Discussion :

[G.G37]

Bonjour j'aurai grand besoin d'un petit coup de pouce pour effectuer un bidouillage sur Rstudio

Je possède un data frame de la forme suivante :



Comme vous pouvez le voir dans la première colonne "nom" 3 lignes a chaque fois les une derrière les autres correspondent à un meme nom et s'en suivent pour chacune des lignes des valeurs R, V, B différentes

De ce fait, j'aimerai modifier mon data frame de sorte qu'il n'y ait plus qu'une ligne par nom avec les 9 valeurs R,V,B a la suite
pour obtenir pour chaque ligne : nom suivis de la première valeur R, la premièreV, la première B, puis la deuxième R, deuxième V, deuxième B et troisième R,V,B
(voir image)


Merci par avance pour votre aide !

[mgdondon]

Bonjour,

Une proposition :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
> df <- data.frame(nom=c("f1.jpg","f1.jpg","f1.jpg","f2.jpg","f2.jpg","f2.jpg"),
+                  r=c(185,171,177,180,191,178),
+                  v=c(145,121,121,138,147,124),
+                  b=c(49,42,47,51,49,48))

• Numérotation des observations par groupe

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

> df$RepNo <- sequence(rle(as.vector(df$nom))$lengths)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
> df
     nom   r   v  b RepNo
1 f1.jpg 185 145 49     1
2 f1.jpg 171 121 42     2
3 f1.jpg 177 121 47     3
4 f2.jpg 180 138 51     1
5 f2.jpg 191 147 49     2
6 f2.jpg 178 124 48     3

• Transposition

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
> library(reshape)
> reshape(data=df,
+         idvar="nom",
+         v.names=c("r","v","b"),
+         timevar="RepNo",
+         direction="wide")

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
     nom r.1 v.1 b.1 r.2 v.2 b.2 r.3 v.3 b.3
1 f1.jpg 185 145  49 171 121  42 177 121  47
4 f2.jpg 180 138  51 191 147  49 178 124  48

Cordialement,

[lila2812]

Bonjour,

Voila une proposition :

Avant tout, pensez à bien installer les packages.

# Importation de la base
library(readxl)
Nombase <-read_excel(“chemin du fichier de la base”) ! changer les / de sens
View(Nombase)

# Nature des variables
Str(Nombase)
# changement de la nature des variables (integer, numeric, character, logical,date)
Nombase$Nomvariable<-as.nouvnature(as.ancnature(Nombase$ Nomvariable)*!une ligne pour chaque var à changer
Ex*: trimestre => integer*; prix => integer*; code*: character*; qté*: integer
# Nature des bases pour vérifier
Str(Nombase)



# Renommer les variables
library(dplyr)
Nombase<-rename(Nombase, «nouvnom*» = «ancnom*»)*! une ligne pour chaque var à renommer



# Création de la colonne âge
Nombase$age=2024- Nombase$birth Nombase
View(Nombase)



# Statistiques descriptives
summary(Nombase$nomvar) avec code produit, prix et quantité
#Pour chaque variable, donner le plus petit, le plus grand, la moyenne, la médiane (si possible),
 Si la moyenne et la médiane sont similaires, les données de la variable sont symétriques

# Ecart type (avec le prix et les quantités)
Sd(Nombase$ nomvar)
# l’écart-type est de … les données sont (dispersées/non dispersées)
 Une valeur d'écart type élevée indique que les données sont dispersées.

# Quartiles (avec le prix et les quantités)
Quantile(Nombase$ nomvar)
Décrire les quantiles obtenus Q1*: 0 à 25%, Q2*: 50 %, Q3*: 75%

# Coefficient de variation (pour les variables quantitatives*!!)
Cv=sd(Nombase$ nomvar/mean(nomvar$ nomvar)*100
cv
Si le Cv tend vers 1 => la série est dispersée
Si le Cv tend vers 0, la série n’est pas dispersée*; vers 0.5, série moyennement dispersée


# Représentation graphique (à choisir, tu peux essayer les différentes et voir celle qui est la plus parlante)
#histogramme
Hist(Nombase$ nomvar, main = «*Histogramme des prix», col = «*blue*»)*! 1 pour qté, prix, code
#diagramme
Pie(Nombase$ nomvar) mais souvent peu lisible



