Discussion :

[Vet.ter]

Bonjour
j'ai un tableau de données avec des lignes redondantes pour lesquels j'ai différents résultats (différente espèces) concernant la culture de Campylobacter.
Je souhaite supprimer ces lignes redondantes mais récupérer le résultat et l'inscrire dans une nouvelle colonne.
Pour cela j'ai essayé de créer une boucle mais il semble que ma méthode de fonctionne pas.
Mon dataset se nomme "camp" avec l'identifiant des animaux se nommant "PETRIID" les résultats pour la culture de Campylobacter "Screening".
J'ai créer des colonnes supplémentaires pour chaque niveau de résulte (chaque espèce).
Pour info j'ai comme résultat à

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

summary(camp)

date.sampled clinic PETRIID Sex Age.days. Vaccination Breed
05/03/2014:102 Hamanskraal :112 D10 A : 2 : 66 Min. : 10.0 0 :254 Pitbull :189
12/11/2014: 84 Loate :226 D11 21-3: 2 F:251 1st Qu.: 46.0 1 :112 Crossbreed:155
02/12/2014: 52 Mamelodi :146 D11 24-2: 2 M:196 Median : 82.0 2 : 55 : 56
15/01/2014: 51 Sonskynehoekie: 29 D11-15 : 2 Mean : 247.2 3 : 54 Boerboel : 29
20/11/2013: 50 D11-20 : 2 3rd Qu.: 263.8 NA's: 38 Jack Rasel: 27
12/04/2014: 44 D11-32 : 2 Max. :3600.0 Staffie : 22
(Other) :130 (Other) :501 NA's :47 (Other) : 35
Screening
C. coli : 26
C. jejuni :138
C. upsalensies: 65
Negative :284



Camp Campcoli Campjejuni Campups
Min. :0.0000 Min. :0.00000 Min. :0.000 Min. :0.0000
1st Qu.:0.0000 1st Qu.:0.00000 1st Qu.:0.000 1st Qu.:0.0000
Median :0.0000 Median :0.00000 Median :0.000 Median :0.0000
Mean :0.4464 Mean :0.05068 Mean :0.269 Mean :0.1267
3rd Qu.:1.0000 3rd Qu.:0.00000 3rd Qu.:1.000 3rd Qu.:0.0000
Max. :1.0000 Max. :1.00000 Max. :1.000 Max. :1.0000

Pour retrouver mes duplicata j'ai fait

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
which(duplicated(camp$PETRIID))
summary(camp[which(duplicated(camp$PETRIID)),])
camp[which(duplicated(camp$PETRIID)),c(3,4,7,8)]

Ensuite j'essaie donc de mettre mes résultats de la ligne redondante (qui se trouve toujours en dessous de la ligne ayant le même identifiant) dans une nouvelle colonne

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
for (i in which(duplicated(camp$PETRIID))) {
camp[(i-1),camp$Campcoli]<-ifelse(camp[i,camp$Screening]=="C. coli",1,camp[(i-1),camp$Campcoli])
	}

Error in `[<-.data.frame`(`*tmp*`, (i - 1), camp$Campcoli, value = list( :
duplicate subscripts for columns

Ne marche pas donc;
Si je fait comme si je créais une nouvelle colonne

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
for (i in which(duplicated(camp$PETRIID))) {
camp[(i-1),camp$Campcoli2]<-ifelse(camp[i,camp$Screening]=="C. coli",1,camp[(i-1),camp$Campcoli])
 	}

je n'ai pas de message d'erreur mais quand je vérifie la colonne Campcoli2 n'existe pas et n'a pas été crée ce qui est peut être assez logique car elle n'a pas le même nombre de lignes que le dataframe.
J'ai alors essayé la fonction if et ensuite else

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
for (i in which(duplicated(camp$PETRIID))) {
if(camp[i,camp$Screening]=="C. coli") {1}else({camp[(i-1),camp$Campcoli]})
	}

There were 32 warnings (use warnings() to see them)
> warnings()
Messages d'avis :
1: In if (camp[i, camp$Screening] == "C. coli") { ... :
la condition a une longueur > 1 et seul le premier élément est utilisé
...

