Une version actualisée de ce chapitre est disponible sur guide-R : Listes & Tableaux de données

Il est préférable d’avoir déjà lu le chapitre Vecteurs, indexation et assignation avant d’aborder celui-ci.

Ce chapitre est évoqué dans le webin-R #02 (les bases du langage R) sur YouTube.

Listes

Par nature, les vecteurs ne peuvent contenir que des valeurs de même type (numérique, textuel ou logique). Or, on peut avoir besoin de représenter des objets plus complexes composés d’éléments disparates. C’est ce que permettent les listes.

Propriétés et création

Une liste se crée tout simplement avec la fonction list :

l1 <- list(1:5, "abc")
l1
[[1]]
[1] 1 2 3 4 5

[[2]]
[1] "abc"

Une liste est un ensemble d’objets, quels qu’ils soient, chaque élément d’une liste pouvant avoir ses propres dimensions. Dans notre exemple précédent, nous avons créé une liste l1 composée de deux éléments : un vecteur d’entiers de longueur 5 et un vecteur textuel de longueur 1. La longueur d’une liste correspond aux nombres d’éléments qu’elle contient et s’obtient avec length :

length(l1)
[1] 2

Comme les vecteurs, une liste peut être nommée et les noms des éléments d’une liste sont accessibles avec names :

l2 <- list(minuscules = letters, majuscules = LETTERS, mois = month.name)
l2
$minuscules
 [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n"
[15] "o" "p" "q" "r" "s" "t" "u" "v" "w" "x" "y" "z"

$majuscules
 [1] "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" "L" "M" "N"
[15] "O" "P" "Q" "R" "S" "T" "U" "V" "W" "X" "Y" "Z"

$mois
 [1] "January"   "February"  "March"     "April"    
 [5] "May"       "June"      "July"      "August"   
 [9] "September" "October"   "November"  "December" 
length(l2)
[1] 3
names(l2)
[1] "minuscules" "majuscules" "mois"      

Que se passe-t-il maintenant si on effectue la commande suivante ?

l <- list(l1, l2)

À votre avis, quelle est la longueur de cette nouvelle liste l ? 5 ?

length(l)
[1] 2

Eh bien non ! Elle est de longueur 2 car nous avons créé une liste composée de deux éléments qui sont eux-mêmes des listes. Cela est plus lisible si on fait appel à la fonction str qui permet de visualiser la structure d’un objet.

str(l)
List of 2
 $ :List of 2
  ..$ : int [1:5] 1 2 3 4 5
  ..$ : chr "abc"
 $ :List of 3
  ..$ minuscules: chr [1:26] "a" "b" "c" "d" ...
  ..$ majuscules: chr [1:26] "A" "B" "C" "D" ...
  ..$ mois      : chr [1:12] "January" "February" "March" "April" ...

Une liste peut contenir tous types d’objets, y compris d’autres listes. Pour combiner les éléments d’une liste, il faut utiliser la fonction append :

l <- append(l1, l2)
length(l)
[1] 5
str(l)
List of 5
 $           : int [1:5] 1 2 3 4 5
 $           : chr "abc"
 $ minuscules: chr [1:26] "a" "b" "c" "d" ...
 $ majuscules: chr [1:26] "A" "B" "C" "D" ...
 $ mois      : chr [1:12] "January" "February" "March" "April" ...

On peut noter en passant qu’une liste peut tout à fait n’être que partiellement nommée.

Indexation

Les crochets simples ([]) fonctionnent comme pour les vecteurs. On peut utiliser à la fois l’indexation par position, l’indexation par nom et l’indexation par condition.

l
[[1]]
[1] 1 2 3 4 5

[[2]]
[1] "abc"

$minuscules
 [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n"
[15] "o" "p" "q" "r" "s" "t" "u" "v" "w" "x" "y" "z"

$majuscules
 [1] "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" "L" "M" "N"
[15] "O" "P" "Q" "R" "S" "T" "U" "V" "W" "X" "Y" "Z"

$mois
 [1] "January"   "February"  "March"     "April"    
 [5] "May"       "June"      "July"      "August"   
 [9] "September" "October"   "November"  "December" 
l[c(1, 3, 4)]
[[1]]
[1] 1 2 3 4 5

$minuscules
 [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n"
[15] "o" "p" "q" "r" "s" "t" "u" "v" "w" "x" "y" "z"

$majuscules
 [1] "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" "L" "M" "N"
[15] "O" "P" "Q" "R" "S" "T" "U" "V" "W" "X" "Y" "Z"
l[c("majuscules", "minuscules")]
$majuscules
 [1] "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" "L" "M" "N"
[15] "O" "P" "Q" "R" "S" "T" "U" "V" "W" "X" "Y" "Z"

$minuscules
 [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n"
[15] "o" "p" "q" "r" "s" "t" "u" "v" "w" "x" "y" "z"
l[c(TRUE, TRUE, FALSE, FALSE, TRUE)]
[[1]]
[1] 1 2 3 4 5

[[2]]
[1] "abc"

