silico.biotoul.fr
 

M1 Traitement de Donnees Biologiques - TP Intro R

From silico.biotoul.fr

(Difference between revisions)
Jump to: navigation, search
m
m (Fonctions graphiques)
(36 intermediate revisions not shown)
Line 1: Line 1:
 +
= Prise en main de R et RStudio =
 +
Au cours de ce TP, nous allons utiliser le logiciel '''R''' à travers une interface particulière : '''RStudio'''. Cette interface permet d'éditer des scripts en R ainsi qu'en langage Markdown que nous allons utiliser pour la rédaction de rapports scientifiques. L'interface se compose en plusieurs parties (cf. capture d'écran ci-dessous) :
Au cours de ce TP, nous allons utiliser le logiciel '''R''' à travers une interface particulière : '''RStudio'''. Cette interface permet d'éditer des scripts en R ainsi qu'en langage Markdown que nous allons utiliser pour la rédaction de rapports scientifiques. L'interface se compose en plusieurs parties (cf. capture d'écran ci-dessous) :
-
* en haut à gauche : édition de fichiers et scripts, et visualisation des données tabulées
+
* en haut à gauche : édition de fichiers et scripts, et visualisation de certaines données (tableaux)
* en bas à gauche : exécution de code R dans une console
* en bas à gauche : exécution de code R dans une console
-
* en haut à droite : les objets et variables chargés en mémoire
+
* en haut à droite : les objets et variables chargés en mémoire (Environment)
-
* en bas à droite : plusieurs onglets : accès aux fichiers, graphiques, librairies disponibles, aide, et visualiseur de rapports scientifiques
+
* en bas à droite : plusieurs onglets : accès aux fichiers, graphiques (Plots), librairies disponibles (Packages), aide (Help), et visualiseur de rapports scientifiques (Viewer)
-
[[Image:M1.TDB.RStudio-screenshot.jpg]]
+
[[Image:M1.TDB.RStudio-screenshot.jpg|link=]]
-
<span style='color: blue'>Créer un répertoire de travail sur le bureau (par exemple <tt>TDB-TP1_introduction</tt>) et commencez par télécharger le fichier source que vous allez utiliser et compléter pour générer le compte rendu de TP : [[Media:M1.TDB.TP_introduction_R.Rmd|M1.TDB.TP_introduction_R.Rmd]] (click droit de la souris -- enregistrer la cible sous...).</span>
+
<span style='color: #990000'>Créer un répertoire de travail sur le bureau (par exemple <tt>TDB-TP1_introduction</tt>) et commencez par télécharger le fichier source que vous allez utiliser et compléter pour générer le compte rendu de TP : [[Media:M1.TDB.TP_introduction_R.Rmd|M1.TDB.TP_introduction_R.Rmd]] (click droit de la souris -- enregistrer la cible sous...).</span>
-
<span style='color: blue'>Ouvrez le logiciel RStudio et chargez ce fichier puis lancez sa compilation pour voir le rendu comme dans la capture d'écran ci-dessus. Pour cela cliquez sur le bouton '''Knit HTML''' ou bien utilisez la combinaison de touches <tt>Ctrl + shift + K</tt>.</span>
+
<span style='color: #990000'>Ouvrez le logiciel RStudio et chargez ce fichier puis lancez sa compilation pour voir le rendu comme dans la capture d'écran ci-dessus. Pour cela cliquez sur le bouton '''Knit HTML''' ou bien utilisez la combinaison de touches <tt>Ctrl + shift + K</tt>.</span>
Vous verrez que si la compilation est réussie, un fichier <tt>M1.TDB.TP_introcution_R.html</tt> va être généré dans le même répertoire que le fichier <tt>M1.TDB.TP_introduction_R.Rmd</tt> que vous avez téléchargé.
Vous verrez que si la compilation est réussie, un fichier <tt>M1.TDB.TP_introcution_R.html</tt> va être généré dans le même répertoire que le fichier <tt>M1.TDB.TP_introduction_R.Rmd</tt> que vous avez téléchargé.
-
 
