Discussion :

[Arnvincent]

Bonjour,
Je dois créer une fonction qui calculera les statistiques descriptives sur les données météos pour une unité de temps donnée (par exemple par jour, par mois, etc...).
Cette fonction doit avoir comme arguments :
var_interest: variable sur laquelle les statistiques descriptives vont être calculées,
g: vecteur qui définit les différents temps,
titre: vecteur contenant les éléments de titre (cf. document stat_desc.txt)
myfun: un vecteur contenant les indices descriptifs à calculer.
Par défaut, le vecteur myfun sera défini par c(’mean’, ’sd’, ’min’, ’max’).
La fonction doit renvoyer une matrice contenant une ligne par unité de temps (jour ou
mois) et x colonnes : une colonne pour chaque indice descriptif calculé.
Arrondir les résultats à deux décimales.
Par défaut, la matrice aura donc 4 colonnes, une pour la moyenne, une pour l’écart-type,
une pour le minimum et une pour le maximum. Veillez à avoir un affichage correct dans
la console.

Voilà le type de resultats que je dois avoir au final :

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
## ========================================================== 
##  Statistiques par  mois  de la variable humidité relative 
## ---------------------------------------------------------- 
##                    mean     sd      min     max   
## 2019-02   73.42   19.03   28.05   99.45   
## 2019-03   77.12   17.05   32.00   103.00   
## ...
## 2019-12   68.89   18.45   99.00  100.00  
## ==========================================================
 
## ========================================================== 
##  Statistiques par  mois  de la variable température 
## ---------------------------------------------------------- 
##                   mean     sd      min     max   
## 2019-02   73.42   19.03   28.05   99.45   
## 2019-03   77.12   17.05   32.00   103.00   
## ...
## 2019-12   68.89   18.45   99.00  100.00  
## ==========================================================

J’ai déjà essayé beaucoup de choses. J’arrive à avoir mes 4 colonnes pour mes statistiques descriptives (mystats) par unité de temps (g) et pour chacune des variables (var_interest)… mais sans aucun nom de colonnes et pas sous forme de matrice (j'ai essayé d'ajouter dimnames() dans la fonction mais ça ne marche pas)
Je suis perdue… je suppose au final que je ne devrai peut-être pas utiliser tapply car je n’utilise pas tous les arguments… mais je ne vois pas quelle autre fonction utiliser.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
g <- meteo$month
myfun <- c("mean", "sd", "min", "max")
mystats <- function(x){c(mean(x), sd(x), min(x), max(x))}
 
for (var_interest in meteo[,1:4]){print(tapply(var_interest, g, mystats))}
 
Même le test pour mon titre ne fonctionne pas, le nom de la variable ne s’affiche pas. Une idée de pourquoi ?
var_interest <- meteo$T
titre <- cat ("Statistiques par jour de la variable", colnames(var_interest),"\n")
colnames(meteo)<- c("Température", "Pression Atmosphérique", "Humidité relative", "Point de rosée", "Date", "Mois")

Merci d'avance pour votre aide… même une piste de fonction à explorer m'aiderait déjà! (et peut-être pourquoi mon titre ne va pas chercher le nom de la variable?)

Bien à vous,
A.

[olivier.decourt]

Bonjour.
Pour le titre, c'est dû à la nature de ton objet var_interest : c'est un vecteur et donc il n'a pas de colnames.

Ensuite une piste à adapter : j'ai utilisé des données exemple de R (mtcars) pour imaginer sortir des stats par nombre de cylindres (cyl) sur toutes les autres colonnes du data.frame.
Pour ta fonction mystats, nommer les éléments du vecteur en sortie permet de personnaliser les noms de colonnes. Ensuite j'ai tendance à préférer aggregate à tapply pour les calculs par groupe.
Enfin un lapply permet de récupérer facilement le nom de la variable résumée (c'est le nom de l'élément de liste) sans écrire la boucle explicitement.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
data(mtcars) # données exemple
 
mystats <- function(x){c(mean=mean(x), 
                         sd=sd(x), 
                         min=min(x), 
                         max=max(x))}
 
lapply(mtcars[,setdiff(colnames(mtcars),"cyl")], # pour toutes les colonnes sauf cyl
       function(var){
         aggregate(x=var, 
                   by=list("cyl"=mtcars[["cyl"]]), 
                   FUN=mystats)
       })

Comme tu peux le constater, la variable de groupement est toujours évoquée sous la forme d'un nom. Ce qui veut dire qu'on peut facilement la transformer en paramètre d'une fonction. Quant à la table, il suffit d'avoir un paramètre df contenant le nom du data.frame (sans guillemets cette fois, il faut que ce soit l'objet) et remplacer mtcars par df partout dans le code ci-dessus.

[Arnvincent]

Un grand merci! J'essaie d'appliquer ça chez moi aujourd'hui!
Je suis assez confiant que ça va me débloquer!
Je vous souhaite un excellent Dimanche!

[Arnvincent]

Bonjour,

J'ai presque réussi.
Il ne me reste qu'un point : je dois pouvoir changer la variable temps de mois à jours - dans votre simulation, la variable cylindre.

Mon code fonctionne avec g = mois mais quand je passe à g = jours, ma date (format(meteo_charleroi$date, "%Y-%m-%d")) dans mes résultats ne reste pas sous format 'date' mais devient un chiffre :

Statistiques descriptives de la variable Point de rosée

             mean   sd     min  max
17897    4.57    1.14   2.1  6.5
17898    0.76    0.62  -0.3  1.9
17899    1.42    0.29   0.8  2.1
17900    0.65    0.93  -1.1  2.1
17901    3.06    1.02   0.8  4.3
17902    1.88    0.62   0.8  2.7

J'ai essayé de transformer ma date en facteur mais ça ne fonctionne pas - ou alors je le fais mal.
Une dernière piste?

Une tout grand merci d'avance!