Differences
This shows you the differences between two versions of the page.
| Both sides previous revision Previous revision Next revision | Previous revision | ||
|
r_atelier5 [2018/11/14 15:42] katherinehebert [Accessibilé des variables] |
r_atelier5 [2021/10/13 23:51] (current) lsherin |
||
|---|---|---|---|
| Line 1: | Line 1: | ||
| + | <WRAP group> | ||
| + | <WRAP centeralign> | ||
| + | <WRAP important> | ||
| + | <wrap em> __AVIS IMPORTANT__ </wrap> | ||
| + | |||
| + | <wrap em> Depuis l'automne 2021, ce wiki a été discontinué et n'est plus activement développé. </wrap> | ||
| + | |||
| + | <wrap em> Tout le matériel mis à jour et les annonces pour la série d'ateliers R du CSBQ se trouvent maintenant sur le [[https://r.qcbs.ca/fr/workshops/r-workshop-05/|site web de la série d'ateliers R du CSBQ]]. Veuillez mettre à jour vos signets en conséquence afin d'éviter les documents périmés et/ou les liens brisés. </wrap> | ||
| + | |||
| + | <wrap em> Merci de votre compréhension, </wrap> | ||
| + | |||
| + | <wrap em> Vos coordonnateurs de la série d’ateliers R du CSBQ. </wrap> | ||
| + | |||
| + | </WRAP> | ||
| + | </WRAP> | ||
| + | <WRAP clear></WRAP> | ||
| + | |||
| ======= Série d'ateliers en R du CSBQ ======= | ======= Série d'ateliers en R du CSBQ ======= | ||
| Line 14: | Line 31: | ||
| - | **Lien vers la nouvelle [[https://qcbsrworkshops.github.io/Workshops/workshop05/workshop05-en/workshop05-fr.html|présentation Rmarkdown]]** (en anglais seulement, la version française viendra sous peu!) | + | **Lien vers la nouvelle [[https://qcbsrworkshops.github.io/workshop05/workshop05-fr/workshop05-fr.html|présentation Rmarkdown]]** |
| //S'il vous plaît essayez-la et dites aux coordonnateurs des ateliers R ce que vous en pensez!// | //S'il vous plaît essayez-la et dites aux coordonnateurs des ateliers R ce que vous en pensez!// | ||
| Line 29: | Line 46: | ||
| - Écriture de fonctions en R | - Écriture de fonctions en R | ||
| - Réduire le temps d’exécution des codes | - Réduire le temps d’exécution des codes | ||
| - | - Paquets utilises pour les biologistes | + | - Paquets R utiles pour les biologistes |
| ---- | ---- | ||
| Line 123: | Line 140: | ||
| \\ | \\ | ||
| - | **Commandes ''if else'' nichés** | + | **Commandes ''if else'' nichées** |
| <code rsplus> | <code rsplus> | ||
| Line 184: | Line 201: | ||
| ==== Attention à la syntaxe! ==== | ==== Attention à la syntaxe! ==== | ||
| - | Les accolades ''{ }'' sont utilisées pour indiquer à R que la commande est à exécuter au complet. Par exemple, essayez: | + | Les accolades ''{ }'' sont utilisées pour indiquer à R que l'expression continue sur plusieurs lignes et est à exécuter au complet. Par exemple, essayez: |
| <code rsplus> | <code rsplus> | ||
| Line 191: | Line 208: | ||
| </code> | </code> | ||
| - | //La commande ''else'' ne fonctionne pas, parce que R évalue la première ligne sans reconnaître que votre commande n'est pas complète.// | + | //La commande ''else'' ne fonctionne pas, parce que R évalue la première ligne sans reconnaître que votre expression continue sur la deuxième ligne.// |
| Utilisez plutôt: | Utilisez plutôt: | ||
| Line 197: | Line 214: | ||
| <code rsplus> | <code rsplus> | ||
| if ((2 + 2) == 4) { | if ((2 + 2) == 4) { | ||
| - | print("Les maths, c'est logique!.") # R n'évalue pas encore cette expression puisque l'accolade n'est pas fermée. | + | print("Les maths, c'est logique!") # R n'évalue pas encore cette expression puisque l'accolade n'est pas fermée. |
| } else { | } else { | ||
| - | print("Houston, on a problem.") | + | print("Houston, on a un problème.") |
| } # Comme toutes les accolades sont fermées, R va évaluer les commandes en entier. | } # Comme toutes les accolades sont fermées, R va évaluer les commandes en entier. | ||
| </code> | </code> | ||
| Line 226: | Line 243: | ||
| Les boucles sont utiles pour: | Les boucles sont utiles pour: | ||
| * faire quelque chose pour chaque élément d'un objet. | * faire quelque chose pour chaque élément d'un objet. | ||
| - | * faire quelque chose jusqu'à la fin du traitement de données. | + | * faire quelque chose jusqu'à la fin des données à traiter. |
| * faire quelque chose pour chaque fichier dans un répertoire. | * faire quelque chose pour chaque fichier dans un répertoire. | ||
| - | * faire quelque chose qui peut échouer, jusqu'à ce que ça marche. | + | * faire quelque chose qui peut échouer, jusqu'à ce que ça fonctionne. |
| * faire des calculs itératifs jusqu'à convergence. | * faire des calculs itératifs jusqu'à convergence. | ||
| Line 309: | Line 326: | ||
| \\ | \\ | ||
| - | Les boucles ''for'' sont souvent utilisées pour exécuter des opérations successivement sur un jeu de données. Nous utiliserons ces boucles pour évaluer des fonctions sur le jeu de données CO2, qui est inclu dans R. Notez que c'est le même jeu de données utilisé pour l'atelier 2. | + | Les boucles ''for'' sont souvent utilisées pour exécuter des opérations successivement sur un jeu de données. Nous utiliserons ces boucles pour évaluer des fonctions sur le jeu de données CO2, qui est intégré dans R. Notez que c'est le même jeu de données utilisé pour l'atelier 2. |
| <code rsplus> | <code rsplus> | ||
| data(CO2) # ceci charge le jeu de données dans R | data(CO2) # ceci charge le jeu de données dans R | ||
| - | for (i in 1:length(CO2[,1])) { # pour chaque ligne du jeu de donnée CO2 | + | for (i in 1:length(CO2[,1])) { # pour chaque ligne du jeu de données CO2 |
| print(CO2$conc[i]) # affiche les concentrations de CO2 | print(CO2$conc[i]) # affiche les concentrations de CO2 | ||
| } | } | ||
| - | for (i in 1:length(CO2[,1])) { # pour chaque ligne du jeu de donnée CO2 | + | for (i in 1:length(CO2[,1])) { # pour chaque ligne du jeu de données CO2 |
| - | if(CO2$Type[i] == "Quebec") { # si le type est Quebec | + | if(CO2$Type[i] == "Quebec") { # si le type est "Quebec" |
| print(CO2$conc[i]) # affichez les concentrations de CO2 } | print(CO2$conc[i]) # affichez les concentrations de CO2 } | ||
| } | } | ||
| Line 325: | Line 342: | ||
| \\ | \\ | ||
| - | **Truc 1.** Pour exécuter une boucle sur chaque ligne d'un jeu de donnée, on utilise la fonction ''nrow()''. | + | **Truc 1.** Pour exécuter une boucle sur chaque ligne d'un jeu de données, on utilise la fonction ''nrow()''. |
| <code rsplus> | <code rsplus> | ||
