Introduction à la Statistique

class: center, middle, inverse, title-slide

.title[
# Introduction à la Statistique
]
.author[
### Traitement des données
]
.date[
### INTECHMER - CT2 GEM/PVRM
]

---

## Qu'est-ce que la statistique ?

> Ensemble de méthodes permettant de décrire et d'analyser des observations (communément appelées **données** de nos jours)

Utilisé maintenant dans tous les secteurs d'activités

- Economie et finance : marketing, sondages...
- Industrie : fiabilité, contrôle qualité...
- Santé : recherche médicale, gestion des hôpitaux...
- Environnement : prévisions climatiques et météorologiques, pollution...
- Web : réseaux, publicité...
- ...

> Essor important avec le développement des outils informatiques et du web

---
  
## Définitions de base
  
- **Population** : ensemble d'entités (personnes, objets, ...) étudiées

- **Individu** (ou *unité statistique*) : entité étudiée

- **Variable** : caractéristique étudiée sur chaque individu

- **Observation** : mesure

- **Série statistique** : série d'observations recueillies sur les individus

- **Tableau de données** : stockage de la série statistique
  - Individus croisant des variables 
  - Chaque ligne représente un individu
  - Chaque colonne représente une variable (ou attribut)
  - C'est ce qu'on fait classiquement dans un tableur de type Excel

---

## Données `mtcars`

Informations sur des voitures

<div class="datatables html-widget html-fill-item" id="htmlwidget-d9009c9db946623388b4" style="width:100%;height:auto;"></div>
<script type="application/json" data-for="htmlwidget-d9009c9db946623388b4">{"x":{"filter":"none","vertical":false,"data":[["Mazda RX4","Mazda RX4 Wag","Datsun 710","Hornet 4 Drive","Hornet Sportabout","Valiant","Duster 360","Merc 240D","Merc 230","Merc 280","Merc 280C","Merc 450SE","Merc 450SL","Merc 450SLC","Cadillac Fleetwood","Lincoln Continental","Chrysler Imperial","Fiat 128","Honda Civic","Toyota Corolla","Toyota Corona","Dodge Challenger","AMC Javelin","Camaro Z28","Pontiac Firebird","Fiat X1-9","Porsche 914-2","Lotus Europa","Ford Pantera L","Ferrari Dino","Maserati Bora","Volvo 142E"],[21,21,22.8,21.4,18.7,18.1,14.3,24.4,22.8,19.2,17.8,16.4,17.3,15.2,10.4,10.4,14.7,32.4,30.4,33.9,21.5,15.5,15.2,13.3,19.2,27.3,26,30.4,15.8,19.7,15,21.4],[6,6,4,6,8,6,8,4,4,6,6,8,8,8,8,8,8,4,4,4,4,8,8,8,8,4,4,4,8,6,8,4],[160,160,108,258,360,225,360,146.7,140.8,167.6,167.6,275.8,275.8,275.8,472,460,440,78.7,75.7,71.09999999999999,120.1,318,304,350,400,79,120.3,95.09999999999999,351,145,301,121],[110,110,93,110,175,105,245,62,95,123,123,180,180,180,205,215,230,66,52,65,97,150,150,245,175,66,91,113,264,175,335,109],[3.9,3.9,3.85,3.08,3.15,2.76,3.21,3.69,3.92,3.92,3.92,3.07,3.07,3.07,2.93,3,3.23,4.08,4.93,4.22,3.7,2.76,3.15,3.73,3.08,4.08,4.43,3.77,4.22,3.62,3.54,4.11],[2.62,2.875,2.32,3.215,3.44,3.46,3.57,3.19,3.15,3.44,3.44,4.07,3.73,3.78,5.25,5.424,5.345,2.2,1.615,1.835,2.465,3.52,3.435,3.84,3.845,1.935,2.14,1.513,3.17,2.77,3.57,2.78],[16.46,17.02,18.61,19.44,17.02,20.22,15.84,20,22.9,18.3,18.9,17.4,17.6,18,17.98,17.82,17.42,19.47,18.52,19.9,20.01,16.87,17.3,15.41,17.05,18.9,16.7,16.9,14.5,15.5,14.6,18.6],[0,0,1,1,0,1,0,1,1,1,1,0,0,0,0,0,0,1,1,1,1,0,0,0,0,1,0,1,0,0,0,1],[1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,1,0,0,0,0,0,1,1,1,1,1,1,1],[4,4,4,3,3,3,3,4,4,4,4,3,3,3,3,3,3,4,4,4,3,3,3,3,3,4,5,5,5,5,5,4],[4,4,1,1,2,1,4,2,2,4,4,3,3,3,4,4,4,1,2,1,1,2,2,4,2,1,2,2,4,6,8,2]],"container":"<table class=\"display\">\n  <thead>\n    <tr>\n      <th> <\/th>\n      <th>mpg<\/th>\n      <th>cyl<\/th>\n      <th>disp<\/th>\n      <th>hp<\/th>\n      <th>drat<\/th>\n      <th>wt<\/th>\n      <th>qsec<\/th>\n      <th>vs<\/th>\n      <th>am<\/th>\n      <th>gear<\/th>\n      <th>carb<\/th>\n    <\/tr>\n  <\/thead>\n<\/table>","options":{"scrollX":true,"dom":"p","columnDefs":[{"className":"dt-right","targets":[1,2,3,4,5,6,7,8,9,10,11]},{"orderable":false,"targets":0},{"name":" ","targets":0},{"name":"mpg","targets":1},{"name":"cyl","targets":2},{"name":"disp","targets":3},{"name":"hp","targets":4},{"name":"drat","targets":5},{"name":"wt","targets":6},{"name":"qsec","targets":7},{"name":"vs","targets":8},{"name":"am","targets":9},{"name":"gear","targets":10},{"name":"carb","targets":11}],"order":[],"autoWidth":false,"orderClasses":false}},"evals":[],"jsHooks":[]}</script>