= Utilisation et calculs avec du code R =
= Utilisation et calculs avec du code R =
-
```{r}
+
== Utilisation de variables ==
-
# Téléchargements: R, Rstudio (requires R2.11.1)
+
-
# http://www.r-project.org/
+
-
# https://www.rstudio.com/home/
+
-
# Démarrer une session  / charger un script
+
Les variables (ou objets) permettent de stocker des données qui peuvent être :
-
#  Créer un répertoire de travail sur le bureau, dans lequel se trouvent
+
* une valeur simple de type numérique (<tt>numeric</tt>), logique (<tt>logical</tt>), chaîne de caractères (<tt>character</tt>) ou qualitative (<tt>factor</tt>).
-
les fichiers de données et les fichiers que vous allez éventuellement éditer avec R.
+
* une liste (appelée <tt>vector</tt>).
-
#  - Lancer Rstudio --> Session --> set working directory --> aller jusqu'au dossier de travail
+
* un tableau à 2 dimensions, les colonnes pouvant avoir des types différents (<tt>data frame</tt>). Ce sont les plus utilisés en statistiques.
-
#  - ouvrir un script (déjà présent dans le répertoire) ou "new script"
+
* un tableau à 2 dimensions, toutes les cases ayant le même type (<tt>matrix</tt>).
-
#  - attente de commande:  control R pour copier-coller la commande
+
* un tableau à plus de 2 dimension (<tt>array</tt>).
-
#  - # = insérer des commentaires
+
* une combinaison des précédents (<tt>list</tt>).
-
#  - flèches haut et bas = naviguer dans les commandes déjà lancées
+
-
# Obtenir de l'aide sur une fonction
+
Une variable a un nom (défini par l'utilisateur) qui permet d'accéder à son contenu.
-
# onglet HELP 
+
-
# sous R, on tape par exemple ?mean
+
-
# Calculs et Objets de stockage sous R
+
<span style='color: #990000;'>Créer une variable appelée <tt>x</tt> qui stocke le résultat du calcul précédent <tt>1 + 2 + 3</tt>.</span> L'affectation d'une valeur à une variable se fait avec <tt><-</tt> ou le signe <tt>=</tt> comme suit dans la console :
-
# calculer la somme des 3 premiers entiers naturels
+
<source lang='rsplus'>
-
1+2+3
+
x = 1 + 2 + 3
-
# calculer la fonction exponentielle du nombre 10
+
</source>
-
exp(10)
+
-
# créer un objet que vous nommerez "my_object", et qui contient la commande précédente
+
-
my_object = exp(10) 
+
-
# logique: "est-ce que mon objet est égal/différent de 2"?
+
-
my_object == 2
+
-
my_object != 2
+
-
# un objet peut contenir du texte
+
-
my_object="biology"
+
-
my_object
+
-
# Vecteurs: création, exploration et manipulation
+
Vous devriez voir s'afficher <tt>x</tt> dans l'environnement en haut à droite comme sur la capture d'écran précédente.
-
# créez un vecteur "x" contenant les valeurs 2,3,5,8,4,6 rassemblées avec la commande c()  
+
 
-
x = c(2,3,5,8,4,6) ; x
+
Pour afficher le contenu d'une variable, il suffit de taper son nom (dans la console en bas à gauche) :
-
# donnez sa longueur avec la commande length
+
<source lang='rsplus'>
 +
x
 +
</source>
 +
 
 +
<span style='color: #990000;'>Rajoutez ces commandes à votre compte rendu de TP (script en haut à gauche) et assurez-vous que cela fonctionne (en recompilant le fichier).</span>
 +
 
 +
<span style='color: #990000;'>Essayez avec les autres types de variables simples. Par exemple :</span>
 +
<source lang='rsplus'>
 +
texte = "Phrase qu'il faut mettre entre guillemets."
 +
logique = TRUE
 +
faux = FALSE
 +
# ce qui est après un # correspond à du commentaire et n'est pas interprété comme du code
 +
x = x * 2 # on multiplie x de toute à l'heure par 2
 +
y = x**2  # y prend la valeur de x au carré (puissance 2)
 +
</source>
 +
 
 +
Les valeurs logiques peuvent être le résultats de tests :
 +
<source lang='rsplus'>
 +
x < 10  # strictement inférieur à 10 ?
 +
x <= 11 # inférieur ou égal
 +
x == 12 # test d'égalité
 +
x >= 13
 +
x > 0
 +
x != 0 # test si x est différent de 0
 +
! FALSE  # inverse une valeur logique
 +
</source>
 +
 
 +
<span style='color: #990000;'>Ajoutez ces parties à votre compte rendu.</span>
 +
 
 +
== Vecteurs ==
 +
<span style='color: #990000;'>Créez un vecteur <tt>x</tt> contenant les valeurs 2,3,5,8,4,6 rassemblées avec la fonction <tt>c()</tt> :</span>
 +
<source lang='rsplus'>
 +
x = c(2,3,5,8,4,6)
 +
x
 +
</source>
 +
 
 +
<span style='color: #990000;'>Calculez sa longueur avec la fonction <tt>length()</tt> :</span>
 +
<source lang='rsplus'>
length(x)
length(x)
-
# affichez la deuxième valeur de x (utiliser x[])
+
</source>
 +
 
 +
Accès à certains éléments :
 +
