ACP sous R sur fichier excel et lignes d'erreurs en cascade

Version imprimable

Bonsoir

Je dispose d'un fichier excel contenant la liste des 12 000 communes de France de plus de 100 bénéficiaires CAF (à titre indicatif le fichier en question est dispo sur le site de la CAF :ccool: , voici le fichier que j'utilise : http://depositfiles.com/files/zuy1aktlo).

Mon tableau fait donc 24 colonnes et 12 000 lignes. Une colonne avec le nom de la commune , et les 23 autres avec des indicateurs tous chiffrés ( nombre de personnes allocataires pour chaque ville , nombre de personnes bénéficiant du RSA , nombre de personnes bénéficiant des ARS, etc... ).

Il est à noter que lorsqu'une ville ne contient pas un certain profil de bénéficiaire et bien les cellules restent vides (aucun chiffre).

Je me pose la question suivante :

- R peut-il réaliser une ACP / AFC ou ACM avec des valeurs manquantes dans un tableau? ( au passage j'ai tenté de remplacer les cellules vides par mais cela ne marche pas, mes cellules restent désespérément vides )

Mon code est-il bon?

Car quand je lance mon ACP sous R, chaque ligne n'est pas reconnue et j'ai droit à des dizaines de lignes d'erreur " erreur ligne de commande introuvable " ou encore " erreur chemin de données introuvable " .

Voici le code :

Code:

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
95
96
97
98
99
100
101
102
103
#librairie lecture fichier excel
library(xlsReadWrite)
 
#chargement des données dans la première feuille de calcul
#première colonne = label des observations
#les données sont dans la première feuille
ville <- read.xls(file="c:/caf.xls",rowNames=T,sheet=1)
 
#qqs vérifications
#affichage
print(ville)
#statistiques descriptives
summary(ville)
#nuages de points
pairs(ville)
 
#partition des données (var. actives et illustratives)
ville.actifs <- ville[,1:23]
 
 
#nombre d'observations
n <- nrow(ville.actifs)
print(n)
 
#*******************************
# ACP avec la procédure princomp
#*******************************
 
#centrage et réduction des données --> cor = T
#calcul des coordonnées factorielles --> scores = T
acp.ville <- princomp(ville.actifs, cor = T, scores = T)
#print
print(acp.ville)
#summary
print(summary(acp.ville))
#quelles les propriétés associées à l'objet
print(attributes(acp.ville))
 
#*************************
#**** val. propres *******
#*************************
 
#obtenir les variances associées aux axes c.-à-d. les valeurs propres
val.propres <- acp.ville$sdev^2
print(val.propres)
 
#scree plot (graphique des éboulis des valeurs propres)
plot(1:6,val.propres,type="b",ylab="Valeurs propres",xlab="Composante",main="Scree plot")
 
#intervalle de confiance des val.propres à 95% 
val.basse <- val.propres * exp(-1.96 * sqrt(2.0/(n-1)))
val.haute <- val.propres * exp(+1.96 * sqrt(2.0/(n-1)))
 
#tableau
tableau <- cbind(val.basse,val.propres,val.haute)
colnames(tableau) <- c("B.Inf.","Val.","B.Sup")
print(tableau,digits=3)
 
#*************************************************
#coordonnées des variables sur les axes factoriels
#*************************************************
 
#**** corrélation variables-facteurs ****
c1 <- acp.ville$loadings[,1]*acp.ville$sdev[1]
c2 <- acp.ville$loadings[,2]*acp.ville$sdev[2]
#affichage
correlation <- cbind(c1,c2)
print(correlation,digits=2)
 
#carrés de la corrélation
print(correlation^2,digits=2)
 
#cumul carrés de la corrélation
print(t(apply(correlation^2,1,cumsum)),digits=2)
 
#*** cercle des corrélations - variables actives ***
plot(c1,c2,xlim=c(-1,+1),ylim=c(-1,+1),type="n")
abline(h=0,v=0)
text(c1,c2,labels=colnames(ville.actifs),cex=0.5)
symbols(0,0,circles=1,inches=F,add=T)
 
#***************************************************************
#*** projection des individus dans le premier plan factoriel ***
#***************************************************************
 
#l'option "scores" demandé dans princomp est très important ici
plot(acp.ville$scores[,1],acp.ville$scores[,2],type="n",xlab="Comp.1 - 74%",ylab="Comp.2 - 14%")
abline(h=0,v=0)
text(acp.ville$scores[,1],acp.ville$scores[,2],labels=rownames(ville.actifs),cex=0.75)
 
#**************************************************************************************
#*** représentation simultanée : individus x variables - cf. Lebart et al., pages 46-48
#**************************************************************************************
biplot(acp.ville,cex=0.75)
 
#**************************************
#*** contributions des individus actifs
#**************************************
 
#contributions à une composante - calcul pour les 2 premières composantes
all.ctr <- NULL
for (k in 1:2){all.ctr <- cbind(all.ctr,100.0*(1.0/n)*(acp.ville$scores[,k]^2)/(acp.ville$sdev[k]^2))}
print(all.ctr)

Merci d'avance.

