R pour la data analyse

Objectif : S'approprier les outils, et les méthodes permettant de rendre son processus d'analyse de données sous R, aisé, reproductible, et performant Compétences visées : - Adopter une organisation efficace de son travail sous R - Simplifier la manipulation de données avec le package dplyr - Manipuler aisément les champs catégoriels (package forecats), textuels (package stringr) et de date (package lubridate) - Assembler des tables par jointure (par colonnes) et par fusion (par lignes) - Construire des graphiques élaborés grâce au package ggplot2 - Réaliser des documents automatisés à l'aide du package Rmarkdown - Découvrir la programmation fonctionnelle au travers du package purrr

- Organiser son travail sous R (2h) Travailler en projet R : notion de working directory, workspace, history Architecture de son projet R : data, plots, images, scripts, ... Bonnes pratiques pour la création de fichiers de données Importation et exportation de fichiers avec le package here Mettre à jour ses packages Mettre à jour R et R Studio - Manipuler facilement ses données avec le package dplyr (3h) Introduction au package tidyverse et à la notion de pipe Filtrer des lignes avec la fonction filter() Sélectionner des colonnes (variable) avec la fonction select() Création de nouvelles variables avec la fonction mutate() Renommer ses variable avec la fonction rename() Calcul de paramètres par sous groupes : fonctions group_by() et summarise() Passage du format wide au format long Exercices - Manipulation des variables catégorielles avec le package forecats (1h) Inspecter les variables catégorielles avec les fonctions levels(), fct_count et fct_unique Modifier l'ordre des modalités Modifier le nom des modalités Exercices - Manipuler les chaînes de caractères avec le package stringr (1h) Détection de patterns Découpage Gestion des longueurs Remplacement Exercices - Manipuler des données de date : utilisation du package lubridate (1h) Convertir les données au format YYYY-MM-DD et HH:MM:SS Décomposer les éléments d'année, de mois et de jour Calculer des différences de dates et les exprimer en jours ou heures Exercices - Assemblage de tables (2h) Les différentes jointures (par colonne): left join, right join, inner join et full join Assemblage par lignes Exemple d'applications pour l'analyse de données Exercices - Réaliser des représentations graphiques performantes avec le package ggplot2 (4h) Le principe des couches successives de ggplot2 Réalisation des graphiques de base : scatterplot, barplots, line plot, boxplots Gestion des couleurs, titres, axes et légendes Représentation des séries temporelles Utilisation du format long et facetting Ajouter du texte sur un graphique (ex : équation) Exporter son graphique : format et résolution Utilisation des addins esquisse et Colour Picker - Générer dynamiquement son rapport d'analyse avec rmarkdown (4h) Principe, formats de sorties (html, docx, pdf) Les différents éléments d'un fichier Rmd : en-tête, chunk, ... Gestion des éléments de texte : gras, italique, titre Gestion des tables Gestion des images Gestion des graphiques Gestion des options des éléments de code Gestion de la table des matières et numérotation Les rapports paramétrés : automatisation des rapports d'analyse par sous groupe - Introduction à la programmation fonctionnelle avec le package purrr (2h) Les list Les fonctions map() Nested data Exercices

Attestation d'acquis ou de compétences;Attestation de suivi de présence

Pour suivre ce stage dans de bonnes conditions, il est recommande d avoir suivi en amont la formation R - Prise en main, analyses statistiques et graphiques.