventes, des statistiques descriptives ou d’autres types de regroupements, tapply est un outil essentiel dans l’arsenal de tout analyste de données utilisant R.