---

## Recensement vs Sondage
  
2 grandes méthodes de recueil de données

### Recensement
  
Etude de tous les individus d'une population

- Recueil exhaustif de toutes les informations sur toutes les entités
- Difficile à mettre en œuvre la plupart du temps

### Sondage

Etude d'une partie de la population pour extrapolation sur l'ensemble de la population

- Partie des individus étudiés = **échantillon**
- Représentativité de l'échantillon ?

---

## Déroulement d'une étude statistique

1. Définition du périmètre de l'étude 
    - Ce qu'on étudie ?
    - Conditions ?
    - ...
--

1. Recueil des données
    - Expérience, sondage, ...
--

1. Nettoyage, Pré-traitement, mise en forme des données
    - Repérage données aberrantes
    - Gestion données manquantes
    - Transformation de variables
--

1. Description des données
    - Univariée puis bivariée
    - Méthodes multivariées ensuite
--

1. Selon étude, recherche d'un modèle, d'une partition, ...

---

## Type de variables
  
### Variable quantitative
  
Caractéristiques numériques : opérations de type somme ayant un sens

### Continue
  
Mesurable

- Ex : taille, poids, durée...

### Discrète
  
Dénombrable ou mesurable en espace fini

- Ex : âge, quantité en stock...

---

## Type de variables
  
### Variable qualitative
  
Caractéristiques non numériques : opérations de type somme n'ayant pas de sens

- Valeurs possibles : **Modalités** (ou catégories)

### Nominale

Modalités n'ayant pas de lien entre elles (Ex : couleur des yeux, sexe...)

- Cas particulier *Binaire* : 2 valeurs possibles uniquement (Ex : oui/non, présence/absence...)

### Ordinale

Modalités devant être triées dans un ordre spécifique (Ex : mois, sentiment...)

---
class: center, middle, inverse

## Manipuler les données

---

## Problème récurrent : manipuler les données

Au sens mise en forme et extraction d'informations

### Objectifs

- Mettre en forme les données, provenant potentiellement de différentes sources
- Extraire des informations simples (dénombrement, somme, ...)
- Gérer les flux de données si tâches récurrentes

### Outils

- Programmation statistique
- Algèbre relationnelle, applicable quelque soit les données

---
class: middle, center, inverse

## Programmation statistique

---

## Utilisation du logiciel R

Langage **R**, issu du langage *S+* (version *open source* de celui-ci)

- Langage dit interprété : la *console* exécute les commandes les unes après les autres
- Pour ceux qui connaissent, *Python* est aussi interprété
- Dédié à la statistique, de nombreuses méthodes y sont développées, beaucoup de packages pour étendre les possibilités de l'outil

Outil de développement : **R Studio**

- Interface permettant l'écriture et l'exécution des programmes
- Intéressant car coloration syntaxique, aide à l'écriture, visualisation de l'environnement, accès à l'aide...