$mois
 [1] "January"   "February"  "March"     "April"    
 [5] "May"       "June"      "July"      "August"   
 [9] "September" "October"   "November"  "December" 

Même si on extrait un seul élément, l’extraction obtenue avec les crochets simples renvoie toujours une liste, ici composée d’un seul élément :

str(l[1])
List of 1
 $ : int [1:5] 1 2 3 4 5

Supposons que je souhaite calculer la moyenne des valeurs du premier élément de ma liste. Essayons la commande suivante :

mean(l[1])
Warning in mean.default(l[1]): l'argument n'est ni
numérique, ni logique : renvoi de NA
[1] NA

Nous obtenons un message d’erreur. En effet, R ne sait pas calculer une moyenne à partir d’une liste. Ce qu’il lui faut, c’est un vecteur de valeurs numériques. Autrement dit, ce que nous cherchons à obtenir c’est le contenu même du premier élément de notre liste et non une liste à un seul élément.

C’est ici que les doubles crochets ([[]]) vont rentrer en jeu. Pour ces derniers, nous pourrons utiliser l’indexation par position ou l’indexation par nom, mais pas l’indexation par condition. De plus, le critère qu’on indiquera doit indiquer un et un seul élément de notre liste. Au lieu de renvoyer une liste à un élément, les doubles crochets vont renvoyer l’élément désigné. Vite, un exemple :

str(l[1])
List of 1
 $ : int [1:5] 1 2 3 4 5
str(l[[1]])
 int [1:5] 1 2 3 4 5

Maintenant, nous pouvons calculer notre moyenne :

mean(l[[1]])
[1] 3

Nous pouvons aussi tester l’indexation par nom.

l[["mois"]]
 [1] "January"   "February"  "March"     "April"    
 [5] "May"       "June"      "July"      "August"   
 [9] "September" "October"   "November"  "December" 

Mais il faut avouer que cette écriture avec doubles crochets et guillemets est un peu lourde. Heureusement, un nouvel acteur entre en scène : le symbole dollar ($). C’est un raccourci des doubles crochets pour l’indexation par nom qu’on utilise ainsi :

l$mois
 [1] "January"   "February"  "March"     "April"    
 [5] "May"       "June"      "July"      "August"   
 [9] "September" "October"   "November"  "December" 

Les écritures l$mois et l[["mois"]] sont équivalentes. Attention ! Cela ne fonctionne que pour l’indexation par nom.

l$1
Error: unexpected numeric constant in "l$1"

L’assignation par indexation fonctionne également avec les doubles crochets ou le signe dollar :

l[[2]] <- list(c("un", "vecteur", "textuel"))
l$mois <- c("Janvier", "Février", "Mars")
l
[[1]]
[1] 1 2 3 4 5

[[2]]
[[2]][[1]]
[1] "un"      "vecteur" "textuel"


$minuscules
 [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n"
[15] "o" "p" "q" "r" "s" "t" "u" "v" "w" "x" "y" "z"

$majuscules
 [1] "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" "L" "M" "N"
[15] "O" "P" "Q" "R" "S" "T" "U" "V" "W" "X" "Y" "Z"

$mois
[1] "Janvier" "Février" "Mars"   

Tableaux de données

Il y a un type d’objets que nous avons déjà abordé dans le chapitre Premier travail avec les données, il s’agit du tableau de données ou data frame en anglais.

Propriétés et création

Dans R, les tableaux de données sont tout simplement des listes avec quelques propriétés spécifiques :

  • les tableaux de données ne peuvent contenir que des vecteurs ;
  • tous les vecteurs d’un tableau de données ont la même longueur ;
  • tous les éléments d’un tableau de données sont nommés et ont chacun un nom unique.

Dès lors, un tableau de données correspond aux fichiers de données qu’on a l’habitude de manipuler dans d’autres logiciels de statistiques comme SPSS ou Stata. Les variables sont organisées en colonnes et les observations en lignes.

On peut créer un tableau de données avec la fonction data.frame :

df <- data.frame(
  sexe = c("f", "f", "h", "h"),
  age = c(52, 31, 29, 35),
  blond = c(FALSE, TRUE, TRUE, FALSE)
)
df
str(df)
'data.frame':   4 obs. of  3 variables:
 $ sexe : chr  "f" "f" "h" "h"
 $ age  : num  52 31 29 35
 $ blond: logi  FALSE TRUE TRUE FALSE

Historiquement, la fonction data.frame avait un gros défaut : si on ne désactivait pas l’option stringsAsFactors elle transformait les chaînes de caractères, ici la variable sexe en facteurs (un type de vecteur que nous aborderons plus en détail dans un prochain chapitre).