| - | for (i in 1:nrow(CO2)) { # pour chaque ligne du jeu de donnée CO2 | + | for (i in 1:nrow(CO2)) { # pour chaque ligne du jeu de données CO2 |
| print(CO2$conc[i]) # affichez les concentrations de CO2 | print(CO2$conc[i]) # affichez les concentrations de CO2 | ||
| } | } | ||
| Line 341: | Line 358: | ||
| \\ | \\ | ||
| - | **Truc 3.** La partie "expression" de la boucle peut contenir plusieurs lignes de commandes différents. | + | **Truc 3.** La partie "expression" de la boucle peut contenir plusieurs lignes de commandes différentes. |
| <code rsplus> | <code rsplus> | ||
| Line 443: | Line 460: | ||
| head(mtcars) | head(mtcars) | ||
| - | # get the mean hp by cylinder groups | + | # obtient la moyenne de hp par groupe de cylindres |
| tapply(mtcars$hp, mtcars$cyl, FUN = mean) | tapply(mtcars$hp, mtcars$cyl, FUN = mean) | ||
| </code> | </code> | ||
| Line 647: | Line 664: | ||
| ====Exercice 4==== | ====Exercice 4==== | ||
| - | Créez un graphique montrant les concentrations en fonction de l'absorption et où chaque plante est représenté par des points de différents couleurs.\\ | + | Créez un graphique montrant les concentrations en fonction de l'absorption et où chaque plante est représentée par des points de couleurs différentes.\\ |
| **Bonus**: Essayez de le faire avec une boucle nichée! | **Bonus**: Essayez de le faire avec une boucle nichée! | ||
| Line 671: | Line 688: | ||
| ==== Pourquoi créer ses fonctions? ==== | ==== Pourquoi créer ses fonctions? ==== | ||
| - | La plupart du travail lourd dans R est effectué par les fonctions. Elles sont utiles pour: | + | Le gros du travail dans R est fait par des fonctions. Elles sont utiles pour: |
| * répéter une même tâche mais en changeant ses paramètres | * répéter une même tâche mais en changeant ses paramètres | ||
| * rendre votre code plus lisible | * rendre votre code plus lisible | ||
| Line 896: | Line 913: | ||
| # car var1 n'existe plus | # car var1 n'existe plus | ||
| </code> | </code> | ||
| + | \\ | ||
| Utilisez donc des arguments!! | Utilisez donc des arguments!! | ||
| Line 909: | Line 926: | ||
| var1 # var1 a toujours la meme valeur | var1 # var1 a toujours la meme valeur | ||
| </code> | </code> | ||
| + | \\ | ||
| Faites très attention lorsque vous créez des variables à l'intérieur d'une condition, car la variable pourrait ne jamais être créée et causer des erreurs parfois imperceptibles. | Faites très attention lorsque vous créez des variables à l'intérieur d'une condition, car la variable pourrait ne jamais être créée et causer des erreurs parfois imperceptibles. | ||
| Line 926: | Line 943: | ||
| ---- | ---- | ||
| - | ===== Bonnes pratiques et comment accélerer vore code ===== | ||
| ==== Bonnes pratiques ==== | ==== Bonnes pratiques ==== | ||
| - | Voici quelques conseils de programmation qui peuvent vous faciliter la vie, vous aider à avoir un code plus lisible et qui rendent le partage et la réutilisation de votre code bien moins difficile. Avoir un code facile à lire aide à réduire le temps que vous passeriez à essayer de le comprendre, donc ce n'est jamais du temps perdu. | + | Voici quelques conseils de programmation qui peuvent: |
| + | * Vous faciliter la vie | ||
| + | * Vous aider à avoir un code plus lisible | ||
| + | * Faciliter le partage et la réutilisation de votre code | ||
| + | * Réduire le temps que vous passeriez à essayer de comprendre votre code. | ||
| === Gardez un code beau et propre === | === Gardez un code beau et propre === | ||
| - | L'une des choses qui aide le plus lors que l'on lit un code informatique, c'est d'avoir un code bien formatté, bien espacé et bien indenté. Certains standards de programmation existent pour vous aider à obtenir une plus grande consistance, mais cela dépend souvent ultimement des préférences de chacun. Voici quelques trucs pour vous aider: | + | Voici quelques trucs pour vous aider: |
| * Mettez des espaces avant et après vos opérateurs | * Mettez des espaces avant et après vos opérateurs | ||
| - | * Utilisez toujours le même opérateur d'assignation. `<-` est souvent préférable, `=` est ok mais ne changez pas tout le temps entre les deux | + | * Utilisez toujours le même opérateur d'assignation. ''<-'' est préférable (''='' fonctionne, mais ne changez pas entre les deux) |
| - | * Utilisez des crochets pour encadrer vos structures de contrôle, même si c'est juste pour une ligne. Chaque ligne de code à l'intérieur des crochets devrait être indentée d'au moins deux espaces. Les crochets de fermeture occupent généralement leur propre ligne, sauf s'ils précèdent une condition **else**. Ces pratiques adent grandement lorsque l'on veut déterminer ou l'on se trouve, en particulier si l'on a beaucoup de conditions/boucles imbriquées les unes dans les autres. | + | * Utilisez des crochets pour encadrer vos structures de contrôle, même si c'est seulement pour une ligne. |
| + | * À l'intérieur des crochets, faites un alinéa d'au moins deux espaces pour chaque ligne de code. | ||
| + | * Les crochets de fermeture occupent généralement leur propre ligne, sauf s'ils précèdent une condition **else**. | ||
| * Définissez chaque variable sur sa propre ligne | * Définissez chaque variable sur sa propre ligne | ||
| - | Voici un exemple de code difficile à lire | + | Voici un exemple de code qui est est mal espacé et aligné, et donc difficile à lire: |
| <code rsplus> | <code rsplus> | ||
| a<-4;b=3 | a<-4;b=3 | ||
| Line 948: | Line 970: | ||
| </code> | </code> | ||
| - | Voici une version plus aisée. Elle prend plus d'espace mais le flot du code est plus facile à voir. | + | Voici une version plus facile à lire: |
| <code rsplus> | <code rsplus> | ||
| a <- 4 | a <- 4 | ||
| Line 966: | Line 987: | ||
| </code> | </code> | ||
| - | Certains guides de style peuvent être trouvés sur internet. En voici un exemple: [[https://google.github.io/styleguide/Rguide.xml|https://google.github.io/styleguide/Rguide.xml]] | + | ==== Utilisez des fonctions pour simplifier le code ==== |
| - | === Utilisez des fonctions si possible === | + | Écrivez vos propres fonctions: |
| + | * Quand une portion du code est répété à plus de deux reprises dans ton script. | ||
| + | * Quand seulement une partie du code change et inclut des options pour différents arguments. | ||
