TD introduction au tidyverse
DUBii - Module R - session 2
Magali Berland
04/03/2021
library(tidyverse)Le jeu de données utilisé pour ce TD est msleep, un ensemble de données sur le sommeil des mammifères.
Première partie : Visualisations graphiques avec ggplot2
Visualisation d’un variable continue
- Tracez l’histogramme de la variable
awake(temps d’éveil par jour, en heures) avecgeom_histogram()
- Ajoutez l’information du régime alimentaire avec l’argument
fill = vore. Que constatez-vous ?
- Tracez la courbe de densité avec
geom_densitypour chaque catégorie de régime alimentaire avecfacet_wrap
Note : il est possible de dissocier les valeurs de l’axe des y dans les différentes facets avec l’argument scales = "free_y"
Visualisation d’un variable catégorielle
- Tracez le nombre de mamifères appartenant à chaque régime alimentaire sous forme de barplot avec
geom_bar()
- Ajoutez l’information concernant le statut de conservation de l’animal (risque d’extinction, https://en.wikipedia.org/wiki/Conservation_status) donné par la variable
conservation
- Dans
geom_bar, que change l’argumentposition = "dodge"ou bienposition = "fill"?
Visualisation de deux variables continues
- Tracez le temps d’eveil (
awake) en fonction du temps de sommeil paradoxal (sleep_rem)
- Améliorez le graphique en ajoutant l’information sur le régime alimentaire et sur du poids corporel (
bodywt: body weight) avec les argumentscoloretsize
- Tracez le poids du cerveau (
brainwt) en fonction du temps de sommeil total (sleep_total). Le graphique est plus clair avec une échelle log pour l’axe des ordonnées (scale_y_log10()). Ajoutez une courbe de lissage avecstat_smooth().
Visualisation de la relation entre une variable continue et une variable catégorielle
- Tracez les boxplots suivants avec
geom_boxplot. Le titre du graphe se modifie aveclabs(title = "Titre du graphe"), ceux des axes avecxlab("label pour x")etylab("label pour y")
Sauvegarde des figures
La fonction ggsave envoie le dernier graphe dans un fichier, avec le format correct en fonction de l’extension de fichier donnée (par exemple gif, png, jpg, pdf, eps).
ggsave(filename = "Boxplot.jpg")On peut modifier la taille et la résolution de l’image :
ggsave(filename = "Boxplot-large.jpg", width = 8, height = 4)
ggsave(filename = "Boxplot-large-HD.jpg", width = 8, height = 4, dpi = 300)Deuxième partie : Manipulation des données avec dplyr
- Avec la fonction
filter(), trouvez les 8 mamifères qui dorment plus de 16 heures par jour
## # A tibble: 8 x 11
## name genus vore order conservation sleep_total sleep_rem sleep_cycle
## <chr> <chr> <chr> <chr> <chr> <dbl> <dbl> <dbl>
## 1 Owl … Aotus omni Prim… <NA> 17 1.8 NA
## 2 Long… Dasy… carni Cing… lc 17.4 3.1 0.383
## 3 Nort… Dide… omni Dide… lc 18 4.9 0.333
## 4 Big … Epte… inse… Chir… lc 19.7 3.9 0.117
## 5 Thic… Lutr… carni Dide… lc 19.4 6.6 NA
## 6 Litt… Myot… inse… Chir… <NA> 19.9 2 0.2
## 7 Gian… Prio… inse… Cing… en 18.1 6.1 NA
## 8 Arct… Sper… herbi Rode… lc 16.6 NA NA
## # … with 3 more variables: awake <dbl>, brainwt <dbl>, bodywt <dbl>- Avec la fonction
arrange(), triez les données par ordre taxonomique (order) puis par temps de sommeil croissant (sleep_total)
## # A tibble: 83 x 11
## name genus vore order conservation sleep_total sleep_rem sleep_cycle
## <chr> <chr> <chr> <chr> <chr> <dbl> <dbl> <dbl>
## 1 Tenr… Tenr… omni Afro… <NA> 15.6 2.3 NA
## 2 Pig Sus omni Arti… domesticated 9.1 2.4 0.5
## 3 Goat Capri herbi Arti… lc 5.3 0.6 NA
## 4 Cow Bos herbi Arti… domesticated 4 0.7 0.667
## 5 Sheep Ovis herbi Arti… domesticated 3.8 0.6 NA
## 6 Roe … Capr… herbi Arti… lc 3 NA NA
## 7 Gira… Gira… herbi Arti… cd 1.9 0.4 NA
## 8 Tiger Pant… carni Carn… en 15.8 NA NA
## 9 Lion Pant… carni Carn… vu 13.5 NA NA
## 10 Dome… Felis carni Carn… domesticated 12.5 3.2 0.417
## # … with 73 more rows, and 3 more variables: awake <dbl>, brainwt <dbl>,
## # bodywt <dbl>- Avec la fonction
select(), sélectionnez les colonnes qui commencent par “sleep”
## # A tibble: 83 x 3
## sleep_total sleep_rem sleep_cycle
## <dbl> <dbl> <dbl>
## 1 12.1 NA NA
## 2 17 1.8 NA
## 3 14.4 2.4 NA
## 4 14.9 2.3 0.133
## 5 4 0.7 0.667
## 6 14.4 2.2 0.767
## 7 8.7 1.4 0.383
## 8 7 NA NA
## 9 10.1 2.9 0.333
## 10 3 NA NA
## # … with 73 more rows- Avec l’opérateur
%>%, enchainez les opérations suivantes : Sélectionnez les colonnesname,orderetsleep_total, triez en fonction deorderpuis desleep_totalet enfin filtrer pour les mamifères dormant 16h ou plus.
