{"id":5366,"date":"2025-01-21T11:20:54","date_gmt":"2025-01-21T10:20:54","guid":{"rendered":"https:\/\/thinkr.fr\/abcdr\/utiliser_tidyrpivot_wider_pour_transformer_des_donnees\/"},"modified":"2025-01-21T11:20:54","modified_gmt":"2025-01-21T10:20:54","slug":"utiliser_tidyrpivot_wider_pour_transformer_des_donnees","status":"publish","type":"post","link":"https:\/\/thinkr.fr\/abcdr\/utiliser_tidyrpivot_wider_pour_transformer_des_donnees\/","title":{"rendered":"Utiliser tidyr::pivot_wider pour transformer des donn\u00e9es"},"content":{"rendered":"<h1>Utiliser <code>tidyr::pivot_wider<\/code> pour transformer des donn\u00e9es<\/h1>\n<p>Dans le traitement des donn\u00e9es, il est souvent n\u00e9cessaire de transformer la structure des donn\u00e9es pour faciliter l&rsquo;analyse. L&rsquo;une des fonctions les plus utiles pour cela dans le package <code>tidyr<\/code> est <code>pivot_wider()<\/code>. Cette fonction permet de convertir des donn\u00e9es de format long en format large, ce qui peut \u00eatre particuli\u00e8rement utile pour des analyses ou des visualisations.<\/p>\n<h2>Qu&rsquo;est-ce que le format long et le format large ?<\/h2>\n<ul>\n<li>\n<strong>Format long<\/strong> : Chaque ligne repr\u00e9sente une observation unique, avec des colonnes pour les variables et une colonne pour les valeurs. Par exemple, si nous avons des donn\u00e9es sur les ventes de diff\u00e9rents produits par mois, chaque ligne pourrait repr\u00e9senter une vente pour un produit donn\u00e9 \u00e0 un moment donn\u00e9.\n<\/li>\n<li>\n<strong>Format large<\/strong> : Chaque ligne repr\u00e9sente une entit\u00e9 unique, avec des colonnes pour chaque variable d&rsquo;int\u00e9r\u00eat. Dans notre exemple de ventes, chaque produit aurait une colonne pour chaque mois, avec les ventes correspondantes.\n<\/li>\n<\/ul>\n<h2>Exemple concret<\/h2>\n<p>Imaginons que nous avons un jeu de donn\u00e9es sur les ventes de deux produits (A et B) sur trois mois (janvier, f\u00e9vrier, mars). Voici comment nos donn\u00e9es pourraient \u00eatre structur\u00e9es en format long :<\/p>\n<pre><code class=\"language-r\">library(tidyr)\nlibrary(dplyr)\n\n# Cr\u00e9ation d'un jeu de donn\u00e9es exemple\nventes_long &lt;- data.frame(\n  produit = c(\"A\", \"A\", \"A\", \"B\", \"B\", \"B\"),\n  mois = c(\"janvier\", \"f\u00e9vrier\", \"mars\", \"janvier\", \"f\u00e9vrier\", \"mars\"),\n  ventes = c(100, 150, 200, 80, 120, 160)\n)\n\nprint(ventes_long)<\/code><\/pre>\n<p>Ce jeu de donn\u00e9es ressemble \u00e0 ceci :<\/p>\n<pre><code>  produit     mois ventes\n1       A janvier    100\n2       A f\u00e9vrier    150\n3       A    mars    200\n4       B janvier     80\n5       B f\u00e9vrier    120\n6       B    mars    160<\/code><\/pre>\n<p>Nous souhaitons transformer ce jeu de donn\u00e9es en format large, o\u00f9 chaque produit a une colonne pour chaque mois.<\/p>\n<h2>Utilisation de <code>pivot_wider()<\/code><\/h2>\n<p>Pour effectuer cette transformation, nous allons utiliser la fonction <code>pivot_wider()<\/code> :<\/p>\n<pre><code class=\"language-r\">ventes_large &lt;- ventes_long %&gt;%\n  pivot_wider(names_from = mois, values_from = ventes)\n\nprint(ventes_large)<\/code><\/pre>\n<h3>Explication du code<\/h3>\n<ul>\n<li><code>names_from = mois<\/code> : Cette option indique que les noms des nouvelles colonnes (celles correspondant aux mois) doivent \u00eatre pris de la colonne <code>mois<\/code>.