Structure du texte

DISCUSSION GÉNÉRALE

Il s'agit d'organiser le site en trois grandes entrées thématiques (Manipuler / Analyser / Approfondir) afin de faciliter la recherche d'un chapitre précis.

Les entrées seront organisées en sous-section dans une perspective du type Débutant / Intermédiaire / Avancé.

1. Manipuler
   • Prise en main (tout ce qu'il faut pour installer R, charger des données et les appeler)
   • Manipulations de données (intermédiaire, i.e. tris, sous-populations, fusions, dates...)
   • Manipulations de données (avancé, i.e. aggrégation, restructuration, SQL, scrapping...)
2. Analyser
   • Statistiques introductives (stats et graphs uni- et bivariés)
   • Statistiques intermédiaires (modélisées, e.g. tests, régressions, analyses factorielles, clustering...)
   • Statistiques avancées (hyper-modélisées, e.g. analyse de survie, de séquences...)
3. Approfondir
   • Graphiques (ggplot2 avancé, lattice avancé, graphiques complexes...)
   • Programmation (syntaxe, Git, shiny, scrapping...)
   • Divers (astuces, exemples d'analyses...)

La page d'accueil comportera un onglet *Débuter avec R et RStudio qui proposera un plan de cours pour les personnes découvrant R, à savoir :

1. Manipuler > Prise en main
2. Analyser > Statistiques introductives
3. Manipuler > Manipulations de données
4. Analyser > Statistiques intermédiares

Manipuler

Prise en main

• Présentation et Philosophie
  • Extrait du chapitre actuel Présentation et Installation
• Installation de R et Rstudio
  • Extrait du chapitre actuel Présentation et Installation
• Extensions
  • Extrait du chapitre actuel Présentation et Installation
• Premier contact
• Premier travail avec les données
• Organiser ses fichiers
• Import de données
• Variables
  • Extrait du chapitre actuel Manipulation de données
  • Introduction des facteurs, puis des données labellisées (différences de structures)
• Indexation
  • Extrait du chapitre actuel Manipulation de données
  • Indexation directe, par nom, par condition
  • R Base only
• Recodage
  • Extrait du chapitre actuel Manipulation de données
  • R Base only + interfaces interactives de questionr
• Exporter des graphiques
• Où trouver de l'aide ?

Manipulation de données

Une fois les chapitres introductifs à dplyr et data.table (reprenant ce qui a été vu dans prise en main), les chapitres suivant de cette section présenteront à la fois comment faire avec R Base, dplyr et data.table, successivement, lorsque c'est pertinent.

• Introduction à dplyr
• Introduction à data.table
• Doublons
• Tris
  • Extrait du chapitre actuel Manipulation de données
  • R Base + dplyr + data.table
• Sous-ensembles
  • Extrait du chapitre actuel Manipulation de données
  • R Base + dplyr + data.table
• Fusion de tables
  • Extrait du chapitre actuel Manipulation de données
  • R Base + dplyr + data.table
• Gestion des dates
  • R Base et lubridate
  • les différents formats de dates
  • intervalles, périodes, durées
  • calculs sur les dates
• Aggrégation
  • summarise, by...
  • min, max, mean, first, last...
• Fonctions à fenêtre
  • lead, lag
  • ranking
  • cumulative functions
  • rolling functions (RcppRoll)
• Restructuration de données
  • tidy data
  • reshape2, tidyr
• Manipulation de texte
  • stringin stringr
  • readxml?
• Bases de données SQL
• Collecter des données sur le web
  • scraping HTML/XML avec XPath : rvest (XML en backend)
  • fichiers JSON

Export

• Export de données
• Export de graphiques
• Export de tableaux

Analyser

Statistiques introductives

On utilisera à la fois des données de types micro (e.g. hdv2009) et macro (e.g. rp99), en précisant à chaque fois que c'est nécessaires les différences entre facteurs et données labellisées.

On ne présentera pas ici les avantages d'utiliser dplyr ou data.table. Normalement, toutes les fonctions présentées seront compatibles à la fois avec les data.frame, les tbl_df et les data.table. Si certaines fonctions de R base n'était pas compatible, il faudra faire un encadré.

Ne rien inclure qui suppose une connaissance des distributions théoriques, laisser ça pour les deux premiers chapitres de stats. intermédiaires.