| - | Maintenant que vous savez comment créer une fonction, n'hésitez pas a les utiliser. Dès que vous aperceve une portion de code qui est répétée plus que deux fois dans votre code, vous devriez vous dire "Hmmm... est ce que ça ne serait pas mieux d'écrire une fonction à la place?". Si seulement une portion de ce code change, essayez de penser à des façons d'utiliser des arguments dans une fonction à la place. Ceci vous aidera à réduire le nombre d'erreurs réalisées en faisant des copier/coller, réduira le temps passé a les corriger et facilitera les modifications futures éventuelles. | + | Ceci vous aidera à réduire le nombre d'erreurs de copier/coller, et réduira le temps passé à les corriger et facilitera les modifications futures. |
| - | Par exemple, modifions l'exemple du défi 3 et supposons que toutes les absorptions de CO2 du Mississipi étaient surestimées de 20 et que celles du Québec étaient sous-estimées de 50. Nous pourrions écrire ceci. | + | |
| + | Par exemple, modifions l'exemple de l'exercice 3 et supposons que toutes les absorptions de CO2 du Mississipi étaient surestimées de 20 et que celles du Québec étaient sous-estimées de 50. Nous pourrions écrire ceci: | ||
| <code rsplus> | <code rsplus> | ||
| Line 986: | Line 1010: | ||
| </code> | </code> | ||
| - | Ou alors nous pourrions faire ceci à la place. | + | Ou alors: |
| <code rsplus> | <code rsplus> | ||
| Line 995: | Line 1019: | ||
| } | } | ||
| } | } | ||
| - | # On doit retourner notre nouveau jeu de donnees car l'original n'est pas modifie | + | return(CO2) |
| - | return (CO2) | + | |
| } | } | ||
| newCO2 <- recalibrate(CO2, "Mississipi", -20) | newCO2 <- recalibrate(CO2, "Mississipi", -20) | ||
| - | # Notez que nous recalibrons ici notre variable newCO2 parce que le CO2 original n'est pas modifie | ||
| newCO2 <- recalibrate(newCO2, "Quebec", +50) | newCO2 <- recalibrate(newCO2, "Quebec", +50) | ||
| - | </code> | + | </code> |
| - | + | ||
| - | Et maintenant, nous réalisons que ce que l'on a modifié dans nos exemples précédents n'était l'absorption, mais la concentration... Maintenant on doit changer toutes les occurences de //CO2\$conc[i]// par //CO2\$uptake[i]//. Dans le premier cas, cela veut dire que l'on a à le changer 4 fois, contre seulement deux fois dans notre fonction! (Bon ok, vous pouvez vous dire ici que cela ne vaut pas vraiment le coup, qu'avec un simple rechercher/remplacer vous le faites super vite et effectivement vous auriez raison. Mais ce n'est qu'un simple exemple! Imaginez si vous aviez à le remplacer 10 fois au lieu de 2. Un bon programmeur est un programmeur paresseuz. Et aussi, admettez le, ca en jette plus avec une fonction...) | + | |
| - | === Donnez des noms qui ont du sens à vos variables et fonctions === | + | ==== Noms de fonctions informatifs ==== |
| - | Ceci aide à voir au premier coup d'oeil qui fait quoi. Soyez encore plus prudents dans le choix du nom de vos arguments quand vous créez une fonction car c'est ce que les utilisateurs voient. Toutefois il est parfois judicieux de choisir des noms courts pour éviter d'avoir à les taper tout le temps et ainsi éviter les fautes de frappe, donc un bon équilibre doit être choisi. | + | Ceci aide à voir au premier coup d'oeil qui fait quoi. De plus, choisir des noms courts évite les fautes de frappe. |
| - | Voici ce à quoi notre exemple précédent pourrait ressembler avec des noms vagues. Comprendre ce que cette fonction fait demande maintenant un peu plus d'efforts. | + | Voici ce à quoi notre exemple précédent pourrait ressembler avec un nom vague. |
| <code rsplus> | <code rsplus> | ||
| Line 1020: | Line 1040: | ||
| } | } | ||
| } | } | ||
| - | return (c) | + | return(c) |
| } | } | ||
| </code> | </code> | ||
| - | === Commentaires === | + | ==== Utilisez des commentaires ==== |
| - | Même avec des noms évidents, ce n'est jamais une mauvaise chose d'ajouter des commentaires pour décrire tout ce que votre code fait, que ce soit le but de la fonction, comment utiliser ses arguments ou une description détaillée de la fonction étape par étape. | + | Ajoutez des commentaires pour décrire tout ce que votre code fait, que ce soit le but de la fonction, comment utiliser ses arguments, ou une description détaillée de la fonction étape par étape. |
| <code rsplus> | <code rsplus> | ||
| - | ## Recalibre le jeu de donnees CO2 en modifiant l'absorption de CO2 | + | ## Recalibre le jeu de données CO2 en modifiant l'absorption de CO2 |
| ## d'une valeur fixe selon la region | ## d'une valeur fixe selon la region | ||
| + | |||
| # Arguments | # Arguments | ||
| # CO2: le jeu de donnees CO2 | # CO2: le jeu de donnees CO2 | ||
| - | # type: le type de donnees qui doivent etre recalibrees. Valeurs: "Mississippi" ou "Quebec" | + | # type: le type de données à recalibrer ("Mississippi" ou "Quebec") |
| - | # bias: la quantite a ajouter a l'absorption. Utilisez des valeurs negative pour les surestimations | + | # bias: la quantité à ajouter ou soustraire de l'absorption. |
| - | recalibrate <- function(CO2, type, bias) { | + | |
| - | for (i in 1:nrow(CO2)) { | + | |
| - | if(CO2$Type[i] == type) { | + | |
| - | CO2$uptake[i] <- CO2$uptake[i] + bias | + | |
| - | } | + | |
| - | } | + | |
| - | # On doit retourner notre nouveau jeu de donnees car l'original n'est pas modifie | + | |
| - | return (CO2) | + | |
| - | } | + | |
| - | </code> | ||
| - | |||
| - | |||
| - | ===== 3. Accélerer votre code ===== | ||
| - | |||
| - | Ici sont présentés quelques trucs pour programmer de manière plus efficace avec R et vous aider à obtenir de meilleures performances et un code plus rapide. Toutefois, avant d'optimiser votre code, il est important de s'assurer que vous avez d'abord un code qui fonction. Un code lent qui fonctionne sera toujours meilleur qu'un code rapide qui ne marche pas. Par ailleurs, parfois, cela ne sert à rien d'optimiser. Passer 2 heures à réécrire des lignes de code pour gagner quelques secondes à l'execution n'est pas forcément la solution la plus efficace. | ||
| - | |||
| - | ==== Avant de commencer : évaluer nos performances ==== | ||
| - | |||
| - | Si l'on veut optimiser notre code, la première étape est de savoir combien de temps chaque tâche prend. | ||
| - | |||
| - | La façon la plus simple de le faire est d'utiliser la fonction system.time(//expression//) | ||
| - | |||
| - | <code rsplus> | ||
| - | system.time({ | ||
| - | a <- 0 | ||
| - | for (i in 1:1000) { | ||
