21 octobre
Par
Le

Pour proposer un article sur ce site Internet, nous passons par notre compte Github ThinkR-open/abcdR. Vous devrez faire un fork de notre dépôt github, ajouter un article au format markdown dans le dossier _post et proposer une pull request. Les articles au format markdown (.md) devront avoir Le fichier doit avoir l’extension .md (il sera renommé automatiquement au moment du push) L’en-tête YAML suivante: — post_title: Titre de votre article author: votre_nom_d_auteur layout: post published: true categories: – graphique – tidyverse — Le contenu de votre article vient ici. le code R doit etre mis en forme comme cela : (…) le code R doitRead More →

26 juin
Par
Le
Dans graphique
Avec 0 Commentaire

R vous permet de sauvegarder directement vos graphique en pdf. Vous pouvez ainsi choisir les dimensions du fichier et obtenir la qualité voulue. Pour cela il suffit d’utiliser la fonction pdf. Les nombreux arguments de la fonction permettent de choisir de nombreux paramètres: ?pdf.Un exemple: setwd(« D:/R/image ») #on choisit le répertoire#pour l’exemple on trace la croissance radiale d’une plante host<-function(t){5/(1+1000*exp(-1.18*t^0.4))}time<-c(0:200)# on utilise la fonction pdf avant le graphiquepdf(« croissance_plante.pdf », height=10,width=10) #les tailles sont à 7 par défaut#on trace le graphiquepar(mar=c(4, 6, 2, 1),cex.lab=1.3,cex.axis=1.2)plot(host(time)~time,type=’l’,lwd=4.5,col= »grey »,ylab= »Plant radius (cm) »,    xlab= » »,ylim=c(0,5))abline(h=1.1,col=’gray10′,lty=3)abline(v=50,col=’gray10′,lty=3)abline(h=3.15,col=’grey’,lty=3)abline(v=100,col=’grey’,lty=3)arrows(100,1.1,100,3.15,col=’red’,lwd=4,code=3)arrows(50,1.1,100,1.1,col=’black’,lwd=4,code=3) #on ferme le graphiquedev.off()#le pdf se situe dans votre répertoire Notez qu’il est possible de sauver vos graphique sous de nombreuxRead More →

23 décembre
Par
Le
Dans base indispensable, fonctions utiles, manipulation de données, Transformation de données
Avec 1 Commentaire

R n’aime pas les boucles: c’est long, parfois ca plante..mais surtout c’est long :). Une des fonctions qu’il faut absolument maîtriser est apply. Elle permet de réaliser en parallèle la même opération sur toutes les lignes/ toutes les colonnes d’une matrice ou d ‘un jeu de données. Pour utiliser apply, il faut créer une fonction qui prend en paramètre un vecteur et qui nous ressort une transformation de ce vecteur. que ce vecteur soit de la forme qu’une ligne ou qu’une colonne de notre jeu de données (prendre en compte les variables quali, l’ordre des variables..) lancer apply sur son jeu de données, en précisantRead More →

15 décembre
Par
Le
Dans inférence, modélisation
Avec 8 Commentaires

La manière la plus simple d’ajuster une fonction à des données est la méthode « géométrique » des moindres carrés (minimiser la somme des carrés des écarts correspond à maximiser la vraisemblance avec une loi normale). La fonction nls de R permet de réaliser ceci de manière simple. Voyons deux exemples : #exemple modèle de croissance exponentiel #on crée une fonction qui correspond à un modèle de Malthus malthus<-function(t,N0,r){N0*exp(r*t)} t<-seq(0:100) NO<-2 r<-0.05 plot(malthus(t,NO,r)~t,type=’l’,col=’green’,lwd=2) #on crée des données en ajoutant du bruit sim<-malthus(t,NO,r)+rnorm(t,sd=0.3*malthus(t,NO,r)) plot(sim~t,pch=20) #on ajuste la fonction sur les données simulées en utilisant les moindres carrés fitmalthus<-nls(sim~malthus(t,a,b),start=list(a=1,b=0.01)) fitmalthus summary(fitmalthus) #on vérifie plot(sim~t,pch=20) lines(malthus(t,NO,r)~t,type=’l’,col=’green’,lwd=2) lines(malthus(t,coef(fitmalthus)[1],coef(fitmalthus)[2])~t,type=’l’,col=’red’,lwd=2) #exemple 2 avecRead More →

08 décembre
Par
Le
Dans base indispensable, programmer avec R
Avec 1 Commentaire

La fonction paste permet de « coller » des chaînes de caractères, cela peut être utile pour plein de chose : définir le nom d’un fichier de sortie, écrire une formule pour un modele… a<-« coucou »b<-« comment vas-tu? »paste(a,b)# coucou comment vas-tu? paste(a,b,sep= »+ ») #  coucou+comment vas-tu? # le paramètre sep permet de définir le caractère utilisé pour concaténer les chaînes de caractèresRead More →

03 décembre
Par
Le
Dans algorithmique, optimisation, programmer avec R
Avec 3 Commentaires

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 →

02 décembre
Par
Le
Dans manipulation de données
Avec 2 Commentaires

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 →

16 novembre
Par
Le
Dans base indispensable
Avec 0 Commentaire

R est un langage itératif, c’est a dire que le logiciel va interpréter une ligne de code après l’autre.Pour gagner de la place, on peut vouloir écrire une série d’opérations sur une seule ligne. On perd en lisibilité, mais pour les choses simples cela peut être pratique. rm(list=ls(all=TRUE))a<-5b<-7# peut s’écrire sur une ligne grace au séparateur ;rm(list=ls(all=TRUE));a<-5;b<-7 # pour les boucles for while ou les if, on peut compresser comme cela x<-10for ( i in 1:10){print(i)x<-x*iprint(x)print(« coucou »)} # s’écrit en une lignex<-10;for ( i in 1:10){print(i);x<-x*i;print(x);print(« coucou »)}  Read More →

15 novembre
Par
Le
Dans base indispensable
Avec 0 Commentaire

Les packages contiennent un certain nombre de fonctions. Il peut être intéressant de voir comment elles sont codées, pour les comprendre ou les améliorer par exemple. #il suffit de taper son nomlm  # affiche le code source de la fontion lmpage(lm) # affiche une nouvelle fenêtre avec le code source bien mis en forme (avec indentation)dput(lm, control = « useSource ») # permet de voir les commentaires s’il y en a, en pratique page utilise dputpage(lm, control = « useSource ») # cela fonctionne donc aussi.Read More →

15 novembre
Par
Le
Dans algorithmique, base indispensable, programmer avec R
Avec 8 Commentaires

R nous donne la possibilité, très pratique, de créer des fonctions personnalisées.Voici l’architecture globale : nomdemafonction<-function(variable1,variable2…){#ici on met le contenu de la fonction (généralement on effectue des transformations aux variables passées en argument)return(Variabledesortie)# il s’agit du résultat que va renvoyer la fonction}#une fois la fonction créée on peut l’utiliser: nomdemafonction(varA,varB) Contrairement à d’autres languages, il n ‘y a pas de contrôle du type de variable que l’on peut utiliser. Il faudra l’inclure dans la fonction pour, par exemple, vérifier que la variable A est bien un vecteur (et pas un data.frame par exemple) Voici un exemple de fonction, il s’agit d’une fonction simple qui vaRead More →