R & Data Visualisation

• 1. Introduction
  • 1.1. L’écosystème R
  • 1.2. R vs Python
• 2. Environnement de travail
  • 2.1. Le langage
  • 2.2. Un IDE
  • 2.3. Packages
• 3. Utiliser R
  • 3.1. Exécuter des commandes R
  • 3.2. Obtenir de l’aide
  • 3.3. Commandes R
  • 3.4. Exécuter les commandes contenues dans un fichier
  • 3.5. Stockage des résultats
  • 3.6. Persistence des données
  • 3.7. Manipuler les fichiers et les répertoires
• 4. Un aperçu du fonctionnement de R
  • 4.1. Les données
  • 4.2. Création du projet
  • 4.3. Importation de tidyverse
  • 4.4. Lecture des données
  • 4.5. Interprétation des données
  • 4.6. Un premier regard
  • 4.7. Obtenir plus d’informations
  • 4.8. Visualisation
  • 4.9. D’autres graphiques
  • 4.10. Facetting
• 5. Nombres et variables
  • 5.1. Les nombres
  • 5.2. Variables
  • 5.3. Nombres spéciaux
• 6. Vecteurs
  • 6.1. Définition
  • 6.2. Arithmétique des vecteurs
  • 6.3. Génération de séquences
  • 6.4. Vecteurs logiques
  • 6.5. Valeurs manquantes
  • 6.6. Vecteurs de caractères
  • 6.7. Vecteurs d’index
  • 6.8. Coercition
  • 6.9. Exercices
  • 6.10. Application : population urbaine
• 7. Les objets de R
  • 7.1. Les attributs intrinsèques: mode et length
  • 7.2. Modifier la longueur d’un objet
  • 7.3. Accès aux attributs
  • 7.4. La class d’un objet
• 8. Facteurs
  • 8.1. Exemple
  • 8.2. Groupement
  • 8.3. Facteurs ordonnés
  • 8.4. Tables de contingence
• 9. Tableaux multidimensionnels
  • 9.1. Tableau
  • 9.2. Indexation et sous tableaux
  • 9.3. Indexation par matrice
  • 9.4. La fonction array()
  • 9.5. Calcul matriciel
  • 9.6. Exercices
  • 9.7. Application : population urbaine
• 10. Listes
  • 10.1. Caractéristiques de base
  • 10.2. Construction et modification de listes
• 11. Data frames
  • 11.1. Construire une data frame
  • 11.2. Utiliser une data.frame
  • 11.3. Des graphiques !
  • 11.4. Application : la qualité de l’air en Ile de France
  • 11.5. Ressources additionnelles
• 12. Transformation de données
  • 12.1. Un dataset mal formé
  • 12.2. Un dataset bien formé mais pas optimal
  • 12.3. Un dataset optimal
  • 12.4. La nécessité de modifier le format des données
  • 12.5. Du format wide au format long
  • 12.6. Filtrer la data.frame
  • 12.7. Sélection de variables
  • 12.8. Tri des observations
  • 12.9. Créer ou modifier une variable
  • 12.10. data.frame ou tibble
  • 12.11. Réduction de données
  • 12.12. Combiner les data frames
  • 12.13. Application : population urbaine
  • 12.14. Ressources additionnelles
• 13. Importer des données
  • 13.1. La fonction read.table()
  • 13.2. Les datasets fournis
  • 13.3. Application : le Titanic
• 14. Instructions groupées et structures de contrôle
  • 14.1. Expressions groupées
  • 14.2. Structures de contrôle
• 15. Les fonctions
  • 15.1. Un exemple
  • 15.2. Définir des opérateurs binaires
  • 15.3. Arguments nommés et par défaut
  • 15.4. L’ellipsis ...
  • 15.5. Variables locales et globales
• 16. Construire des dashboards avec Shiny
  • 16.1. Qu’est ce que Shiny ?
  • 16.2. Structure d’une app Shiny
  • 16.3. Une première app
  • 16.4. Améliorer le layout
  • 16.5. Ajouter de l’interactivité
  • 16.6. Ressources additionnelles