Pour sélectionner une série de lignes d’un tableau par leur index, faites appel à la fonction slice() du package dplyr ! Comme tous ses cousins du tidyverse, slice() prend en premier argument le nom du tableau à transformer. Ensuite, vous pouvez sélectionner vos lignes par leur index, avec un vecteur numérique. library(dplyr) data(« presidential ») slice(presidential, 1:25)Read More →
Vous souhaitez ne garder que les mois, ou uniquement les années sur votre ggplot ? Vous avez envie de changer le format des étiquettes de l’axe ? Pour cela, direction la fonction scale_x_date(), qui vous permettra de personnaliser votre axe comme vous le souhaitez !Read More →
Vous souhaitez ne garder que les mois, ou uniquement les années sur votre ggplot ? Vous avez envie de changer le format des étiquettes de l’axe ? Pour cela, direction la fonction scale_x_date(), qui vous permettra de personnaliser votre axe comme vous le souhaitez ! Dans la majorité des cas, vous serez amené à utiliser deux arguments principaux sur scale_x_date (mais il faut savoir qu’il en existe au total 9) : date_breaks, pour la durée entre chaque point principal de l’axe date_label, pour définir le formatage de l’affichage de la légende library(tidyverse) library(ggplot2) library(nycflights13) data % unite(date, year, month, day, sep = « -« ) %>% mutate(date = lubridate::ymd(date))Read More →
Vous n’avez plus envie de voir vos légendes sur la droite ? Vous mourrez d’envie de pouvoir personnaliser encore plus votre graphique ? Faites appel à la fonction theme(), et à son argument legend.position — ce dernier vous permet de placer la légende sur le bord que vous désirez. library(ggplot2) data(« iris ») ggplot(iris, aes(x= Sepal.Length, y = Sepal.Width, col = Species)) + geom_point() + theme(legend.position = « bottom ») Les cinq arguments possibles sont les quatre bords, ainsi que la position none, pour faire disparaitre la légende. theme(legend.position = « left ») theme(legend.position = « right ») theme(legend.position = « bottom ») theme(legend.position = « top ») theme(legend.position = « none »)Read More →
Vous n’avez plus envie de voir vos légendes sur la droite ? Vous mourrez d’envie de pouvoir personnaliser encore plus votre graphique ? Faites appel à la fonction theme(), et à son argument legend.position — ce dernier vous permet de placer la légende sur le bord que vous désirez. library(ggplot2) data(« iris ») ggplot(iris, aes(x= Sepal.Length, y = Sepal.Width, col = Species)) + geom_point() + theme(legend.position = « bottom ») Les cinq arguments possibles sont les quatre bords, ainsi que la position none, pour faire disparaitre la légende. theme(legend.position = « left ») theme(legend.position = « right ») theme(legend.position = « bottom ») theme(legend.position = « top ») theme(legend.position = « none »)Read More →
Si vous souhaitez unifier plusieurs colonnes en une seule, faites appel à la fonction unite(), issue du package tidyr.Read More →
Si vous souhaitez unifier plusieurs colonnes en une seule, faites appel à la fonction unite(), issue du package tidyr. Cette fonction prends en premier argument le nom de l’objet contenant le tableau, la colonne cible, les colonnes à lier, puis un éventuel séparateur. Notez que le séparateur de base est « _ ». data(« msleep ») library(tidyr) unite(msleep, genusvore, genus, vore, sep = « -« )Read More →
Votre colonne contient deux variables (ou plus), et vous avez besoin de la séparer ? Pour transformer xx_yy en deux colonnes qui contiendront xx et yy, faites appel à la fonction separate() du package tidyr !Read More →
Votre colonne contient deux variables (ou plus), et vous avez besoin de la séparer ? Pour transformer xx_yy en deux colonnes qui contiendront xx et yy, faites appel à la fonction separate() du package tidyr ! separate prend quatre arguments principaux : le tableau, le nom de la colonne à séparer, les noms des colonnes cibles, et le séparateur. library(tidyr) data(« presidential ») separate(presidential, start, c(« y », »m », « d »), sep = « -« )Read More →
Commençons par un point important : un tibble est un data.frame… mais un data.frame amélioré !Read More →