<span style='color: #990000;'>Affichez la deuxième valeur de x.</span> Pour cela, on utilise les crochets :
 +
<source lang='rsplus'>
x[2]
x[2]
-
# exploration suivant un critère: oui/non; indices; valeurs
+
</source>
-
x>4;which(x>4);x[x>4]
+
-
# donner l'inverse de x
+
-
1/x
+
-
+
-
# Importation de tableaux de données sous R
+
-
# au préalable, on rentre les données sous excel
+
-
# on enregistre en format "txt, séparateur = tabulation""
+
-
# éviter de mettre des espaces dans les noms de variables, ainsi que des accents
+
-
# sous R:
+
Pour accéder à plusieurs éléments, on utilise un vecteur contenant les positions :
-
# on utilise la fonction "read.table":
+
<source lang='rsplus'>
-
# - on spécifie s'il y a un en-tête (nom des variables en première ligne): "header=T"  (header="en-tête")
+
x[ c(2,4,1) ]
-
# - on spécifie le séparateur (sep=" ": espace, sep=";": point-virgule, sep="\t": tabulation)
+
</source>
-
# - si la décimale est une virgule alors dec=","
+
-
# on ouvre le fichier "croissance_plantes.txt":
+
Si les positions se suivent, on peut utiliser les <tt>:</tt>
-
croissance = read.table("croissance_plantes.txt", sep="\t",header=TRUE)
+
<source lang='rsplus'>
-
# on affiche le tableau
+
2:4
 +
x[2:4]
 +
</source>
 +
 
 +
ou dans l'ordre inverse :
 +
<source lang='rsplus'>
 +
4:2
 +
x[4:2]
 +
</source>
 +
 
 +
On peut aussi accéder à tous les éléments sauf certains :
 +
<source lang='rsplus'>
 +
x[ -2 ] # tous, sauf le 2ème
 +
x[ -2:-3 ] # tous, sauf le 2ème et le 3ème
 +
</source>
 +
 
 +
Exploration suivant un critère: vrai/faux, indices, ou valeurs
 +
<source lang='rsplus'>
 +
x>4
 +
which( x>4 )
 +
x[ x>4 ]
 +
</source>
 +
 
 +
Effectuer une opération sur chaque élément :
 +
<source lang='rsplus'>
 +
x
 +
1 / x
 +
# en arrondissant 2 chiffres après la virgule)
 +
round(1/x, 2)
 +
x + 1
 +
x * 2
 +
</source>
 +
 
 +
<span style='color: #990000;'>Ajoutez ces parties à votre compte rendu.</span>
 +
 
 +
== Fonctions ==
 +
 
 +
R charge certaines librairies au démarrage selon son installation et sa configuration. Les librairies mettent à disposition des fonctions qui peuvent être très simples, jusqu'à très très compliquées.
 +
 
 +
<span style='color: #990000;'>Essayez les suivantes sur votre vecteur <tt>x</tt>. Et notez dans votre compte rendu ce qu'elles permettent de faire.</span>
 +
* <tt>summary(x)</tt>
 +
* <tt>min</tt>
 +
* <tt>max</tt>
 +
* <tt>median</tt>
 +
* <tt>mean</tt>
 +
* <tt>var</tt>
 +
* <tt>sd</tt>
 +
 
 +
Afin de mieux comprendre ce qu'elles font et quels sont les paramètres que l'on peut leur passer, <span style='color: #990000;'>utilisez l'aide :</span>
 +
<source lang='rsplus'>
 +
help(median)
 +
</source>
 +
 
 +
ou plus simplement :
 +
<source lang='rsplus'>
 +
?mean
 +
</source>
 +
 
 +
Quand on ne connaît pas exactement le nom, on peut faire une recherche par mot :
 +
<source lang='rsplus'>
 +
??mean
 +
</source>
 +
 
 +
== Lecture et écriture de fichiers contenant des données ==
 +
 
 +
Les fonctions permettant de lire et d'écrire des données dans des fichiers sont :
 +
* '''read.table'''
 +
* read.csv et read.csv2
 +
* read.delim et read.delim2
 +
* '''write.table'''
 +
* write.csv et write.csv2
 +
* write.delim et write.delim2
 +
 
 +
Ce sont à peu près les mêmes fonctions mais elles prennent des paramètres par défaut légèrement différents. <span style='color: #990000;'>Commencez par consulter leur documentation.</span>
 +
 
 +
<span style='color: #990000;'>Téléchargez et sauvegardez le fichier suivant dans le même répertoire que toute à l'heure.</span> (click droit puis enregistrer la cible sous...) : [[Media:croissance_plantes.txt|croissance_plantes.txt]]
 +
 
 +
Afin de visualiser son contenu, vous pouvez l'ouvrir d'abord avec un éditeur de texte (Textpad, Notepad++ ou geany), ou un tableur LibreOffice Calc (ou Ms Excel).
 +
 
 +
'''Remarque :''' il faut en général éviter de mettre des espaces dans les noms de variables, ainsi que des accents
 +
 
 +
Ensuite, avant de charger les données, il faut '''dire à R de se placer dans votre répertoire de travail'''. Sinon, il ne trouvera pas le fichier et vous aurez une erreur à la suite de la commande <tt>read.table</tt>. Pour cela, <span style='color: #990000;'>cliquez sur le menu <tt>Session</tt> puis <tt>Set Working Directory > To Source File Location</tt>.</span> Il y aussi la possibilité de sélectionner le répertoire avec l'option <tt>Choose Directory...</tt> ou la combinaison de touches <tt>Ctrl + shift + H</tt>.