<\/li>\n<li><code>values_from = ventes<\/code> : Cette option indique que les valeurs \u00e0 remplir dans les nouvelles colonnes proviennent de la colonne <code>ventes<\/code>.<\/li>\n<\/ul>\n<p>Apr\u00e8s avoir ex\u00e9cut\u00e9 ce code, notre jeu de donn\u00e9es en format large ressemblera \u00e0 ceci :<\/p>\n<pre><code># A tibble: 2 x 4\n  produit janvier f\u00e9vrier  mars\n  &lt;chr&gt;     &lt;dbl&gt;   &lt;dbl&gt; &lt;dbl&gt;\n1 A         100     150   200\n2 B          80     120   160<\/code><\/pre>\n<h2>Conclusion<\/h2>\n<p>La fonction <code>pivot_wider()<\/code> de <code>tidyr<\/code> est un outil puissant pour transformer des donn\u00e9es de format long en format large. Cela facilite l&rsquo;analyse et la visualisation des donn\u00e9es. Dans cet article, nous avons vu un exemple concret de transformation de donn\u00e9es de ventes, mais cette m\u00e9thode peut \u00eatre appliqu\u00e9e \u00e0 une vari\u00e9t\u00e9 de jeux de donn\u00e9es dans diff\u00e9rents contextes. N&rsquo;h\u00e9sitez pas \u00e0 explorer cette fonction pour vos propres analyses !<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Utiliser tidyr::pivot_wider pour transformer des donn\u00e9es Dans le traitement des donn\u00e9es, il est souvent n\u00e9cessaire de transformer la structure des donn\u00e9es pour faciliter l&rsquo;analyse. L&rsquo;une des fonctions les plus utiles pour cela dans le package tidyr est pivot_wider(). Cette fonction permet de convertir des donn\u00e9es de format long en format large, ce qui peut \u00eatre particuli\u00e8rement utile pour des analyses ou des visualisations. Qu&rsquo;est-ce que le format long et le format large ? Format long : Chaque ligne repr\u00e9sente une observation unique, avec des colonnes pour les variables et une colonne pour les valeurs. Par exemple, si nous avons des donn\u00e9es sur les ventes de<a class=\"more-link\" href=\"https:\/\/thinkr.fr\/abcdr\/utiliser_tidyrpivot_wider_pour_transformer_des_donnees\/\">Read More &rarr;<\/a><\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"content-type":"","rop_custom_images_group":[],"rop_custom_messages_group":[],"rop_publish_now":"initial","rop_publish_now_accounts":{"twitter_399453572_399453572":""},"rop_publish_now_history":[],"rop_publish_now_status":"pending","jetpack_post_was_ever_published":false,"_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[238],"tags":[239,240],"class_list":{"0":"entry","1":"post","2":"publish","3":"author-vincent","4":"post-5366","6":"format-standard","7":"category-transformation","8":"post_tag-pivot_wider","9":"post_tag-transformation"},"acf":[],"jetpack_featured_media_url":"","jetpack_shortlink":"https:\/\/wp.me\/p9O7Sx-1oy","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/thinkr.fr\/abcdr\/wp-json\/wp\/v2\/posts\/5366","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/thinkr.fr\/abcdr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/thinkr.fr\/abcdr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/thinkr.fr\/abcdr\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/thinkr.fr\/abcdr\/wp-json\/wp\/v2\/comments?post=5366"}],"version-history":[{"count":0,"href":"https:\/\/thinkr.fr\/abcdr\/wp-json\/wp\/v2\/posts\/5366\/revisions"}],"wp:attachment":[{"href":"https:\/\/thinkr.fr\/abcdr\/wp-json\/wp\/v2\/media?parent=5366"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/thinkr.fr\/abcdr\/wp-json\/wp\/v2\/categories?post=5366"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/thinkr.fr\/abcdr\/wp-json\/wp\/v2\/tags?post=5366"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}