| - | a <- a + i | ||
| - | } | ||
| - | }) | ||
| - | </code> | ||
| - | |||
| - | Notez que la plupart du temps, R travaille vraiment rapidement et il faut avoir des tâches qui demandent vraiment beaucoup de puissance ou le temps risque de ne même pas être enregistré. C'est pourquoi il est recommandé de répéter plusieurs fois la tâche que l'on veut évaluer ou alors de travailler sur de gros jeux de données. | ||
| - | |||
| - | <code rsplus> | ||
| - | system.time(replicate(1000, { | ||
| - | a <- 0 | ||
| - | for (i in 1:1000) { | ||
| - | a <- a + i | ||
| - | } | ||
| - | })) | ||
| - | </code> | ||
| - | |||
| - | Un autre outil simple et utile est la fonction Rprof(). L'avantage principal de Rprof() est qu'elle enregistre de l'infromation sur le temps passé dans chaque fonction dans un fichier auquel on peut accéder plus tard. Voici comment l'utiliser. | ||
| - | |||
| - | <code rsplus> | ||
| - | Rprof("profile.txt") # on peut changer profile.txt par le nom de fichier desire | ||
| - | for (i in 1:1000) { | ||
| - | a <- 0 | ||
| - | for (i in 1:1000) { | ||
| - | a <- a + i | ||
| - | } | ||
| - | } | ||
| - | Rprof() # Ceci termine le profilage | ||
| - | summaryRprof("profile.txt") # Utilisez le nom de fichier enregistre precedemment pour afficher le resume | ||
| - | </code> | ||
| - | |||
| - | Enfin, si vous voulez comparer l'efficacite de plusieurs fonctions côte à côte, un très bon outil est le package microbenchmark | ||
| - | |||
| - | <code rsplus> | ||
| - | install.packages("microbenchmark") | ||
| - | library(microbenchmark) | ||
| - | |||
| - | f1 <- function() { | ||
| - | a <- 0 | ||
| - | for (i in 1:1000) { | ||
| - | a <- a + i | ||
| - | } | ||
| - | } | ||
| - | |||
| - | microbenchmark(f1(), times=1000) # l'argument times nous permet de determiner le nombre d'iterations voulues | ||
| - | </code> | ||
| - | |||
| - | ==== Première étape : réfléchir un peu! ==== | ||
| - | |||
| - | Si vous regardez attentivement votre code, souvent vous realiserez qu'il existe d'autres façons plus simples, plus efficaces de faire ce que vous désirez et que certaines opérations peuvent facilement être supprimées pour gagner du temps. | ||
| - | |||
| - | Par exemple, créons une fonction qui prend un nombre **a**. Nous allons ajouter **a** à chaque nombre de 1 à 100, et si **a** est inférieur à 5, alors nous ajouterons 2*a à la place. Ensuite, nous additionnerons ensemble tous les elements de la sequence. | ||
| - | |||
| - | Voici une façon de le faire | ||
| - | |||
| - | <code rsplus> | ||
| - | f2 <- function(a) { | ||
| - | # initialisation du résultat | ||
| - | result <- 0 | ||
| - | # on itere sur la sequence de 1 à 100 | ||
| - | for (i in 1:100) { | ||
| - | if (a < 5) { | ||
| - | # a est < 5, on ajoute 2*a a la sequence. On met le tout dans result | ||
| - | result <- result + i + (2*a) | ||
| - | } else { | ||
| - | # a est >= 5, on n'ajoute que a | ||
| - | result <- result + i + a | ||
| - | } | ||
| - | } | ||
| - | return(result) | ||
| - | } | ||
| - | f2(4) | ||
| - | </code> | ||
| - | |||
| - | Notre fonction fait ce que l'on désire et est une solution tout à fait acceptable. Cependant, nous avons plein d'étapes inutiles dans notre code. Par exemple, nous n'avons pas besoin d'effectuer notre condition à chaque itération, car le résultat sera toujours le même. | ||
| - | On peut donc la sortir de la boucle. | ||
| - | |||
| - | <code rsplus> | ||
| - | f3 <- function(a) { | ||
| - | # initialisation du résultat | ||
| - | result <- 0 | ||
| - | | ||
| - | # On verifie si a < 5, si oui, a vaut maintenant 2*a | ||
| - | if (a < 5) { | ||
| - | a <- 2 * a | ||
| - | } | ||
| - | # nous n'avons meme pas besoin de tester l'alternative puisque a reste identique | ||
| - | | ||
| - | # on itere sur la sequence de 1 à 100 | ||
| - | for (i in 1:100) { | ||
| - | result <- result + i + a | ||
| - | } | ||
| - | return(result) | ||
| - | } | ||
| - | |||
| - | f3(4) | ||
| - | microbenchmark(f2(4), | ||
| - | f3(4), times=1000) | ||
| - | |||
| - | </code> | ||
| - | |||
| - | Nous avons effectué seulement une simple modification mais nous avons ici réussi à accélerer notre code d'environ 40% (les résultats peuvent varier selon les ordinateurs). De plus, notre code est plus facile à lire et à comprendre. Parfois, on peut gagner à la fois vitesse et lisibilité juste en réflechissant à la place de nos conditions et à ce qu'elles testent. | ||
| - | |||
| - | Mais en utilisant les forces de R, on peut faire encore mieux! | ||
| - | |||
| - | <code rsplus> | ||
| - | f4 <- function(a, n) { | ||
| - | result <- 0 | ||
| - | | ||
| - | if (a < 5) { | ||
| - | a <- a + 1 | ||
| - | } | ||
| - | result <- sum(1:n + a) | ||
| - | return(result) | ||
| - | } | ||
| - | |||
| - | f4(4) | ||
| - | microbenchmark(f3(4), | ||
| - | f4(4), times=1000) | ||
| - | |||
| - | </code> | ||
| - | |||
| - | Wow, ici notre modification est beaucoup plus efficace... Mais qu'est ce qui s'est passé exactement? Ceci nous amène à notre prochain point. | ||
| - | |||
| - | ==== Vectorisation ==== | ||
| - | |||
| - | Cette partie est un rappel de choses que vous avez probablement déjà vues lors des premiers ateliers. Cependant, ces notions sont souvent oubliées et les mauvaises performances de R peuvent fréquemment être attribuées à une mauvaise vectorisation. | ||
| - | R est conçu pour travailler avec les vecteurs et par conséquent, de nombreuses fonctions sont optimisées pour la vectorisation. Pour comprendre ceci, il est d'abord important de comprendre comment R fonctionne. R est un langage interprété, ce qui veut dire que lorsque vous executez votre code R, en réalité vous envoyez vos instructions à des fonctions programmées dans un autre langage (le langage C). Ceci ralentit l'execution de vos programmes puisque le code R doit d'abord être décodé puis envoyé à d'autres fonctions. Lorsque vous créez une boucle, vous devez décoder chaque itération puis la transférer. | ||
| - | Les fonctions vectorisées d'un autre côté sont des fonctions qui travaillent directement avec des vecteurs. Elles executent elles aussi une boucle sur votre vecteur, mais la grosse différence est qu'elles le font directement en C, ce qui est beaucoup plus rapide. la fonction sum() est un exemple de fonction vectorisée. | ||