Depuis la version 4.0.0, l’option stringsAsFactors vaut maintenant FALSE par défaut.

df <- data.frame(
  sexe = c("f", "f", "h", "h"),
  age = c(52, 31, 29, 35),
  blond = c(FALSE, TRUE, TRUE, FALSE),
  stringsAsFactors = FALSE
)
df
str(df)
'data.frame':   4 obs. of  3 variables:
 $ sexe : chr  "f" "f" "h" "h"
 $ age  : num  52 31 29 35
 $ blond: logi  FALSE TRUE TRUE FALSE

Un tableau de données étant une liste, la fonction length renverra le nombre d’éléments de la liste, donc dans le cas présent le nombre de variables, et names leurs noms :

length(df)
[1] 3
names(df)
[1] "sexe"  "age"   "blond"

Comme tous les éléments d’un tableau de données ont la même longueur, cet objet peut être vu comme bidimensionnel. Les fonctions nrow, ncol et dim donnent respectivement le nombre de lignes, le nombre de colonnes et les dimensions de notre tableau.

nrow(df)
[1] 4
ncol(df)
[1] 3
dim(df)
[1] 4 3

De plus, tout comme les colonnes ont un nom, il est aussi possible de nommer les lignes avec row.names :

row.names(df) <- c("Anna", "Mary-Ann", "Michael", "John")
df

Indexation

Les tableaux de données étant des listes, nous pouvons donc utiliser les crochets simples ([]), les crochets doubles ([[]]) et le symbole dollar ($) pour extraire des parties de notre tableau, de la même manière que pour n’importe quelle liste.

df[1]
df[[1]]
[1] "f" "f" "h" "h"
df$sexe
[1] "f" "f" "h" "h"

Cependant, un tableau de données étant un objet bidimensionnel, il est également possible d’extraire des données sur deux dimensions, à savoir un premier critère portant sur les lignes et un second portant sur les colonnes. Pour cela, nous utiliserons les crochets simples ([]) en séparant nos deux critères par une virgule (,).

Un premier exemple :

df
df[3, 2]
[1] 29

Cette première commande indique que nous souhaitons la troisième ligne de la seconde colonne, autrement dit l’âge de Michael. Le même résultat peut être obtenu avec l’indexation par nom, l’indexation par condition, ou un mélange de tout ça.

df["Michael", "age"]
[1] 29
df[c(F, F, T, F), c(F, T, F)]
[1] 29
df[3, "age"]
[1] 29
df["Michael", 2]
[1] 29

Il est également possible de préciser un seul critère. Par exemple, si je souhaite les deux premières observations, ou les variables sexe et blond :

df[1:2, ]
df[, c("sexe", "blond")]

Il a suffi de laisser un espace vide avant ou après la virgule. ATTENTION ! Il est cependant impératif de laisser la virgule pour indiquer à R qu’on souhaite effectuer une indexation à deux dimensions. Si on oublie la virgule, cela nous ramène au mode de fonctionnement des listes. Et le résultat n’est pas forcément le même :

df[2, ]
df[, 2]
[1] 52 31 29 35
df[2]

Au passage, on pourra noter quelques subtilités sur le résultat renvoyé.

str(df[2, ])
'data.frame':   1 obs. of  3 variables:
 $ sexe : chr "f"
 $ age  : num 31
 $ blond: logi TRUE
str(df[, 2])
 num [1:4] 52 31 29 35
str(df[2])
'data.frame':   4 obs. of  1 variable:
 $ age: num  52 31 29 35
str(df[[2]])
 num [1:4] 52 31 29 35

df[2, ] signifie qu’on veut toutes les variables pour le second individu. Le résultat est un tableau de données à une ligne et trois colonnes. df[2] correspond au mode d’extraction des listes et renvoie donc une liste à un élément, en l’occurrence un tableau de données à quatre observations et une variable. df[[2]] quant à lui renvoie le contenu de cette variable, soit un vecteur numérique de longueur quatre. Reste df[, 2] qui renvoie toutes les observations pour la seconde colonne. Or l’indexation bidimensionnelle a un fonctionnement un peu particulier : par défaut elle renvoie un tableau de données mais s’il y a une seule variable dans l’extraction, c’est un vecteur qui est renvoyé. Pour plus de détails, on pourra consulter l’entrée d’aide de [.data.frame.

Afficher les données

Prenons un tableau de données un peu plus conséquent, en l’occurrence un jeu de données disponible dans l’extension questionr et correspondant à un extrait de l’enquête Histoire de vie réalisée par l’INSEE en 2003. Il contient 2000 individus et 20 variables.

library(questionr)
data(hdv2003)
d <- hdv2003

Si on demande d’afficher l’objet d dans la console (résultat non reproduit ici), R va afficher l’ensemble du contenu de d à l’écran ce qui, sur un tableau de cette taille, ne sera pas très lisible. Pour une exploration visuelle, le plus simple est souvent d’utiliser la visionneuse intégrée à RStudio et qu’on peut appeler avec la fonction View.

