IntroR - Chapitre III - Manipulation des données

L’objectif est de passer en revue les différentes fonctions de la la librairie dplyr

library(dplyr)

permettant par exemple de

• créer de nouvelles variables
• sélectionner des observations
• renommer des variables
• etc…

Ces différentes opérations sont appliquées sur le jeu de données flights de la librairie nycflights13

library(nycflights13)
flights

Le jeu de données flights est un tibble une variante de data frame optimisé pour l’usage des fonction de tidyverse.

library(tibble)

Nous allons nous focaliser sur les cinq fonctions clés de la librairie dplyr, à savoir

• filter() pour filtrer les observations en fonction de leur valeur
• arrange() pour ordonner les observations
• select() pour sélectionner les variables
• mutate() pour créer de nouvelles variables à partir de variables existantes
• summarize() pour agréger plusieurs observations

Ces fonctions s’utilisent en parallèle de la fonction group_by() permettant le traitement par groupe d’observations. Elles prennent toujours comme premier argument le data frame sur lequel on travaille.

Sélectionner des observations avec filter()

# Sélection des vols du 1er Janvier. 
filter(flights, month == 1 & day == 1)

# Sélection des vols de novembre et de décembre
filter(flights, month == 11 | month == 12)

# Autre alternative avec l'opérateur %in%
filter(flights, month %in% c(11, 12))