2 outils différents à installer donc, pour la suite des cours :
- [Langage R](https://cran.r-project.org/)
- [R Studio](https://posit.co/download/rstudio-desktop/)

---

## Méta-Librarie `tidyverse`

- Suite de packages dédiés à la Science des données, développés par la même équipe que *RStudio*

- [Site de la méta-librairie](https://www.tidyverse.org/)

- Packages inclus :
    - `tibble` : type `tibble` (extension de dataframe, que l'on verra plus tard)
    - `readr` : importation de données
    - `dplyr` : manipulation de données
    - `ggplot2` : création de graphiques
    - `tidyr`, `stringr`, `forcats`, `purrr` : outils complémentaires

``` r
install.packages(tidyverse) # A faire une seule fois
library(tidyverse) # A faire à chaque session (= lancement de R)
```

---

## Type de données

- 3 grands types : `"int"`, `"numeric"` et `"character"` 
- Typage faible : si modification de la variable, changement du type

``` r
a = 12
class(a)
```

```
## [1] "numeric"
```

``` r
a = "bonjour"
class(a)
```

```
## [1] "character"
```

> Noter que les noms de variables commencent toujours par une lettre et peuvent comporter des lettres, des chiffres et certains caractères (`_` et `.`).

---

## Type de données

- Tout est vecteur

``` r
a = 12
a[1]
```

```
## [1] 12
```

``` r
a[2] = 5
a
```

```
## [1] 12  5
```

- Suite de nombre facile à créer

``` r
a = 1:5
a
```

```
## [1] 1 2 3 4 5
```

---

## Travail sur vecteurs

- Indexation à partir de 1

``` r
a = 5:15
a
```

```
##  [1]  5  6  7  8  9 10 11 12 13 14 15
```

``` r
a[1]
```

```
## [1] 5
```

``` r
a[1:3]
```

```
## [1] 5 6 7
```

``` r
a[3] = 27
a
```

```
##  [1]  5  6 27  8  9 10 11 12 13 14 15
```

---

## Opérations

- C'est une grosse calculatrice

``` r
13 * (11 + 27) - 54 / 19
```

```
## [1] 491.1579
```

``` r
1:5 * 2
```

```
## [1]  2  4  6  8 10
```

- On peut faire des tests

``` r
1:5 > pi
```

```
## [1] FALSE FALSE FALSE  TRUE  TRUE
```

---

## Fonctions statistiques usuelles

``` r
a = 1:50
sum(a)  # somme
```

```
## [1] 1275
```

``` r
mean(a) # moyenne
```

```
## [1] 25.5
```

``` r
sd(a)   # écart-type
```

```
## [1] 14.57738
```

``` r
var(a)  # variance
```

```
## [1] 212.5
```

``` r
min(a)  # minimum
```

```
## [1] 1
```

``` r
max(a)  # maximum
```

```
## [1] 50
```

---

## Un peu de programmation classique

> Traitement conditionnel avec `if`, `else`

``` r
a = 91.15
if (a < 100) {
  print("a est inférieur à 100")
}
```

```
## [1] "a est inférieur à 100"
```

``` r
if (a < 50) {
  print("a est en dessous de 50")
} else {
  print("a est au dessus de 50")
}
```

```
## [1] "a est au dessus de 50"
```

---

## Un peu de programmation classique

> Traitement itératif avec `for`

``` r
for (i in 1:5) {
  print(i)
}
```

```
## [1] 1
## [1] 2
## [1] 3
## [1] 4
## [1] 5
```

``` r
print(i)
```

```
## [1] 5
```

---

## Un peu de programmation classique

> Possible de faire des boucles aussi avec `while`

``` r
i = 1
while(i <= 5) {
  print(i)
  i = i + 1
}
```

```
## [1] 1
## [1] 2
## [1] 3
## [1] 4
## [1] 5
```

``` r
print(i)
```

```
## [1] 6
```