Bref si quelqu'un a une idée pour cette manipulation qui sous Excell est relativement simple avec la fonction "SI"

Par ailleurs pour supprimer ensuite mes duplicata j'ai essayé

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

campb<-camp[unique(camp$PETRIID),]

et j'ai vérifier pour un certain duplicata

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

campb[campb$PETRIID=="D10 A",]

et je me rends compte que ça ne l'a pas enlevé mais d'autres lignes ont du être supprimée car j'ai bien 32 lignes de moins (nombre de mes duplicata)
Si j'essaye

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
camp2<-camp[!duplicated(camp$PETRIID),]
dim(camp2)
camp2[camp2$PETRIID=="D10 A",]

Ca marche.
Là aussi si quelqu'un peut me dire pourquoi la fonction "unique" ne fonctionne pas je suis preneur.
Merci d'avance
Eric

[mgdondon]

Bonjour,

Je pense que vous pouvez résoudre votre problème à l'aide de la fonction reshape(). Vous pouvez voir un exemple d'utilisation ici.

Si vous ne réussissez pas, pouvez-vous fournir un extrait de votre fichier au format csv ? (Il faut remplacer l'extension csv par txt pour pouvoir télécharger le fichier).

Cordialement,

[Vet.ter]

Merci, ça marche même si ça demande ensuite un peu de manipulation.
Par contre auriez-vous une idée du pourquoi ma boucle avec la fonction

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

ifelse()

ne fonctionne pas?
Par ailleurs auriez-vous également une idée sur la seconde partie de ma question : pourquoi

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

unique()

ne fonctionne pas correctement par rapport à

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

!duplicated()

?
Eric

[mgdondon]

Merci, ça marche même si ça demande ensuite un peu de manipulation.

Merci pour votre retour. Je pense qu'il ne faut pas raisonner en boucles et qu'il est préférable de les éviter lorsque cela est possible. Vous pouvez certainement simplifier votre programme en faisant les manipulations avant la transposition des données plutôt qu'après.

Auriez-vous une idée du pourquoi ma boucle avec la fonction ifelse() ne fonctionne pas?

Je pense que vous n'accédez pas correctement aux variables :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
> df <- data.frame(ID=c(051,051,054,054,055,055),
+                  NO=c(7,8,7,8,7,8),
+                  DATE=c(2009,2014,2009,2014,2009,2014))
> df[,df$ID]
Error in `[.data.frame`(df, , df$ID) : undefined columns selected
> df[,"ID"]
[1] 51 51 54 54 55 55

Par ailleurs auriez-vous également une idée sur la seconde partie de ma question : pourquoi unique() ne fonctionne pas correctement par rapport à !duplicated()?

Les fonctions unique() et !duplicated() ne renvoient pas le même résultat :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
> unique(df$ID)
[1] 51 54 55
> !duplicated(df$ID)
[1]  TRUE FALSE  TRUE FALSE  TRUE FALSE

Cordialement,

[Vet.ter]

Merci encore.
J'ai repris ma boucle (malgré tout) et l'ai retravaillée d'après vos indication et maintenant effectivement elle fonctionne.
J'ai donc utilisé

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
for (i in which(duplicated(camp$PETRIID))) {
camp[(i-1),"Campcoli"]<-ifelse(camp[i,"Screening"]=="C. coli",1,camp[(i-1),"Campcoli"])
camp[(i-1),"Campjejuni"]<-ifelse(camp[i,"Screening"]=="C. jejuni",1,camp[(i-1),"Campjejuni"])
camp[(i-1),"Campups"]<-ifelse(camp[i,"Screening"]=="C. upsalensies",1,camp[(i-1),"Campups"])	
	}

et après vérification cela fonctionne.
Je reconnais qu'on avance un peu dans le flou avec la boucle car il faut être certain que les duplicata sont bien tous les uns en dessous des autres (mais je l'avais vérifié auparavant). Par ailleurs on n'obtient pas l'avertissement comme avec la fonction

reshape()

suivant

In reshapeWide(data, idvar = idvar, timevar = timevar, varying = varying, :
multiple rows match for Screening=C. upsalensies: first taken

qui m'a permis de revenir à mes données et de les vérifier car effectivement il y avait des erreurs de retranscription et les lignes n'étaient pas exactement identiques.
Bonne journée
Eric