 +
 
 +
Après cela, <span style='color: #990000;'>essayez la fonction <tt>read.table</tt> sur le fichier <tt>croissance_plantes.txt</tt> que vous avez récupéré.</span> Il vous faudra utiliser les paramètres <tt>sep</tt> et <tt>header</tt> pour désigner le séparateur de colonnes (tabulation notée <tt>\t</tt>) ainsi que le fait que la première ligne correspond aux noms des colonnes (<tt>header=TRUE</tt>):
 +
<source lang='rsplus'>
 +
read.table("croissance_plantes.txt", sep="\t",header=TRUE)
 +
</source>
 +
 
 +
Avec la commande ci-dessus, si le fichier est dans le répertoire de travail, il va être chargé. Comme il n'est pas affecté à une variable, il va être affiché. Pour le garder en mémoire dans une variable, il faut le spécifier :
 +
<source lang='rsplus'>
 +
croissance = read.table("croissance_plantes.txt", sep="\t",header=TRUE)  
 +
</source>
 +
 
 +
Après cela, la variable <tt>croissance</tt> doit apparaître dans l'environnement. Si vous cliquez dessus, son contenu doit être ouvert dans un nouvel onglet. Vous verrez aussi dans la console la commande qui a été exécutée pour l'ouvrir : <tt>View(croissance)</tt>.
 +
 
 +
Ce type de tableau est appelé <tt>data.frame</tt> en R. Chaque colonne a un type. C'est ce qui est le plus utilisé en statistiques avec les individus en lignes et les variables en colonnes. <span style='color: #990000;'>Essayez la fonction <tt>summary</tt> ainsi que la fonction <tt>dim</tt>.</span>
 +
 
 +
Comme pour un vecteur, on peut afficher le contenu entier, ou accéder à certaines lignes et/ou colonnes :
 +
<source lang='rsplus'>
croissance
croissance
-
# pour pouvoir ensuite accéder aux variables simplement en donnant leurs noms
+
croissance[1 ,  ] # ligne 1
-
attach(croissance)
+
croissance[ , 1] # colonne 1
-
# pour afficher les noms des variables
+
croissance[1, 1] # première case
 +
croissance$poids # colonne qui s'appelle poids (la première)
 +
croissance[ , 'poids'] # encore une autre manière d'y accéder
 +
</source>
 +
 
 +
Pour obtenir le nom des colonnes :
 +
<source lang='rsplus'>
names(croissance)
names(croissance)
 +
</source>
 +
Il est aussi possible d'utiliser <tt>colnames</tt> et <tt>rownames</tt>.
-
# Exportation d'objets R
 
-
# nous souhaitons par exemple exporter une partie du tableau précédent
 
-
# ==> les données relatives aux "pyrénées"
 
-
my_data=croissance[origine_geo=="pyr",]
 
-
# on exporte avec la fonction
 
-
write.table(my_data,"my_data_exported.txt",quote=F,col.names= T,row.names = F, sep = "\t")
 
-
# Statistiques basiques sur une variable qualitative
+
Pour y accéder sans avoir à chaque fois à mettre le nom <tt>croissance</tt>, on utilise <tt>attach</tt> :
-
# nombre d'individus par catégorie
+
<source lang='rsplus'>
-
summary(origine_geo)
+
attach(croissance)
 +
poids
 +
</source>
-
# Fonction graphique sur une variable qualitative
+
Pour récupérer une partie des données, on peut faire comme précédemment avec un vecteur. Par exemple pour ne récupérer que les lignes correspondant à des données d'origine des pyrénées :
-
# nombre d'individus par catégorie
+
<source lang='rsplus'>
-
pie(summary(origine_geo),main="origines géographique des plantes")
+
origine_geo == 'pyr'    # test pour obtenir VRAI/FAUX
-
barplot(summary(origine_geo),main="origines géographique des plantes",las=3)
+
which(origine_geo == 'pyr') # test pour obtenir les numéros des lignes
 +
# et ensuite
 +
croissance[ origine_geo == 'pyr' , 1:2 ]
 +
# ou bien
 +
croissance[ which(origine_geo == 'pyr') , 1:2 ]
 +
# pour stocker le résultats dans une autre variable
 +
pyr = croissance[ origine_geo == 'pyr' , 1:2 ]
 +
</source>
-
# Statistiques basiques sur une variable quantitative
+
Ensuite, <span style='color: #990000;'>sauvegardez cette partie des données avec la fonction <tt>write.table</tt> et ouvrez le résultat avec Textpad ou LibreOffice :</span>
-
# moyenne, variance (correction "n-1"), écart-type
+
<source lang='rsplus'>
-
mean(taille); var(taille); sd(taille)
+
write.table(pyr, "croissance_plantes_pyr.txt", quote=F, col.names=T, row.names=F, sep="\t")  
-
# valeur minimale, maximale
+
</source>
-
min(taille); max(taille)
+
Vous remarquez au passage que l'on peut écrire TRUE avec seulement T, (et FALSE avec F).
-
# quantiles
+
-
median(taille); quantile(taille); quantile(taille,c(0.5,0.95,0.99))
+
-
# la commande summary() résume l'objet
+