---

## Notion de dataframe

- Tableau statistique (ici avec des noms pour chaque ligne)

``` r
mtcars
```

```
##                      mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4           21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag       21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710          22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive      21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
## Valiant             18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
## Duster 360          14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
## Merc 240D           24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
## Merc 230            22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
## Merc 280            19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
## Merc 280C           17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
## Merc 450SE          16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
## Merc 450SL          17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
## Merc 450SLC         15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
## Cadillac Fleetwood  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
## Lincoln Continental 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
## Chrysler Imperial   14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
## Fiat 128            32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
## Honda Civic         30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
## Toyota Corolla      33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
## Toyota Corona       21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
## Dodge Challenger    15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
## AMC Javelin         15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
## Camaro Z28          13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
## Pontiac Firebird    19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
## Fiat X1-9           27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
## Porsche 914-2       26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
## Lotus Europa        30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
## Ford Pantera L      15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
## Ferrari Dino        19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
## Maserati Bora       15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8
## Volvo 142E          21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2
```

---

## Colonnes d'un dataframe

``` r
names(mtcars) # noms des colonnes
```

```
##  [1] "mpg"  "cyl"  "disp" "hp"   "drat" "wt"   "qsec" "vs"   "am"   "gear"
## [11] "carb"
```

``` r
mtcars$mpg # contenu de la colonne "mpg"
```

```
##  [1] 21.0 21.0 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 17.8 16.4 17.3 15.2 10.4
## [16] 10.4 14.7 32.4 30.4 33.9 21.5 15.5 15.2 13.3 19.2 27.3 26.0 30.4 15.8 19.7
## [31] 15.0 21.4
```

``` r
mtcars[,"mpg"] # idem
```

```
##  [1] 21.0 21.0 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 17.8 16.4 17.3 15.2 10.4
## [16] 10.4 14.7 32.4 30.4 33.9 21.5 15.5 15.2 13.3 19.2 27.3 26.0 30.4 15.8 19.7
## [31] 15.0 21.4
```

``` r
mtcars[,1] # idem
```

```
##  [1] 21.0 21.0 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 17.8 16.4 17.3 15.2 10.4
## [16] 10.4 14.7 32.4 30.4 33.9 21.5 15.5 15.2 13.3 19.2 27.3 26.0 30.4 15.8 19.7
## [31] 15.0 21.4
```

---

## Lignes d'un dataframe

``` r
mtcars[1,] # Première ligne du datagrame
```

```
##           mpg cyl disp  hp drat   wt  qsec vs am gear carb
## Mazda RX4  21   6  160 110  3.9 2.62 16.46  0  1    4    4
```

``` r
mtcars[1:5,] # Cinq premières lignes
```

```
##                    mpg cyl disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
```

``` r
mtcars[1:5, c(1, 3, 7)] # idem mais avec seulement les colonnes 1, 3 et 7
```

```
##                    mpg disp  qsec
## Mazda RX4         21.0  160 16.46
## Mazda RX4 Wag     21.0  160 17.02
## Datsun 710        22.8  108 18.61
## Hornet 4 Drive    21.4  258 19.44
## Hornet Sportabout 18.7  360 17.02
```

---

## Compléments sur les dataframes

- Création possible à partir de plusieurs vecteurs

``` r
engines = data.frame(
  cyl = c(4, 6, 8, 12),
  type = c("small", "medium", "large", "huge")
)
engines
```

```
##   cyl   type
## 1   4  small
## 2   6 medium
## 3   8  large
## 4  12   huge
```

- Importation de données au format `CSV` ou autres

- Un `tibble` (de tidyverse) est un dataframe *particulier*
    - Pas de noms de ligne
    - Colonnes uniquement réels ou caractères

---
class: middle, center, inverse

## Algèbre relationnelle

---

## Manipulation avec `dplyr`

Dans la suite, nous utilisons le formalisme de `dplyr`

- Plus simple à écrire

- Facilité de compréhension des opérations faites

- Si enchaînement d'opération, lecture aisée

---
## Tri et limite d'affichage

> Tri avec la fonction `arrange()` (`desc()` permet de choisir un tri décroissant) et `slice()` permet de prendre une partie du tableau (début, fin, milieu...)

``` r
mtcars %>%
  arrange(mpg)
```

```
##                      mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## Cadillac Fleetwood  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
## Lincoln Continental 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
## Camaro Z28          13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
## Duster 360          14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
## Chrysler Imperial   14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
## Maserati Bora       15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8
## Merc 450SLC         15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
## AMC Javelin         15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
## Dodge Challenger    15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
## Ford Pantera L      15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
## Merc 450SE          16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
## Merc 450SL          17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
## Merc 280C           17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
## Valiant             18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
## Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
## Merc 280            19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
## Pontiac Firebird    19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
## Ferrari Dino        19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
## Mazda RX4           21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag       21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
## Hornet 4 Drive      21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
## Volvo 142E          21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2
## Toyota Corona       21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
## Datsun 710          22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
## Merc 230            22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
## Merc 240D           24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
## Porsche 914-2       26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
## Fiat X1-9           27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
## Honda Civic         30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
## Lotus Europa        30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
## Fiat 128            32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
## Toyota Corolla      33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
```

