Introduction à R

Laurence-Olivier M. Foisy

2025-08-24

Les logiciels d’analyse de données

Pourquoi R?



Open source

  • Gratuit
  • Collaboratif
  • Communauté active
    • Stackoverflow
    • r-bloggers
  • Adapté aux besoins des utilisateurs

Pourquoi R?



Packages

  • Offre une extension des fonctionnalités de base presque infinie
  • Peux répondre à des besoins très spécifiques
  • 21,744 packages sur CRAN (Comprehensive R Archive Network)
    • Principal dépôt où sont hébergés les packages R
  • Beaucoup plus sur GitHub
    • En plus de CRAN, de nombreux chercheurs publient leurs packages sur GitHub, une plateforme de partage de code

Pourquoi R?



Reproductibilité

  • Rendre les analyses reproductibles
  • Permet de partager les analyses
    • Les scripts R permettent de partager facilement le travail
  • Permet de retracer les erreurs
  • Partager le code
    • Encourage la transparence et la collaboration dans la recherche

Pourquoi R?



Très utilisé en science sociale

  • Beaucoup de ressources
    • Les LLM (comme ChatGPT) sont très performants pour R
    • Google
  • Beaucoup de tutoriels orientés vers les sciences sociales
    • Datacamp
    • Swirl
    • Codeacademy

Bref… important d’utiliser les mêmes outils que les chercheurs dans votre domaine

Installer R et RStudio

  • C’est quoi la différence entre R et RStudio?
  • R a été lancé en 1993 alors que RStudio a été lancé en 2011
  • R est le moteur, RStudio est l’interface
  • R est la calculatrice, RStudio est le bureau
  • R est le langage de programmation, RStudio est l’environnement de développement
  • RStudio facilite l’utilisation de R
  • RStudio est un IDE (Integrated Development Environment)


À télécharger :

Concept important : Le chemin d’arborescence

  • Votre R est toujours ouvert dans un dossier, et donc vous devez savoir où il est pour pouvoir importer des données
  • La fonction getwd() dans R permet de savoir où vous êtes
  • À tout moment vous devez savoir où vous êtes dans votre ordinateur pour pouvoir importer des données, exporter des graphiques ou mettre des fichiers en relation







~/Dropbox/Conferences/FSS_2024/atelier_fss_2024_03_15/data/cleanCES2011_1.rds

Concept important : Planifier avant de coder

La plus grosse erreur est de commencer à coder sans savoir ce que vous voulez faire


  • Clarifer vos objectifs: Qu’est-ce que vous voulez faire?
    • Nettoyer des données?
    • Faire un graphique?

Les possibilités sont infinies, donc il est important de savoir où vous voulez aller

Concept important : Décomposer le problème

  • Une fois que vous savez ce que vous voulez faire, il est important de décomposer le problème en petites étapes
  • Un script R pour une seule tâche
    • Bien nommer vos scripts pour savoir ce qu’ils font
    • Exemples:
      • nettoyage_donnees.R
      • graphique.R
  • Chaque script doit être clair et facile à comprendre
  • Commenter votre code avec des #

Importer des données

  • Les données sont souvent dans des fichiers Excel, CSV, ou autres
    • On utilise des fonctions comme read.csv() pour lire les fichiers


df <- read.csv("chemin/vers/data.csv")


  • Dans cette ligne de code il y a plusieurs éléments importants:
    1. Le nom de l’objet : df dans ce cas-ci, c’est un dataframe
    2. L’opérateur d’assignation : <-
    3. La fonction qui permet de lire le fichier : read.csv()
    4. Le chemin vers le fichier : "chemin/vers/data.csv"

Chemins d’arborescence

Important de comprendre comment spécifier le chemin vers un fichier

Voici les deux façons de spécifier le chemin :

  • Absolu: /Users/username/Documents/projet/data/data.csv
    • Utile seulement sur votre ordinateur, un autre utilisateur ne pourra pas utiliser le même chemin
  • Relatif: data/data.csv
    • Utile pour partager le code avec d’autres utilisateurs


Différence entre mac et windows

  • Mac: /
  • Windows: \ (il faut s’assurer de changer les \ pour des /)

Importer des données

Autres fonctions pour importer des données dépendamment du format:

  • df <- readxl::read_excel("chemin/vers/data.xlsx")
  • df <- readRDS("chemin/vers/data.rds")

Codons!

Installons quelques packages utiles pour l’analyse de données

# Installer les packages nécessaires
install.packages("dplyr") # Manipulation de données
install.packages("ggplot2") # Graphiques
install.packages("ces") # Données de l'étude électorale canadienne

Nous allons utiliser les données de l’étude électorale canadienne de 1965

# Charger les packages nécessaires
library(dplyr) # Manipulation de données
library(ggplot2) # Graphiques
library(ces)

# Importer les données swiss (jeu de données intégré)
df <- get_ces("2021")

# Explorer les données
View(df)
summary(df)
names(df)
head(df)
ncol(df)
nrow(df)

Analyse rapide d’une variable

# Voir les metadonnées de la variable 'cps21_votechoice'
attributes(df$cps21_votechoice)

# Voir le nombre de valeurs pour chaque élément d'une variable
table(df$cps21_votechoice)

# Histogramme de la variable 'cps21_votechoice'
hist(df$cps21_votechoice)
  • $ permet d’accéder à une variable dans un dataframe.
  • On accède à la variable cps21_votechoice dans le dataframe df avec df$cps21_votechoice

