.RDataPlutôt que de devoir importer plusieurs fois des données, il est possible d’utiliser le format de données .RData, qui permet de sauvegarder tout ou partie de l’environnement de travail. Pour cela, nous allons utiliser les fonctions save() et save.image() pour sauvegarder, et la fonction load() pour charger les variables sauvegardées.
En premier lieu, il est possible de sauvegarder uniquement une variable créée dans un fichier .RData. Ci-dessous, nous créons l’objet a, qui est une chaîne simple, puis nous la sauvegardons dans le fichier a.RData. Enfin, nous la supprimons (et l’affichons pour bien voir qu’elle n’existe plus).
a = "test de RData"
print(a)
save(a, file = "a.RData")
rm(a)
print(a)L’intérêt est donc que la variable a est dans le fichier .RData, qu’il est possible de charger dans R comme suit.
load("a.RData")
print(a)Pour sauvegarder plusieurs variables, il faut juste les lister dans la fonction save().
b = "deuxième test de RData"
c = 123456789
save(b, c, file = "bc.RData")
rm(b, c)
print(b, c)Et on les charge de la même façon.
load("bc.RData")
print(b)
print(c)Quand on lance la fonction ls(), on liste l’ensemble des objets créés dans l’environnement de travail. La fonction save.image() va tous les sauvegarder dans un même fichier .RData.
ls()
save.image("env.RData")Ensuite, nous allons nettoyer l’environnement de travail, en supprimant tous les objets (1ère ligne ci-dessous). Ainsi, en listant les variables avec ls(), on s’aperçoit qu’il n’y a plus rien.
rm(list = ls()) # Pour tout supprimer de l'environnement
ls()Enfin, toujours avec la fonction load(), on charge les variables présentes dans le fichier, qu’on retrouve bien en faisant un ls().
load("env.RData")
ls()Quand on parle d’automatisation de tâches, surtout dans un cadre de mise en production de reporting ou d’analyse programmés, il est nécessaire de pouvoir lancer un script R à partir de la console. Pour cela, il existe deux moyens de le faire : Rscript et R CMD BATCH, comme nous allons le voir par la suite.
Imaginons que nous avons un fichier nommé script1.R avec le contenu suivant :
cat("Il est", as.character(lubridate::now()), "\n")Pour avoir accès à la console (ou terminal de commandes) sur le serveur RStudio, il faut aller dans le menu Tools, puis terminal et enfin New Terminal.
Pour lancer le script, nous pouvons donc utiliser la commande suivante dans le terminal. Tout ce que R produira comme sortie sera affiché directement dans le terminal, comme vous pouvez le voir lors de l’exécution.
Rscript script1.RUne autre façon de faire est de lancer la commande suivante. Ici, les sorties seront redirigées vers un fichier texte, nommé script1.Rout, dont le contenu est détaillée ci-après.
R CMD BATCH script1.RPour voir le contenu du fichier script1.Rout, vous pouvez soit cliquer dessus, soit lancer la commande cat script1.Rout dans le terminal.
R version 3.5.1 (2018-07-02) -- "Feather Spray"
Copyright (C) 2018 The R Foundation for Statistical Computing
Platform: x86_64-pc-linux-gnu (64-bit)
R est un logiciel libre livré sans AUCUNE GARANTIE.
Vous pouvez le redistribuer sous certaines conditions.
Tapez 'license()' ou 'licence()' pour plus de détails.
R est un projet collaboratif avec de nombreux contributeurs.
Tapez 'contributors()' pour plus d'information et
'citation()' pour la façon de le citer dans les publications.
Tapez 'demo()' pour des démonstrations, 'help()' pour l'aide
en ligne ou 'help.start()' pour obtenir l'aide au format HTML.
Tapez 'q()' pour quitter R.
[Sauvegarde de la session précédente restaurée]
> cat("Il est", as.character(lubridate::now()))
Il est 2018-10-19 11:04:45>
> proc.time()
utilisateur système écoulé
0.452 0.048 0.502 Maintenant, pour une mise en production, nous souhaitons pouvoir lancer le travail en arrière plan et continuer à pouvoir utiliser la console (pour lancer d’autres scripts et/ou d’autres programmes).
Nous allons maintenant écrire le fichier suivant, nommé script2.R. Ce programme note l’heure de début, fait une pause entre 1 et 30 secondes, et note l’heure de fin, puis calcule la différence entre les deux moments. Enfin, il sauve les variables dans un fichier nommé script2.RData.
Notez la fonction suppressPackageStartupMessages(), qui, comme son nom l’indique, permet de supprimer l’affichage de chargement d’une librairie.
suppressPackageStartupMessages(library(lubridate))
debut = now()
pause = sample(1:30)[1]
Sys.sleep(pause)
fin = now()
temps = fin - debut
save.image("script2.RData")Puisque ce programme peut prendre du temps (moins de 30 secondes), il est donc préférable de le lancer en arrière plan. Pour cela, il faut simplement ajouter le caractère & dans la console.
Rscript script2.r&Afin de s’assurer que R tourne bien, il est possible d’utiliser la commande ps dans le terminal, qui liste les tâches en cours. Vous devriez voir une liste de même type que celle ci-dessous.
PID TTY TIME CMD
122678 pts/1 00:00:00 bash
122729 pts/1 00:00:00 R
122741 pts/1 00:00:00 psLe package gganimate permet de faire des graphiques animés, de type gapminder (appuyé sur lecture en bas à gauche).
Pour cela, à partir d’un code utilisé pour faire un graphique avec ggplot2, il est possible de définir la séquence des images à partir d’une variable avec les fonctions transition_xxx(). Dans l’exemple ci-dessous, nous utilisons la variable cyl pour faire évoluer le nuage de points de mpg en fonction de hp, pour les données mtcars.
library(ggplot2)
library(gganimate)
ggplot(mtcars, aes(hp, mpg)) +
geom_point() +
labs(title = "{closest_state}") +
transition_states(cyl,
transition_length = 1,
state_length = 1)Autre exemple à partir des données txhousing, le code suivant permet de générer des positions aléatoires pour chaque ville (qu’on remplacera idéalement par des coordonnées géographiques par exemple). Puis de créer un graphique montrant l’évolution des volumes de ventes immobilières.
xy = txhousing %>%
select(city) %>%
distinct() %>%
mutate(x = runif(n()), y = runif(n()))
tx = txhousing %>%
inner_join(xy)
ggplot(tx, aes(x, y, col = volume, size = volume)) +
geom_point() +
labs(title = "{frame_time}") +
transition_time(date)Nous allons utiliser les données ouvertes Vélib, fournie par la mairie de Paris, et disponible à ces adresses : stations et disponibilités.
Pour avoir la liste des stations (ici les 10 premières), nous pouvons utiliser leur API avec le code suivant.
library(jsonlite)
# stations
url_stations = "https://opendata.paris.fr/api/records/1.0/search/?dataset=velib-emplacement-des-stations"
res_stations = fromJSON(url_stations, simplifyVector = FALSE)Pour avoir la suite des stations, il faut ajouter &start=11 pour avoir les 10 suivantes (de la 11ème à la 20ème donc), et ainsi de suite.
Pour avoir les disponibilités de chaque station, nous utilisons une autre adresse (voir ci-dessous).
url_dispos = "https://opendata.paris.fr/api/records/1.0/search/?dataset=velib-disponibilite-en-temps-reel"
res_dispos = jsonlite::fromJSON(url)