Manipulation de données

colsplit : permet de splitter un vecteur selon un sépateur pour en faire un dataframe (inverse de paste) :

v <- c("A-a-1", "B-b-2", "C-c-3")
colsplit(v, split = "-", names = c("upper", "lower", "digits"))

donne :

  upper lower digits
1     A     a      1
2     B     b      2
3     C     c      3
  

melt : permet de réarranger un dataframe pour empiler les lignes partageant certaines valeurs des variables identifiant, en indiquant le nom et la valeur de la variable mesurée :

• exemple simple :

  fr <- data.frame(digit = c(1, 2, 3, 4, 5),
      upper = c("A", "B", "C", "A", "C"),
      lower = c("a", "b", "c", "a", NA))
  melt(fr, id.vars = c("digit"))
      

  donne une ligne par ligne initiale et colonne non présente dans id.vars :

     digit variable value
  1      1    upper     A
  2      2    upper     B
  3      3    upper     C
  4      4    upper     A
  5      5    upper     C
  6      1    lower     a
  7      2    lower     b
  8      3    lower     c
  9      4    lower     a
  10     5    lower  <NA>
      

• melt(fr, id.vars = c("digit"), na.rm = TRUE) : enlève les lignes où la variable a une valeur NA
• melt(fr, measure.vars = c("lower", "upper")) : permet de préciser les colonnes à utiliser comme variables, plutôt que de prendre celles non présentes dans id.vars
• on peut aussi utiliser les deux, les colonnes présentes ni dans l'une ni dans l'autre seront oubliées : melt(fr, id.vars = c("digit"), measure.vars = c("lower", "upper"))
• melt(fr, id.vars = c("digit"), variable_name = "myVar") : permet de renommer la colonne qui contient le nom de la variable

cast : permet de faire l'inverse de melt :

• avec l'exemple ci-dessus : frm <- melt(fr, id.vars = c("digit")), cast(frm , digit ~ variable) redonne le frame de départ.
• chaque variable du membre de gauche de la formule finit comme colonne (il peut y en avoir plusieurs, var1 + var2), chaque valeur du membre de droite finit comme colonne.
• si il y a plusieurs valeurs dans une cellule, il faut fournir alors une fonction d'aggrégation qui prend le vecteur de valeurs et renvoie la valeur à indiquer. Par exemple :

  frm2 <- data.frame(digit = c(1, 2, 1, 2, 1),
      variable = c("upper", "upper", "lower", "lower", "upper"),
      value = c("A", "B", "a", "b", "C"))
  cast(frm2, digit ~ variable, function(x) return(paste(x, collapse = ",")))
      

  donne :

    digit lower upper
  1     1     a   A,C
  2     2     b     B
      

expand.grid.fr : permet de faire toutes les combinaisons de lignes de 2 frames :

expand.grid.df(data.frame(x = c("a", "b", "c")), data.frame(y = c("A", "B", "C")))
  

donne

  x y
1 a A
2 b A
3 c A
4 a B
5 b B
6 c B
7 a C
8 b C
9 c C
  

rescaler : permet de rescaler une variable selon différentes stratégies :

• v <- c(0, 3, 2, 6, 4, 50, 7); rescaler(v, type = "sd") : rescaler pour avoir une z-value : (x - mean(x)) / sd(x)
• type = "range" : entre 0 et 1
• type = "rank" : le numéro d'ordre de la valeur
• type = "robust" : comme sd, mais utilise la médiane et la median absolute deviation

untable : repète les lignes d'un dataframe autant de fois qu'indiqué :

untable(fr, c(1, 4, 2, 2, 2))
  

le vecteur doit indiquer pour chaque ligne combien de fois la répéter (1 fois pour la première, 4 fois pour la seconde, etc ...)