| - | L'un des plus gros challenges de R est d'apprendre à penser et à programmer avec des vecteurs et non avec des éléments simples. Par exemple, la plupart des opérations de base peuvent être faites sur des vecteurs. | ||
| - | |||
| - | <code rsplus> | ||
| - | v1 <- 1:5 | ||
| - | v2 <- 2:6 | ||
| - | v3 <- 1:3 | ||
| - | v1 + 2 # Addition sur un vecteur : ajoute 2 a tous les elements | ||
| - | v1 + v2 # Ajoute chaque element de v2 a v1 | ||
| - | v1 + v3 # v1 et v3 ne sont pas de la meme taille, on recommence a additionner a partir du debut de v3 | ||
| - | sum(v1) # Additionne tous les elements de v1 ensemble | ||
| - | sum(v1, v2) # Fait la somme de tous les elements de v1 et v2 | ||
| - | mean(v1) # Fait la moyenne de v1 | ||
| - | mean(c(v1, v2)) # Moyenne des elements de v1 et v2. Contrairement a sum(), on doit les combiner avant | ||
| - | </code> | ||
| - | |||
| - | === Extraire des sous-ensembles === | ||
| - | |||
| - | Pour vectoriser efficacement, il est également important d'être capable d'extraire des valeurs de nos données rapidement. | ||
| - | R offre des outils de sélection de sous-ensembles pour appliquer un traitement sur des élements spécifiques de vecteurs ou de dataframes qui sont parfois plus efficaces et plus faciles à écrire que des boucles et des conditions. | ||
| - | |||
| - | L'extraction de sous-ensembles est faite vis les opérateurs **[** et **$** (pour un dataframe). Nous pouvons insérer directement nos condition dans la partie **[]** pour extraire rapidement des valeurs de nos données. Il est également possible d'utiliser la fonction **which()** pour tester une condition. which() retourne les indexs des élements qui remplissent la condition. | ||
| - | |||
| - | <code rsplus> | ||
| - | v1 <- 1:10 | ||
| - | v1[7] # Extrait la 7eme valeur | ||
| - | v1[v1 > 5] # Extrait les valeurs > 5 seulement | ||
| - | v1[which(v1 > 5)] # pareil que precedemment | ||
| - | </code> | ||
| - | |||
| - | Dans les dataframe, **$** permet d'acceder à une colonne par nom. Nous pouvons également le faire en fournissant directement le nom de la colonne. | ||
| - | |||
| - | <code rsplus> | ||
| - | CO2 <- read.csv("co2_good.csv") | ||
| - | CO2$Type # Affiche la colonne Type | ||
| - | CO2[, "Type"] # Idem | ||
| - | CO2[CO2$Type == "Quebec", ] #Extrait toutes les lignes de CO2 dont le Type est "Quebec" | ||
| - | </code> | ||
| - | |||
| - | |||
| - | ----- | ||
| - | **Défi 7** | ||
| - | |||
| - | Créez une nouvelle fonction recalibrate2(), qui est une réécriture de la fonction recalibrate vue précedemment, en utilisant des techniques de vectorisation et d'extraction de sous-ensembles. La nouvelle fonction ne devrait pas faire plus de 3 lignes.\\ | ||
| - | Rappel: | ||
| - | |||
| - | <code rsplus> | ||
| recalibrate <- function(CO2, type, bias) { | recalibrate <- function(CO2, type, bias) { | ||
| for (i in 1:nrow(CO2)) { | for (i in 1:nrow(CO2)) { | ||
| Line 1244: | Line 1065: | ||
| return (CO2) | return (CO2) | ||
| } | } | ||
| - | </code> | ||
| - | |||
| - | ++++ Défi 7 : Réponse| | ||
| - | <code rsplus> | ||
| - | recalibrate2 <- function(CO2, type, bias) { | ||
| - | | ||
| - | # D'abord recuperons les index des donnees avec le bon type | ||
| - | # Astuce de reflexion : puisque nous utilisons les index deux fois ci dessous, plutot que d'utiliser which() | ||
| - | # deux fois, sauvegardons le resultat du premier appel! | ||
| - | idx <- which(CO2$Type == type) | ||
| - | | ||
| - | # Modifions uniquement les donnees concernees en utilisant les index. | ||
| - | CO2$uptake[idx] <- CO2$uptake[idx] + bias | ||
| - | return (CO2) | ||
| - | } | ||
| - | |||
| - | # Verifions que tous les résultats sont les memes | ||
| - | all.equal(recalibrate(CO2, "Quebec", 20), recalibrate2(CO2, "Quebec", 20)) | ||
| - | # Verifions que c'est effectivement plus rapide | ||
| - | microbenchmark(recalibrate(CO2, "Quebec", 20), | ||
| - | recalibrate2(CO2, "Quebec", 20)) | ||
| </code> | </code> | ||
| - | ++++ | ||
| - | ----- | ||
| - | ==== Les objets qui grossissent ==== | ||
| - | |||
| - | Vectoriser est une bonne chose, mais cela s'avère parfois difficile et il se peut que cela vous prenne plus de temps que d'écrire une simple boucle. Parfois, les boucles sont absolument nécessaires et il ne faut pas se restreindre de les utiliser. Cependant, dans votre boucle, si vous désirez avoir des performances décentes, vous devrez faire attention aux objets qui grossissent. C'est à dire les objets qui deviennent de plus en plus gros à chaque itération. | ||
| - | Illustrons ceci simplement en créant une fonction qui itère sur une séquence et crée un vecteur avec. Nous comparerons deux façons de faire: en laissant notre objet grandir ou en préallouant notre objet résultat et en le modifiant à chaque itération. | ||
| - | |||
| - | <code rsplus> | ||
| - | growing <- function(n) { | ||
| - | # on declare notre objet resultat | ||
| - | result <- NULL | ||
| - | for (i in 1:n) { | ||
| - | # on cree notre resultat en le faisant grandir a chaque iteration | ||
| - | result <- c(result, i) | ||
| - | } | ||
| - | return(result) | ||
| - | } | ||
| - | |||
| - | growing2 <- function(n) { | ||
| - | # on declare notre resultat : ici on cree un vecteur de taille n avec des 0 dedans | ||
| - | result <- numeric(n) | ||
| - | for (i in 1:n) { | ||
| - | # maintenant on modifie juste la valeur au lieu de recreer le vecteur | ||
| - | result[i] <- i | ||
| - | } | ||
| - | return(result) | ||
| - | } | ||
| - | </code> | ||
| - | |||
| - | Maintenant comparons leurs vitesses respectives | ||
| - | |||
| - | <code rsplus> | ||
| - | system.time({ | ||
| - | growing(10000) | ||
| - | }) | ||
| - | system.time({ | ||
| - | growing2(10000) | ||
| - | }) | ||
| - | </code> | ||
| - | |||
| - | Avec un vecteur de 10000 éléments, les vitesses sont encore comparables et prennent moins d'une seconde. Maintenant utilisons 50000 éléments | ||
| - | |||
| - | <code rsplus> | ||
| - | system.time({ | ||
| - | growing(50000) | ||
| - | }) | ||
| - | system.time({ | ||
| - | growing2(50000) | ||
| - | }) | ||
| - | </code> | ||
| - | |||
