Discussion :

[enicnath]

Bonjour,

j'ai une base de données contenant un nombre de personnes par catégorie professionnelle et sexe, pour un ensemble de départements et de communes.
Ma base de données est un data.frame qui se présente comme ceci :
DEP COM CSP SEXE NOMBRE
Il peut y avoir des valeurs manquantes pour certains croisements de CSP x SEXE.

Je voudrais réaliser le tableau simple suivant qui est simplement le résumé du nombre de CSP par département et sexe, un peu comme les tableaux croisés dynamiques dans EXCEL qui permettent d'obtenir immédiatement le même résultat ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
 
       |  Agriculteurs |    Ouvriers   |     Autres    |     Total     |
-------+---------------+---------------+---------------+---------------+
   DEP |     SEXE      |     SEXE      |     SEXE      |     SEXE      |
       | H | F | Total | H | F | Total | H | F | Total | H | F | Total |
-------+---+---+-------+---+---+-------+---+---+-------+---+---+-------+
    XX |   |   |       |   |   |       |   |   |       |   |   |       |
    YY |   |   |       |   |   |       |   |   |       |   |   |       |
    ZZ |   |   |       |   |   |       |   |   |       |   |   |       |
-------+---+---+-------+---+---+-------+---+---+-------+---+---+-------+
 Total |   |   |       |   |   |       |   |   |       |   |   |       |

Y-a-t'il une instruction R simple qui effectue ce type de travail ?

[juliatheric]

Bonjour,

Deux propositions : les paquets reshape2 et dplyr. Mention spéciale pour data.table si votre base de données est très volumineuse (à partir de 100 000 entrées).

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
# Comme il n'y a pas d'exemple concret de données, faire avec les moyens du bord.
fusce <- read.table(header = TRUE, quote = "", stringsAsFactors = FALSE, text =
"NUMSECU DEP COM CSP SEXE    NOMBRE
pellentesque    Lorem   ipsum   dolor   sit 9853
sagittis    amet    consectetuer    adipiscing  Nam    32
fringilla   placerat   Ut   vestibulum   sit 14
nulla   dictum   ipsum   dolor   elit 8710
quisque vitae    felis    adipiscing  mauris    436
egestas Lorem   purus   vestibulum   elit 3287
eget    amet    consectetuer    adipiscing  Nam    1320
auctor  vitae    Curabitur    gravida  arcu    1320")

1) reshape2

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
library("reshape2")
 
proin <- melt(fusce, id.vars = "NUMSECU")
orci <- acast(proin, variable ~ value)
 
depVScom <- aperm(orci[c("DEP", "COM"),])
cspVSsexe <- aperm(orci[c("CSP", "SEXE"), ])

2) dplyr

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
library("dplyr")
 
etiam <- tbl_df(fusce)
 
odio <- group_by(etiam, DEP, COM) %>% arrange(CSP, SEXE)
summarise(odio, totaux = sum(NOMBRE))

Il y a donc une partie analytique qui génère, soit des données tabulaires potentiellement multivariées (au-delà de deux dimensions), soit des data.frames ou/et lists, un data.frame étant un cas particulier de list. Les lists justement peuvent contenir le rendu final qui sera sauvegardé/imprimé/etc. comme vous l'avez indiqué. D'autres outils sont capables de générer le rendu, tout dépend du format à utiliser.

[enicnath]

Merci pour vos réponses, mais je dois dire que j'ai du mal à les utiliser.
Voici un petit exemple avec une petite base de donnée.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
Dep=c('01','01','01','01','01','01','02','02','02','02','02','02')
Com=c('001','001','001','001','002','002','001','001','001','001','003','003')
CSP=c('1','2','3','4','1','3','2','2','3','4','1','2')
Sexe=c('1','1','1','2','1','1','1','2','1','2','1','1')
Nombre=c(2,3,4,1,2,3,2,3,4,1,2,1)
DF=data.frame(Dep,Com,CSP,Sexe,Nombre)

Ça donne le tableau de données suivant :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
DEP COM CSP SEXE NOMBRE
01 001 1 1 2
01 001 2 1 3
01 001 3 1 4
01 001 4 2 1
01 002 1 1 2
01 002 3 1 3
02 001 2 1 2
02 001 2 2 3
02 001 3 1 4
02 001 4 2 1
02 003 1 1 2
02 003 2 1 1

Au final, je voudrais donc obtenir quelque chose comme :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
       |       1      |       2      |       3      |       4      |    Total     |
-------+--------------+--------------+--------------+--------------+--------------+
   DEP |     SEXE     |     SEXE     |     SEXE     |     SEXE     |     SEXE     |
       |  H |  F |  T |  H |  F |  T |  H |  F |  T |  H |  F |  T |  H |  F |  T |
-------+----+----+----+----+----+----+----+----+----+----+----+----+----+----+----+
    01 |  4 |  0 |  4 |   3|   0|  3 |  7 |  0 |  7 |  0 |  1 |  1 | 14 |  1 | 15 |
    02 |  2 |  0 |  2 |   3|   3|  6 |  4 |  0 |  4 |  0 |  1 |  1 |  9 |  4 | 13 |
-------+----+----+----+----+----+----+----+----+----+----+----+----+----+----+----+
 Total |  6 |  0 |  6 |   6|   3|  9 | 11 |  0 | 11 |  0 |  2 |  2 | 23 |  5 | 28 |

Auriez-vous l'amabilité de m'écrire le code précis ?

