analyse-R/recodage

[utterances-bot]

Recodage de variables

https://larmarange.github.io/analyse-R/recodage.html

[alain-arbour064]

Bonjour,
Je travaille sur un tableau de données de la Banque Mondiale qui contient les données sur le PIB par habitant pour l'ensemble des pays. Le tableau est en csv. En important le tableau, R reconnait les différentes variables comme des facteurs. La majorité des variables sont des chiffres représentant le PIB par habitant en US$ courant. Pour travailler sur le tableau, j'aimerais convertir les variables pour chacune des années en "numeric" afin de calculer la moyenne et autres fonctions similaires. Je peux modifier une variable à la fois en utilisant
<- as.numeric(as.character(nom_data.frame$nom_de_la_variable))
Comment faire pour changer plusieurs variables à la fois avec la même fonction. J'ai fait plusieurs essais, notamment avec "lapply", mais cela ne semble pas fonctionner. Il me manque peut-être un détail.
Merci.

[alain-arbour064]

Bonjour,
Pour information, je visionne vos webinaires sur Youtube, en différé depuis Montréal au Québec. Je suis rendu au 5e webinaire. Très bien faits et éclairant.

Merci.

[larmarange]

Avez vous regarder du côté de across de dplyr : https://dplyr.tidyverse.org/reference/across.html

Cela permet d'appliquer une fonction à plusieurs colonnes au sein d'un mutate. Pour sélectionner toutes les facteurs, vous pouvez utiliser un where

N hésitez pas à bien lire les exemples de la documentation

[larmarange]

df %>% mutate(across(where(is.factor), ~ as.numeric(as.character(.x)) ))

[Lotfilux]

Bonjour,
Ma question concerne le recodage des variables dans un jeu de données avec quelques questions qu'on appelle "tiroirs", donc les personnes ne répondent pas à la question suivante si elles répondent "non" à celles qui la précède. Donc dans mon dataset, ces "fausses données manquantes" apparaissent quand même comme vides et donc comme "NA", ce qui est vraiment embêtant!! c'est la première fois que je me confronte à ce genre de situation dans le sens ou le dataset n'est pas bien nettoyé (et donc il contient des NA et des cases vides "fausses NA" puisque les individus n'ont même pas répondu à la question!!!! je me demande le recodage dans ces cas là??? Merci d'avance pour votre aide précieuse.

[larmarange]

Si ces personnes sont NA à cause d'un filtre précédent et que vous souhaitez les garder dans l'analyse, il faut créer une modalité en propre spécfique (par exemple non concerné).

SI question parente == filtre ALORS question enfant <- nouvelle modalité non concernée

[Lotfilux]

Bonjour Joseph,
effectivement ça a marché mais qu'avec les variables factor que j'ai du transformer en character pour pouvoir créer une modalité "Non concerné", et de la remettre après en factor, et ca a bien fonctionné, le problème maintenant et avec les variables numériques, cela ne fonctionne pas , je vous mets le bout du code si cela pourrait aider !

testis_rec$age_start_smoking[testis_rec$smoking_yes_no=="3. Non je n’ai jamais fumé"]<- "NC"
summary(testis_rec$age_start_smoking)# en fait il transformé ma variable numérique en character
Length Class Mode
1124 character character
testis_rec$age_start_smoking<- as.numeric(testis_rec$age_start_smoking)# là j'essaie de la remettre en numeric mais j'ai le message suivant:
Warning message:
NAs introduits lors de la conversion automatique

Merci beaucoup pour votre aide

[GuillaumePORTA]

Bonsoir,

Je vous remercie pour toute cette documentation sur R.

Dans un tbl_summary exprimant x variables en fonction d'une variable binaire Y,
je cherche à présenter une variable catégorielle Z de 3 catégories (z1, z2, z3) sur une seule ligne (single row)

La solution pourrait-elle être :

tableau=tbl_summary(
data.frame,
by=variableY,
include=(variableX, variableZ),
type=variableZ~"dichotomous",
value=variableZ~"z1",
label=variableZ~"z1/z2/z3",
statistic=variableZ~"{n_z1}/{n_Z2}/{n_z3}",
)

Est ce qu'un tel code est possible... ?
Cela n'a pas l'air le cas d'après la documentation gtsummary : "Note that for categorical variables, {N_obs}, {N_miss} and {N_nonmiss} refer to the total number, number missing and number non missing observations in the denominator, not at each level of the categorical variable"

Auriez vous une autre solution ?

