Problème basic - data.frame

Version imprimable

08/03/2017, 22h48
Artaud

Problème basic - data.frame

Bonsoir à tous,

Je tiens tout d'abord à m'excuser si je ne poste pas au bon endroit, je suis actuellement en train de m'arracher les cheveux sur un problème qui je suis sûr est tout simple :oops:

Je dispose d'un .csv comportant plusieurs colonnes (que j'ai bien évidemment chargé en data frame sous R), pour mon étude 2 colonnes m'intéresse, "Date" & "Nom"

La colonne "Date" comporte des éléments sous le format ci-dessous :
JJ/MM/AAAA HH:MM:SS soit par exemple 01/02/2016 12:20:30 soit le premier février 2016 à 12h20 min 30s

A cette ligne est associé sur la colonne suivante "Nom", comportant le nom d'une personne (Ex : Jean ).

Ce que je voudrais faire, c'est de calculer toutes les heures (pour chaque jour du mois de février), le nombre de personne associées. Je ne sais pas si c'est clair mais je vais faire un exemple pour illustrer mon propos :

DATE Nom

01/02/2016 12:20:30 Jean
01/02/2016 12:40:02 Pierre
01/02/2016 12:46:00 Sylvain
01/02/2016 12:55:30 Pierre
01/02/2016 12:58:07 Jean
01/02/2016 13:05:30 Nathalie
01/02/2016 14:20:30 Florence

Je voudrais du coups que ma fonction m'indique que le 01/02/2016, entre 12h et 13h, il y'a les "scores" suivant : Jean : 2 / Pierre : 2 / Sylvain : 1
entre 13h et 14 h : Nathalie : 1 etc ... jusqu'au jour suivant.

Comme vous pouvez le constater le problème semble simple, mais je peux vous assurer que sa simplicité m'a perturbé au point d'en être bloqué..

Par avance je remercie l'âme charitable que voudra bien prendre un peu de son temps pour aider une personne qui fait ses premières gammes sous R. :D

N.B : Est-ce que le fait d'avoir un jeu de donnée de près de 4,5k lignes posera problème pour ma fonction en terme de performance ? (reparcours plusieurs fois le tableau par exemple)

Salut !

J'ai fait un code dont tu peux t'inspirer. Est-ce la réponse à ta question ?

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
# Génération de la table d'exemple (base)
 
DATE=c("01/02/2016 12:20:30","01/02/2016 12:40:02","01/02/2016 12:46:00",
    "01/02/2016 12:55:30","01/02/2016 12:58:07","01/02/2016 13:05:30","01/02/2016 14:20:30")
Nom=c("Jean","Pierre","Sylvain","Pierre","Jean","Nathalie","Florence")
base=data.frame(DATE,Nom)
 
#Si il n'y a que les dates et les heures qui t'intéressent,
#tu peux "couper" ta colonne Date avec la fonction substr()
base$DATE=substr(base$DATE,start=1,stop=13)
 
 
# Tu peux maintenant faire un "split" afin d'avoir les individus correspondants à chaque temporalités
resume=split(base$Nom,base$DATE)
resume=sapply(resume,function(x) return(factor(x,exclude=NULL)))
 
#Tu appliques à la liste resume la fonction summary 
X=sapply(resume,summary)
 
#Si tu cherches qui est dans une date à une heure précise, par exemple les individus apparus le 01 février 2016 entre 12h et 13h
X$`01/02/2016 12`

09/03/2017, 13h26
Artaud

Bonjour,

Je ne connaissais pas la fonction split et je la trouve très utile pour mon problème, je te remercie !

Dans ton exemple tu as crée manuellement les deux tables, je vais m'amuser à les charger directement depuis un fichier existant :D

Par contre petite remarque, à l'aide de la ligne de commande "X$`01/02/2016 12`" je peux avoir les noms associés à chaque heure, mais étant donnée que j'ai un fichier volumineux (4.5k lignes) , est ce que je ne pourrais pas stocker l'ensemble des résultats dans un nouveau tableau / liste ? (plutôt que de répetez la tâche n fois pour chaque heure de chaque jour).