-
summary(taille)
+
-
# Fonction graphique sur une variable quantitative
+
== Fonctions graphiques ==
-
# distribution de la taille des plantes récoltées, sur des graphiques séparés
+
 
-
# découper une fenêtre graphique (ici: "2 lignes, 2 colonnes") pour positionner plusieurs graphiques
+
Pour commencer, un '''camembert''' avec le nombre d'individus par origine ('''variable qualitative''') :
-
par(mfrow=c(2,2))
+
<source lang='rsplus'>
-
hist(taille,xlim=c(40,90),xlab="taille (cm)",ylab="fréquence",freq=T,main="histogramme de la taille des plantes",col="orange")
+
summary(origine_geo)                                                  # les effectifs
 +
pie( summary(origine_geo) )                                            # le camembert
 +
pie (summary(origine_geo), main="origine géographique des plantes")  # avec un titre
 +
</source>
 +
 
 +
Un '''histogramme''' ('''variable quantitative'''):
 +
<source lang='rsplus'>
 +
hist(taille, xlim=c(40,90), xlab="taille (cm)", ylab="effectif", freq=T, main="histogramme de la taille des plantes", col="orange")
 +
</source>
 +
 
 +
Une '''boite à moustaches''' ('''variable quantitative'''):
 +
<source lang='rsplus'>
 +
boxplot(taille, main="boxplot de la taille des plantes", ylab="taille")
 +
</source>
 +
 
 +
Plusieurs boites à moustaches (une variable quantitative en fonction des modalités d'une variable qualitative):
 +
<source lang='rsplus'>
 +
plot(origine_geo, taille, las=3, main="boxplot de la taille des plantes en fonction de l'origine géographique")
 +
stripchart(taille~origine_geo,las=1)
 +
</source>
 +
 
 +
Un graphique à 2 dimensions ou '''nuage de points''' (''' 2 variables quantitatives mesurées sur les mêmes individus''') :
 +
<source lang='rsplus'>
 +
plot( taille, poids)
 +
</source>
 +
 
 +
Affichage de plusieurs graphiques dans la même fenêtre :
 +
<source lang='rsplus'>
 +
par(mfrow=c(2,2)) # 2 en lignes et 2 en colonnes
 +
hist(taille,xlim=c(40,90),xlab="taille (cm)",ylab="effectif",freq=T,main="histogramme de la taille des plantes",col="orange")
boxplot(taille,main="boxplot de la taille des plantes",ylab="taille")
boxplot(taille,main="boxplot de la taille des plantes",ylab="taille")
plot(taille~origine_geo,las=3)
plot(taille~origine_geo,las=3)
stripchart(taille~origine_geo,las=1)
stripchart(taille~origine_geo,las=1)
 +
</source>
-
# Fonction graphique sur deux variables quantitatives mesurées sur les mêmes individus
+
Ouverture d'une nouvelle fenêtre graphique (à ne pas inclure dans le fichier RMardown car il sert à générer un fichier HTML qui ne peut pas ouvrir de fenêtre graphique) :
-
# nuage de points: taille versus poids
+
<source lang='rsplus'>
-
x11() # nouvelle fenêtre graphique
+
x11()
-
plot(taille,poids,col="red",pch=20)
+
</source>
-
 
+
-
# Sauvegarde et/ou exportation d'un graphique
+
-
# dans l'onglet plot, au choix:
+
-
# - Copy to Clipboard ==> coller dans word/powerpoint.
+
-
# - Save as Image (TIFF,JPEG,...)
+
-
# - Save as PDF
+
-
# exportez le graphique précédent
+
Sauvegarde et/ou exportation des graphiques. Dans l'onglet <tt>Plots</tt>, au choix dans le menu <tt>Export</tt> :
 +
* <tt>Save as Image...</tt> : différents format disponibles (PNG, JPEG, TIFF, SVG, ...)
 +
* <tt>Save as PDF...</tt>
 +
* <tt>Copy to Clipboard...</tt> : copie en mémoire (presse papier). Essayez de le coller par exemple dans MsWord, Powerpoint ou LibreOffice.
 +
<span style='color: #990000;'>Ajoutez tout cela au compte rendu de TP avant de l'envoyer à votre enseignant par mail ([mailto:bonhomme@lrsv.ups-tlse.fr bonhomme@lrsv.ups-tlse.fr] ou [mailto:barriot@biotoul.fr barriot@biotoul.fr]). Le compte rendu est à envoyer '''avant de commencer le TP2'''. Envoyez les 2 fichiers (.Rmd et .html). Envoyez-vous aussi le mail en copie pour pouvoir vérifier que tout est bien passé. Mettez un titre tel que "Compte rendu TP1 TDB de -et votre Nom et Prénom-".</span>
 +
= Liens =
-
```
+
* Site de R : http://www.r-project.org et sites miroirs (dont ceux en France) pour télécharger le logiciel et les librairies : https://cran.r-project.org/mirrors.html
 +
* RStudio : https://www.rstudio.com
 +
* Utilisation de R depuis un navigateur : http://www.r-fiddle.org
 +
Chargement des données avec l'adresse des fichiers
 +
<source lang='rsplus'>
 +
croissance = read.table("http://silico.biotoul.fr/site/images/9/97/Croissance_plantes.txt", sep="\t",header=TRUE)
 +
</source>