J'espère avoir été suffisamment clair...

Cordialement,

Guillaume Porta Bonete

[larmarange]

Il faut jongler un petit peu. Une variable numérique est rendue sur une seule ligne. Et il est possible de définir ses propres fonctions qui calculent une statisique donnée.

On peut donc convertir le facteur en variable numérique, et calculer le nombre de 1, le nombre de 2 et le nombre de 3.

library(gtsummary)

n1 <- function(x){sum(x == 1, na.rm = TRUE)}
n2 <- function(x){sum(x == 2, na.rm = TRUE)}
n3 <- function(x){sum(x == 3, na.rm = TRUE)}

iris %>%
  mutate(SpeciesI = as.integer(Species)) %>%
  tbl_summary(
    include = c(Sepal.Length, SpeciesI),
    type = SpeciesI ~ "continuous",
    statistic = SpeciesI ~ "{n1} / {n2} / {n3}",
    label = SpeciesI ~ "N Setosa / Versicolor / Virginica"
  ) %>%
  as_kable()

Characteristic	N = 150
Sepal.Length	5.80 (5.10, 6.40)
N Setosa / Versicolor / Virginica	50 / 50 / 50

^{Created on 2022-01-26 by the reprex package (v2.0.1)}

[larmarange]

Le même exemple avec un by :

library(gtsummary)

n1 <- function(x){sum(x == 1, na.rm = TRUE)}
n2 <- function(x){sum(x == 2, na.rm = TRUE)}
n3 <- function(x){sum(x == 3, na.rm = TRUE)}

iris$by <- sample(c("a", "b"), size = 150, replace = TRUE)

iris %>%
  mutate(SpeciesI = as.integer(Species)) %>%
  tbl_summary(
    include = c(Sepal.Length, SpeciesI),
    by = by,
    type = SpeciesI ~ "continuous",
    statistic = SpeciesI ~ "{n1} / {n2} / {n3}",
    label = SpeciesI ~ "N Setosa / Versicolor / Virginica"
  ) %>%
  add_overall(last = TRUE) %>%
  as_kable()

Characteristic	a, N = 76	b, N = 74	Overall, N = 150
Sepal.Length	5.80 (5.20, 6.50)	5.80 (5.03, 6.38)	5.80 (5.10, 6.40)
N Setosa / Versicolor / Virginica	26 / 27 / 23	24 / 23 / 27	50 / 50 / 50

^{Created on 2022-01-26 by the reprex package (v2.0.1)}

[GuillaumePORTA]

Je vous remercie, cela fonctionne à merveille.

[KeamouT]

j'ai une préocupation

soit une base avec age en mois et age en année

data<- data.frame(age_mois= c(9, NA, 5, 3, NA, NA, NA, NA),
age_annee= c(NA, 5, NA, NA, 3, 2, 6, 9))

comment peut on remplacer dans age en age les valeur manquante en convertisant age en mois par année

[larmarange]

Si vous regardez vos données, vous verrez que l'âge est donné en mois quand il est inférieur à 1 an. Dans tous les cas, si vous divisez le nombre de mois par 12 et ne gardez que la partie entière, vous avez un âge en année.

d <- data.frame(
  age_mois= c(9, NA, 5, 3, NA, NA, NA, NA),
  age_annee= c(NA, 5, NA, NA, 3, 2, 6, 9)
)

d
#>   age_mois age_annee
#> 1        9        NA
#> 2       NA         5
#> 3        5        NA
#> 4        3        NA
#> 5       NA         3
#> 6       NA         2
#> 7       NA         6
#> 8       NA         9

d$age_annee <- 
  d$age_annee |> 
  labelled::recode_if(
    is.na(d$age_annee),
    trunc(d$age_mois / 12)
  )

d
#>   age_mois age_annee
#> 1        9         0
#> 2       NA         5
#> 3        5         0
#> 4        3         0
#> 5       NA         3
#> 6       NA         2
#> 7       NA         6
#> 8       NA         9

^{Created on 2024-05-21 with reprex v2.1.0}