Discussion :

[Kaoma]

Bonjour,
Je dois faire des sous datas frames à partir de col1 d'un data frame sachant que les individus y sont plus ou moins présent.
Pourriez vous m'aider ?

[xavier-Pierre]

bonjour,
si je comprends bien tu veux scinder ton dataframe initiale en plusieurs sous dataframes suivant les valeurs de la colonne col1

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
 
library(dplyr)
library(purrr)
 
## df le dataframe initial
liste_ss_df<- map(unique(df$col1),~df %>% filter(col1 ==.x))
## liste_ss_df contient la liste de tous les sous dataframe créés suivant les valeurs unique de col1

la fonction map du package purrr prend généralement 2 arguments le premier une liste , le deuxième une fonction et retourne une liste de d'objet , c'est équivalent à une boucle for on parcourt la liste que l'on applique à la fonction
cdlt

PS peut_être plus simple

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
 liste_ss_df<- split.data.frame(df,df$col1)

[Kaoma]

Je te remercie de ta réponse

Lorsque j'entre ces commandes il me met :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
liste_ss_dat<- map(unique(dat[,1]),~dat %>% filter(dat[,1] ==.x))
 liste_ss_dat
$`CODE PLANTE`
Error in nchar(x[is_na], type = "width") : 
  invalid multibyte string, element 1

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
liste_ss_df<- split.data.frame(dat,dat[,1])
liste_ss_df
$`BQ_02_05`
Error in nchar(x[is_na], type = "width") : 
  invalid multibyte string, element 1

[xavier-Pierre]

donne un head de ton dataframe

[Kaoma]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
head(dat)
# A tibble: 6 x 10
  `CODE PLANTE` Traitt  Bloc `N°HF` ZONE  `L (mm)` `#fleurs_estimé~ `#graines`
  <chr>         <chr>  <dbl> <chr>  <chr> <chr>               <dbl> <chr>     
1 BQ_02_05      WP         1 H1     Z1    20.3700~               14 83        
2 BQ_02_05      WP         1 H1     Z2    19.43                  16 33        
3 BQ_02_05      WP         1 H1     Z3    18.2199~               13 7         
4 BQ_02_05      WP         1 H2     Z1    3.00999~               11 -1        
5 BQ_02_05      WP         1 H2     Z2    3.08000~                7 -1        
6 BQ_02_05      WP         1 H2     Z3    2.91999~                4 -1

[xavier-Pierre]

je pense que s'est du à tes noms de colonnes avec des caractères spéciaux : d'une manière générale il faut éviter caractères spéciaux et là tu les collectionne # ~ () ° et les caractères accentués ainsi que les espaces
personnellement quand j'ouvre un dataframe je mets en forme les noms avec la fonction clean_names du package janitor

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
library(janitor)
mon_dataframe%>% clean_names("snake")

l'option snake transforme par ex NOM De Colonne en nom_de_colonne