02/03/2012, 09h51
abysse

le code a l'air d'être bon, par contre pour réaliser l'ACP il ne faut pas de NA.
soit tu moyennes tes colonnes pour replacer les NA
soit tu élimines toutes les lignes comportant NA (na.omit)
02/03/2012, 09h59
Hadrien35

Ou encore tu utilise le package MissMDA pour générer les données manquantes les plus vraisemblables.

http://math.agrocampus-ouest.fr/info...pement/missMDA

Bonsoir,

Après modification des cases vides j'ai relancé le programme pour avoir ceci comme résultat. R ne reconnait rien du tout et chaque ligne est une erreur selon le logiciel. Bref je suis démuni de toute solution, je ne sais pas aller plus loin et j'ai tout essayé au niveau des packages, rien ne fonctionne :?

Voici le code :

Code:

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
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
 
> #librairie lecture fichier excel
> library(xlsReadWrite)
Erreur dans library(xlsReadWrite) : 
  aucun package nommé 'xlsReadWrite' n'est trouvé
> 
> #chargement des données dans la première feuille de calcul
> #première colonne = label des observations
> #les données sont dans la première feuille
> ville <- read.xls(file="c:/caf.xls",rowNames=T,sheet=1)
Erreur : impossible de trouver la fonction "read.xls"
> 
> #qqs vérifications
> #affichage
> print(ville)
Erreur dans print(ville) : objet 'ville' introuvable
> #statistiques descriptives
> summary(ville)
Erreur dans summary(ville) : objet 'ville' introuvable
> #nuages de points
> pairs(ville)
Erreur dans pairs(ville) : objet 'ville' introuvable
> 
> #partition des données (var. actives et illustratives)
> ville.actifs <- ville[,1:23]
Erreur : objet 'ville' introuvable
> 
> 
> #nombre d'observations
> n <- nrow(ville.actifs)
Erreur dans nrow(ville.actifs) : objet 'ville.actifs' introuvable
> print(n)
Erreur dans print(n) : objet 'n' introuvable
> 
> #*******************************
> # ACP avec la procédure princomp
> #*******************************
> 
> #centrage et réduction des données --> cor = T
> #calcul des coordonnées factorielles --> scores = T
> acp.ville <- princomp(ville.actifs, cor = T, scores = T)
Erreur dans princomp(ville.actifs, cor = T, scores = T) : 
  objet 'ville.actifs' introuvable
> #print
> print(acp.ville)
Erreur dans print(acp.ville) : objet 'acp.ville' introuvable
> #summary
> print(summary(acp.ville))
Erreur dans summary(acp.ville) : objet 'acp.ville' introuvable
> #quelles les propriétés associées à l'objet
> print(attributes(acp.ville))
Erreur dans print(attributes(acp.ville)) : objet 'acp.ville' introuvable
> 
> #*************************
> #**** val. propres *******
> #*************************
> 
> #obtenir les variances associées aux axes c.-à-d. les valeurs propres
> val.propres <- acp.ville$sdev^2
Erreur : objet 'acp.ville' introuvable
> print(val.propres)
Erreur dans print(val.propres) : objet 'val.propres' introuvable
> 
> #scree plot (graphique des éboulis des valeurs propres)
> plot(1:6,val.propres,type="b",ylab="Valeurs propres",xlab="Composante",main="Scree plot")
Erreur dans xy.coords(x, y, xlabel, ylabel, log) : 
  objet 'val.propres' introuvable
> 
> #intervalle de confiance des val.propres à 95% 
> val.basse <- val.propres * exp(-1.96 * sqrt(2.0/(n-1)))
Erreur : objet 'val.propres' introuvable
> val.haute <- val.propres * exp(+1.96 * sqrt(2.0/(n-1)))
Erreur : objet 'val.propres' introuvable
> 
> #tableau
> tableau <- cbind(val.basse,val.propres,val.haute)
Erreur dans cbind(val.basse, val.propres, val.haute) : 
  objet 'val.basse' introuvable
> colnames(tableau) <- c("B.Inf.","Val.","B.Sup")
Erreur dans colnames(tableau) <- c("B.Inf.", "Val.", "B.Sup") : 