View(d)

Les fonctions head et tail, qui marchent également sur les vecteurs, permettent d’afficher seulement les premières (respectivement les dernières) lignes d’un tableau de données :

head(d)
tail(d, 2)

L’extension dplyr, que nous n’aborderons en détails que plus tard, propose une fonction glimpse (ce qui signifie aperçu en anglais) qui permet de visualiser rapidement et de manière condensée le contenu d’un tableau de données.

library(dplyr)
glimpse(d)
Rows: 2,000
Columns: 20
$ id            <int> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 1…
$ age           <int> 28, 23, 59, 34, 71, 35, 60, 47, 20, …
$ sexe          <fct> Femme, Femme, Homme, Homme, Femme, F…
$ nivetud       <fct> "Enseignement superieur y compris te…
$ poids         <dbl> 2634.3982, 9738.3958, 3994.1025, 573…
$ occup         <fct> "Exerce une profession", "Etudiant, …
$ qualif        <fct> Employe, NA, Technicien, Technicien,…
$ freres.soeurs <int> 8, 2, 2, 1, 0, 5, 1, 5, 4, 2, 3, 4, …
$ clso          <fct> Oui, Oui, Non, Non, Oui, Non, Oui, N…
$ relig         <fct> Ni croyance ni appartenance, Ni croy…
$ trav.imp      <fct> Peu important, NA, Aussi important q…
$ trav.satisf   <fct> Insatisfaction, NA, Equilibre, Satis…
$ hard.rock     <fct> Non, Non, Non, Non, Non, Non, Non, N…
$ lecture.bd    <fct> Non, Non, Non, Non, Non, Non, Non, N…
$ peche.chasse  <fct> Non, Non, Non, Non, Non, Non, Oui, O…
$ cuisine       <fct> Oui, Non, Non, Oui, Non, Non, Oui, O…
$ bricol        <fct> Non, Non, Non, Oui, Non, Non, Non, O…
$ cinema        <fct> Non, Oui, Non, Oui, Non, Oui, Non, N…
$ sport         <fct> Non, Oui, Oui, Oui, Non, Oui, Non, N…
$ heures.tv     <dbl> 0.0, 1.0, 0.0, 2.0, 3.0, 2.0, 2.9, 1…

L’extension labelled propose une fonction look_for qui permet de lister les différentes variables d’un fichier de données :

library(labelled)
look_for(d)
pos   variable      label col_type values                                                         
<chr> <chr>         <chr> <chr>    <chr>                                                          
1     id            —     int      range: 1 - 2000                                                
2     age           —     int      range: 18 - 97                                                 
3     sexe          —     fct      Homme                                                          
​      ​              ​      ​         Femme                                                          
4     nivetud       —     fct      N'a jamais fait d'etudes                                       
​      ​              ​      ​         A arrete ses etudes, avant la derniere annee d'etudes primaires
​      ​              ​      ​         Derniere annee d'etudes primaires                              
​      ​              ​      ​         1er cycle                                                      
​      ​              ​      ​         2eme cycle                                                     
​      ​              ​      ​         Enseignement technique ou professionnel court                  
​      ​              ​      ​         Enseignement technique ou professionnel long                   
​      ​              ​      ​         Enseignement superieur y compris technique superieur           
5     poids         —     dbl      range: 78.0783403 - 31092.14132                                
6     occup         —     fct      Exerce une profession                                          
​      ​              ​      ​         Chomeur                                                        
​      ​              ​      ​         Etudiant, eleve                                                
​      ​              ​      ​         Retraite                                                       
​      ​              ​      ​         Retire des affaires                                            
​      ​              ​      ​         Au foyer                                                       
​      ​              ​      ​         Autre inactif                                                  
7     qualif        —     fct      Ouvrier specialise                                             
​      ​              ​      ​         Ouvrier qualifie                                               
​      ​              ​      ​         Technicien                                                     
​      ​              ​      ​         Profession intermediaire                                       
​      ​              ​      ​         Cadre                                                          
​      ​              ​      ​         Employe                                                        
​      ​              ​      ​         Autre                                                          
8     freres.soeurs —     int      range: 0 - 22                                                  
9     clso          —     fct      Oui                                                            
​      ​              ​      ​         Non                                                            
​      ​              ​      ​         Ne sait pas                                                    
10    relig         —     fct      Pratiquant regulier                                            
​      ​              ​      ​         Pratiquant occasionnel                                         
​      ​              ​      ​         Appartenance sans pratique                                     
​      ​              ​      ​         Ni croyance ni appartenance                                    
​      ​              ​      ​         Rejet                                                          
​      ​              ​      ​         NSP ou NVPR                                                    
11    trav.imp      —     fct      Le plus important                                              
​      ​              ​      ​         Aussi important que le reste                                   
​      ​              ​      ​         Moins important que le reste                                   
​      ​              ​      ​         Peu important                                                  
12    trav.satisf   —     fct      Satisfaction                                                   
​      ​              ​      ​         Insatisfaction                                                 
​      ​              ​      ​         Equilibre                                                      
13    hard.rock     —     fct      Non                                                            
​      ​              ​      ​         Oui                                                            
14    lecture.bd    —     fct      Non                                                            
​      ​              ​      ​         Oui                                                            
15    peche.chasse  —     fct      Non                                                            
​      ​              ​      ​         Oui                                                            
16    cuisine       —     fct      Non                                                            
​      ​              ​      ​         Oui                                                            
17    bricol        —     fct      Non                                                            
​      ​              ​      ​         Oui                                                            
18    cinema        —     fct      Non                                                            
​      ​              ​      ​         Oui                                                            
19    sport         —     fct      Non                                                            
​      ​              ​      ​         Oui                                                            
20    heures.tv     —     dbl      range: 0 - 12

