| Logiciel/Sytsème | Windows | MacOS | Linux | BSD | Autres Unix |
|---|---|---|---|---|---|
| R | oui | oui | oui | oui | oui |
Analyse de données avec R
Utilisation d’un langage de programmation Open Source pour les SHS
ICM, Campus Condorcet, novembre 2023
SAS, SPAD, SPSS… et R !
Il existe de nombreux logiciels d’analyse statistique. Mais depuis le début des années 2000, le langage R gagne en importance dans ce domaine et s’impose progressivement comme une référence, au même titre que les trois principaux logiciels d’analyse de données qui dominent le marché.
Plusieurs aspects peuvent nous laisser penser que de nombreux utilisateurs de logiciels statistiques devraient progressivement converger vers R…
Limites des logiciels propriétaires
- Des prix des licences parfois onéreux
- Des problèmes d’intéropérabilité avec les différents OS
- Un développement contrôlé qui induit des limites
- Des spécificités et une polyvalence limité
Prix licence SPSS Base edition
Intéropérabilité des principaux logiciels :
| Logiciel/Système | Windows | MacOS | Linux | BSD | Autres Unix |
|---|---|---|---|---|---|
| SAS | oui | terminé | oui | non | oui |
| SPAD | oui | non | non | non | non |
| SPSS | oui | oui | non | non | non |
| Stata | oui | oui | oui | non | non |
Autant d’obstacles pour :
- L’utilisation
- Le travail collaboratif
- Le travail interdisciplinaire
- La reproductibilité
- La formation…
C’est pour cela que l’on préfère R !
Frères ennemis
Deux langages très utilisés pour le traitement et l’analyse des données en SHS.
Très souvent comparés pour leurs fonctionnalités semblables…
L’utilisation de R ou de Python dépend surtout de :
Qui suis-je ? Qu’est-ce que je veux faire ?
Deux communautés différentes
- Documentation riche et structurée
- Communauté accessible et inclusive
- Discipline : analyse de données
- Métiers : recherche & développement
- Plus d’utilisateur·rices
- Communauté plus spécialisé en informatique
- Discipline : science des données
- Métiers : informaticien, développeur…
Différents points forts
R a autant de cerveau…
- Plus facile à prendre en main (Rstudio)
- Analyse statistique
- Représentation graphique
- Literate programming (production de document)
→ Spécialisé dans l’analyse statistique
→ Pour utilisateu·rices moins avancés en progr.
…que Python a du muscle !
- Plus puissant et généraliste
- Gestion de données volumineuses
- Web scraping et TAL
- Développement de logiciel
→ Spécialisé dans la science de données
→ Pour utilisateu·rices avancés en progr.
Et le langage 
?
En 2008, au MIT, quelques chercheurs se rassemblent et font un point sur les outils disponibles pour le calcul scientifique et statistique. Principal constat, la communauté était éclatée :
- des développeurs utilisateurs de C ou de python,
- des statisticiens utilisateurs de R,
- et des utilisateurs de solutions commerciales ayant leur propre langage (SAS, Matlab…)
il fallait un langage prenant tous les avantages de chaque langage et rajoutant un aspect de plus en plus pointé du doigt : la parallélisation massive (rapidité de calcul)… Voici comment la langage Julia est né !
Bien que la communauté d’utilisateur.rices se soit depuis agrandie, le langage Julia ne s’est toujours pas imposé dans la communauté SHS, où R et Python semble toujours les langages les plus utilisés pour l’analyse de données
Soutiens financiers importants
R est le résultat de 30 années de recherche & développement. Aujourd’hui, plusieurs acteurs économiques importants financent le développement de R : Microsoft, Google, Oracle, Esri…
source : https://www.r-consortium.org/members
Libre et multi-plateforme
- R est un logiciel/langage libre (open source)
- R fait partie de la liste des paquets GNU GPLv3
- R est multi-plateforme
Des fonctionnalités croissantes…
Nombre de packages disponibles sur le CRAN
… Pour un langage polyvalent
Les packages permettent d’opérer sur l’ensemble de la chaîne de traitement, de la collecte des données à la valorisation des résultats (diaporama, rapport statistique, site web…).
Cette polyvalence permet à R de compléter (et de concurrencer) toute une série de logiciels existants
Une grande communauté d’utilisateurs
Et d’entreprises
L’interface de R
Interface de R sur Windows
Pas d’interface sur Linux (terminal)
L’IDE Rstudio facilite l’apprentissage de R et son utilisation
IDE Rstudio
IDE Rstudio
Installer R
L’installation de R et de l’IDE Rstudio se fait comme n’importe quel autre logiciel.
