Discussion :

[RémiCA33]

Bonjour à tous

Je réalise une série de test sur des données.
Ces tests sont regroupés dans un srcipt, qui s'applique sur une colonne de mon tableau de données (appelé par read.csv2('blablabla.csv';header=T)), et ça marche plutôt bien.
Mais je voudrai créer une petite boucle qui fasse que le script s'applique tour à tour sur les différentes colonnes (les différentes variables étudiées pour moi).
Pour l'instant je le fait à la main mais c'est vraiment moche.

Du coup la question c'est : comment utiliser les noms de colonne (de variable) en tant qu'argument sur lequel effectuer ma boucle?

Merci

Rémi

[habasque]

Tu peux donner le code que tu utilises ?

[RémiCA33]

Oui voilà le script, désolé c'est un peu un sacré bordel parce qu'il est en construction, y a des trucs moche dedans, et il est loin d'etre optimal.

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
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
 ##script pour analyse pré-ANOVA
tec<-read.csv2('monfichier.csv', header=T)
 
 
layout(matrix(1:8,2,4))
 
myfun<-function(mdb)
{
data<-mdb
 
 
 
#Normalisation de la variable étudiée
#mdb<-asin(sqrt(mdb/100))
 
modele<-aov(mdb~CLONE)
residus<-residuals(modele)
hist(residus,c="grey",main=paste("Histogramme des résidus",names(reg)[3]),ylab="Fréquence",xlab="valeurs des résidus")
 
#test de la normalité des résidus :
shapiro.test(residus)
print(shapiro.test(residus))
 
#test d'homogénéité des variances : 
bartlett.test(residus~CLONE)
print(bartlett.test(residus~CLONE))
p.value<-bartlett.test(residus~CLONE)$p.value
 
##anova ou kruskal:
 
if (p.value>0.05) {
 
	anova(modele)
	print(anova(modele))
 
##analyse post-hoc :
	#TukeyHSD(modele)
	#TukeyHSDs(TukeyHSD(modele))
	#print(TukeyHSD(modele))
	#print(TukeyHSDs(TukeyHSD(modele)))
 
	print(SNK.test(modele,"CLONE",group=F))
	print(SNK.test(modele,"CLONE",group=T))
 
##script pour graphique de comparaison des moyennes de chaque clone sur le regroupement d'années, pour une maladie mdb:
 
	par(las=1,col.axis="royalblue")
 
	moyennes<-tapply(mdb,CLONE,mean)
	ecartypes<-tapply(mdb,CLONE,sd)
	n<-tapply(mdb,CLONE,length)
 
 
	mybarcol <- "gray20"
 
	mp <- barplot(moyennes, beside = TRUE,
	col = c("lightblue","mistyrose","lightcyan","lavender","lightgreen","salmon","slateblue","seagreen","tomato1","yellow2","violetred3","orange3","gray47"),
	ylim= c(0,15),
	xlab="Clone",
	ylab="Pourcentage moyen de pieds touchés",
	main = paste("Sensibilité à la maladie",names(reg)[3]), font.main = 1,
	sub = "barres d'erreur = +/- 2 S.E", col.sub = mybarcol,cex.names = 1.5,xpd=F)
 
	segments(mp, moyennes - 2*ecartypes/sqrt(n), mp, moyennes +
	2*ecartypes/sqrt(n), col = mybarcol, lwd = 1.5)
 
	mtext(side = 1, at = (mp), line = 2,
	text = paste(formatC(moyennes),"+/-",round(2*ecartypes/sqrt(n),digits=2)), col = "grey",cex=0.5)
 
}else{
 
 
##script pour analyse des variables non paramétriques, pas d'anova possible
 
#Test de Kruskal-Wallis : rangs significativement différents?
 
	kruskal.test(mdb~CLONE)
	print(kruskal.test(mdb~CLONE))
 
# test de comparaison multiple non paramétrique
 
	kruskalmc(mdb,CLONE,probs=0.05,cont=NULL)
	print(kruskalmc(mdb,CLONE,probs=0.05,cont=NULL))
}
}
 
mdb<-P_ESCA
myfun(mdb)
mdb<-P_BDA
myfun(mdb)
mdb<-P_ESCA_BDA
myfun(mdb)
mdb<-P_EUTY
myfun(mdb)

voilà donc le seul moyen que j'ai trouvé c'est l'espèce d'horreur que vous voyez là, en créant une fonction et en l'appliquant de force sur mes différentes variables. Mais évidemment si je rajoute de nouvelles variables dans mes données, je dois refaire le script, c'est nul.

Tout ce que je sais faire avec ces noms de variable, c'est justement extraire leur nom : names(tec)[numéro de colonne]

Voilà
merci d'avance

Rémi