Discussion :

[v4ss73r]

Bonjour !

Je suis confronté à un problème aujourd'hui qui m'a l'air pourtant pas bien compliqué à résoudre.
dans l'idée il me faut créer des tables pour chaque modalités de la colonne "data$colonne"

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
 
table_var1 <- subset(data, data$colonne == "var1")
table_var2 <- subset(data, data$colonne == "var2")
table_var3 <- subset(data, data$colonne == "var3")
 
write.table(table_var1, ...)
write.table(table_var2, ...)
write.table(table_var3, ...)

Ce que je cherche à faire ici et de pouvoir implémenter ce code dans une boucle car il y aura des colonnes avec bien plus de modalités.
C'est pourquoi j'ai créé ce code qui n'est pas encore fonctionnel.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
 
for (i in as.character(unique(data$colonne))){
   i <- subset(data, data$colonne == i)
 }

Output (réel) = une table nommée i
Output (voulu) = 3 tables nommées var1, var2, var3,
Quelqu'un aurait-il des pistes à explorer ?

En vous remerciant d'avance.
Mano

[mgdondon]

Bonjour,

Il ne faut pas raisonner en boucles dans R.

Une proposition :

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
28
29
30
31
32
33
34
35
36
37
38
> airquality.month <- split(airquality, airquality$Month)
> str(airquality.month)
List of 5
 $ 5:'data.frame':      31 obs. of  6 variables:
  ..$ Ozone  : int [1:31] 41 36 12 18 NA 28 23 19 8 NA ...
  ..$ Solar.R: int [1:31] 190 118 149 313 NA NA 299 99 19 194 ...
  ..$ Wind   : num [1:31] 7.4 8 12.6 11.5 14.3 14.9 8.6 13.8 20.1 8.6 ...
  ..$ Temp   : int [1:31] 67 72 74 62 56 66 65 59 61 69 ...
  ..$ Month  : int [1:31] 5 5 5 5 5 5 5 5 5 5 ...
  ..$ Day    : int [1:31] 1 2 3 4 5 6 7 8 9 10 ...
 $ 6:'data.frame':      30 obs. of  6 variables:
  ..$ Ozone  : int [1:30] NA NA NA NA NA NA 29 NA 71 39 ...
  ..$ Solar.R: int [1:30] 286 287 242 186 220 264 127 273 291 323 ...
  ..$ Wind   : num [1:30] 8.6 9.7 16.1 9.2 8.6 14.3 9.7 6.9 13.8 11.5 ...
  ..$ Temp   : int [1:30] 78 74 67 84 85 79 82 87 90 87 ...
  ..$ Month  : int [1:30] 6 6 6 6 6 6 6 6 6 6 ...
  ..$ Day    : int [1:30] 1 2 3 4 5 6 7 8 9 10 ...
 $ 7:'data.frame':      31 obs. of  6 variables:
  ..$ Ozone  : int [1:31] 135 49 32 NA 64 40 77 97 97 85 ...
  ..$ Solar.R: int [1:31] 269 248 236 101 175 314 276 267 272 175 ...
  ..$ Wind   : num [1:31] 4.1 9.2 9.2 10.9 4.6 10.9 5.1 6.3 5.7 7.4 ...
  ..$ Temp   : int [1:31] 84 85 81 84 83 83 88 92 92 89 ...
  ..$ Month  : int [1:31] 7 7 7 7 7 7 7 7 7 7 ...
  ..$ Day    : int [1:31] 1 2 3 4 5 6 7 8 9 10 ...
 $ 8:'data.frame':      31 obs. of  6 variables:
  ..$ Ozone  : int [1:31] 39 9 16 78 35 66 122 89 110 NA ...
  ..$ Solar.R: int [1:31] 83 24 77 NA NA NA 255 229 207 222 ...
  ..$ Wind   : num [1:31] 6.9 13.8 7.4 6.9 7.4 4.6 4 10.3 8 8.6 ...
  ..$ Temp   : int [1:31] 81 81 82 86 85 87 89 90 90 92 ...
  ..$ Month  : int [1:31] 8 8 8 8 8 8 8 8 8 8 ...
  ..$ Day    : int [1:31] 1 2 3 4 5 6 7 8 9 10 ...
 $ 9:'data.frame':      30 obs. of  6 variables:
  ..$ Ozone  : int [1:30] 96 78 73 91 47 32 20 23 21 24 ...
  ..$ Solar.R: int [1:30] 167 197 183 189 95 92 252 220 230 259 ...
  ..$ Wind   : num [1:30] 6.9 5.1 2.8 4.6 7.4 15.5 10.9 10.3 10.9 9.7 ...
  ..$ Temp   : int [1:30] 91 92 93 93 87 84 80 78 75 73 ...
  ..$ Month  : int [1:30] 9 9 9 9 9 9 9 9 9 9 ...
  ..$ Day    : int [1:30] 1 2 3 4 5 6 7 8 9 10 ...

