R va accumuler en mémoire un certain nombre d’objets (listes, vecteurs, fonctions…) Si vous voulez tous les effacer pour repartir d’une mémoire vierge (au lancement d’un script par exemple), vous pouvez utiliser cette commande : rm(list=ls()) En pratique, la fonction rm vous permet d’effacer l’objet de votre choix a<-5a#[1] 5rm(a)a#Error: object ‘a’ not foundRead More →
R va accumuler en mémoire un certain nombre d’objets (listes, vecteurs, fonctions…) Si vous voulez tous les effacer pour repartir d’une mémoire vierge (au lancement d’un script par exemple), vous pouvez utiliser cette commande : rm(list=ls()) En pratique, la fonction rm vous permet d’effacer l’objet de votre choix a<-5a#[1] 5rm(a)a#Error: object ‘a’ not foundRead More →
Si vous avez un vecteur de données quantitatives et que vous souhaitez le découper en classe de type "petit", "moyen" ou "grand", vous pouvez utiliser la fonction cut vec<-1:10out<-cut(vec,breaks=c(0,3,6,10))levels(out)<-c("petit","moyen","grand")outRead More →
Si vous avez un vecteur de données quantitatives et que vous souhaitez le découper en classe de type « petit », « moyen » ou « grand », vous pouvez utiliser la fonction cut vec<-1:10out<-cut(vec,breaks=c(0,3,6,10))levels(out)<-c(« petit », »moyen », »grand »)outRead More →
Lorsque l’on réalise des scripts qui vont tourner un certain temps avant d’aboutir au résultat final, il est essentiel d’en optimiser le fonctionnement pour gagner du temps. Il nous faut pour cela un bon indicateur : comment savoir le temps que dure une fonction ou un script ? Vous pouvez utiliser la fonction system.time system.time(for ( i in 1:10000){print(i)})system.time(for ( i in 1:10000){cat(i)})Read More →
Lorsque l’on réalise des scripts qui vont tourner un certain temps avant d’aboutir au résultat final, il est essentiel d’en optimiser le fonctionnement pour gagner du temps. Il nous faut pour cela un bon indicateur : comment savoir le temps que dure une fonction ou un script ? Vous pouvez utiliser la fonction system.time system.time(for ( i in 1:10000){print(i)})system.time(for ( i in 1:10000){cat(i)})Read More →
L’objectif est de calculer une moyenne sur des réplicats techniques/biologiques.Tous les réplicats d’une condition doivent avoir le même nom. Tout d’abord on crée une matrice d’accueil pour les résultats.Nombre de niveaux : le tableau initial contient y réplicats pour z conditions, donc y * z lignes.La matrice d’accueil n’aura donc plus que z lignes. Prenons l’exemple du jeu de données "iris".Calculons les moyennes par variété pour chaque variable. data(iris)niveaux<-length(levels(iris$Species))iris.moyenne<-matrix(nrow=niveaux, ncol=(ncol(iris)-1))#ensuite on calcule la moyenne pour chaque condition, par variablefor (i in 1:(ncol(iris)-1)){iris.moyenne[,i]<-tapply(iris[,i], iris$Species, mean)}#il n’y a plus qu’à améliorer l’allure des résultatscolnames(iris.moyenne)<-colnames(iris[, 1:4])rownames(iris.moyenne)<-levels(iris$Species)iris.moyenne On peut également créer une matrice pour des écarts-types par exemple, en remplaçantRead More →
L’objectif est de calculer une moyenne sur des réplicats techniques/biologiques.Tous les réplicats d’une condition doivent avoir le même nom. Tout d’abord on crée une matrice d’accueil pour les résultats.Nombre de niveaux : le tableau initial contient y réplicats pour z conditions, donc y * z lignes.La matrice d’accueil n’aura donc plus que z lignes. Prenons l’exemple du jeu de données « iris ».Calculons les moyennes par variété pour chaque variable. data(iris)niveaux<-length(levels(iris$Species))iris.moyenne<-matrix(nrow=niveaux, ncol=(ncol(iris)-1))#ensuite on calcule la moyenne pour chaque condition, par variablefor (i in 1:(ncol(iris)-1)){iris.moyenne[,i]<-tapply(iris[,i], iris$Species, mean)}#il n’y a plus qu’à améliorer l’allure des résultatscolnames(iris.moyenne)<-colnames(iris[, 1:4])rownames(iris.moyenne)<-levels(iris$Species)iris.moyenne On peut également créer une matrice pour des écarts-types par exemple, en remplaçantRead More →
Il peut être utile de ne sélectionner que quelques individus dans un jeu de données. La fonction subset permet de faire de l’extraction de données de manière très propre ! data(iris)subset(iris,Petal.Length<1.5)# on ne sélectionne que les individus avec Petal.Length<1.5 Read More →
Il peut être utile de ne sélectionner que quelques individus dans un jeu de données. La fonction subset permet de faire de l’extraction de données de manière très propre ! data(iris)subset(iris,Petal.Length<1.5)# on ne sélectionne que les individus avec Petal.Length<1.5 Read More →