Lorsqu’on a un gros tableau de données avec de nombreuses variables, il peut être difficile de retrouver la ou les variables d’intérêt. Il est possible d’indiquer à look_for un mot-clé pour limiter la recherche. Par exemple :

look_for(d, "trav")
pos   variable    label col_type values                      
<chr> <chr>       <chr> <chr>    <chr>                       
11    trav.imp    —     fct      Le plus important           
​      ​            ​      ​         Aussi important que le reste
​      ​            ​      ​         Moins important que le reste
​      ​            ​      ​         Peu important               
12    trav.satisf —     fct      Satisfaction                
​      ​            ​      ​         Insatisfaction              
​      ​            ​      ​         Equilibre  

Il est à noter que si la recherche n’est pas sensible à la casse (i.e. aux majuscules et aux minuscules), elle est sensible aux accents.

La méthode summary qui fonctionne sur tout type d’objet permet d’avoir quelques statistiques de base sur les différentes variables de notre tableau, les statistiques affichées dépendant du type de variable.

summary(d)
       id              age           sexe     
 Min.   :   1.0   Min.   :18.00   Homme: 899  
 1st Qu.: 500.8   1st Qu.:35.00   Femme:1101  
 Median :1000.5   Median :48.00               
 Mean   :1000.5   Mean   :48.16               
 3rd Qu.:1500.2   3rd Qu.:60.00               
 Max.   :2000.0   Max.   :97.00               
                                              
                                                 nivetud   
 Enseignement technique ou professionnel court       :463  
 Enseignement superieur y compris technique superieur:441  
 Derniere annee d'etudes primaires                   :341  
 1er cycle                                           :204  
 2eme cycle                                          :183  
 (Other)                                             :256  
 NA's                                                :112  
     poids                            occup     
 Min.   :   78.08   Exerce une profession:1049  
 1st Qu.: 2221.82   Chomeur              : 134  
 Median : 4631.19   Etudiant, eleve      :  94  
 Mean   : 5535.61   Retraite             : 392  
 3rd Qu.: 7626.53   Retire des affaires  :  77  
 Max.   :31092.14   Au foyer             : 171  
                    Autre inactif        :  83  
                      qualif    freres.soeurs   
 Employe                 :594   Min.   : 0.000  
 Ouvrier qualifie        :292   1st Qu.: 1.000  
 Cadre                   :260   Median : 2.000  
 Ouvrier specialise      :203   Mean   : 3.283  
 Profession intermediaire:160   3rd Qu.: 5.000  
 (Other)                 :144   Max.   :22.000  
 NA's                    :347                   
          clso                              relig    
 Oui        : 936   Pratiquant regulier        :266  
 Non        :1037   Pratiquant occasionnel     :442  
 Ne sait pas:  27   Appartenance sans pratique :760  
                    Ni croyance ni appartenance:399  
                    Rejet                      : 93  
                    NSP ou NVPR                : 40  
                                                     
                         trav.imp           trav.satisf 
 Le plus important           : 29   Satisfaction  :480  
 Aussi important que le reste:259   Insatisfaction:117  
 Moins important que le reste:708   Equilibre     :451  
 Peu important               : 52   NA's          :952  
 NA's                        :952                       
                                                        
                                                        
 hard.rock  lecture.bd peche.chasse cuisine    bricol    
 Non:1986   Non:1953   Non:1776     Non:1119   Non:1147  
 Oui:  14   Oui:  47   Oui: 224     Oui: 881   Oui: 853  
                                                         
                                                         
                                                         
                                                         
                                                         
 cinema     sport        heures.tv     
 Non:1174   Non:1277   Min.   : 0.000  
 Oui: 826   Oui: 723   1st Qu.: 1.000  
                       Median : 2.000  
                       Mean   : 2.247  
                       3rd Qu.: 3.000  
                       Max.   :12.000  
                       NA's   :5       

On peut également appliquer summary à une variable particulière.

summary(d$sexe)
Homme Femme 
  899  1101 
summary(d$age)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  18.00   35.00   48.00   48.16   60.00   97.00 

L’extension questionr fournit également une fonction bien pratique pour décrire les différentes variables d’un tableau de données. Il s’agit de describe. Faisons de suite un essai :

describe(d)
d 

 20  Variables      2000  Observations
------------------------------------------------------------
id 
       n  missing distinct     Info     Mean      Gmd 
    2000        0     2000        1     1000      667 
     .05      .10      .25      .50      .75      .90 
   101.0    200.9    500.8   1000.5   1500.2   1800.1 
     .95 
  1900.0 

lowest :    1    2    3    4    5, highest: 1996 1997 1998 1999 2000
------------------------------------------------------------
age 
       n  missing distinct     Info     Mean      Gmd 
    2000        0       78        1    48.16     19.4 
     .05      .10      .25      .50      .75      .90 
      22       26       35       48       60       72 
     .95 
      77 

lowest : 18 19 20 21 22, highest: 91 92 93 96 97
------------------------------------------------------------
sexe 
       n  missing distinct 
    2000        0        2 
                      
