Discussion :

[Anna2013]

Bonjour à tous,

j'ai une variable indépendante X continue (qui s'étend de 0.005 à 0.240) et une variable dépendante Y binomiale. Je souhaiterais diviser en plusieurs intervalles réguliers X puis créer un tableau de contingence qui compterait le nombre de 0 et de 1 de la variable Y pour chaque intervalle créé.

Je le fais pour le moment manuellement dans Excel grâce à un filtre numérique mais ça prend un temps fou et je suis sûre que ça pourrait ne prendre que quelques minutes dans R!

Merci d'avance pour vos conseils!

[dev_ggy]

Exemple de code :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
Z<-seq(0.005, 0.240, by = (0.005-0.240)/le_pas)
data <- data.frame(X, Y)
data <- data[order(data$X),]
aggregate(data$Y, by = data$Z)

Avec ce petit code, tu devrais pouvoir obtenir le nombre de 1 de Y dans chaque intervalle entre 0.005 et 0.240 (avec un pas "le_pas"). Les données sont trié en ordre croissant pour la variable data pour faire correspondre la séquence Z avec X. Cela suppose que des données X soit continue et linéaire tout comme Z.

[Anna2013]

Merci beaucoup, ça me semble une bonne piste, par contre j'ai des messages d'erreur :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
> aggregate(data$Y, by = data$Z)
Erreur dans match.fun(FUN) : 
l'argument "FUN" est manquant, avec aucune valeur par défaut

Alors j'ai essayé comme fonction SUM mais j'ai du coup un autre message d'erreur qui s'affiche :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
> aggregate(data$Y, by = data$Z, FUN=sum)
Erreur dans aggregate.data.frame(as.data.frame(x), ...) : 
  'by' doit être une liste

[Anna2013]

J'ai trouvé une solution pour l'erreur:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
aggregate(data$Y, by = data$Z, FUN=sum)
Erreur dans aggregate.data.frame(as.data.frame(x), ...) : 
  'by' doit être une liste

qui est d'ajouter la fonction list():

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

Z<-list(seq(0.005, 0.240, by = (0.005-0.240)/le_pas))

Mais j'ai maintenant un nouveau message d'erreur:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
aggregate(data$Y, by = Z, FUN=sum)
Erreur dans aggregate.data.frame(as.data.frame(x), ...) : 
  les arguments doivent avoir la même longueur

[collif]

Bonjour,

La fonction cut permet de découper une variable en facteur, ci-dessous tu trouveras un exemple d'utilisation.

N'hésite pas à consulter l'aide R :
?cut
?by
?tapply
et
?do.call.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
 
# jeu de donnees pour l'exemple
donnees <- data.frame(
	X=runif(200, 0.005, 240),
	Y=sample(x=c(1,0), size=200, replace=TRUE)
)
donnees$Y <- as.factor(donnees$Y)
 
# utilisation de la fonction cut pour découper une variable en un nombre de classes
# et qui affecte chaque ligne du data.frame à la classe calculée
 
donnees$X.categories <- cut(donnees$X, breaks=10)
 
# ensuite il y a plusieurs manières de faire le comptage, je préfère la seconde option
# solution moche
tapply(donnees$X.categories, donnees$Y, summary)
 
# solution sympa mais plus compliquée
do.call(rbind, 
	by(data=donnees, INDICES=list(X=donnees$X.categories),function(X){
		return(data.frame(
			Y.1=length(X$Y[X$Y==1]),
			Y.0=length(X$Y[X$Y==0])
			)
		)
	})
)

[Anna2013]

Merci beaucoup pour cette autre astuce!

J'ai cependant un nouveau message d'erreur:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
donnees$Y <- as.factor(donnees$Y)
Erreur dans `$<-.data.frame`(`*tmp*`, "Y", value = c(1L, 1L, 1L, 1L, 1L,  : 
replacement has 14464 rows, data has 200

Que j'ai essayé de contourner en utilisant un autre code qui m'affiche un autre message d'erreur:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
donnees$Y <- as.factor(donnees[,Y])
Erreur dans sort.list(y) : 'x' doit être atomique pour 'sort.list'
Avez-vous appelé 'sort' sur une liste ?

[collif]

Bonjour,

Le code que j'ai indiqué est un exemple prêt à tourner (si tu copies colle dans ta console R l'exemple tourneras et fonctionneras) indépendant de tes données.
La première partie est juste la création d'un jeu de données factice qui comporte 2 colonnes :
- une colonne X : variable aléatoire, je tire au hasard selon une loi uniforme 200 valeurs comprises entre 0.005 et 240 (fonction runif).
- une colonne Y : là encore 200 tirages aléatoires (avec remise) des valeurs 1 ou 0 (fonction sample). Mais cette variable est donc un facteur (as.factor).

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
 
# jeu de donnees pour l'exemple
donnees <- data.frame(
	X=runif(200, 0.005, 240),
	Y=sample(x=c(1,0), size=200, replace=TRUE)
)
donnees$Y <- as.factor(donnees$Y)

De cette manière je pensais simuler ton jeu de données mais pas le remplacer :

j'ai une variable indépendante X continue (qui s'étend de 0.005 à 0.240) et une variable dépendante Y binomiale

Il faut donc maintenant que tu fasses l'effort d'adapter le code à ton jeu de données, de la construction des données à l'application des fonctions, en n'hésitant pas à consulter les aides qui accompagnent les fonctions :
- ?data.frame
- ?as.factor
- ?do.call
- ?tapply
- ? ...

Ensuite si tu veux de l'aide, n'hésite pas à mettre un peu plus de code dans ton message, il serait ainsi plus facile d'identifier là où tu te trompes.

[Anna2013]

autant pour moi, j'avais bien adapté les codes à mes données mais je pensais qu'il n'était pas nécessaire de changer le nom des vecteurs que tu avais donné comme les nouveaux remplaceraient automatiquement les anciens du même nom selon moi (mais apparemment non).

Bref, ça marche à merveille! merci beaucoup!