Encore une fois je te remercie, tu m'as donnée des pistes qui me seront utile :D

En lançant cette commande, on retire les facteurs qui n'interviennent pas à une période donnée.

Code:

resume=sapply(resume,function(x) return(factor(x,exclude=NULL)))

Si tu l'enlèves et que tu exécutes les autres commandes. Le tables X générée ressemblera à ça
Code:

1 2 3 4 5 6 7 8 > X=sapply(resume,summary) > X 01/02/2016 12 01/02/2016 13 01/02/2016 14 Florence 0 0 1 Jean 2 0 0 Nathalie 0 1 0 Pierre 2 0 0 Sylvain 1 0 0
Mais ça peut devenir très très lourd si tu as un énorme fichier. Après ça peut le faire si tu n'as pas beaucoup de personne différentes.

Dans tous les cas, que tu enlèves ou non la commande présentée au début de ce message. Tes résultats seront stockés dans la variable X.
Si tu la retires, la table générée ressemblera à ça. Tu peux récupérer les valeurs très facilement
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 X=sapply(resume,summary) > X $`01/02/2016 12` Jean Pierre Sylvain 2 2 1 $`01/02/2016 13` Nathalie 1 $`01/02/2016 14` Florence 1

14/03/2017, 10h30
Artaud
Bonjour,

Merci pour votre retour j'ai pu appliquer cela à mon ensemble de donnée avec une visualisation un peu plus personnalisée.

Petite question par rapport à la commande substr, est-ce possible de l'utilisé pour une "coupe" sans nombre de caractère défini ?

Exemple simple rajouter un délimiteur type slash "/".

Exemple si dans une de mes colonnes j'ai des données de type :
Code:

1 2 3 /Vache/Lait/Herbe /Lion/Viande/Sable /Poulet/Graine/Ville
Serait-il possible à l'aide de la fonction substrde récupérer uniquement le premier mot (ici le nom de l'animal) contenu entre le premier "/" et le second "/" ?

je continue de chercher si d'autre fonction font ce type de découpage, encore merci pour tes retours :)

N.B : J'ai regardé la fonction substrsur le CRAN mais malheureusement je n'ai pas l’impression que cela soit possible.

N.B² : Avec un essai candide (Dataset$Animal =substr(Dataset$Animal, start = 1, stop = '/") j'ai eu l'erreur NAs introduced by coercion

Je ne sais pas si la fonction substr() peut faire ce que tu demandes.

En revanche tu peux utiliser la fonction strsplit() pour extraire chacun des éléments entre tes / et récupérer le 2ème élément de chaque vecteur avec la fonction sapply()
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 > Animaux=c("/Vache/Lait/Herbe","/Lion/Viande/Sable","/Poulet/Graine/Ville") > > list_animaux=strsplit(Animaux, "/") > list_animaux [[1]] [1] "" "Vache" "Lait" "Herbe" [[2]] [1] "" "Lion" "Viande" "Sable" [[3]] [1] "" "Poulet" "Graine" "Ville" > sapply(list_animaux,"[[",2) [1] "Vache" "Lion" "Poulet"

15/03/2017, 10h48
Artaud

Bonjour,

J'aurais aimer récupérer uniquement le premier mot (le nom de l'animal dans cet exemple) plutôt que la liste entière sans les slashs.

Anyway je l'ai fait sous excel c'était plus simple, encore merci pour l'aide :)
15/03/2017, 11h55
DeepLearning
Citation:

Envoyé par Artaud

Bonjour,

J'aurais aimer récupérer uniquement le premier mot (le nom de l'animal dans cet exemple) plutôt que la liste entière sans les slashs.

Anyway je l'ai fait sous excel c'était plus simple, encore merci pour l'aide :)

Ben c'est exactement ce que j'ai fait en fait. La commande en une ligne:
Code:

1 2 3 > Animaux=c("/Vache/Lait/Herbe","/Lion/Viande/Sable","/Poulet/Graine/Ville") > sapply(strsplit(Animaux, "/"),"[[",2) [1] "Vache" "Lion" "Poulet"