## # A tibble: 8 x 3
## name order sleep_total
## <chr> <chr> <dbl>
## 1 Big brown bat Chiroptera 19.7
## 2 Little brown bat Chiroptera 19.9
## 3 Long-nosed armadillo Cingulata 17.4
## 4 Giant armadillo Cingulata 18.1
## 5 North American Opossum Didelphimorphia 18
## 6 Thick-tailed opposum Didelphimorphia 19.4
## 7 Owl monkey Primates 17
## 8 Arctic ground squirrel Rodentia 16.6- Avec la fonction
mutate(), créez une nouvelle variablerem_proportionqui calcule la proportion de sommeil paradoxal (sleep_rem) par rapport au sommeil total (sleep_total)
## # A tibble: 83 x 4
## name order sleep_total rem_proportion
## <chr> <chr> <dbl> <dbl>
## 1 Cheetah Carnivora 12.1 NA
## 2 Owl monkey Primates 17 0.106
## 3 Mountain beaver Rodentia 14.4 0.167
## 4 Greater short-tailed shrew Soricomorpha 14.9 0.154
## 5 Cow Artiodactyla 4 0.175
## 6 Three-toed sloth Pilosa 14.4 0.153
## 7 Northern fur seal Carnivora 8.7 0.161
## 8 Vesper mouse Rodentia 7 NA
## 9 Dog Carnivora 10.1 0.287
## 10 Roe deer Artiodactyla 3 NA
## # … with 73 more rowsLa fonction summarise() permet de calculer des statistiques récapitulatives sur le jeu de données. Ici par exemple, nous calculons le temps de sommeil moyen, le temps de sommeil minimal et le temps de sommeil maximal pour tous les animaux.
msleep %>%
summarise(avg_sleep = mean(sleep_total),
min_sleep = min(sleep_total),
max_sleep = max(sleep_total),
total = n())## # A tibble: 1 x 4
## avg_sleep min_sleep max_sleep total
## <dbl> <dbl> <dbl> <int>
## 1 10.4 1.9 19.9 83- Avec les fonctions
group_by()etsummarise()calculez, pour chaque ordre taxonomique : le nombre d’animaux, le temps de sommeil moyen, le temps de sommeil minimal et le temps de sommeil maximal.
## # A tibble: 19 x 5
## order total avg_sleep min_sleep max_sleep
## <chr> <int> <dbl> <dbl> <dbl>
## 1 Afrosoricida 1 15.6 15.6 15.6
## 2 Artiodactyla 6 4.52 1.9 9.1
## 3 Carnivora 12 10.1 3.5 15.8
## 4 Cetacea 3 4.5 2.7 5.6
## 5 Chiroptera 2 19.8 19.7 19.9
## 6 Cingulata 2 17.8 17.4 18.1
## 7 Didelphimorphia 2 18.7 18 19.4
## 8 Diprotodontia 2 12.4 11.1 13.7
## 9 Erinaceomorpha 2 10.2 10.1 10.3
## 10 Hyracoidea 3 5.67 5.3 6.3
## 11 Lagomorpha 1 8.4 8.4 8.4
## 12 Monotremata 1 8.6 8.6 8.6
## 13 Perissodactyla 3 3.47 2.9 4.4
## 14 Pilosa 1 14.4 14.4 14.4
## 15 Primates 12 10.5 8 17
## 16 Proboscidea 2 3.6 3.3 3.9
## 17 Rodentia 22 12.5 7 16.6
## 18 Scandentia 1 8.9 8.9 8.9
## 19 Soricomorpha 5 11.1 8.4 14.9Troisième partie : Ranger des données avec tidyr
À paritr du jeu de données ìris
head(iris)## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1 5.1 3.5 1.4 0.2 setosa
## 2 4.9 3.0 1.4 0.2 setosa
## 3 4.7 3.2 1.3 0.2 setosa
## 4 4.6 3.1 1.5 0.2 setosa
## 5 5.0 3.6 1.4 0.2 setosa
## 6 5.4 3.9 1.7 0.4 setosaon veut obtenir le graphique suivant : 
- En utilisant la fonction
pivot_longer(), créez un jeu de données où les étiquettesSepal.LengthSepal.WidthPetal.LengthPetal.Widthsont bien rangées dans une colonne appeléeVariables. Les mesures correspondantes sont rangées dans une colonne appeléeMesures.
## # A tibble: 6 x 3
## Species Variables Mesures
## <fct> <chr> <dbl>
## 1 setosa Sepal.Length 5.1
## 2 setosa Sepal.Width 3.5
## 3 setosa Petal.Length 1.4
## 4 setosa Petal.Width 0.2
## 5 setosa Sepal.Length 4.9
## 6 setosa Sepal.Width 3À partir du jeu de données précédent, créez le boxplot attendu.
Avec la fonction
separate()séparez le data frame suivant en trois colonnes : Year, Month et Day
data.frame(Date = as.Date('2017-01-01') + 0:12)## Year Month Day
## 1 2017 01 01
## 2 2017 01 02
## 3 2017 01 03
## 4 2017 01 04
## 5 2017 01 05
## 6 2017 01 06