Revision as of 08:00, 25 September 2018

Contents

Prise en main de R et RStudio

Au cours de ce TP, nous allons utiliser le logiciel R à travers une interface particulière : RStudio. Cette interface permet d'éditer des scripts en R ainsi qu'en langage Markdown que nous allons utiliser pour la rédaction de rapports scientifiques. L'interface se compose en plusieurs parties (cf. capture d'écran ci-dessous) :

  • en haut à gauche : édition de fichiers et scripts, et visualisation de certaines données (tableaux)
  • en bas à gauche : exécution de code R dans une console
  • en haut à droite : les objets et variables chargés en mémoire (Environment)
  • en bas à droite : plusieurs onglets : accès aux fichiers, graphiques (Plots), librairies disponibles (Packages), aide (Help), et visualiseur de rapports scientifiques (Viewer)


Créer un répertoire de travail sur le bureau (par exemple TDB-TP1_introduction) et commencez par télécharger le fichier source que vous allez utiliser et compléter pour générer le compte rendu de TP : M1.TDB.TP_introduction_R.Rmd (click droit de la souris -- enregistrer la cible sous...).

Ouvrez le logiciel RStudio et chargez ce fichier puis lancez sa compilation pour voir le rendu comme dans la capture d'écran ci-dessus. Pour cela cliquez sur le bouton Knit HTML ou bien utilisez la combinaison de touches Ctrl + shift + K.

Vous verrez que si la compilation est réussie, un fichier M1.TDB.TP_introcution_R.html va être généré dans le même répertoire que le fichier M1.TDB.TP_introduction_R.Rmd que vous avez téléchargé.

Utilisation et calculs avec du code R

Utilisation de variables

Les variables (ou objets) permettent de stocker des données qui peuvent être :

  • une valeur simple de type numérique (numeric), logique (logical), chaîne de caractères (character) ou qualitative (factor).
  • une liste (appelée vector).
  • un tableau à 2 dimensions, les colonnes pouvant avoir des types différents (data frame). Ce sont les plus utilisés en statistiques.
  • un tableau à 2 dimensions, toutes les cases ayant le même type (matrix).
  • un tableau à plus de 2 dimension (array).
  • une combinaison des précédents (list).

Une variable a un nom (défini par l'utilisateur) qui permet d'accéder à son contenu.

Créer une variable appelée x qui stocke le résultat du calcul précédent 1 + 2 + 3. L'affectation d'une valeur à une variable se fait avec <- ou le signe = comme suit dans la console :

x = 1 + 2 + 3

Vous devriez voir s'afficher x dans l'environnement en haut à droite comme sur la capture d'écran précédente.

Pour afficher le contenu d'une variable, il suffit de taper son nom (dans la console en bas à gauche) :

x

Rajoutez ces commandes à votre compte rendu de TP (script en haut à gauche) et assurez-vous que cela fonctionne (en recompilant le fichier).