Value      Homme Femme
Frequency    899  1101
Proportion  0.45  0.55
------------------------------------------------------------
nivetud 
       n  missing distinct 
    1888      112        8 

lowest : N'a jamais fait d'etudes                                        A arrete ses etudes, avant la derniere annee d'etudes primaires Derniere annee d'etudes primaires                               1er cycle                                                       2eme cycle                                                     
highest: 1er cycle                                                       2eme cycle                                                      Enseignement technique ou professionnel court                   Enseignement technique ou professionnel long                    Enseignement superieur y compris technique superieur           
------------------------------------------------------------
poids 
       n  missing distinct     Info     Mean      Gmd 
    2000        0     1877        1     5536     4553 
     .05      .10      .25      .50      .75      .90 
   799.8   1161.7   2221.8   4631.2   7626.5  10819.0 
     .95 
 13647.9 

lowest :    78.07834    92.68033    92.93637   127.90122   153.01026
highest: 27195.83782 29548.78954 29570.78696 29657.94035 31092.14132
------------------------------------------------------------
occup 
       n  missing distinct 
    2000        0        7 

lowest : Exerce une profession Chomeur               Etudiant, eleve       Retraite              Retire des affaires  
highest: Etudiant, eleve       Retraite              Retire des affaires   Au foyer              Autre inactif        

Exerce une profession (1049, 0.524), Chomeur (134, 0.067),
Etudiant, eleve (94, 0.047), Retraite (392, 0.196), Retire
des affaires (77, 0.038), Au foyer (171, 0.086), Autre
inactif (83, 0.042)
------------------------------------------------------------
qualif 
       n  missing distinct 
    1653      347        7 

lowest : Ouvrier specialise       Ouvrier qualifie         Technicien               Profession intermediaire Cadre                   
highest: Technicien               Profession intermediaire Cadre                    Employe                  Autre                   

Ouvrier specialise (203, 0.123), Ouvrier qualifie (292,
0.177), Technicien (86, 0.052), Profession intermediaire
(160, 0.097), Cadre (260, 0.157), Employe (594, 0.359),
Autre (58, 0.035)
------------------------------------------------------------
freres.soeurs 
       n  missing distinct     Info     Mean      Gmd 
    2000        0       19    0.977    3.283     2.87 
     .05      .10      .25      .50      .75      .90 
       0        1        1        2        5        7 
     .95 
       9 

lowest :  0  1  2  3  4, highest: 14 15 16 18 22

0 (167, 0.084), 1 (407, 0.203), 2 (427, 0.214), 3 (284,
0.142), 4 (210, 0.105), 5 (151, 0.076), 6 (99, 0.050), 7
(94, 0.047), 8 (52, 0.026), 9 (37, 0.018), 10 (21, 0.011),
11 (21, 0.011), 12 (8, 0.004), 13 (10, 0.005), 14 (4,
0.002), 15 (4, 0.002), 16 (1, 0.000), 18 (2, 0.001), 22 (1,
0.000)
------------------------------------------------------------
clso 
       n  missing distinct 
    2000        0        3 
                                              
Value              Oui         Non Ne sait pas
Frequency          936        1037          27
Proportion       0.468       0.518       0.014
------------------------------------------------------------
relig 
       n  missing distinct 
    2000        0        6 

lowest : Pratiquant regulier         Pratiquant occasionnel      Appartenance sans pratique  Ni croyance ni appartenance Rejet                      
highest: Pratiquant occasionnel      Appartenance sans pratique  Ni croyance ni appartenance Rejet                       NSP ou NVPR                

Pratiquant regulier (266, 0.133), Pratiquant occasionnel
(442, 0.221), Appartenance sans pratique (760, 0.380), Ni
croyance ni appartenance (399, 0.200), Rejet (93, 0.046),
NSP ou NVPR (40, 0.020)
------------------------------------------------------------
trav.imp 
       n  missing distinct 
    1048      952        4 

Le plus important (29, 0.028), Aussi important que le reste
(259, 0.247), Moins important que le reste (708, 0.676),
Peu important (52, 0.050)
------------------------------------------------------------
trav.satisf 
       n  missing distinct 
    1048      952        3 
                                                       
Value        Satisfaction Insatisfaction      Equilibre
Frequency             480            117            451
Proportion          0.458          0.112          0.430
------------------------------------------------------------
hard.rock 
       n  missing distinct 
    2000        0        2 
                      
Value        Non   Oui
Frequency   1986    14
Proportion 0.993 0.007
------------------------------------------------------------
lecture.bd 
       n  missing distinct 
    2000        0        2 
                      
Value        Non   Oui
Frequency   1953    47
Proportion 0.977 0.024
------------------------------------------------------------
peche.chasse 
       n  missing distinct 
    2000        0        2 
                      
Value        Non   Oui
Frequency   1776   224
Proportion 0.888 0.112
------------------------------------------------------------
cuisine 
       n  missing distinct 
    2000        0        2 
                      