Filter et sélectionner des variables

# Sélectionner des colonnes 
# (par exemple, cps21_votechoice, Education et Agriculture)

df_selected <- df %>%
  select(cps21_votechoice, cps21_education, cps21_yob)

# Filtrer les lignes pour inclure uniquement les gens 
# avec une année de naissance supérieure à la moyenne

mean_yob <- mean(df_selected$cps21_yob, na.rm = TRUE)

df_filtered <- df_selected %>%
  filter(cps21_yob > mean_yob)

Modifier des variables

# Créer une nouvelle variable binaire "high_education" 
attributes(df$cps21_education)

df_mutated <- df_filtered %>%
  mutate(high_education = ifelse(cps21_education >= 9, 1, 0))

# Regrouper par "high_education" et calculer la moyenne de l'age

df_summarized <- df_mutated %>%
  group_by(high_education) %>%
  summarize(moyenne_age = mean(cps21_yob, na.rm = TRUE))

# Afficher le résultat final
print(df_summarized)

Préparation des données pour la visualisation

# Nettoyage minimal pour le graphique
df_graph <- df %>%
  select(cps21_votechoice, cps21_education, cps21_yob) %>%
  mutate(
    age = 2021 - as.numeric(cps21_yob),
    age_group = ifelse(is.na(age), NA_character_,
                  ifelse(age < 30, "18–29",
                    ifelse(age < 45, "30–44",
                      ifelse(age < 65, "45–64", "65+")))),
    educ_cat = case_when(
      cps21_education %in% 1:6  ~ "Secondaire ou moins",
      cps21_education %in% 7:8  ~ "Collège/CEGEP",
      cps21_education %in% 9:11 ~ "Université+",
      TRUE ~ NA_character_
    ),
    votechoice = case_when(
      cps21_votechoice == 1 ~ "Libéral",
      cps21_votechoice == 2 ~ "Conservateur",
      cps21_votechoice == 3 ~ "NPD",
      cps21_votechoice == 4 ~ "Bloc Québécois",
      cps21_votechoice == 5 ~ "Vert",
      cps21_votechoice == 6 ~ "Autre",
      TRUE ~ "Indécis"
    )
  ) %>%
  mutate(
    age_group = factor(age_group, levels = c("18–29","30–44","45–64","65+")),
    educ_cat  = factor(educ_cat,  levels = c("Secondaire ou moins","Collège/CEGEP","Université+")),
    votechoice= factor(votechoice,levels = c("Libéral","Conservateur","NPD","Bloc Québécois","Vert","Autre","Indécis"))
  )

Visualisation avec ggplot2

Initialiser un graphique

ggplot(df_graph, aes(x = votechoice, fill = age_group))

  • ggplot(df_graph, ...) : on part du dataframe nettoyé.

  • aes() : on déclare les mappages esthétiques.

    • x = votechoice → catégories sur l’axe des x.
    • fill = age_group → couleurs par groupe d’âge.

Visualisation avec ggplot2

Ajouter un geom_() en barres

ggplot(df_graph, aes(x = votechoice, fill = age_group)) +
  geom_bar(position = "dodge")
  • geom_bar() crée des barres en comptant les cas par catégorie.
  • position = "dodge" place les barres côte à côte (comparaison directe des effectifs par âge).

Visualisation avec ggplot2

Ajouter des facettes (troisième variable)

ggplot(df_graph, aes(x = votechoice, fill = age_group)) +
  geom_bar(position = "dodge") +
  facet_wrap(~ educ_cat)
  • facet_wrap(~ educ_cat) crée un panneau par niveau de scolarité.

Visualisation avec ggplot2

Ajouter des titres et des labels

ggplot(df_graph, aes(x = votechoice, fill = age_group)) +
  geom_bar(position = "dodge") +
  facet_wrap(~ educ_cat) +
  labs(
    title = "Âge et scolarité selon l'intention de vote",
    x = "Intention de vote",
    y = "Nombre de répondants",
    fill = "Âge"
  )

  • labs() permet de documenter le graphique.

    • title : message clair pour le public.
    • x, y : axes explicites.
    • fill : légende compréhensible (groupes d’âge).

Visualisation avec ggplot2

Ajouter un thème

ggplot(df_graph, aes(x = votechoice, fill = age_group)) +
  geom_bar(position = "dodge") +
  facet_wrap(~ educ_cat) +
  labs(
    title = "Âge et scolarité selon l'intention de vote",
    x = "Intention de vote",
    y = "Nombre de répondants",
    fill = "Âge"
  ) +
  theme_minimal()
  • theme_minimal() : esthétique sobre et légère

Visualisation avec ggplot2

Sauvegarder le graphique

ggplot(df_graph, aes(x = votechoice, fill = age_group)) +
  geom_bar(position = "dodge") +
  facet_wrap(~ educ_cat) +
  labs(
    title = "Âge et scolarité selon l'intention de vote",
    x = "Intention de vote",
    y = "Nombre de répondants",
    fill = "Âge"
  ) +
  theme_minimal()

ggsave("vote_age_education_dodge.png", width = 10, height = 6)
  • ggsave() exporte en image (PNG par défaut).
  • Spécifier width et height

Bon codage!