Essayez avec les autres types de variables simples. Par exemple :

texte = "Phrase qu'il faut mettre entre guillemets."
logique = TRUE
faux = FALSE
# ce qui est après un # correspond à du commentaire et n'est pas interprété comme du code
x = x * 2 # on multiplie x de toute à l'heure par 2
y = x**2  # y prend la valeur de x au carré (puissance 2)

Les valeurs logiques peuvent être le résultats de tests :

x < 10  # strictement inférieur à 10 ?
x <= 11 # inférieur ou égal
x == 12 # test d'égalité
x >= 13
x > 0
x != 0 # test si x est différent de 0
! FALSE  # inverse une valeur logique

Ajoutez ces parties à votre compte rendu.

Vecteurs

Créez un vecteur x contenant les valeurs 2,3,5,8,4,6 rassemblées avec la fonction c() :

x = c(2,3,5,8,4,6)
x

Calculez sa longueur avec la fonction length() :

length(x)

Accès à certains éléments : Affichez la deuxième valeur de x. Pour cela, on utilise les crochets :

x[2]

Pour accéder à plusieurs éléments, on utilise un vecteur contenant les positions :

x[ c(2,4,1) ]

Si les positions se suivent, on peut utiliser les :

2:4
x[2:4]

ou dans l'ordre inverse :

4:2
x[4:2]

On peut aussi accéder à tous les éléments sauf certains :

x[ -2 ] # tous, sauf le 2ème
x[ -2:-3 ] # tous, sauf le 2ème et le 3ème

Exploration suivant un critère: vrai/faux, indices, ou valeurs

x>4
which( x>4 )
x[ x>4 ]

Effectuer une opération sur chaque élément :

x
1 / x
# en arrondissant 2 chiffres après la virgule)
round(1/x, 2)
x + 1
x * 2

Ajoutez ces parties à votre compte rendu.

Fonctions

R charge certaines librairies au démarrage selon son installation et sa configuration. Les librairies mettent à disposition des fonctions qui peuvent être très simples, jusqu'à très très compliquées.

Essayez les suivantes sur votre vecteur x. Et notez dans votre compte rendu ce qu'elles permettent de faire.

  • summary(x)
  • min
  • max
  • median
  • mean
  • var
  • sd

Afin de mieux comprendre ce qu'elles font et quels sont les paramètres que l'on peut leur passer, utilisez l'aide :

help(median)

ou plus simplement :

?mean

Quand on ne connaît pas exactement le nom, on peut faire une recherche par mot :

??mean

Lecture et écriture de fichiers contenant des données

Les fonctions permettant de lire et d'écrire des données dans des fichiers sont :

  • read.table
  • read.csv et read.csv2
  • read.delim et read.delim2
  • write.table
  • write.csv et write.csv2
  • write.delim et write.delim2

Ce sont à peu près les mêmes fonctions mais elles prennent des paramètres par défaut légèrement différents. Commencez par consulter leur documentation.

Téléchargez et sauvegardez le fichier suivant dans le même répertoire que toute à l'heure. (click droit puis enregistrer la cible sous...) : croissance_plantes.txt

Afin de visualiser son contenu, vous pouvez l'ouvrir d'abord avec un éditeur de texte (Textpad, Notepad++ ou geany), ou un tableur LibreOffice Calc (ou Ms Excel).

Remarque : il faut en général éviter de mettre des espaces dans les noms de variables, ainsi que des accents

Ensuite, avant de charger les données, il faut dire à R de se placer dans votre répertoire de travail. Sinon, il ne trouvera pas le fichier et vous aurez une erreur à la suite de la commande read.table. Pour cela, cliquez sur le menu Session puis Set Working Directory > To Source File Location. Il y aussi la possibilité de sélectionner le répertoire avec l'option Choose Directory... ou la combinaison de touches Ctrl + shift + H.

Après cela, essayez la fonction read.table sur le fichier croissance_plantes.txt que vous avez récupéré. Il vous faudra utiliser les paramètres sep et header pour désigner le séparateur de colonnes (tabulation notée \t) ainsi que le fait que la première ligne correspond aux noms des colonnes (header=TRUE):

read.table("croissance_plantes.txt", sep="\t",header=TRUE)

Avec la commande ci-dessus, si le fichier est dans le répertoire de travail, il va être chargé. Comme il n'est pas affecté à une variable, il va être affiché. Pour le garder en mémoire dans une variable, il faut le spécifier :

croissance = read.table("croissance_plantes.txt", sep="\t",header=TRUE)

Après cela, la variable croissance doit apparaître dans l'environnement. Si vous cliquez dessus, son contenu doit être ouvert dans un nouvel onglet. Vous verrez aussi dans la console la commande qui a été exécutée pour l'ouvrir : View(croissance).