Connectez-vous au CRAN pour télécharger R.
Installer l’IDE Rstudio
Téléchargez la version ‘Desktop’ sur le site de Rstudio
C’est parti !
Lancez Rstudio (pas R) pour commencer
Qui propose des fonctions avancées
Des milliers de fonctions pour manipuler, analyser et représenter ses données. Une fonction contient une série de commandes (code) qui effectuent une tâche prédéfinie. Elle prend des informations (arguments) en entrée et renvoie un résultat. Les fonctions s’utilisent toujours de la même façon : nom_fonction()
→ Fonction round() pour arrondir un nombre
round(12.33453)[1] 12
→ Fonction nchar() pour calculer un nombre de caractères
nchar("Institut Convergences Migrations")[1] 32
→ Fonction strsplit() pour fractionner une chaine de caractère
strsplit(x = "Mali, Niger, Lybie, Italie, France", split = ", ")[[1]]
[1] "Mali" "Niger" "Lybie" "Italie" "France"
→ Fonction plot() pour la représentation graphique
plot(x = 1:20, y = 11:30)
Dans la majorité des cas, des arguments doivent être renseignés pour utiliser une fonction.
# Affichage graphique
plot(x = 1:20,
y = 11:30,
type = "p",
pch = 15,
cex = 2,
col= "deepskyblue3",
main = "Mon premier plot avec R",
cex.main = 2,
col.main = "darkgoldenrod4",
col.axis = "red4",
xlab = "Ma première variable",
ylab = "Ma seconde variable")
Les fonctions peuvent être :
- mises à disposition par le R base (fonctions primitives ou standards),
- mises à disposition par un package (extension du langage R base),
- développées en local par les tous utilisateur.rices.
R = Programmation Orientée Objet ?
Tout ce que l’on crée dans R sont des objets. Mais contrairement au langage Python, il ne s’agit pas d’un langage de POO.
La POO est un paradigme de programmation basé sur le concept d’objets, qui peuvent contenir des données et métadonnées (attributs), et qui sont associés à des procédures, souvent appelées méthodes.
Il est néanmoins possible de faire de la POO avec R !
Import de tableau de données
Collecte automatisée
rselenium
web scraping (Selenium)
Interfaces d’API et BD
eurostat - rOpenGov package - Interface API Eurostat
insee - Données et métadonnées INSEE (BDM)
wbstats et WDI - Interface API et données Banque mondiale
wpp2017 - Données UN (World Population Prospects 2017)
rnaturalearthdata - rOpenSci package - Données Natural Earth
osmdata - rOpenSci package - Interface API OpenStreetMap
rtweet - rOpenSci package - Interface API Twitter
tuber - Interface API Youtube
spotifyr - Interface API Spotify
googleAuthR, googleAnalyticsR, searchConsoleR… - API’s Google
…
Manipulation de données
Le tidyverse
Collection de packages conçues pour fonctionner ensemble et basés sur une philosophie commune. Ils abordent un très grand nombre d’opérations courantes dans R.
Ils sont en grande partie issues du travail d’Hadley Wickham, développeur emblématique qui travaille pour RStudio.
Traitement d’enquête
Données géographiques
Représentation Graphique
R base
Représentation graphique standard
esquisse
Interface graphique pour créer des graphiques ggplot2
ggplot2
Représentation graphique avancée basée sur la grammaire graphique
plotly
Graphiques interactifs, adaptation librairie JavaScript
Cartographie
Valorisation & Publication
rmarkdown
Literate programming
xaringan
Literate programming - diaporama
pagedown
Literate programming - Créer PDFs avec CSS (comme LaTeX)…
shiny
Application interactive
knitr
Compilation de document (notebook)
bookdown
Literate programming - Format Livre
blogdown
Construction de siteweb statique
flexdashboard
Tableau de bord
Et de nombreux modèles de mise en page… Ex : rmdformats (documents HTML)
Depuis 2022 : 
Quarto est un nouveau système open-source de publication d’articles scientifiques, plus moderne que le Rmarkdown et facilement adaptable à différents cadres d’utilisation.
Quarto est développé par Posit™️ (Rstudio). Cet outil est ainsi directement accessible depuis l’IDE Rstudio .Il permet d’exploiter différents langages de programmation tels que R, Python, Julia ou JavaScript.