# Courbe d’évolution des prix
T=c(1*:14)
Serie_prix<-ts(Nombase$prix, frequency=1)
Plot(serie_prix,xlab =*«*Trimestre*», ylab =*«*prix*»,main=*»Courbe d’évolution des prix*»
# Courbe d’évolution des quantités
T=c(1*:14)
Serie_quantité<-ts(Nombase$quantité, frequency=1)
Plot(serie_quantité,xlab =*«*Trimestre*», ylab =*«*quantité*»,main=*»Courbe d’évolution des prix*»


# Tableau de répartition des quantités vendues par code produit
quantite_code<-aggregate(Nombase$quantite,by=list(Nombase$code), FUN=sum)
View(quantite_code)

# Tableau de répartition des quantités vendues par client
quantite_client<-aggregate(Nombase$quantite,by=list(Nombase$client), FUN=sum)
View(quantite_client)

# Tableau de répartition des quantités vendues par code produit
prix_age<-aggregate(Nombase$prix,by=list(Nombase$age), FUN=sum)
View(quantite_age)

8) Le prix et la quantité sont-ils liés ? Expliquez graphiquement et à travers un test.
plot(nombase$prix~nombasechoisi$code,xlab="nouveaunom";ylab="nouveaunom",main="titre")


Pour enregistrer:
livre > ok > oui > MS WORD ou PDF > Compile

[xavier-Pierre]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
library(tidyverse)
df <-data.frame(nom=c("f1.jpg","f1.jpg","f1.jpg","f2.jpg","f2.jpg","f2.jpg"),
                                    r=c(185,171,177,180,191,178),
                                     v=c(145,121,121,138,147,124),
                                    b=c(49,42,47,51,49,48)) 
 
resultat <- df |>  group_by(nom) |> mutate(id=row_number()) |> 
pivot_longer(-c(nom,id) ) |> 
 unite("x",c(name,id),sep="_") |> 
pivot_wider(names_from = x,values_from = value)

cdlt

[Emmeline5]

Hello !

La réponse de LILA2812 a dû vous aider ! On m'a partagé ces commandes de bases sur le forum,
je vous conseille de les lire ça aide bien

Supprimer tout/ rm(list=ls())
Importer fichier/ tableau1 <- read.table(file.choose(), header=T, sep=";", dec=",")

Vecteur1 <- c(2,3,4)
Vecteur2 <- c("usa","chine")
Nouveau vecteur fusion deux/ vecteur3 <- c(vecteur1, vecteur2)

sum(vecteur1)
length(vecteur1)
mean(vecteur1)
min(vecteur1)
max(vecteur1)
range(vecteur1)
median(vecteur1)
quantile(vecteur1)
quantile(vecteur1, probs=.25)
quantile(vecteur1, probs=.75)
summary(vecteur1)
position 1 à 4 vecteur1[1 :4]
vecteur1[vecteur1>7] / == / != / & / I
ordre croissant/ sort(vecteur1)
ordre décroissant/ sort(vecteur1, decreasing = TRUE)

matrice1 <- matrix(vecteur1, ncol= ?, nrow= ?)
matrice1[ligne,colonne]

tableau1 <- data.frame(vecteur1, vecteur2)
statistiques descriptives/ summary(tableau1)
statistiques descriptives colonnes 2,3/ summary(tableau1[,c(2, 3)])
Renommer colonnes du tableau/ colnames(tableau1) <- c("score1","score2")
Dupliquer colonne score1 en score1bis/ tableau1$ score1bis <- tableau1$score1
Extraire les éléments de la colonne 7 du tableau/ tableau1$7
Colonne/ tableau1[,7]) ligne/ tableau1[7,])
Moyenne de la colonne 7/ mean(tableau1[,7])
Ajouter colonne correspondant au produit des deux premieres colonnes/ Tableau1$produit <- tableau1$score1*tableau1$score2
Transformer la colonne sujet en un vecteur de caractères/ tableau1$sujet <- as.character(tableau1$sujet)