• Statistiques univariées
  • auteur(s) : fb, jl
  • données : questionr::hdv2003 (individus)
  • classe : data.frame
  • contenu : distributions (histogrammes, proportions), one-tailed tests
• Graphiques univariés (avec R base)
  • auteur(s) : fb, jl
  • données : questionr::rp99 (communes)
  • classe : data.frame
  • contenu : distributions (kernel density, ecdf), export via R et via RStudio
• Statistiques bivariées
  • auteur(s) : fb, jl
  • données : questionr::hdv2003
  • classe : data.frame
  • contenu : corrélation, tableaux croisés
• Graphiques bivariés (avec R base + ggplot2) : discussion
  • auteur(s) : fb
  • données : debt (pays-années)
  • classe : data_frame (mais en fait pas nécessaire)
  • contenu : démo de ggplot2 avec geom_point, geom_line, geom_smooth, aes, scale, facet
• Graphiques de données libellées (avec ggplot2)
  • auteur(s) :
  • données :
  • classe :
  • contenu : graphiques de mesures nominales/ordinales
• Données pondérées (avec survey) (discussion)
  • auteur(s) : jl
  • données : questionr::hdv2003
  • classe : survey
  • contenu : attention, ne pas présenter ici les plans d'échantillonnage complexe
• Graphiques d'objets pondérés (avec survey + ggplot2)
  • auteur(s) :
  • données :
  • classe :
  • contenu : geom_pointrange

Statistiques intermédiaires

Utiliser broom et survey partout où c'est possible.

• Comparaison de moyennes
  • auteur(s) :
  • données :
  • classe :
  • contenu : tests paramétriques
• Comparaison de proportions
  • auteur(s) :
  • données :
  • classe :
  • contenu : tests non paramétriques (khi-deux, odds ratios)
• Régression linéaire (avec lm + broom)
  • auteur(s) :
  • données :
  • classe : lm, survey
  • contenu : régressions simples et multiples, lm + broom, diagnostics
• Régression logistique
  • auteur(s) :
  • données :
  • classe : glm, survey
  • contenu : glm + broom, puis svyglm
• Analyse en composante prinicipale (ACP)
  • auteur(s) :
  • données :
  • classe : ade4 et FactoMineR
  • contenu : analyse de correspondances, composantes principales
• Analyse des correspondances multiples (ACM)
  • auteur(s) :
  • données :
  • classe : ade4 et FactoMineR
  • contenu : variables supplémentaires
• Classification ascendante hiérarchique (CAH)
  • auteur(s) : jl
  • données : hdv2003
  • classe : hclust, agnes, cluster, ade4 et FactoMineR
  • contenu : variables supplémentaires

Statistiques avancées [analyser_avance_]

• Modèles linéaires à effets mixtes
  • lmer
• Modèles GEE
  • discussion
• Analyse de survie
  • survival
  • kaplan meier, cox
• Analyse de séquences
  • TraMineR
• Séries temporelles
  • discussion
• Analyse de réseaux
  • discussion
  • à découper en plusieurs chapitres ? création d'un objets réseau / visualiation / mesures, indicateurs / modélisation
• Analyse spatiale
  • contenu encore un peu flou
  • autocorréalation spatiale
  • interpolation spatiale par exemple

Approfondir

Graphiques

• ggplot2 et la grammaire des graphiques
  • discussion
  • présentation des différents éléments d'un graphique
  • les esthétiques
  • les géométries
  • les coordonnées
  • les échelles
  • les facettes
  • la légende
• Étendre ggplot2
  • ggfortigy
  • ggally
  • ggdendro
  • ggtern
• lattice : graphiques et formules
• Diagrammes
  • discussion
  • diagramme, graphviz, diagrammeR
• Représenter des flux
  • discussion
  • diagrammes de Sankey riverplot, rchart, d3js
  • visualisation circulaire avec circlize et arcdiagram
• Réseaux dynamiques
  • avec Gephi + Sigma.js
  • avec R + .gif (animation)
  • avec d3 ou ndtv
  • voir comment articuler avec les chapitres d'analyse (qui peuvent contenir les graphs non dynamiques)
• ggvis et les graphiques interactifs
• htmlwidjets et la puissance de javascript
• Cartes
  • discussion
  • à découper en plusieurs chapitres
  • à articuler avec analyse spatiale

Programmation

• Formules (la notation "équation")
• Structures conditionnelles
  • conditions : if/else
  • boucles : for/while
• Expressions régulières
  • grepl, gsub, str_count, str_match, str_extract, str_extract_al
• Écrire ses propres fonctions
  • messages : print, cat
  • contrôle : stopifnot, message/warning/error
• Shiny et les interfaces interactives
  • ex. l'appli "Prénoms" de Baptiste Coulmont ?
• RStudio et Git
  • GitHub et GitLab (le second offrant gratuitement des rep privés)
• Développer un package
  • présentation de base avec roxygen et dvpt sous RStudio
  • renvoyer vers d'autres ressources pour aller plus loin

Divers

Cela peut être des astuces ou des exemples de code.

• Calculer un âge sous R