Formation J4

Exo 1

# Créez une séquence de type double contenant 20 chiffres, 
# la suite de chiffres commence par 1 et finit par 3, c'est à 
# dire que le premier élément est 1 et le 20ième élément est égal à 3. 
# Assignez le résultat à un objet.

z <- seq(from = 1, to = 3, length.out = 20)

# Utilisez la fonction sample pour sélectionner au hasard 
# 20 valeurs parmis "Sonny Crockett", "Ricardo Tubbs" et 
# "Martin Castillo". Assignez le résultat à un objet noms.
miami_cops <- c("Sonny Crockett", "Ricardo Tubbs", "Martin Castillo")
miami_cops <- sample(miami_cops, size = 20, replace = TRUE)


# Comptez le nombre de lettres des éléments de noms avec 
# nchar. Assignez le résultat à un objet taille_nom.
miami_nchar <- nchar(miami_cops)


#' Créez un data.frame avec les 3 variables. 
#' La colonne des noms doit être une colonne de type character.

dat <- data.frame(z = z, 
           nom = miami_cops, 
           taille_nom = miami_nchar,
           stringsAsFactors = FALSE)

#' Modifier les noms des colonnes avec la fonction 
#' toupper. Utilisez names.
names(dat) <- toupper(names(dat))

library(readr)
library(dplyr)

tournesol <- read_delim("data/tournesol.csv", delim = ";", 
           locale = locale(decimal_mark = ","),
           col_types = cols(
             ecotype = col_character(),
             plt = col_integer(),
             etat = col_character(),
             longitude = col_double(),
             latitude = col_double(),
             semflo = col_integer(),
             haut = col_integer(),
             rambas = col_integer(),
             longfeu = col_integer(),
             grlon = col_double(),
             huile = col_double()
           ))


# jusque 4, class petite
# jusque 5, class moyenne
# jusque 6, class grande
# au dessus de 6, class enorme

labels <- c("petite", "moyenne", "grande", "enorme")

# avec tidyverse et cut ----
tournesol <- tournesol %>% mutate(
  grlon_fac = cut(grlon, breaks = c(-Inf, 4:6, Inf), labels = labels)
)
# avec base R et cut ----
tournesol[["grlon_fac"]] <- cut(tournesol[["grlon"]], breaks = c(-Inf, 4:6, Inf), labels = labels)

# avec tidyverse et case_when ----
tournesol %>% mutate(
  grlon_fac = case_when(
    grlon < 4 ~ "petite", 
    grlon < 5 ~ "moyenne", 
    grlon < 6 ~ "grande", 
    TRUE ~ "enorme")
) %>% mutate(
  grlon_fac = factor(grlon_fac, levels = labels)
) %>% arrange(grlon_fac)



#' Regrouper les modalités ‘grande’ et ‘enorme’ en une modalités 
#' ‘importante’ avec la commande levels :

grlon_fac <- tournesol[["grlon_fac"]]
levels(grlon_fac) <- c("petite", "moyenne", "importante", "importante")

grlon_fac <- tournesol[["grlon_fac"]]
levels(grlon_fac)[3:4] <- "importante"

tournesol %>% mutate(
  grlon_fac = factor(as.character(grlon_fac), 
                     levels = c("petite", "moyenne", "grande", "enorme"),
                     labels = c("petite", "moyenne", "importante", "importante"))
) %>% count(grlon_fac)

# reponse avec [
lev <- c("aucune", "niveau 1" ,"niveau 2" ,"niveau 3" ,"maximum")
tournesol %>% mutate(
  rambas = factor(lev[rambas + 1], levels = lev)
) %>% count(rambas)


# reponse avec factor uniquement
lev <- c("aucune", "niveau 1" ,"niveau 2" ,"niveau 3" ,"maximum")
tournesol %>% mutate(
  rambas = factor(rambas, levels = seq(0L, 4L, by = 1L), labels = lev)
) %>% count(rambas)

library(dplyr)
dat <- iris[1:8,]
dat$Sepal.Length[1:3] <- NA_real_
head(dat)
centre_reduit <- function(x, suppr_nonfinies = TRUE){
  
  if(!is.numeric(x)){
    stop("x is supposed to be numeric")
  }
  if(length(x) < 2){
    stop("Je ne veux pas calculer une moyenne avec un seul element")
  }
  
  z <- x
  if(suppr_nonfinies){
    z <- z[is.finite(z)]
  }
  
  (x - mean(z))/sd(z)
}
mutate(dat, Sepal.Length = centre_reduit(Sepal.Length))
mutate(dat, Sepal.Length = centre_reduit(Species))

dat %>% 
  mutate(by = seq_len(nrow(dat))) %>% 
  group_by(by) %>% 
  mutate(Sepal.Length = centre_reduit(Sepal.Length, suppr_nonfinies = FALSE))

dat <- data.frame(x = runif(10), y = runif(10), z = runif(10))
dat[1:2,c(1,3)] <- NA_real_
dat[3:4,2] <- NA_real_
dat[5:6,1:2] <- NA_real_
dat

coalesce <- function(a, b){
  la_ou_a_est_na <- is.na(a)
  a[la_ou_a_est_na] <- b[la_ou_a_est_na]
  a
}

dat %>% 
  mutate(w = coalesce(x,y))

multicoalesce <- function(...){
  x <- list(...)
  Reduce(coalesce, x)
}

dat %>% mutate(w = multicoalesce(x,y,z))