R : dplyr : Comprendre les étapes de %>%

Bonjour,

J'ai récupéré, je ne sais plus où, ce programme :

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14

library(gapminder) new_gap <- gapminder new_gap %>% head() new_gap %>% select(country, year, continent, lifeExp) %>% group_by(continent, country) %>% ## within country, take (lifeExp in year i) - (lifeExp in year i - 1) ## positive means lifeExp went up, negative means it went down mutate(le_delta = lifeExp - lag(lifeExp)) %>% ## within country, retain the worst lifeExp change = smallest or most negative summarize(worst_le_delta = min(le_delta, na.rm = TRUE)) %>% ## within continent, retain the row with the lowest worst_le_delta top_n(-1, wt = worst_le_delta) %>% ## top_n() : voir plus loin arrange(worst_le_delta)

---

et pour mieux le comprendre, j'ai voulu le décortiquer par étape... et je n'y arrive pas (j'ai déjà fait plusieurs essais).
Pouvez-vous m'aider ? Merci

Par étape :

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12

library(gapminder) head(gapminder) names(gapminder) glimpse(gapminder) select(gapminder, country, year, continent, lifeExp) group_by(gapminder, continent, country) gapminder_ <-mutate(gapminder, le_delta = lifeExp - lag(lifeExp)) gapminder__<-summarize(gapminder_, worst_le_delta = min(le_delta, na.rm = TRUE)) gapminder__ str(gapminder__) top_n(gapminder__, -1, wt = worst_le_delta) arrange(worst_le_delta)

---

Merci.

Bonjour,

Au niveau du contexte d'application, ne sachant pas d'où sort ce code, difficile de vous aider...
Par contre, au niveau de la programmation, voici quelques infos pour vous éclairer :

> Le symbole %>% équivaut à un "pipe", ie. ce symbole permet d’enchaîner des opérations/modifications sur un jeu de données.
Exemple :

Code:

---

1 2 3

new_gap %>% head() # est équivalent à : head(new_gap)

---

> Pour obtenir l'aide détaillée d'une fonction en R : ?glimpse.

Pour le reste, je vous conseille de suivre un tutoriel sur les bases du package "dplyr" afin de vous familiariser avec ses fonctions, puis de reprendre ce code ensuite. Un lien qui vous servira très certainement : Data Wrangling With R Cheat Sheet.

Bonne continuation :)


Cordialement,


A.D.

Bonjour A.D.,

Merci pour votre réponse.
En fait, gapminder est une base déjà incluse dans R et que l'on appelle grâce à library(). c'est un extrait de 1704 lignes et de 6 colonnes.
Les variables sont : "country" (pays) "continent" "year" (année) "lifeExp"(espérance de vie) "pop" (population) "gdpPercap"(PNB)

glimpse()équivaut à str(). J'aurai peut-être du rajouter qu'il faut aussi library(dplyr) pour utiliser les pipes

Objet de mon poste : j'aurai bien voulu, au lieu d'avoir comme une longue phrase (à l'aide des %>% "pipe") avoir une césure à chaque étape pour bien comprendre.

Merci de votre aide.

Bonjour,

Ok, je comprends mieux votre question du coup.

En fait, chaque étape peut être séparée au niveau du "pipe" %>% .

Exemple :

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14

library(dplyr)   new_gap %>% select(country, year, continent, lifeExp) %>% group_by(continent, country) %>% mutate(le_delta = lifeExp - lag(lifeExp))   # peut être remplacé par exemple par :   verif1 <- new_gap %>% select(country, year, continent, lifeExp) verif2 <- verif1 %>% group_by(continent, country) verif3 <- verif2 %>% mutate(le_delta = lifeExp - lag(lifeExp))   # ce qui permet à chaque étape de voir le contenu de verifs*

---

HTH ! :)


Cordialement,


A.D.