---
## Tri décroissant

> `desc()` permet de choisir un tri décroissant

``` r
mtcars %>%
  arrange(desc(mpg))
```

```
##                      mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## Toyota Corolla      33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
## Fiat 128            32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
## Honda Civic         30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
## Lotus Europa        30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
## Fiat X1-9           27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
## Porsche 914-2       26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
## Merc 240D           24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
## Datsun 710          22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
## Merc 230            22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
## Toyota Corona       21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
## Hornet 4 Drive      21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
## Volvo 142E          21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2
## Mazda RX4           21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag       21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
## Ferrari Dino        19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
## Merc 280            19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
## Pontiac Firebird    19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
## Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
## Valiant             18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
## Merc 280C           17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
## Merc 450SL          17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
## Merc 450SE          16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
## Ford Pantera L      15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
## Dodge Challenger    15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
## Merc 450SLC         15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
## AMC Javelin         15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
## Maserati Bora       15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8
## Chrysler Imperial   14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
## Duster 360          14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
## Camaro Z28          13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
## Cadillac Fleetwood  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
## Lincoln Continental 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
```

---
## Limite d'affichage

> `slice()` permet de prendre une partie du tableau (début, fin, milieu...)

``` r
mtcars %>%
  slice(1:3) # 5 premiers
```

---

## Restriction

> Sélection d'un nombre restreint de lignes d'une table, selon un ou plusieurs critères, à l'aide de `filter()`

``` r
mtcars %>%
  filter(mpg > 25)
```

```
##                 mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## Fiat 128       32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
## Honda Civic    30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
## Toyota Corolla 33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
## Fiat X1-9      27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
## Porsche 914-2  26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
## Lotus Europa   30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
```

---

## Projection

> Sélection d'un nombre restreint de colonnes avec la fonction `select()`

``` r
mtcars %>%
  select(mpg, cyl)
```

```
##                      mpg cyl
## Mazda RX4           21.0   6
## Mazda RX4 Wag       21.0   6
## Datsun 710          22.8   4
## Hornet 4 Drive      21.4   6
## Hornet Sportabout   18.7   8
## Valiant             18.1   6
## Duster 360          14.3   8
## Merc 240D           24.4   4
## Merc 230            22.8   4
## Merc 280            19.2   6
## Merc 280C           17.8   6
## Merc 450SE          16.4   8
## Merc 450SL          17.3   8
## Merc 450SLC         15.2   8
## Cadillac Fleetwood  10.4   8
## Lincoln Continental 10.4   8
## Chrysler Imperial   14.7   8
## Fiat 128            32.4   4
## Honda Civic         30.4   4
## Toyota Corolla      33.9   4
## Toyota Corona       21.5   4
## Dodge Challenger    15.5   8
## AMC Javelin         15.2   8
## Camaro Z28          13.3   8
## Pontiac Firebird    19.2   8
## Fiat X1-9           27.3   4
## Porsche 914-2       26.0   4
## Lotus Europa        30.4   4
## Ford Pantera L      15.8   8
## Ferrari Dino        19.7   6
## Maserati Bora       15.0   8
## Volvo 142E          21.4   4
```

---

## Projection - doublons

> Il y a risque d'avoir des doublons (lignes identiques), qu'on peut supprimer avec `distinct()`

``` r
mtcars %>%
  select(cyl, am) %>%
  distinct()
```

```
##                   cyl am
## Mazda RX4           6  1
## Datsun 710          4  1
## Hornet 4 Drive      6  0
## Hornet Sportabout   8  0
## Merc 240D           4  0
## Ford Pantera L      8  1
```

