Textométrie

3) Manipuler des tableaux de données

Lise Vaudor

ISIG, UMR 5600 EVS

2024-10-01

Lecture de tables: trouver son fichier!

Pour lire un tableau de données il faudra indiquer le chemin du fichier…

Si vous travaillez sous forme de projets .Rproj alors le plus simple est d’indiquer le chemin relatif par rapport au dossier racine (celui qui contient le .Rproj).

Notez l’usage des slashs (/) et non d’antislashs, quel que soit votre système d’exploitation.

Par exemple,

path="data/data_brute/supertableau.csv"

Si pour une raison ou une autre vous avez besoin de remonter dans l’arborescence des fichiers (c’est généralement non recommandé mais ça peut arriver), vous pouvez le faire avec “../”.

Par exemple “../../donnees_hydro” vous fait remonter de deux niveaux dans l’arborescence avant de vous faire redescendre dans un dossier “donnees_hydro”.

Lecture de tables: Fonctions read_csv() ou read_delim()

Examinons la commande suivante:

catdata <- readr::read_delim("../../../datasets/catdata.csv",
                             delim=";")
head(catdata,3)  # 3 premieres lignes du tableau
haircolor hairpattern sex weight age foodtype
red solid female 4.6 12 other
black tabby female 5.5 6 dry
white tabby female 5.6 8 wet

Notez que le format csv correspond à des valeurs séparées par une virgule (“csv”= Coma Separated Values).

Pour lire une table qui comprendrait un type de séparateur différent (par exemple, un espace, ou un point-virgule), on peut utiliser la fonction read_delim().

Jeu de données illustratif

Dans la suite de ce document nous allons utiliser un jeu de données catdata comprenant un certain nombre de variables relatives à des chats.

