Filtrer une table

Bonjour à tous,

Je dispose d'un fichier de donnée nommé "data", représentant des communes, des départements, et des type de Points d’intérêts.

Souhaitant filtrer ma base de données avec les communes se situant uniquement dans le département du Var, j'ai appliqué la formule suivante :

Code:

---

1 2	data2 = subset(data, data$departement == "Var")

---

Et cela a très bien marché.

Malheureusement, en affichant un :

Code:

---

1 2	table(data2$type_POI)

---

Il m'affiche tous les éléments de mon ancienne table, sous forme de "0".

Exemple :

Code:

---

1 2 3 4 5

CH CHN CHNL CHNM CHNN CLDA CLF CLG CMN CMP CMPL CMPLA CMPMN CMPO CMPQ CMPRF CMTY CNFL 0 0 0 0 0 12 0 0 20 0 0 0 0 0 56 3 0 2 0 0 0 0 0 0 0 1 CNL CNLA CNLB CNLD CNLI CNLN CNLQ CNLSB CNLX CNS CNSU CNYN CNYU COLF COMC CONE CONT COVE CRDR CRKT CRNT CRQ CRQS CRRL CRSU CRTR 3 0 0 0 0 0 0 0 0 0 0 0 10 0 0 0 0 0 0 0 0 11 0 14

---

Avec les valeurs que je souhaite afficher, noyées dans ce flow de "0".

Existe t-il un moyen d'afficher que les éléments de ce tableau > 0, ou existe t-il un autre moyen de filtrer son tableau de données ?

Merci à vous.

bonsoir
une solution possible avec le tidyverse

Code:

---

1 2 3

library(tydiverse) data2 <- data%>% filter(departement == 'Var')

---

Bonjour.
Ce comportement tient au type de tes variables : type_POI est un facteur, c'est à dire une donnée dont R a recensé les valeurs dans un dictionnaire (cf. fonction levels). Quand tu filtres avec select, le dictionnaire n'est pas mis à jour ; la fonction table l'utilise pour construire son résultat et tu vois des valeurs qui ne sont plus présentes dans tes données filtrées.
Deux solutions : 1) transformer (as.character) type_POI en variable texte ou 2) appliquer la fonction droplevels à type_POI.

Comme Olivier te l'as signalé POI est un facteur donc table raisonne non pas sur les valeurs présentes dans le tableau mais sur les niveaux du facteur donc quand table n'en trouve pas, la fonction retourne normalement zéro. Une solution est d'éliminer les niveaux inutilisés par la fonction droplevels comme le suggère Olivier.

Ensuite la fonction travaille dans l'environnement des données qui lui sont passées en argument, donc l'argument subset fait référence à l'objet filtré dans cet environnement.

Ton problème devrait être résolu par le code suivant :

Code:

---

data2 <- droplevels( subset( data, departement == "Var"))

---

Si tu préfères utiliser tidyverse, alors le code est :

Code:

---

1 2	library(tydiverse) data2 <- droplevels( filter( data, departement == 'Var')))

---

bonjour , j'ai encore répondu trop vite car dans la logique tidyverse on ferait plutôt

Code:

---

1 2 3 4

library(tydiverse) data2 <- data%>% filter(departement == 'Var') %>% count(departement)

---

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

X <- factor( c( rep( toupper( letters[1:3]), 3), "C")) Y <- factor( c( rep( c( "X", "Y"), each=4), rep( "Z", 2))) donnees <- data.frame( X=X, Y=Y)   # On verifie que Z n'est associe qu'avaec C with( donnees, table( X, Y))   # Travail avec subset (fonction de base) res.sub <- subset( donnees, X == "A")   # Travail avec tidyverse::filter res.fil <- filter( donnees, X == "A")   # On verifie que les 2 approches donnent exactement la même chose summary( res.sub) summary( res.fil)   # On applique table aux deux table( res.sub$Y) table( res.fil$Y)   # On applique count aux deux count( res.sub, Y) count( res.fil, Y)

---

Donc subset et filter fonctionnent de manière identique : ces deux fonctions gardent les lignes du data.frame qui correspondent à la condition mais ne modifient pas la définition des facteurs comme on peut le constater par le summary.

table et count ont deux objectifs très diférents :
- table permet de calculer des tableau de contingence et décompte le nombre d'occurences dans le data.frame de chaque niveau des facteurs, que ce niveau soit peuplé ou non,
- count décompte le nombre d'occurences de chacune des valeurs existantes dans le data.frame, donc les niveaux non peuplés ne sont pas reportés. Cela n'empêche absolument pas qu'ils existent toujours dans la définition des facteurs. Leur existence peut poser problème dans certans cas.

Donc, quelque soit l'approche utilisé, il faut utiliser droplevels pour supprimer ces niveaux.

bonjour faubry,
tu as tout à fait raison ,
je pense qu'il faut mieux laisser des personnes compétentes comme toi répondre
je te souhaite une bonne journée

Merci à vous pour ces réponses