Le tidyverse fait référence à l’ensemble des packages qui partagent la philosophie « tidy », et qui ont été pensés pour fonctionner les uns avec les autres. Pour installer la version stable depuis le CRAN : install.packages(« tidyverse ») Quant à la version en développement, vous pouvez l’installer avec :  devtools::install_github(« hadley/tidyverse ») Ensuite, vous pouvez charger les différents packages, en utilisant la méthode classique : library(« tidyverse ») Pour la petite histoire, le tidyverse s’appelait autrefois le hadleyverse ! Plus d’infos : Bienvenue dans le tidyverse (http://www.thinkr.fr/tidyverse-hadleyverse/).  Read More →

Vous avez trouvé un package qui vous plait sur Github ? Pour l’installer sur votre machine, vous aurez besoin du package devtools. install.packages(« devtools ») Ensuite, direction install_github(). Cette fonction prend un argument principale : entre guillemets, « username/repo ». library(« devtools »)install_github(« ThinkRstat/prenoms ») Vous pouvez également utiliser :  devtools::install_github(« ThinkRstat/prenoms ») C’est d’ailleurs ce raccourci que vous trouverez dans la plupart des README sur GitHub !Read More →

La fonction install.packages() permet de télécharger des packages et de les installer sur l’ordinateur (On ne fait cela qu’une fois). La fonction library() permet ensuite de charger le package et de rendre les fonctionnalités de celui-ci disponibles (Il faut faire cela à chaque fois que l’on ouvre R). install.packages(« lubridate »)    #On télécharge le packages « lubridate » et on l’installe library(lubridate)                  #On charge ce package et on rend les fonctionnalités de celui-ci disponibles  Read More →

Au bout d’un moment nous avons tous plusieurs packages installés dans R. les packages ont une vie et connaissent des mises à jour de temps. Pour installer ces mises à jour en ligne de commande il existe une fonction qui fait ca tres bien : update.packages(ask = F) trés pratique si on a plusieurs postes à gerer, en particulier à distance.Read More →

find(nom_fonction) # renvoie le nom du package dans lequel se trouve la fonctionapropos(nom_fonction) # renvoie un vecteur de caractères avec le nom de toutes les fonctions en lien avec la premièredemo(graphics)# propose une démonstration de l’utilisation des graphiques avec les codes et les graphiques associés. A la place de graphics on peut également écrire persp, plotmath…objects(grep(« library »,search())) # liste toutes les fonctions présentes dans la librairieRead More →

Devant les importantes possibilités de R, il est possible et utile de lancer certaines recherches en ligne de commande pour trouver des fonctions ou des paquets associés.(NB : une connexion internet est requise) Tout d’abord, pour obtenir l’aide (en anglais) d’une fonction, il y a 2 possibilités : help(LaFonction) #LaFonction = le nom de la fonction#ou?LaFonction#Exemple avec la fonction matrix() qui permet de créer une matrice?matrix Si R vous renvoie un message d’erreur disant que « LaFonction » n’existe pas, c’est que : – soit elle n’existe effectivement pas ! Dans ce cas, vous pouvez essayer de rechercher une fonction qui permet ce que vous voulez viaRead More →

Une anova avec modèle mixte comme VARCOMP dans SAS Créons d’abord un jeu de données. On souhaite déterminer la précision et la répétabilité d’une analyse. Pour cela, la mesure est effectuée par 2 techniciens différents, sur des concentrations de produits différents sur 3 jours différents et avec 2 réplicats. library(dplyr) set.seed(42) data <- tibble( concentration = rep(c(10, 30, 50, 80), 3*2), technicien = rep(c(« A », « B »), each = 3*2*2), jour = rep(rep(1:3, each = 2*2), 2), replicat = rep(1:2, times = 2*3*2) mutate(mesure = ifelse( technicien == « A », 0.2 * concentration + rnorm(12, sd = 3), 0.2 * concentration + rnorm(12, sd = 2))) data #Read More →

R est un logiciel libre, gratuit et multiplateforme (windows, linux et mac) distribué par GNU Public Licence trés utilisé pour l’analyse statistique. La version de base dispose d’un grand nombre d’outils analytiques et graphiques permettant de manipuler, de traiter et de représenter des données de nature très différentes. Son développement met à contribution des utilisateurs qui peuvent créer de nouveaux paquets (« packages ») rendant les possibilités d’utilisation immenses dans des domaines d’études très différents (écologie, analyse sensorielle, psychologie, économie…) et faisant intervenir des techniques très diverses (analyse multivariée, modélisation linéaire et non linéaire, statistique spatiale, classification, tests statistiques…). Le partage grandissant de nouveaux paquetsRead More →

Un shapefile est un fichier d’information géographique avec un format vectoriel. Il permet de représenter des points (e.g. villes), des lignes (e.g. routes) et des polygones (e.g. départements) avec un système d’information géographique. Le format shapefile est composé de plusieurs fichiers séparés (4 minimum): data.shp : informations de géométrie (coordonnées) data.prj : information de système de projection data.dbf : table des attributs data.shx : indice de position des géométries Dans R, deux packages majeurs sont utilisés pour manipuler les données géographiques de type vectoriel: {sp} : Le package de référence. Il utilise notamment la librairie {rgdal} pour lire les données géographiques, un package utilisant laRead More →