Value        Non   Oui
Frequency   1119   881
Proportion 0.559 0.440
------------------------------------------------------------
bricol 
       n  missing distinct 
    2000        0        2 
                      
Value        Non   Oui
Frequency   1147   853
Proportion 0.574 0.426
------------------------------------------------------------
cinema 
       n  missing distinct 
    2000        0        2 
                      
Value        Non   Oui
Frequency   1174   826
Proportion 0.587 0.413
------------------------------------------------------------
sport 
       n  missing distinct 
    2000        0        2 
                      
Value        Non   Oui
Frequency   1277   723
Proportion 0.638 0.362
------------------------------------------------------------
heures.tv 
       n  missing distinct     Info     Mean      Gmd 
    1995        5       29    0.972    2.247    1.877 
     .05      .10      .25      .50      .75      .90 
       0        0        1        2        3        4 
     .95 
       5 

lowest :  0.0  0.1  0.2  0.3  0.4, highest:  8.0  9.0 10.0 11.0 12.0
------------------------------------------------------------

Comme on le voit sur cet exemple, describe nous affiche le type des variables, les premières valeurs de chacune, le nombre de valeurs manquantes, le nombre de valeurs différentes (uniques) ainsi que quelques autres informations suivant le type de variables.

Il est possible de restreindre l’affichage à seulement quelques variables en indiquant le nom de ces dernières.

describe(d, c("age", "trav.satisf"))
age trav.satisf 

 20  Variables      2000  Observations
------------------------------------------------------------
id 
       n  missing distinct     Info     Mean      Gmd 
    2000        0     2000        1     1000      667 
     .05      .10      .25      .50      .75      .90 
   101.0    200.9    500.8   1000.5   1500.2   1800.1 
     .95 
  1900.0 

lowest :    1    2    3    4    5, highest: 1996 1997 1998 1999 2000
------------------------------------------------------------
age 
       n  missing distinct     Info     Mean      Gmd 
    2000        0       78        1    48.16     19.4 
     .05      .10      .25      .50      .75      .90 
      22       26       35       48       60       72 
     .95 
      77 

lowest : 18 19 20 21 22, highest: 91 92 93 96 97
------------------------------------------------------------
sexe 
       n  missing distinct 
    2000        0        2 
                      
Value      Homme Femme
Frequency    899  1101
Proportion  0.45  0.55
------------------------------------------------------------
nivetud 
       n  missing distinct 
    1888      112        8 

lowest : N'a jamais fait d'etudes                                        A arrete ses etudes, avant la derniere annee d'etudes primaires Derniere annee d'etudes primaires                               1er cycle                                                       2eme cycle                                                     
highest: 1er cycle                                                       2eme cycle                                                      Enseignement technique ou professionnel court                   Enseignement technique ou professionnel long                    Enseignement superieur y compris technique superieur           
------------------------------------------------------------
poids 
       n  missing distinct     Info     Mean      Gmd 
    2000        0     1877        1     5536     4553 
     .05      .10      .25      .50      .75      .90 
   799.8   1161.7   2221.8   4631.2   7626.5  10819.0 
     .95 
 13647.9 

lowest :    78.07834    92.68033    92.93637   127.90122   153.01026
highest: 27195.83782 29548.78954 29570.78696 29657.94035 31092.14132
------------------------------------------------------------
occup 
       n  missing distinct 
    2000        0        7 

lowest : Exerce une profession Chomeur               Etudiant, eleve       Retraite              Retire des affaires  
highest: Etudiant, eleve       Retraite              Retire des affaires   Au foyer              Autre inactif        

Exerce une profession (1049, 0.524), Chomeur (134, 0.067),
Etudiant, eleve (94, 0.047), Retraite (392, 0.196), Retire
des affaires (77, 0.038), Au foyer (171, 0.086), Autre
inactif (83, 0.042)
------------------------------------------------------------
qualif 
       n  missing distinct 
    1653      347        7 

lowest : Ouvrier specialise       Ouvrier qualifie         Technicien               Profession intermediaire Cadre                   
highest: Technicien               Profession intermediaire Cadre                    Employe                  Autre                   

Ouvrier specialise (203, 0.123), Ouvrier qualifie (292,
0.177), Technicien (86, 0.052), Profession intermediaire
(160, 0.097), Cadre (260, 0.157), Employe (594, 0.359),
Autre (58, 0.035)
------------------------------------------------------------
freres.soeurs 
       n  missing distinct     Info     Mean      Gmd 
    2000        0       19    0.977    3.283     2.87 
     .05      .10      .25      .50      .75      .90 
       0        1        1        2        5        7 
     .95 
       9 

lowest :  0  1  2  3  4, highest: 14 15 16 18 22

0 (167, 0.084), 1 (407, 0.203), 2 (427, 0.214), 3 (284,
0.142), 4 (210, 0.105), 5 (151, 0.076), 6 (99, 0.050), 7
(94, 0.047), 8 (52, 0.026), 9 (37, 0.018), 10 (21, 0.011),
11 (21, 0.011), 12 (8, 0.004), 13 (10, 0.005), 14 (4,
0.002), 15 (4, 0.002), 16 (1, 0.000), 18 (2, 0.001), 22 (1,
0.000)
------------------------------------------------------------
clso 
       n  missing distinct 
    2000        0        3 
                                              