| - | En multipliant le nombre d'objet par seulement 5, cela nous prend maintenant plusieurs secondes pour créer le vecteur par itération alors que modifier un vecteur prédéfini est toujours quasiment instantané. Qu'est ce qui s'est passé ici? La raison est que lorsque vous appelez une fonction, les arguments sont tout d'abord copiés avant d'être passés à la fonction. Donc lorsque vous écrivez // result <- c(result, i) //, à chaque fois **result** est copié avant d'être passé à c(). Au fur et à mesure que result grossit, à chaque itération cela prend de plus en plus de temps à le copier. Plus l'objet final est gros, plus cela prendra de temps. C'est pourquoi il est toujours préférable de créer votre objet résultat avant votre boucle si vous savez la taille qu'il aura. | ||
| - | |||
| - | Ceci est particulièrement valide lorsque l'on travaille avec des dataframes et des fonctions telles que **rbind()** et **cbind()**. | ||
| - | Malheuresement, définir au préalable des dataframes ne marche pas si bien que ça et il existe une meilleure façon, bien que plus compliquée. Il faut alors stocker chaque ligne (ou colonne) dans une liste préallouée et ensuite appeler **rbind()** (ou **cbind()**) sur tous les éléments d'un coup via la fonction **do.call()**. La fonction **do.call()** vous permet d'executer une fonction donnée sur une liste d'arguments. De cette façon, **rbind()** est appelée une seule fois, a la fin, ce qui élimine le problème de copier l'objet au fur et à mesure qu'il grossit. | ||
| - | |||
| - | <code rsplus> | ||
| - | |||
| - | growingdf <- function(n, row) { | ||
| - | # predefinission notre dataframe | ||
| - | df <- data.frame(numeric(n), character(n), stringsAsFactors=FALSE) | ||
| - | for (i in 1:n) { | ||
| - | # remplacons la ieme ligne par row | ||
| - | df[i,] <- row | ||
| - | } | ||
| - | return(df) | ||
| - | } | ||
| - | |||
| - | growingdf2 <- function(n, row) { | ||
| - | # Voici la facon d'allouer une liste a n elements | ||
| - | df <- vector("list", n) | ||
| - | for (i in 1:n) { | ||
| - | # on place row dans le ieme element | ||
| - | df[[i]] <- row | ||
| - | } | ||
| - | return(do.call(rbind, df)) | ||
| - | } | ||
| - | |||
| - | # Stockons notre ligne dans une liste puisque nous avons des elements differents (un nombre et une chaine | ||
| - | # de caracteres) | ||
| - | row <- list(1, "Hello World") | ||
| - | microbenchmark(growingdf(5000, row), | ||
| - | growingdf2(5000, row), | ||
| - | times=10) | ||
| - | </code> | ||
| - | |||
| - | |||
| - | ==== La famille apply ==== | ||
| - | |||
| - | |||
| - | Afin d'éviter le problème des objets qui grossisent dans les boucles et pour faciliter l'application de fonctions sur des objets tels que des dataframes, R nous offre ce que nous appelerons les fonctions apply (parce qu'elles possèdent toutes apply dans leur nom...). Il s'agit d'un groupe de fonctions qui vont exécuter une autre fonction sur un objet d'une type particulier. Leur utilisation diffère seulement selon le type d'objet sur lequel on applique la fonction ou du type de la valeur de retour. | ||
| - | |||
| - | Les fonctions de la famille apply ne sont pas toujours le meilleur choix d'un point de vue performance car elles vont souvent cacher une boucle écrite en R dans leur code. Cependant, elles peuvent grandement réduire le temps de programmation par le confort d'utilisation qu'elles fournissent. | ||
| - | |||
| - | L'une des plus populaires est simplement apply(), qui execute une fonction sur les lignes ou les colonnes d'une dataframe ou d'une matrice. La fonction prend 3 arguments principaux: | ||
| - | * l'objet sur lequel on veut appliquer notre fonction | ||
| - | * le sous-ensemble sur lequel on veut appliquer la fonction. 1 est pour les lignes, 2 pour les colonnes | ||
| - | * la fonction à appliquer | ||
| - | * les arguments éventuels à passer à la fonction fournie | ||
| - | |||
| - | <code rsplus> | ||
| - | df <- data.frame(1:100, 101:200) | ||
| - | # Somme sur les lignes | ||
| - | apply(df, 1, sum) | ||
| - | # Moyenne sur les colonnes | ||
| - | apply(df, 2, mean) | ||
| - | # on peut egalement fournir des arguments supplementaire a la fonction | ||
| - | apply(df, 2, mean, na.rm=TRUE) | ||
| - | # On peut egalement definir directement une fonction. le premiere argument de cette | ||
| - | # fonction sera obligatoirement ce sur quoi on veut iterer. Ici chaque ligne est consideree | ||
| - | # comme un vecteur de nombre comme montre par la fonction str() | ||
| - | apply(df, 1, function(x){str(x)}) | ||
| - | # On peut egalement ajouter d'autres arguments | ||
| - | apply(df, 1, function(x, y){x[2] - x[1] + y}, y=5) | ||
| - | </code> | ||
| - | |||
| - | Toutes les fonctions apply fonctionnent sur le même modèle. D'un point de vue performance, les plus intéressantes sont sans doute lapply et vapply car ce sont des fontions primitives écrites en C. lapply retourne une liste de la même longueur que notre objet original. vapply vous autorise à spécifier le format de la valeur de retour de votre fonction. Ce peut être un vecteur ou un tableau. | ||
| - | |||
| - | <code rsplus> | ||
| - | a <- list(1:100, 101:200) | ||
| - | # appliquons mean a tous les elements | ||
| - | lapply(a, mean) # on obtient une liste en retour | ||
| - | unlist(lapply(a, mean)) # utilisez unlist pour avoir un vecteur a la place | ||
| - | vapply(a, mean, 0) # on dit donc a vapply que notre resultat sera un simple nombre | ||
| - | </code> | ||
| - | |||
| - | ======= 4. Brève introduction à quelques paquets utiles dans R ======= | ||
| - | |||
| - | |||
| - | ===== Knitr ===== | ||
| - | Knitr est un paquet qui peut être utilisé pour générer des rapports de façon dynamique ou des pages web à partir de code en R. Le code est évalué au moment de créer le rapport. | ||
| - | |||
| - | Le code peut être écrit facilement en RStudion en utilisant le langage Markdown. : | ||
| - | |||
| - | ++++ Exemple de code Markdown | | ||
| - | <code rsplus> | ||
| - | --- | ||
| - | title: "Interesting packages for R / QCBS Workshop on R programming" | ||
| - | output: html_document | ||
| - | --- | ||
| - | |||
| - | ### Data table | ||
| - | A package to facilitate and to improve the efficiency of certain operations in R. | ||
| - | ```{r} | ||
| - | library(data.table) | ||
| - | mydf=data.frame(a=rep(LETTERS,each=1e5),b=rnorm(26*1e5)) | ||
| - | mydt=data.table(mydf) | ||
| - | setkey(mydt,a) # We set the column that will be used as a key for the data table | ||
| - | |||
| - | ``` | ||
| - | Returns all rows with column a (the key) equal to F | ||
| - | ````{r} | ||
| - | mydt['F'] | ||
| - | ```` | ||
| - | |||
