1. Grâce à ce formulaire vous pouvez proposer une astuce ou un script sur R.
  2. Votre script doit pouvoir être lancé en l'état. Veuillez penser à :
    • inclure le chargement des "library" nécessaires
    • construire un petit jeu de données si besoin est.
    • commenter les lignes de codes pour en faciliter la compréhension.
  3. Le titre de votre script ou astuce doit être clair et explicite.
  4. Pensez à mettre votre code entre les balises [R] et [/R]; Pour cela, vous pouvez utiliser le bouton

Vous pouvez utiliser vos comptes Facebook, twitter ou google pour vous identifer (google est compatible yahoo, openID...)
L'ideal étant de vous connecter si vous avez un compte utilisateur, ou faire une demande de compte utilisateur si vous n'en avez pas encore.
Créer un compte va vous permettre de pouvoir éditer vos codes et de mettre en avant votre site internet.
Sinon vous pouvez soumettre anonymement en remplissant les champs ci-après.







Choisissez les catégories correspondantes à votre Code:

  • algorithmique
  • Analyse de survie
  • base indispensable
  • bayésien
  • configuration de R
  • exportation de données
  • fonctions utiles
  • graphique
  • importation de données
  • inférence
  • manipulation de données
  • message d'erreur
  • modélisation
  • Non classé
  • optimisation
  • planification
  • programmer avec R
  • regression linéaire
  • Test
  • Transformation de données


Les scripts R de Vincent

Comment importer un fichier SAS sas7bdat dans R ?

0
dans importation de données
- ça ne sert à rien -- c\'est interessant - (score de +6 sur 6 votes)
Loading ... Loading ...
Pour importer un fichier SAS sas7bdat, la premiere solution est d’utiliser la fonction read.sas7bdat du package sas7bdat


 
library(sas7bdat)
donnee<-read.sas7bdat("fichier.sas7bdat") 
 


Cependant parfois  vous allez tomber sur cette erreur :

Error in read.sas7bdat(« ficher.sas7bdat ») :
file contains compressed data

En effet le package sas7bdat n’est pas capable d’importer les fichiers compressés.
Voici une solution qui fonctionne :

 
library(devtools)
install_github("biostatmatt/sas7bdat.parso")
library(sas7bdat.parso)
s7b2csv("fichier.sas7bdat", "fichier.csv") 
donnee<-read.csv("fichier.csv")
 
 
 

Proposé par Vincent.

Pas encore de commentaire, cliquez ici pour réagir.

Comment tracer un histogramme dans R ? hist

0
dans graphique
- ça ne sert à rien -- c\'est interessant - (score de 0 sur 2 votes)
Loading ... Loading ...
la fonction hist permet de tracer rapidement et facilement un histogramme. Cette fonction prend un vecteur en parametre.
 
data(iris)
 hist(iris$Sepal.Length) 
 hist(iris$Sepal.Length,nclass=3) 
 

Proposé par Vincent.

Pas encore de commentaire, cliquez ici pour réagir.

Importer efficacement des fichiers xlsx dans R ? read_excel

0
dans importation de données
- ça ne sert à rien -- c\'est interessant - (score de +2 sur 2 votes)
Loading ... Loading ...
le package readxl permet , contrairement aux autres solutions d’import de fichier excel de s’affranchir de dépendance type java ou perl. il est beaucoup plus rapide.

 
library(readxl)
dataset<-read_excel("http://www.euklems.net/data/nace2/fra_output_12i.xlsx ",3)
 

Proposé par Vincent.

Pas encore de commentaire, cliquez ici pour réagir.