Ce type de tableau est appelé data.frame en R. Chaque colonne a un type. C'est ce qui est le plus utilisé en statistiques avec les individus en lignes et les variables en colonnes. Essayez la fonction summary ainsi que la fonction dim.

Comme pour un vecteur, on peut afficher le contenu entier, ou accéder à certaines lignes et/ou colonnes :

croissance
croissance[1 ,  ] # ligne 1
croissance[  , 1] # colonne 1
croissance[1, 1] # première case
croissance$poids # colonne qui s'appelle poids (la première)
croissance[ , 'poids'] # encore une autre manière d'y accéder

Pour obtenir le nom des colonnes :

names(croissance)

Il est aussi possible d'utiliser colnames et rownames.


Pour y accéder sans avoir à chaque fois à mettre le nom croissance, on utilise attach :

attach(croissance)
poids

Pour récupérer une partie des données, on peut faire comme précédemment avec un vecteur. Par exemple pour ne récupérer que les lignes correspondant à des données d'origine des pyrénées :

origine_geo == 'pyr'    # test pour obtenir VRAI/FAUX
which(origine_geo == 'pyr') # test pour obtenir les numéros des lignes
# et ensuite
croissance[ origine_geo == 'pyr' , 1:2 ]
# ou bien
croissance[ which(origine_geo == 'pyr') , 1:2 ]
# pour stocker le résultats dans une autre variable
pyr = croissance[ origine_geo == 'pyr' , 1:2 ]

Ensuite, sauvegardez cette partie des données avec la fonction write.table et ouvrez le résultat avec Textpad ou LibreOffice :

write.table(pyr, "croissance_plantes_pyr.txt", quote=F, col.names=T, row.names=F, sep="\t")

Vous remarquez au passage que l'on peut écrire TRUE avec seulement T, (et FALSE avec F).

Fonctions graphiques

Pour commencer, un camembert avec le nombre d'individus par origine (variable qualitative) :

summary(origine_geo)                                                   # les effectifs
pie( summary(origine_geo) )                                            # le camembert
pie (summary(origine_geo), main="origine géographique des plantes")   # avec un titre

Un histogramme (variable quantitative):

hist(taille, xlim=c(40,90), xlab="taille (cm)", ylab="effectif", freq=T, main="histogramme de la taille des plantes", col="orange")

Une boite à moustaches (variable quantitative):

boxplot(taille, main="boxplot de la taille des plantes", ylab="taille")

Plusieurs boites à moustaches (une variable quantitative en fonction des modalités d'une variable qualitative):

plot(origine_geo, taille, las=3, main="boxplot de la taille des plantes en fonction de l'origine géographique")
stripchart(taille~origine_geo,las=1)

Un graphique à 2 dimensions ou nuage de points ( 2 variables quantitatives mesurées sur les mêmes individus) :

plot( taille, poids)

Affichage de plusieurs graphiques dans la même fenêtre :

par(mfrow=c(2,2))  # 2 en lignes et 2 en colonnes
hist(taille,xlim=c(40,90),xlab="taille (cm)",ylab="effectif",freq=T,main="histogramme de la taille des plantes",col="orange")
boxplot(taille,main="boxplot de la taille des plantes",ylab="taille")
plot(taille~origine_geo,las=3)
stripchart(taille~origine_geo,las=1)

Ouverture d'une nouvelle fenêtre graphique (à ne pas inclure dans le fichier RMardown car il sert à générer un fichier HTML qui ne peut pas ouvrir de fenêtre graphique) :

x11()

Sauvegarde et/ou exportation des graphiques. Dans l'onglet Plots, au choix dans le menu Export :

  • Save as Image... : différents format disponibles (PNG, JPEG, TIFF, SVG, ...)
  • Save as PDF...
  • Copy to Clipboard... : copie en mémoire (presse papier). Essayez de le coller par exemple dans MsWord, Powerpoint ou LibreOffice.

Ajoutez tout cela au compte rendu de TP avant de l'envoyer à votre enseignant par mail (bonhomme@lrsv.ups-tlse.fr ou barriot@biotoul.fr). Le compte rendu est à envoyer avant de commencer le TP2. Envoyez les 2 fichiers (.Rmd et .html). Envoyez-vous aussi le mail en copie pour pouvoir vérifier que tout est bien passé. Mettez un titre tel que "Compte rendu TP1 TDB de -et votre Nom et Prénom-".

Liens

Chargement des données avec l'adresse des fichiers

croissance = read.table("http://silico.biotoul.fr/site/images/9/97/Croissance_plantes.txt", sep="\t",header=TRUE)