---

## Calcul de variables

> Création d'une nouvelle variable en se basant sur un ou plusieurs autres variables de la table, avec `mutate()` (à stocker dans une variable pour réutilisation si besoin)

``` r
mtcars %>%
  select(hp, wt) %>% # pour limiter l'affichage
  mutate(hp_wt = hp / wt)
```

```
##                      hp    wt    hp_wt
## Mazda RX4           110 2.620 41.98473
## Mazda RX4 Wag       110 2.875 38.26087
## Datsun 710           93 2.320 40.08621
## Hornet 4 Drive      110 3.215 34.21462
## Hornet Sportabout   175 3.440 50.87209
## Valiant             105 3.460 30.34682
## Duster 360          245 3.570 68.62745
## Merc 240D            62 3.190 19.43574
## Merc 230             95 3.150 30.15873
## Merc 280            123 3.440 35.75581
## Merc 280C           123 3.440 35.75581
## Merc 450SE          180 4.070 44.22604
## Merc 450SL          180 3.730 48.25737
## Merc 450SLC         180 3.780 47.61905
## Cadillac Fleetwood  205 5.250 39.04762
## Lincoln Continental 215 5.424 39.63864
## Chrysler Imperial   230 5.345 43.03087
## Fiat 128             66 2.200 30.00000
## Honda Civic          52 1.615 32.19814
## Toyota Corolla       65 1.835 35.42234
## Toyota Corona        97 2.465 39.35091
## Dodge Challenger    150 3.520 42.61364
## AMC Javelin         150 3.435 43.66812
## Camaro Z28          245 3.840 63.80208
## Pontiac Firebird    175 3.845 45.51365
## Fiat X1-9            66 1.935 34.10853
## Porsche 914-2        91 2.140 42.52336
## Lotus Europa        113 1.513 74.68605
## Ford Pantera L      264 3.170 83.28076
## Ferrari Dino        175 2.770 63.17690
## Maserati Bora       335 3.570 93.83754
## Volvo 142E          109 2.780 39.20863
```

---

## Agrégat

> Calcul d'une statistique de base (moyenne, somme, ...) sur un attribut, avec `summarise()`

``` r
mtcars %>%
  summarise(nb = n(), mpg = mean(mpg))
```

```
##   nb      mpg
## 1 32 20.09062
```

> Possibilité de le faire pour chaque valeur (modalité) d'une tierce variable (voire plus), avec `group_by()`

``` r
mtcars %>%
  group_by(cyl) %>%
  summarise(nb = n(), mpg = mean(mpg))
```

```
## # A tibble: 3 × 3
##     cyl    nb   mpg
##   <dbl> <int> <dbl>
## 1     4    11  26.7
## 2     6     7  19.7
## 3     8    14  15.1
```

---

## Jointure

> Regroupement d'informations présentes dans deux tables, le rapprochement entre les deux étant fait sur la base d'un attribut commun (ou plus), avec `inner_join()`, `left_join()`, `full_join()`

``` r
mtcars %>%
  full_join(engines, by = "cyl")
```

```
##     mpg cyl  disp  hp drat    wt  qsec vs am gear carb   type
## 1  21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4 medium
## 2  21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4 medium
## 3  22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1  small
## 4  21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1 medium
## 5  18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2  large
## 6  18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1 medium
## 7  14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4  large
## 8  24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2  small
## 9  22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2  small
## 10 19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4 medium
## 11 17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4 medium
## 12 16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3  large
## 13 17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3  large
## 14 15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3  large
## 15 10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4  large
## 16 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4  large
## 17 14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4  large
## 18 32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1  small
## 19 30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2  small
## 20 33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1  small
## 21 21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1  small
## 22 15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2  large
## 23 15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2  large
## 24 13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4  large
## 25 19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2  large
## 26 27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1  small
## 27 26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2  small
## 28 30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2  small
## 29 15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4  large
## 30 19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6 medium
## 31 15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8  large
## 32 21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2  small
## 33   NA  12    NA  NA   NA    NA    NA NA NA   NA   NA   huge
```

---

## Utilisation de plusieurs opérations

> Il est courant d'enchaîner plusieurs opérations

``` r
mtcars %>%
  full_join(engines, by = "cyl") %>%
  mutate(hp_wt = hp / wt) %>%
  group_by(type) %>%
  summarise(nb = n(), conso = mean(mpg), rapp_poids_puiss = mean(hp_wt)) %>%
  arrange(desc(conso))
```

```
## # A tibble: 4 × 4
##   type      nb conso rapp_poids_puiss
##   <chr>  <int> <dbl>            <dbl>
## 1 small     11  26.7             37.9
## 2 medium     7  19.7             39.9
## 3 large     14  15.1             53.9
## 4 huge       1  NA               NA
```