[juliatheric]

Bonjour
À partir de ces données, voici un aperçu de ce dont reshape2 est capable car, pour un traitement pareil, dplyr serait too much.

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
library("reshape2")
 
# J'ai attribué des IDs aux entrées.
xxx <- read.table(header = TRUE, quote = "", stringsAsFactors = FALSE, text =
"ID DEP COM CSP SEXE NOMBRE
A 01 001 1 1 2
B 01 001 2 1 3
C 01 001 3 1 4
D 01 001 4 2 1
E 01 002 1 1 2
F 01 002 3 1 3
G 02 001 2 1 2
H 02 001 2 2 3
I 02 001 3 1 4
J 02 001 4 2 1
K 02 003 1 1 2
L 02 003 2 1 1")
 
res1 <- acast(xxx, DEP ~ CSP + COM, sum)
res2 <- acast(xxx, DEP ~ CSP + SEXE, sum)

1) DEP vs CSP& COM

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
cat("CSP :\t", levels(factor(xxx$CSP)), "\nCOM :\t", levels(factor(xxx$COM)), "\n")
addmargins(res1)

> ...
CSP :	 1 2 3 4 
COM :	 1 2 3
> ...
    1_1 1_2 1_3 2_1 2_3 3_1 3_2 4_1 Sum
1     2   2   0   3   0   4   3   1  15
2     0   0   2   5   1   4   0   1  13
Sum   2   2   2   8   1   8   3   2  28

Interprétation. 1^ère (rsp. 2^ème) ligne = département « 1 » (rsp. « 2 »). Colonne « 1_1 » : dans la catégorie socio-professionnelle « 1 », il y a, pour la commune « 1 », 2 observations appartenant au premier département tandis que le deuxième n'est pas representé pour ces critères. De même avec le reste des colonnes. Les valeurs marginales dénombrent les observations relevées pour chaque ligne/colonne.

2) DEP vs CSP & SEXE

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
cat("CSP :\t", levels(factor(xxx$CSP)), "\nSEXE :\t", levels(factor(xxx$SEXE)), "\n")
addmargins(res2)

> ...
CSP :	 1 2 3 4 
SEXE :	 1 2
> ...
    1_1 2_1 2_2 3_1 4_2 Sum
1     4   3   0   7   1  15
2     2   3   3   4   1  13
Sum   6   6   3  11   2  28

Même démarche d'interprétation que plus haut.

En lisant la page de documentation ?reshape2::cast, vous remarquerez que l'argiument formula peut prendre des expressions sophistiquées, avec la pratique vous serez en mesure de générer d'un seul coup quelque chose semblable au tableau en ASCII art (qui est par ailleurs élégant).

P.S. Dans ces exemples, les IDs n'ont pas servi mais dès qu'on souhaite faire des choses avancées, il faudra d'abord faire un melt sur les données initiales, opération qui a l'avantage d'être réversible, comme ici :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
yyy <- melt(xxx, id.vars = "ID", measure.vars = seq(2L, 6L))
zzz <- acast(yyy, ID ~ ...)
print(xxx)
print(zzz)

> print(xxx)
   ID DEP COM CSP SEXE NOMBRE
1   A   1   1   1    1      2
2   B   1   1   2    1      3
...
> print(zzz)
  DEP COM CSP SEXE NOMBRE
A   1   1   1    1      2
B   1   1   2    1      3
...

[enicnath]

Ok, merci.

C'est vrai que c'est moins sympa que ce que peut faire une 'proc tabulate' sous SAS, mais je vais essayer de me l'approprier.

Bonne fin de journée

[juliatheric]

Je ne pratique pas le SAS, je viens de jeter un coup-d’œil à proc tabulate et il me semble que le fameux ASCII art était génére automatiquement avec SAS. Le paquet pander permet de formater les sorties de la sorte.
Là où R est excellent, c'est dans l'exploration graphique des données. L'exemple que vous avez est parfait pour les tableaux de contingences multi-variées qui, en plus, sont bien intégrées avec l'interface ?stats::formula (une syntaxe similaire à ce que j'indiquais plus haut). Voici ce que ça peut donner :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
library("vcd")
 
# Dans l'exemple, vous aviez ignoré la variable NOMBRE. De même, je la gomme.
zzz <- xtabs(~ ., xxx[, -5L])
 
print(addmargins(zzz))
 
mosaic(zzz, shade = TRUE, highlighting = "SEXE")

Il paraît qu'une image vaudrait plus qu'un millier de caractères ASCII ...