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
> head(airquality.month$'5')
  Ozone Solar.R Wind Temp Month Day
1    41     190  7.4   67     5   1
2    36     118  8.0   72     5   2
3    12     149 12.6   74     5   3
4    18     313 11.5   62     5   4
5    NA      NA 14.3   56     5   5
6    28      NA 14.9   66     5   6

Cordialement,

[v4ss73r]

Alors je viens d'essayer avec le split c'est vraiment mieux que mon subset.

Cela dit le problème final reste le même. Mettons que je veuille, pour tes données, pouvoir stocker dans des csv les informations de ma table après l'avoir splité par chaque modalités.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
 
airquality.month <- split(airquality, airquality$Month)
 
write.table(airquality.month$1,"airquality.month$1.csv", sep = ';' , row.names = FALSE)
write.table(airquality.month$3,"airquality.month$3.csv", sep = ';' , row.names = FALSE)
write.table(airquality.month$5,"airquality.month$5.csv", sep = ';' , row.names = FALSE)
...

Y a t-il une possibilité d'automatiser la tâche sous R ?

Mano

[mgdondon]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
require(data.table)
airquality <- airquality # pour pouvoir modifier la table compilée
setDT(airquality)        # conversion de la table en data.table
airquality[, write.csv2(.SD, paste0("airquality_month", .BY, ".csv"), row.names = FALSE), by = Month]

Génère un message Empty data.table (0 rows) of 1 col: Month mais les fichiers semblent bien exportés.

(Code trouvé ici).

Cordialement,

[tototode]

Bonjour,

Il ne faut pas raisonner en boucles dans R.

C'est une fausse croyance d'autant plus maintenant avec la compilation just in time. Ce qui est vrai c'est que d'imbriquer des boucles n'est pas une bonne idée, et que souvent si les boucles sont longues en terme de temps de calcul c'est parce qu'elles sont mal programmées. Mais ça restera un débat sans fin qui ne dépendra que de ce que l'on veut faire.

Dans un cas comme celui-ci je pense qu'au contraire la boucle est très pratique et prendra bien moins de temps a programmer à un débutant que d'aller chercher la librairie data.table et de comprendre sa propre logique.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
for (i in unique(airquality$Month)) 
  write.table(airquality[airquality$Month==i,], file = sprintf("airquality.month%s.txt", i), sep = ';' , row.names = FALSE)

L'efficacité d'un code se mesure aussi bien au temps qu'il faut pour l’exécuter et qu'au temps nécessaire pour le programmer.

cdlt

[v4ss73r]

Alors,
J'ai essayer de voir avec le lien que tu m'a envoyé.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
require(data.table)
airquality <- airquality # pour pouvoir modifier la table compilée
setDT(airquality)        # conversion de la table en data.table
airquality[, write.csv2(.SD, paste0("airquality_month", .BY, ".csv"), row.names = FALSE), by = Month]

Cela génère bien un csv dans mon répertoire sauf qu'il y a toutes les données et elle ne sont pas séparé dans 3 fichier csv distincts.
J'ai donc opté pour l'autre solution donnée sur le lien précédent.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
 
customFun  = function(DF) {
write.csv(DF,paste0("mtcars_cyl_",unique(DF$cyl),".csv"))
return(DF)
}
 
mtcars %>% 
group_by(cyl) %>% 
do(customFun(.))

Après avoir chargé les différents packages à savoir :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
library(dplyr)
library(readr)

le message d'erreur suivant apparaît :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
> var %>%
+   group_by(unique(data$colonne)) %>%
+   do(customFun(.))
Error in mutate_impl(.data, dots) : 
  Column `unique(data$colonne)` must be length 32 (the number of rows) or one, not 3

Je viens donc d'essayer la solution proposé par tototode :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
for (i in unique(data$colonne)) 
  write.table(data[data$colonne==i,], file = sprintf("...%s.csv", i), sep = ';' , row.names = FALSE)

Tout mes csv splités par la colonne sont bien créés, c'est la solution qui me semble le plus accessible et la moins "compliqué" à concevoir.
Merci à vous deux !

Mano

[mgdondon]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
require(data.table)
airquality <- airquality # pour pouvoir modifier la table compilée
setDT(airquality)        # conversion de la table en data.table
airquality[, write.csv2(.SD, paste0("airquality_month", .BY, ".csv"), row.names = FALSE), by = Month]

Cela génère bien un csv dans mon répertoire sauf qu'il y a toutes les données et elle ne sont pas séparé dans 3 fichier csv distincts.

