Discussion :

[yalehaire]

Bonjour,
dans un dataframe (32 colonnes, 240 lignes) je veux faire un prop.table sur chaque ligne pour les colonnes 14 à 18

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

 x <- round(prop.table(dataTest1[1,14:18]),2)

me permet de le faire sur une ligne, en l’occurrence la première. Je peux bien sûr faire une boucle sur les 240 lignes mais je soupçonne qu'il y a plus efficace. Probablement avec quelque chose de la famille des 'apply'. Si quelqu'un pouvait me mettre sur la voie...
Merci.

[juliatheric]

Bonjour,
Il suffit d'utiliser ... prop.table !

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

x <- round(prop.table(dataTest1[, 14:18]), 2)

x <- round(prop.table(dataTest1[1,14:18]),2)
                                ^^

[yalehaire]

c'est ce que j'ai tenté en premier mais ça ne marche pas. Ça me renvoie un tableau rempli de NA

[juliatheric]

Le problème provient donc des données. Partons d'un exemple concret :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
xxx <- matrix(seq_len(18L), nrow = 3L)
print(xxx)
print(prop.table(xxx[, c(3L, 5L)]))
print(round(prop.table(xxx[, c(3L, 5L)])))

     [,1] [,2] [,3] [,4] [,5] [,6]
[1,]    1    4    7   10   13   16
[2,]    2    5    8   11   14   17
[3,]    3    6    9   12   15   18

          [,1]      [,2]
[1,] 0.1060606 0.1969697
[2,] 0.1212121 0.2121212
[3,] 0.1363636 0.2272727

     [,1] [,2]
[1,]    0    0
[2,]    0    0
[3,]    0    0

Donc, prop.table ne génère pas en soi des valeurs manquantes. Quelles sont les sorties de la ligne ici-bas ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

str(dataTest1)

[yalehaire]

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
> str(dataTest1)
'data.frame':	239 obs. of  32 variables:
 $ ticker        : chr  "AB" "AB" "AB" "AB" ...
 $ dat           : chr  "2015-03-20" "2015-03-23" "2015-03-24" "2015-03-25" ...
 $ vol           : num  114950 118266 50923 65764 266395 ...
 $ vc1           : num  39873 5345 1625 5757 34474 ...
 $ vc2           : num  46136 16495 21443 6838 122364 ...
 $ vc3           : num  11072 31425 13791 15065 60686 ...
 $ vc4           : num  9408 26086 11540 12093 36236 ...
 $ vc5           : num  8461 38915 2524 26011 12635 ...
 $ tc1           : num  163 36 17 45 194 86 113 28 27 11 ...
 $ tc2           : num  264 85 131 40 610 466 244 119 43 35 ...
 $ tc3           : num  77 164 93 Événement sans titre86 311 613 161 224 131 96 ...
 $ tc4           : num  59 156 35 81 212 143 88 28 121 65 ...
 $ tc5           : num  49 77 20 99 78 69 65 34 11 46 ...
 $ vtc1          : num  244.6 148.5 95.6 127.9 177.7 ...
 $ vtc2          : num  175 194 164 171 201 ...
 $ vtc3          : num  144 192 148 175 195 ...
 $ vtc4          : num  159 167 330 149 171 ...
 $ vtc5          : num  173 505 126 263 162 ...
 $ propvc1       : num  0.35 0.05 0.03 0.09 0.13 0.08 0.12 0.05 0.07 0.03 ...

[juliatheric]

[...] test1 est de type dataframe pas matrix, cela peut il avoir une incidance?

Oui, cela est rédhibitoire, il faut travailler avec un array, matrix étant un array à deux dimensions. Ensuite, si vous faites ceci

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

margin.table(as.matrix(c(dataTest1$vtc1, dataTest1$vtc2, dataTest1$vtc3, dataTest1$vtc4, dataTest1$vtc5), nrow = 5)), 2L)

qu'avez-vous en sortie ?