  objet 'tableau' introuvable
> print(tableau,digits=3)
Erreur dans print(tableau, digits = 3) : objet 'tableau' introuvable
> 
> #*************************************************
> #coordonnées des variables sur les axes factoriels
> #*************************************************
> 
> #**** corrélation variables-facteurs ****
> c1 <- acp.ville$loadings[,1]*acp.ville$sdev[1]
Erreur : objet 'acp.ville' introuvable
> c2 <- acp.ville$loadings[,2]*acp.ville$sdev[2]
Erreur : objet 'acp.ville' introuvable
> #affichage
> correlation <- cbind(c1,c2)
Erreur dans cbind(c1, c2) : objet 'c1' introuvable
> print(correlation,digits=2)
Erreur dans print(correlation, digits = 2) : objet 'correlation' introuvable
> 
> #carrés de la corrélation
> print(correlation^2,digits=2)
Erreur dans print(correlation^2, digits = 2) : 
  objet 'correlation' introuvable
> 
> #cumul carrés de la corrélation
> print(t(apply(correlation^2,1,cumsum)),digits=2)
Erreur dans apply(correlation^2, 1, cumsum) : 
  objet 'correlation' introuvable
> 
> #*** cercle des corrélations - variables actives ***
> plot(c1,c2,xlim=c(-1,+1),ylim=c(-1,+1),type="n")
Erreur dans plot(c1, c2, xlim = c(-1, +1), ylim = c(-1, +1), type = "n") : 
  objet 'c1' introuvable
> abline(h=0,v=0)
Erreur dans int_abline(a = a, b = b, h = h, v = v, untf = untf, ...) : 
  plot.new n'a pas encore été appelé
> text(c1,c2,labels=colnames(ville.actifs),cex=0.5)
Erreur dans text(c1, c2, labels = colnames(ville.actifs), cex = 0.5) : 
  objet 'c1' introuvable
> symbols(0,0,circles=1,inches=F,add=T)
Erreur dans symbols(0, 0, circles = 1, inches = F, add = T) : 
  plot.new n'a pas encore été appelé
> 
> #***************************************************************
> #*** projection des individus dans le premier plan factoriel ***
> #***************************************************************
> 
> #l'option "scores" demandé dans princomp est très important ici
> plot(acp.ville$scores[,1],acp.ville$scores[,2],type="n",xlab="Comp.1 - 74%",ylab="Comp.2 - 14%")
Erreur dans plot(acp.ville$scores[, 1], acp.ville$scores[, 2], type = "n",  : 
  objet 'acp.ville' introuvable
> abline(h=0,v=0)
Erreur dans int_abline(a = a, b = b, h = h, v = v, untf = untf, ...) : 
  plot.new n'a pas encore été appelé
> text(acp.ville$scores[,1],acp.ville$scores[,2],labels=rownames(ville.actifs),cex=0.75)
Erreur dans text(acp.ville$scores[, 1], acp.ville$scores[, 2], labels = rownames(ville.actifs),  : 
  objet 'acp.ville' introuvable
> 
> #**************************************************************************************
> #*** représentation simultanée : individus x variables - cf. Lebart et al., pages 46-48
> #**************************************************************************************
> biplot(acp.ville,cex=0.75)
Erreur dans biplot(acp.ville, cex = 0.75) : objet 'acp.ville' introuvable
> 
> #**************************************
> #*** contributions des individus actifs
> #**************************************
> 
> #contributions à une composante - calcul pour les 2 premières composantes
> all.ctr <- NULL
> for (k in 1:2){all.ctr <- cbind(all.ctr,100.0*(1.0/n)*(acp.ville$scores[,k]^2)/(acp.ville$sdev[k]^2))}
Erreur dans cbind(all.ctr, 100 * (1/n) * (acp.ville$scores[, k]^2)/(acp.ville$sdev[k]^2)) : 
  objet 'n' introuvable
> print(all.ctr)

Que puis-je faire, j'ai essayé tout ce qui était possible :?

Merci d'avance de la lumière d'un âme charitable :ccool:

09/03/2012, 09h34
lilly74

Bonjour,

R ne trouve pas le package: êtes-vous sûr de l'avoir installé?

Vous pouvez le faire sur la page du CRAN:
http://cran.r-project.org/web/packag...ite/index.html

Bonne journée :)