Bizarre, j'obtiens bien 5 fichiers avec ce code...

Pour la méthode avec le package dplyr, il faut adapter la fonction à votre table :

Avec la table mtcars :

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
> customFun = function(DF){
+   write.csv(DF,paste0("mtcars_cyl_",unique(DF$cyl),".csv"))
+   return(DF)
+ }
> 
> library(dplyr)
> mtcars %>% 
+   group_by(cyl) %>% 
+     do(customFun(.))
# A tibble: 32 x 11
# Groups:   cyl [3]
     mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
 1  22.8     4 108      93  3.85  2.32  18.6     1     1     4     1
 2  24.4     4 147.     62  3.69  3.19  20       1     0     4     2
 3  22.8     4 141.     95  3.92  3.15  22.9     1     0     4     2
 4  32.4     4  78.7    66  4.08  2.2   19.5     1     1     4     1
 5  30.4     4  75.7    52  4.93  1.62  18.5     1     1     4     2
 6  33.9     4  71.1    65  4.22  1.84  19.9     1     1     4     1
 7  21.5     4 120.     97  3.7   2.46  20.0     1     0     3     1
 8  27.3     4  79      66  4.08  1.94  18.9     1     1     4     1
 9  26       4 120.     91  4.43  2.14  16.7     0     1     5     2
10  30.4     4  95.1   113  3.77  1.51  16.9     1     1     5     2
# ... with 22 more rows

Avec la table airquality :

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
> customFun = function(DF){
+   write.csv(DF,paste0("airquality_month", unique(DF$Month), ".csv"))
+   return(DF)
+ }
> 
> library(dplyr)
> airquality %>% 
+   group_by(Month) %>% 
+     do(customFun(.))
# A tibble: 153 x 6
# Groups:   Month [5]
   Ozone Solar.R  Wind  Temp Month   Day
   <int>   <int> <dbl> <int> <int> <int>
 1    41     190   7.4    67     5     1
 2    36     118   8      72     5     2
 3    12     149  12.6    74     5     3
 4    18     313  11.5    62     5     4
 5    NA      NA  14.3    56     5     5
 6    28      NA  14.9    66     5     6
 7    23     299   8.6    65     5     7
 8    19      99  13.8    59     5     8
 9     8      19  20.1    61     5     9
10    NA     194   8.6    69     5    10
# ... with 143 more rows

Ou sans fonction :

Avec la table mtcars :

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
> library(dplyr)
> library(readr)
> group_by(mtcars, cyl) %>%
+   do(write_csv(., paste0(unique(.$cyl), "test.csv")))
# A tibble: 32 x 11
# Groups:   cyl [3]
     mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
 1  22.8     4 108      93  3.85  2.32  18.6     1     1     4     1
 2  24.4     4 147.     62  3.69  3.19  20       1     0     4     2
 3  22.8     4 141.     95  3.92  3.15  22.9     1     0     4     2
 4  32.4     4  78.7    66  4.08  2.2   19.5     1     1     4     1
 5  30.4     4  75.7    52  4.93  1.62  18.5     1     1     4     2
 6  33.9     4  71.1    65  4.22  1.84  19.9     1     1     4     1
 7  21.5     4 120.     97  3.7   2.46  20.0     1     0     3     1
 8  27.3     4  79      66  4.08  1.94  18.9     1     1     4     1
 9  26       4 120.     91  4.43  2.14  16.7     0     1     5     2
10  30.4     4  95.1   113  3.77  1.51  16.9     1     1     5     2
# ... with 22 more rows

Avec la table airquality :

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
> library(dplyr)
> library(readr)
> group_by(airquality, Month) %>%
+   do(write_csv(., paste0("airquality_month", unique(.$Month), ".csv")))
# A tibble: 153 x 6
# Groups:   Month [5]
   Ozone Solar.R  Wind  Temp Month   Day
   <int>   <int> <dbl> <int> <int> <int>
 1    41     190   7.4    67     5     1
 2    36     118   8      72     5     2
 3    12     149  12.6    74     5     3
 4    18     313  11.5    62     5     4
 5    NA      NA  14.3    56     5     5
 6    28      NA  14.9    66     5     6
 7    23     299   8.6    65     5     7
 8    19      99  13.8    59     5     8
 9     8      19  20.1    61     5     9
10    NA     194   8.6    69     5    10
# ... with 143 more rows

Cordialement,

[v4ss73r]

Bonjour,
Exact j'ai fais une erreur sur l'orthographe de ma variable
Les deux solutions fonctionnent parfaitement merci.

Mano