Transformation d'un tableau pour analyse statistique

Rebonjour tout le monde,
J'ai un tableau avec plusieurs variables comme illustré ci-dessous :

région	parcelle	produit	Nom_produit	date_N°	date	Qté_N°	quantité
a	1	Produit_1	xxx	date_1	10/06/2019	qté_1	45
a	1	Produit_2	yyy	date_2	15/06/2019	qté_2	52
a	1	Produit_3	zzzz	date_3	20/07/2019	qté_3	36
a	2	Produit_1	xxx	date_1	01/05/2019	qté_1	98
a	2	Produit_2	yyy	date_2	03/07/2019	qté_2	52
a	2	Produit_3	zzzz	date_3	05/08/2019	qté_3	46
a	2	Produit_4	www	date_4	10/08/2019	qté_4	96
a	3	Produit_1	xxx	date_1	15/05/2019	qté_1	87
a	3	Produit_2	yyy	date_2	20/05/2019	qté_2	56

et je voudrais le transformer comme ci-dessous avant de faire des analyses statistiques

région	parcelle	Produit_1	Produit_2	Produit_3	Produit_4	date_1	date_2	date_3	date_4	qté_1	qté_2	qté_3	qté_4
a	1	xxx	yyy	zzzz		10/06/2019	15/06/2019	20/07/2019		45	52	36
a	2	xxx	yyy	zzzz	www	01/05/2019	03/07/2019	05/08/2019	10/08/2019	98	52	46	96
a	3	xxx	yyy			15/05/2019	20/05/2019			87	56

si vous pouvez m'aider là-dessus et merci d'avance ;-)

Pour répondre à ta question, tu peux chercher du côté de la procédure reshape mais je ne suis pas certain que la restructuration du tableau soit la solution d'autant que le nombre de produit est, à en croire ton exemple, variable. La première question est de savoir ce que tu veux faire comme analyse et c'est de là que tu peux envisager, ou non, de restructurer ton tableau.

Bonjour Faubry, je voudrai faire de l'AFCM puis la CAH par la suite, j'ai utilisé la library "reshape" effectivement en utilisant la fonction "cast" à plusieurs reprises, et après j'ai utilisé la fonction "merge" pour fusionner les tableaux et avoir un seul tableau , je ne sais pas s'il y a d'autres moyens plus rapides pour le faire et merci pour votre réactivité ;-)

Tu vas avoir de nombreux problèmes avec ton AFCM (de quel package ?)
1) les valeurs manquantes : comment vas-tu les traiter ? Soit tu utilises la procédure sans précaution et elle n'analysera que les lignes complètes (complete.cases) soit tu transformes des variables en facteurs avec un niveau pour les données manquantes (cf. factor avec l'argument exclude=NULL) ;
2) les dates de chaque variables (date_1, ...) sont autant de valeurs que de niveau ; est-ce la date en elle-même importante ou le délai entre deux traitements ?
3) les dates (ou les délais) peuvent être traitées comme des dates ou converties en numériques depuis une origine
4) quantités et éventuellement dates sont des valeurs numériques ; même les quantités peuvent être converties en facteur mais on perd pour l'AFCM le côté ordonné.

Donc, mon conseil est que tu commences par bien réfléchir à l'objectif de ton analyse.

-Merci pour votre réponse Mr faubry, j'envisage d'utiliser le package "FactoMineR" ou "ade4", pour les valeurs manquantes c'est il y en a pas mal, du coup j'envisage des regroupement d'individus pour avoir moins de variables et aussi faire une transformation des variables en facteur par la suite,
-Les dates je voudrai faire un premier analyse pour voir les sorties de l'AFCM si ça donne quelque chose d'intéressant si non je transformerai les dates en périodes (semaine, quinzaine, ...)
-L'objectif de mon analyse et de pouvoir caractériser des groupes de parcelles avec un comportement d'utilisation de produits bien distincts, par exemple le 1 groupe utilise tel produit tel quantité telle période tel région et ainsi de suite