Comment utiliser la parallélisation des calculs avec R ?: foreach

2
dans algorithmique, fonctions utiles, programmer avec R
- ça ne sert à rien -- c\'est interessant - (score de +5 sur 5 votes)
Loading ... Loading ...
la parallélisation des calculs, permet d’exploiter au maximum les capacité calculatoire de votre ordinateur en utilisant tous les core de votre machine ( dual core , quad core …)
Cette facpon de proceder est rentable si le calcul que vous voulez faire prend plus de temps que le fait de mettre en place la parallélisation

 
library(foreach)
library(doSNOW)
getDoParWorkers()
registerDoSNOW(makeCluster(4, type = "SOCK"))# 2 , 4 ou plus en fonction de votre machine
getDoParWorkers()
N <- 10^4
system.time(foreach(i = 1:N,.combine = "cbind") %do% {sum(rnorm(N))})
system.time(foreach(i = 1:N,.combine = "cbind") %dopar% {sum(rnorm(N))})
 
 

Proposé par Vincent.

Déjà 2 commentaires. Cliquez ici pour réagir.

Rajouter ou modifier une colonne d’un jeu de données : mutate

1
dans manipulation de données
- ça ne sert à rien -- c\'est interessant - (score de +1 sur 1 votes)
Loading ... Loading ...
La fonction mutate est plus rapide et plus pratique que la fonction transform. Elle permet en une seule instruction de créer plusieurs colonnes.

 
require(plyr)
data(iris)
  mutate(iris,colA=Sepal.Length * Sepal.Width ,colB=colA*3) 
 
 
 

Proposé par Vincent.

1 commentaire. Cliquez ici pour réagir.

Comment creer des objets R à partir des élements d’une liste ? list2env

0
dans fonctions utiles
- ça ne sert à rien -- c\'est interessant - (score de +4 sur 4 votes)
Loading ... Loading ...
Voici une fonction qui ne devrait pas être utile à beaucoup de personne, mais qui fera très plaisirs à ceux qui veulent generer automatiquement des objets R


 
data(iris)
 dflist <- split(iris, iris[,5])
list2env(dflist, envir = .GlobalEnv)
ls() 
 


Chacun des element de dflist deviennent des objets dans l’environnement courant de R.

Proposé par Vincent.

Pas encore de commentaire, cliquez ici pour réagir.

Comment récuperer la liste des arguments demandés par une fonction ? formals

0
dans fonctions utiles
- ça ne sert à rien -- c\'est interessant - (score de 0 sur 2 votes)
Loading ... Loading ...
Pour se remémorer les parametres attendu d’une fonction (ou les réutiliser) on peut utiliser la fonction formals


 
formals(plot)
formals(ls)
 
 

Proposé par Vincent.

Pas encore de commentaire, cliquez ici pour réagir.

Quelle est la différence entre library et require ?

0
dans message d'erreur
- ça ne sert à rien -- c\'est interessant - (score de +1 sur 1 votes)
Loading ... Loading ...

Il n ‘y en a pas…ou si peu. La seule différence est que require est a utiliser dans le corps d ‘une fonction , qui affichera un message d’erreur si le package n’existe pas mais continuera son execution

 
 
mafunc<-function(a){
 
require(bidul)
print(a)
}
 
 
mafunc2<-function(a){
 
library(bidul)
print(a)
}
mafunc("coucou")
mafunc2("coucou")
 
 
 

require peut ausi etre utilisé pour tester l’existence d’un package puique qu’il va retourner TRUE ou FALSE alors que library ne renvoie rien

Proposé par Vincent.

Pas encore de commentaire, cliquez ici pour réagir.

Comment afficher un jeu de donnée en tant que list? : unclass

0
dans fonctions utiles
- ça ne sert à rien -- c\'est interessant - (pas encore de vote)
Loading ... Loading ...
fonction qui peut trouver son utilité pour visualiser une jeu de donnée

unclass(iris)

Proposé par Vincent.

Pas encore de commentaire, cliquez ici pour réagir.

Comment rajouter une colonne à partir de colonne deja existante dans un jeu de donnée? : transform

1
dans manipulation de données
- ça ne sert à rien -- c\'est interessant - (score de +3 sur 3 votes)
Loading ... Loading ...
la fonction transform permet de contruire une nouvelle colonne et de la rajouter a un jeu de donnée.

 
 transform(iris,Sepal.surface=Sepal.Length * Sepal.Width) 
 

Proposé par Vincent.

1 commentaire. Cliquez ici pour réagir.
Formation logiciel R