Value              Oui         Non Ne sait pas
Frequency          936        1037          27
Proportion       0.468       0.518       0.014
------------------------------------------------------------
relig 
       n  missing distinct 
    2000        0        6 

lowest : Pratiquant regulier         Pratiquant occasionnel      Appartenance sans pratique  Ni croyance ni appartenance Rejet                      
highest: Pratiquant occasionnel      Appartenance sans pratique  Ni croyance ni appartenance Rejet                       NSP ou NVPR                

Pratiquant regulier (266, 0.133), Pratiquant occasionnel
(442, 0.221), Appartenance sans pratique (760, 0.380), Ni
croyance ni appartenance (399, 0.200), Rejet (93, 0.046),
NSP ou NVPR (40, 0.020)
------------------------------------------------------------
trav.imp 
       n  missing distinct 
    1048      952        4 

Le plus important (29, 0.028), Aussi important que le reste
(259, 0.247), Moins important que le reste (708, 0.676),
Peu important (52, 0.050)
------------------------------------------------------------
trav.satisf 
       n  missing distinct 
    1048      952        3 
                                                       
Value        Satisfaction Insatisfaction      Equilibre
Frequency             480            117            451
Proportion          0.458          0.112          0.430
------------------------------------------------------------
hard.rock 
       n  missing distinct 
    2000        0        2 
                      
Value        Non   Oui
Frequency   1986    14
Proportion 0.993 0.007
------------------------------------------------------------
lecture.bd 
       n  missing distinct 
    2000        0        2 
                      
Value        Non   Oui
Frequency   1953    47
Proportion 0.977 0.024
------------------------------------------------------------
peche.chasse 
       n  missing distinct 
    2000        0        2 
                      
Value        Non   Oui
Frequency   1776   224
Proportion 0.888 0.112
------------------------------------------------------------
cuisine 
       n  missing distinct 
    2000        0        2 
                      
Value        Non   Oui
Frequency   1119   881
Proportion 0.559 0.440
------------------------------------------------------------
bricol 
       n  missing distinct 
    2000        0        2 
                      
Value        Non   Oui
Frequency   1147   853
Proportion 0.574 0.426
------------------------------------------------------------
cinema 
       n  missing distinct 
    2000        0        2 
                      
Value        Non   Oui
Frequency   1174   826
Proportion 0.587 0.413
------------------------------------------------------------
sport 
       n  missing distinct 
    2000        0        2 
                      
Value        Non   Oui
Frequency   1277   723
Proportion 0.638 0.362
------------------------------------------------------------
heures.tv 
       n  missing distinct     Info     Mean      Gmd 
    1995        5       29    0.972    2.247    1.877 
     .05      .10      .25      .50      .75      .90 
       0        0        1        2        3        4 
     .95 
       5 

lowest :  0.0  0.1  0.2  0.3  0.4, highest:  8.0  9.0 10.0 11.0 12.0
------------------------------------------------------------

On peut également transmettre juste une variable :

describe(d$sexe)
d$sexe 
       n  missing distinct 
    2000        0        2 
                      
Value      Homme Femme
Frequency    899  1101
Proportion  0.45  0.55

En résumé

Les Listes

  • Les listes sont des objets unidimensionnels pouvant contenir tout type d’objet, y compris d’autres listes.
  • Elles ont une longueur qu’on obtient avec length.
  • On crée une liste avec list et on peut fusionner des listes avec append.
  • Tout comme les vecteurs, les listes peuvent être nommées et les noms des éléments s’obtiennent avec names.
  • Les crochets simples ([]) permettent de sélectionner les éléments d’une liste, en utilisant l’indexation par position, l’indexation par nom ou l’indexation par condition. Cela renvoie toujours une autre liste.
  • Les doubles crochets ([[]]) renvoient directement le contenu d’un élément de la liste qu’on aura sélectionné par position ou par nom.
  • Le symbole $ est un raccourci pour facilement sélectionner un élément par son nom, liste$nom étant équivalent à liste[["nom"]].

Les Tableaux de données

  • Les tableaux de données sont des listes avec des propriétés particulières :
    1. tous les éléments sont des vecteurs ;
    2. tous les vecteurs ont la même longueur ;
    3. tous les vecteurs ont un nom et ce nom est unique.
  • On peut créer un tableau de données avec data.frame.
  • Les tableaux de données correspondent aux fichiers de données qu’on utilise usuellement dans d’autres logiciels de statistiques : les variables sont représentées en colonnes et les observations en lignes.
  • Ce sont des objets bidimensionnels : ncol renvoie le nombre de colonnes et nrow le nombre de lignes.
  • Les doubles crochets ([[]]) et le symbole dollar ($) fonctionnent comme pour les listes et permettent d’accéder aux variables.
  • Il est possible d’utiliser des coordonnées bidimensionnelles avec les crochets simples ([]) en indiquant un critère sur les lignes puis un critère sur les colonnes, séparés par une virgule (,).