| - | Gives the mean value of column b for each letter in column a. | ||
| - | ```{r} | ||
| - | mydt[,mean(b),by=a] | ||
| - | ``` | ||
| - | |||
| - | methods/html/Compare.html">Compare | ||
| - | ```{r} | ||
| - | system.time(t1<-mydt[,mean(b),by=a]) | ||
| - | ``` | ||
| - | |||
| - | ### With tapply() | ||
| - | ```{r} | ||
| - | system.time(t2<-tapply(mydf$b,mydf$a,mean)) | ||
| - | ``` | ||
| - | |||
| - | ### With reshape2 | ||
| - | ```{r message=FALSE} | ||
| - | library(reshape2) | ||
| - | meltdf=melt(mydf) | ||
| - | system.time(t3<-dcast(meltdf,a~variable,mean)) | ||
| - | ``` | ||
| - | |||
| - | ### With plyr | ||
| - | ```{r} | ||
| - | library(plyr) | ||
| - | system.time(t4<-ddply(mydf,.(a),summarize,mean(b))) | ||
| - | ``` | ||
| - | |||
| - | ### With dplyr | ||
| - | ```{r message=FALSE} | ||
| - | library(dplyr) | ||
| - | ti1<-proc.time() | ||
| - | groups <- group_by(mydf, a) | ||
| - | t4b <- summarise(groups, total = mean(b)) | ||
| - | eltime<-proc.time()-ti1 | ||
| - | eltime | ||
| - | ``` | ||
| - | |||
| - | ### With sqldf | ||
| - | ```{r} | ||
| - | library(sqldf) | ||
| - | system.time(t5<-sqldf('SELECT a, avg(b) FROM mydf GROUP BY a')) | ||
| - | ``` | ||
| - | |||
| - | ### With a for loop | ||
| - | ```{r} | ||
| - | ti1<-proc.time() | ||
| - | t6<-data.frame(letter=unique(mydf$a),mean=rep(0,26)) | ||
| - | for (i in t6$letter ){ | ||
| - | t6[t6$letter==i,2]=mean(mydf[mydf$a==i,2]) | ||
| - | } | ||
| - | eltime<-proc.time()-ti1 | ||
| - | eltime | ||
| - | ``` | ||
| - | |||
| - | |||
| - | ### With a parallelized FOR loop | ||
| - | ```{r} | ||
| - | library(foreach) | ||
| - | library(doMC) | ||
| - | registerDoMC(4) #Four-core processor | ||
| - | ti1<-proc.time() | ||
| - | t7<-data.frame(letter=unique(mydf$a),mean=rep(0,26)) | ||
| - | t7[,2] <- foreach(i=t7$letter, .combine='c') %dopar% { | ||
| - | mean(mydf[mydf$a==i,2]) | ||
| - | } | ||
| - | eltime<-proc.time()-ti1 | ||
| - | eltime | ||
| - | ``` | ||
| - | |||
| - | |||
| - | |||
| - | ### RgoogleMaps | ||
| - | ```{r message=FALSE} | ||
| - | library(RgoogleMaps) | ||
| - | myhome=getGeoCode('Olympic Stadium, Montreal'); | ||
| - | mymap<-GetMap(center=myhome, zoom=14) | ||
| - | PlotOnStaticMap(mymap,lat=myhome['lat'],lon=myhome['lon'],cex=5,pch=10,lwd=3,col=c('red')); | ||
| - | ``` | ||
| - | |||
| - | |||
| - | ### Taxize | ||
| - | ```{r message=FALSE, warning=FALSE} | ||
| - | library(taxize) | ||
| - | spp<-tax_name(query=c("american beaver"),get="species", db = 'ncbi') | ||
| - | spp | ||
| - | fam<-tax_name(query=c("american beaver"),get="family", db = 'ncbi') | ||
| - | fam | ||
| - | correctname <- tnrs(c("fraxinus americanus")) | ||
| - | correctname | ||
| - | cla<-classification("acer rubrum", db = 'itis') | ||
| - | cla | ||
| - | ``` | ||
| - | |||
| - | ### spocc | ||
| - | ```{r message=FALSE} | ||
| - | library(spocc) | ||
| - | occ_data <- occ(query = 'Acer nigrum', from = 'gbif') | ||
| - | mapggplot(occ_data) | ||
| - | |||
| - | ``` | ||
| - | |||
| - | |||
| - | ### Combine spocc and RgoogleMaps | ||
| - | ```{r message=FALSE, warning=FALSE} | ||
| - | occ_data <- occ(query = 'Puma concolor', from = 'gbif') | ||
| - | occ_data_df=occ2df(occ_data) | ||
| - | occ_data_df<-subset(occ_data_df,!methods/html/is.html">is.na">is.na(latitude) & latitude!=0) | ||
| - | mymap<-GetMap(center=c(mean(occ_data_df$latitude),mean(occ_data_df$longitude)), zoom=2) | ||
| - | PlotOnStaticMap(mymap,lat=occ_data_df$latitude,lon=occ_data_df$longitude,cex=1,pch=16,lwd=3,col=c('red')); | ||
| - | ``` | ||
| - | |||
| - | |||
| - | ### geonames | ||
| - | ```{r message=FALSE} | ||
| - | library(geonames) | ||
| - | options(geonamesUsername="glaroc") | ||
| - | res<-GNsearch(q="Mont Saint-Hilaire") | ||
| - | res[,c('toponymName','fclName')] | ||
| - | dc<-GNcities(45.4, -73.55, 45.7, -73.6, lang = "en", maxRows = 10) | ||
| - | dc[,c('toponymName')] | ||
| - | ``` | ||
| - | </code> | ||
| - | |||
| - | ++++ | ||
| - | [[http://qcbs.ca/wp-content/uploads/2014/12/QCBS_atelier8_knitr.html|Voir la page web résultante]]. | ||
| - | |||
| - | ===== Data Table ===== | ||
| - | [[http://cran.r-project.org/web/packages/data.table/index.html|Data table]] est un paquet très utile qui peut faciliter et améliorer l'efficacité de certaines opérations en R. Les tables de données (data tables) sont très similaires aux data frames. Vous pouvez même les construire à partir de data frames. | ||
| - | |||
| - | [[http://cran.r-project.org/web/packages/data.table/vignettes/datatable-intro.pdf|Introduction to Data table (PDF)]] | ||
| - | |||
| - | <code rsplus> | ||
| - | install.packages('data.table') | ||
| - | library(data.table) | ||
| - | </code> | ||
| - | |||
| - | Créez un très long jeu de données avec une colonne contenant des lettres et une colonne avec des nombres aléatoires. | ||
| - | <file rsplus> | ||
| - | mydf<-data.frame(a=rep(LETTERS,each=1e5),b=rnorm(26*1e5)) | ||
| - | </file> | ||
| - | |||
| - | Convertir le data frame en table de données. | ||
| - | <file rsplus> | ||
| - | mydt<-data.table(mydf) | ||
| - | </file> | ||
| - | |||
| - | Une clé doit être attribuée à chaque table de données. Cette clé doit être une (ou plus) colonne provenant de la table. Cette clé est à la base de l'organisation de la table de données. | ||
| - | <file rsplus> | ||
| - | setkey(mydt,a) | ||
| - | </file> | ||
| - | |||
| - | Une fois que la clé est attribuée, nous pouvons facilement extraire, par exemple, toutes les lignes contentant la clé (colonne a) égale à F. | ||
| - | <file rsplus> | ||
| - | mydt['F'] | ||
| - | </file> | ||
| - | |||
| - | Donne la valeur moyenne pour la colonne b, pour chaque lettre de la colonne a. | ||
| - | <file rsplus> | ||
| - | mydt[,mean(b),by=a] | ||
| - | </file> | ||
| - | |||
| - | Comparons maintenant la performance de Data table avec les autres méthodes nous permettant d'effectuer la même tâche. | ||
| - | <file rsplus> | ||
| - | system.time(t1<-mydt[,mean(b),by=a]) | ||
| - | </file> | ||
| - | |||
| - | **Avec tapply()** | ||
| - | <file rsplus> | ||
| - | system.time(t2<-tapply(mydf$b,mydf$a,mean)) | ||
| - | </file> | ||
| - | |||
| - | **Avec [[http://cran.r-project.org/web/packages/reshape2/index.html|reshape2]]** | ||
| - | |||
| - | **NOTE**: plyr et reshape2 ont été traités dans l'[[r_atelier3|atelier 3]]. | ||
| - | <file rsplus> | ||