Il s’agit de données fictives, créées de toute pièce dans un but pédagogique… 

catdata <- readr::read_delim("../../../datasets/catdata.csv", delim=";")
catdata
haircolor hairpattern sex weight age foodtype
red solid female 4.6 12 other
black tabby female 5.5 6 dry
white tabby female 5.6 8 wet
red tabby female 6.1 5 dry
brown solid female 5.3 7 dry
black tabby male 6.9 5 wet
brown solid male 6.3 5 dry
black colorpoint female 5.5 4 wet
white tortoise male 4.3 5 wet
red solid female 2.3 3 dry
black tabby male 3.6 8 wet
black solid female 6.7 5 dry
brown tipped male 5.2 7 dry
brown tabby male 4.6 5 wet
black solid male 5.1 6 dry
black tipped male 5.5 6 dry
black tipped male 6.3 4 dry
white tabby male 4.1 8 wet
red colorpoint female 3.9 8 dry
red tabby female 4.6 7 dry
black solid male 4.0 5 wet
white colorpoint male 3.5 6 dry
brown colorpoint female 4.4 6 other
brown colorpoint male 5.6 4 dry
red tortoise female 5.9 8 wet
black solid male 5.9 6 wet
black tabby female 4.1 7 wet
white tipped male 6.2 7 dry
brown tabby male 5.7 8 dry
black tabby male 5.6 4 dry
black tabby male 5.5 6 wet
brown tipped female 6.1 3 dry
black colorpoint female 5.5 5 dry
white solid female 6.0 5 dry
black tipped male 7.5 4 dry
black colorpoint female 5.4 12 other
black solid female 3.9 10 wet
brown tabby female 3.8 6 dry
black tabby male 3.5 3 dry
black colorpoint male 4.5 8 dry
black tortoise female 5.1 8 dry
red tabby female 5.6 8 dry
black tabby female 4.7 7 dry
black solid male 5.9 11 dry
red colorpoint male 5.9 17 wet
black solid male 5.6 6 dry
black tabby male 6.1 5 dry
red colorpoint female 5.5 5 dry
black tabby male 6.4 5 dry
black tabby male 5.2 5 dry
black solid female 2.8 11 dry
white solid female 3.2 4 other
black tortoise male 4.7 6 dry
red solid male 5.5 6 dry
black tabby female 4.3 10 wet
white tipped male 5.6 5 wet
white tabby male 3.5 5 dry
brown solid female 5.4 5 other
black tabby female 1.9 17 dry
black colorpoint male 4.4 6 dry
black colorpoint male 5.0 4 dry
black tortoise female 4.2 7 wet
black tabby female 3.4 6 wet
black tabby male 4.4 6 dry
black solid female 5.3 10 dry
red tabby female 4.6 3 dry
black tabby female 4.3 4 dry
white tabby female 4.3 6 dry
black colorpoint male 7.1 5 wet
black tortoise female 3.8 8 dry
black tipped male 4.0 3 wet
white colorpoint male 4.6 4 wet
red tipped male 4.5 3 dry
black tabby female 5.1 6 dry
brown tipped male 4.8 3 dry
black colorpoint male 3.7 3 wet
red solid male 4.1 5 wet
brown tabby female 4.1 4 dry
black solid female 4.8 6 dry
black tortoise female 3.7 4 wet
brown tabby male 5.0 8 dry
red tortoise female 3.4 13 wet
black tipped female 3.8 4 dry
black tabby male 5.7 11 dry
black tortoise male 5.1 7 dry
black tabby male 5.8 4 dry
black solid male 5.5 4 dry
white tabby female 4.8 6 wet
brown solid female 5.9 8 dry
red tabby male 6.1 7 dry
black tipped male 5.4 5 wet
black tabby female 7.0 5 wet
black solid female 3.5 4 dry
red tabby female 4.5 3 dry
white tipped male 4.6 7 dry
black tabby male 5.2 5 dry
brown tabby male 4.2 8 dry
brown tipped female 4.4 3 dry
black solid female 5.4 5 dry
black solid male 5.2 6 dry
brown tipped male 5.0 8 dry
black tipped female 6.7 3 dry
black tabby male 5.1 4 wet
red solid male 4.7 9 wet
black tabby male 6.3 7 dry
black solid male 4.2 7 wet
brown tipped female 2.9 8 dry
white tabby male 4.8 9 wet
red tabby female 6.6 7 dry
red tabby female 3.3 7 wet
black tortoise female 4.9 7 wet
black tortoise female 4.8 5 dry
black tortoise male 5.4 4 dry
black tipped male 4.9 6 dry
red tortoise female 4.8 7 dry
black solid female 5.3 3 dry
red tabby male 4.0 4 other
black solid male 7.1 5 wet
black tortoise male 5.0 8 dry
white tipped female 5.8 5 dry
black tabby female 3.9 6 other
brown solid male 5.9 4 dry
red tipped female 3.8 4 dry
black tabby male 4.4 7 dry
white tortoise male 5.3 4 dry
black tipped female 3.1 7 dry
black tipped female 5.7 4 dry
white solid male 2.5 3 wet
brown tabby female 5.1 9 wet
black tabby male 5.7 5 dry
white tabby male 4.0 4 dry
red tabby female 6.5 9 dry
red tortoise female 3.5 7 other
black tabby male 5.9 11 dry
white solid female 4.8 7 dry
white tabby male 5.1 2 dry
black solid female 6.2 17 dry
red tabby female 4.4 5 dry
red solid female 4.5 5 wet
red tortoise male 4.8 9 dry
black colorpoint male 3.8 4 dry
white solid female 4.7 9 dry
white colorpoint male 4.5 5 dry
red tabby female 5.1 3 dry
white tortoise male 6.4 4 wet
black tabby female 2.6 10 dry
black colorpoint male 4.5 4 dry
black tabby female 4.1 3 wet
brown tabby female 6.3 3 dry
black tabby female 5.2 5 wet
brown tabby female 4.3 3 other
red tabby male 3.8 4 wet
black tortoise male 4.2 6 dry

Les variables de ce jeu de données sont les suivantes:

  • haircolor: la couleur du poil (catégoriel)
  • hairpattern: le “pattern” coloré du poil (catégoriel)
  • sex: le sexe du chat (catégoriel)
  • weight: son poids (quantitatif)
  • age: son âge (quantitatif)
  • foodtype: le type d’alimentation (catégoriel)

Nettoyer ses données

Attention, utilisateurs de tableurs, cette diapo est pour vous…

Si vous avez des difficultés à lire votre tableau des données, c’est sans doute parce que celui-ci n’est pas un tableau de données brutes.

Pour lire un tableau de données sous R, il convient d’abord de nettoyer ce tableau:

  • Vérifier que les noms de colonnes ne contiennent pas de caractères spéciaux ou des espaces, avoir des noms de variables courts mais explicites
  • Vérifier si certains champs correspondent en fait à des commentaires, si votre tableur contient des graphiques, etc..

Ceci n’est pas de la donnée brute!

Tidy data

illustration: Allison Horst

Tidy data