Avant de réaliser des visualisations graphiques avancées ou d'entraîner des modèles statistiques complexes, il est indispensable de maîtriser les structures de données fondamentales propres à l'écosystème R.

Contrairement à d'autres langages où les structures tabulaires sont fournies par des bibliothèques externes (comme Pandas en Python), le langage R intègre nativement une hiérarchie riche d'objets conçus spécifiquement pour le calcul statistique.

---

Objectifs pédagogiques de ce module

Dans cette première partie, vous apprendrez à :

• Gérer votre espace de travail : Manipuler les chemins d'accès absolus et relatifs avec getwd() et setwd().
• Comprendre les types d'objets élémentaires : Numériques, entiers, booléens, caractères et valeurs manquantes (NA).
• Manipuler la structure reine de R : Le vecteur : Création avec c(), séquences, répétitions, indexation et vectorisation arithmétique.
• Structurer des catégories avec les facteurs : Variables nominales et ordinales pour l'analyse statistique.
• Organiser les dimensions supérieures : Matrices mathématiques à 2 dimensions et listes hétérogènes.
• Travailler sur des tables avec les Dataframes : Création, inspection, sélection de colonnes et filtrage de lignes.
• Échanger des données avec l'extérieur : Importation et exportation de fichiers plats (CSV, TXT) et Excel.

                     Les Structures de Données en R
  ┌───────────────────────┬───────────────────────┬───────────────────────┐
  │ Nombre de Dimensions  │ Même Type (Homogène)  │ Types Multiples       │
  ├───────────────────────┼───────────────────────┼───────────────────────┤
  │ 1 Dimension (1D)      │ Vecteur Atomique      │ Liste                 │
  │ 2 Dimensions (2D)     │ Matrice               │ Dataframe             │
  │ n Dimensions (nD)     │ Array (Tableau)       │ Liste de listes       │
  └───────────────────────┴───────────────────────┴───────────────────────┘

---

Sommaire des leçons

1. Les chemins d'accès : Maîtriser le répertoire courant et l'organisation des projets R.
2. Les objets et variables : Affectation (<-), types primitifs et gestion de l'environnement de travail.
3. Les vecteurs : Construction, slicing, vectorisation et fonctions mathématiques.
4. Les facteurs : Variables qualitatives, modalités (levels) et ordres.
5. Les listes : Collections polyvalentes d'objets hétérogènes.
6. Les matrices : Tableaux à deux dimensions, calcul matriciel et indexation.
7. Les dataframes : La structure centrale pour les jeux de données tabulaires.
8. Importer des données : Lire des fichiers CSV, TXT et classeurs Excel.
9. Exporter des données : Sauvegarder vos résultats d'analyse sur disque.

---

Commençons sans plus tarder par la gestion du répertoire de travail et des chemins d'accès.

Partagez sur les réseaux sociaux

Commentaires