| - | library(reshape2) | ||
| - | meltdf<-melt(mydf) | ||
| - | system.time(t3<-dcast(meltdf,a~variable,mean)) | ||
| - | </file> | ||
| - | |||
| - | **Avec [[http://cran.r-project.org/web/packages/plyr/index.html|plyr]]** | ||
| - | , un suite d'outils qui peuvent être utiliser pour séparer des données en blocs homogènes, appliquer une fonction sur chaque bloc, et remettre les blocs ensemble. | ||
| - | <file rsplus> | ||
| - | library(plyr) | ||
| - | system.time(t4<-ddply(mydf,.(a),summarize,mean(b))) | ||
| - | </file> | ||
| - | |||
| - | **Avec [[http://cran.rstudio.com/web/packages/dplyr/vignettes/introduction.html|dplyr]]** | ||
| - | , un nouvelle version de plyr qui est plus rapide et adaptée spécialement aux data frames. | ||
| - | <file rsplus> | ||
| - | library(dplyr) | ||
| - | ti1<-proc.time() | ||
| - | groups <- group_by(mydf, a) | ||
| - | t5 <- summarise(groups, total = mean(b)) | ||
| - | eltime<-proc.time()-ti1 | ||
| - | </file> | ||
| - | |||
| - | **Avec [[http://cran.r-project.org/web/packages/sqldf/index.html|sqldf]]**. Ce paquet permet d'écrire des requêtes de types SQL (Structured Query Language) sur des data frames. | ||
| - | <file rsplus> | ||
| - | library(sqldf) | ||
| - | system.time(t6<-sqldf('SELECT a, avg(b) FROM mydf GROUP BY a')) | ||
| - | </file> | ||
| - | |||
| - | **Avec une boucle FOR** | ||
| - | <file rsplus> | ||
| - | ti1<-proc.time() | ||
| - | # Initialisation d'un data frame vide avec deux colonnes et 26 lignes. | ||
| - | t7<-data.frame(letter=unique(mydf$a),mean=rep(0,26)) | ||
| - | for (i in t6$letter ){ | ||
| - | t7[t7$letter==i,2]=mean(mydf[mydf$a==i,2]) | ||
| - | } | ||
| - | eltime<-proc.time()-ti1 | ||
| - | eltime | ||
| - | </file> | ||
| - | |||
| - | **Avec une boucle FOR parallèlisée** | ||
| - | |||
| - | On pour utiliser les paquets [[http://cran.r-project.org/web/packages/foreach/index.html|foreach]] et [[http://cran.r-project.org/web/packages/doMC/index.html|doMC]] pour executer des sections de code en parallèle sur des ordinateurs avec plusieurs coeurs. C'est particulièrement utile pour accélérer des calculs dans des boucles FOR dans lesquelles chaque itération roule indépendemment des autres. Notez que doMC peut ne pas fonctionne sous Windows. Ça devrait cependant fonctionner sous Linux ou Mac OSX. | ||
| - | <file rsplus> | ||
| - | library(foreach) | ||
| - | library(doMC) | ||
| - | registerDoMC(4) #Processeur quatre-coeurs | ||
| - | ti1<-proc.time() | ||
| - | t8<-data.frame(letter=unique(mydf$a),mean=rep(0,26)) | ||
| - | t8[,2] <- foreach(i=t8$letter, .combine='c') %dopar% { | ||
| - | mean(mydf[mydf$a==i,2]) | ||
| - | } | ||
| - | eltime<-proc.time()-ti1 | ||
| - | eltime | ||
| - | </file> | ||
| - | ===== RgoogleMaps! ===== | ||
| - | Le paquet [[http://cran.r-project.org/web/packages/RgoogleMaps/index.html|RgoogleMaps]] vous permet d'afficher très simplement des images de Google Maps ou Google Satellite allows to very simply show Google maps or Google Satellite dans R, centrées sur la localisation de votre choix. Vous pouvez également superposer des données spatiales relativement aisément sur ces cates. La fonction getGeocode() permet de transformer une entrée de recherche pour un code postal ou un nom de lieu en coordonnées latitude, longitudes en utilisant les services Google. | ||
| - | <file rsplus> | ||
| - | library(RgoogleMaps) | ||
| - | myhome=getGeoCode('Olympic stadium, Montreal'); | ||
| - | mymap<-GetMap(center=myhome, zoom=14) | ||
| - | PlotOnStaticMap(mymap,lat=myhome['lat'],lon=myhome['lon'],cex=5,pch=10,lwd=3,col=c('red')); | ||
| - | </file> | ||
| - | ===== Taxize ===== | ||
| - | Le projet [[http://ropensci.org/|rOpenSci]] supporte le développement d'un nombre important de paquets R pour faciliter l'accès à des sources de données en ligne. Parmi celles-ci, figure le paquet [[http://cran.r-project.org/web/packages/taxize/index.html|Taxize]], qui peut être utilisé pour extraire l'information taxonomique provenant de différents bases de données. On peut extraire, par exemple, des synonymes, des hiérarchies taxonomiques, les noms communs, et plus, de plus d'une dizaine de sources. | ||
| - | <file rsplus> | ||
| - | library(taxize) | ||
| - | spp<-tax_name(query=c("american beaver"),get="species") | ||
| - | fam<-tax_name(query=c("american beaver"),get="family") | ||
| - | correctname <- tnrs(c("fraxinus americanus")) | ||
| - | cla<-classification("acer rubrum", db = 'itis') | ||
| - | </file> | ||
| - | ===== Spocc ===== | ||
| - | Un autre paquet de rOpenSci qui est très utile est [[http://cran.r-project.org/web/packages/spocc/index.html|Spocc]]. Il permet d'effectuer des recherches de données d'occurrence d'espèces provenant de plusieurs sources, dont [[http://www.gbif.org/|Global Biodiversity Information Facility]], une immense base de données mondiale contenant des centaines de millions d'occurrences venant de données de terrain ou de collections. | ||
| - | |||
| - | <file rsplus> | ||
| - | library(spocc) | ||
| - | occ_data <- occ(query = 'Acer nigrum', from = 'gbif') | ||
| - | mapggplot(occ_data) | ||
| - | </file> | ||
| - | |||
| - | Combinez spocc et RgoogleMaps | ||
| - | <file rsplus> | ||
| - | occ_data <- occ(query = 'Puma concolor', from = 'gbif') | ||
| - | occ_data_df=occ2df(occ_data) | ||
| - | occ_data_df<-subset(occ_data_df,!is.na(latitude) & latitude!=0) | ||
| - | mymap<-GetMap(center=c(mean(occ_data_df$latitude),mean(occ_data_df$longitude)), zoom=2) | ||
| - | PlotOnStaticMap(mymap,lat=occ_data_df$latitude,lon=occ_data_df$longitude,cex=1,pch=16,lwd=3,col=c('red')); | ||
| - | </file> | ||
| - | ===== geonames ===== | ||
| - | [[http://geonames.r-forge.r-project.org/|Geonames]] connecte R à [[http://geonames.org|Geonames.org]], une base de données de noms de lieux et de toponymes. | ||
| - | <file rsplus> | ||
| - | library(geonames) | ||
| - | options(geonamesUsername="glaroc") | ||
| - | # Trouver les noms de lieux qui contiennent le terme "Mont Saint-Hilaire" | ||
| - | res<-GNsearch(q="Mont Saint-Hilaire") | ||
| - | res[,c('toponymName','fclName')] | ||
| - | #Extraire toutes les villes dans un rectangle définit par deux coins géographiques. | ||
| - | dc<-GNcities(45.4, -73.55, 45.7, -73.6, lang = "en", maxRows = 10) | ||
| - | dc[,c('toponymName')] | ||
| - | </file> | ||
| + | ==== Merci d'avoir participé à cet atelier! ==== | ||
