01 - Boite à outils

PRO1036 - Analyse de données scientifiques en R

Tim Bollé

September 8, 2025

Boîte à outils

Les outils

Développement:

R
RStudio
tidyverse
R Markdown

Gestion et collaboration:

Git
GitHub

Objectif

Objectif du cours

À la fin de ce cours, vous pourrez:

Analyser des données
Analyser des données de manière répétable
Analyser des données de manière répétable, avec des outils de programmation modernes
Analyser des données de manière répétable et collaborative, avec des outils de programmation modernes

Répétabilité

Que signifie conduire une analyse de donnée de manière répétable ?

À court-terme:

Pouvons nous reproduire les tableaux et les figures à partir des données
Est-ce que le code fait ce que nous voulons ?
Pouvons-nous reconstruire pourquoi et comment nous avons obtenus les résultats

À long-terme:

Peut-on réutiliser le code pour d’autres données ?
Peut-on réutiliser le code pour faire autre chose ?

Les outils de la répérabilité

Scriptability $\rightarrow$ R

Documentation et communication $\rightarrow$ R Markdown

Gestion et collaboration $\rightarrow$ Git/GitHub

R et RStudio

R est un language de programmation open-source
R est un environnement pour faire des calculs statistiques et de la visualisation
De nombreuses autres applications sont disponibles grâce à des packages

RStudio est un IDE (Environnement de Développement Intégré)
C’est une interface pour R
Pas nécessaire pour coder en R mais tellement pratique !

R packages

Les packages sont les building blocks de la reproductibilité. Ils contiennent de nombreuses fonctions réutilisables, de la documentation et données de test (Wickham and Bryan, 2023)

Nous allons en utiliser quelques une mais vous verrez que c’est tout une philosophie !

RStudio tour

R 101

Les fonctions sont souvent des verbes, suivi de parenthèses, contenant des arguments:

fait_ca(avec_ca)
fait_ca(avec_ca, et_ca, et_encore_ca)

Les packages peuvent être installés avec install.package et chargés avec library:

install.packages("package_name")
library(package_name)

$ permet d’accéder aux colonnes des tableaux

dataframe$var_name

? permet d’accéder à l’aide sur les fonctions

?mean

Tidyverse

tidyverse.org

Le Tidyverse est une collection de packages développés pour faire de la data science

Il y a une philophie et une grammaire commune à tous ces packages, que nous allons apprendre.

R Markdown

rmarkdown.rstudio.com

R Markdown permet d’écrire des documents avec du code intégré (extension en .Rmd).

Va permettre de documenter et de communiquer directement nos analyses de données !

Reproductible: À chaque fois qu’on génère le document, tout est exécuté depuis le début
Syntaxe simple pour avoir des documents de qualité
Le document se découpe en zones de texte et blocks de code