Quarto unifie et étend les fonctionnalités offertes par les différents notebooks existants, plus particulièrement les extensions Rmarkdown.
Ce Diaporama est un notebook Quarto. Pour en savoir plus, cliquez ici
Error & Warning
Commencez par lire les messages que renvoie la console !
Auto-complétion
La fonctionnalité d’auto-complétion proposée par Rstudio peut être très efficace. Utilisez la touche tab.
Documentation obligatoire
Les packages (base et CRAN) sont obligatoirement accompagnés d’une documentation. Vous pouvez y accéder en ligne de commande ou en clic-bouton :
library(mapsf)
help(mapsf)
?mapsf
?mf_map
Documentation officielle supplémentaire
La majorité des packages de référence propose de la documentation plus digeste à travers différents formats comme une vignette, une cheatsheet, voire même un site web.
Vignette du package mapsf
Cheatsheet (antisèche) du package mapsf
Site web du package mapsf
Et tout le reste !
La communauté R est très active et prolifique en matière de partage et de documentation. Des milliers de ressources sur la pratique de R sont accessibles sur le web.
Pour vous aider :
Exemples de ressources (en géomatique) référencées sur rzine.fr :
Débuter en douceur
Pour commencer l’apprentissage de R progressivement, vous pouvez utiliser des logiciels clic-bouton qui reposent sur le langage R et qui permettent de récuperer le code généré. Ex :
Réalisé avec…
R version 4.3.2 (2023-10-31)
→ Présentation Quarto Reveal JS
sessionInfo()R version 4.3.2 (2023-10-31)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: Ubuntu 22.04.3 LTS
Matrix products: default
BLAS: /usr/lib/x86_64-linux-gnu/blas/libblas.so.3.10.0
LAPACK: /usr/lib/x86_64-linux-gnu/lapack/liblapack.so.3.10.0
locale:
[1] LC_CTYPE=fr_FR.UTF-8 LC_NUMERIC=C
[3] LC_TIME=fr_FR.UTF-8 LC_COLLATE=fr_FR.UTF-8
[5] LC_MONETARY=fr_FR.UTF-8 LC_MESSAGES=fr_FR.UTF-8
[7] LC_PAPER=fr_FR.UTF-8 LC_NAME=C
[9] LC_ADDRESS=C LC_TELEPHONE=C
[11] LC_MEASUREMENT=fr_FR.UTF-8 LC_IDENTIFICATION=C
time zone: Europe/Paris
tzcode source: system (glibc)
attached base packages:
[1] tools tcltk stats4 splines grid stats graphics
[8] grDevices utils datasets methods base
other attached packages:
[1] ggplot2_3.4.2 plyr_1.8.8 stringr_1.5.0 rvest_1.0.3
loaded via a namespace (and not attached):
[1] gtable_0.3.3 jsonlite_1.8.7 dplyr_1.1.2 compiler_4.3.2
[5] selectr_0.4-2 tidyselect_1.2.0 Rcpp_1.0.10 xml2_1.3.4
[9] textshaping_0.3.6 systemfonts_1.0.4 scales_1.2.1 yaml_2.3.7
[13] fastmap_1.1.1 R6_2.5.1 labeling_0.4.2 generics_0.1.3
[17] curl_5.0.1 knitr_1.43 tibble_3.2.1 munsell_0.5.0
[21] pillar_1.9.0 rlang_1.1.1 utf8_1.2.3 stringi_1.7.12
[25] xfun_0.39 cli_3.6.1 withr_2.5.0 magrittr_2.0.3
[29] digest_0.6.33 rstudioapi_0.14 lifecycle_1.0.3 vctrs_0.6.3
[33] evaluate_0.21 glue_1.6.2 farver_2.1.1 ragg_1.2.5
[37] fansi_1.0.4 colorspace_2.1-0 rmarkdown_2.23 httr_1.4.6
[41] pkgconfig_2.0.3 htmltools_0.5.5
Diapositives libres (CC BY 4.0) :
Consultation : https://icm-intro-r-hpecout-2f8b698b44c8fcbba51fc31df918c3ac1311a83e670.gitpages.huma-num.fr/
Code source : https://gitlab.huma-num.fr/hpecout/icm_intro_r
Exemple appliqué
Téléchargez ce projet Rstudio
Merci de votre attention
