88
Le logiciel R - Maˆ ıtriser le langage
2.4- Affichez votre tableau de contingence ainsi cr´ e´ e.
2.5- Enregistrez votre tableau de contingence dans un fichier nomm´ e athero.txt
en utilisant la fonction write.ftable().
2.6- V´ erifiez que tout s’est bien pass´ e en ouvrant le fichier au moyen d’un
´ editeur de texte.
2.7- Utilisez la fonction rm() pour effacer tous les objets R que vous venez de
cr´ eer dans votre environnement de travail.
2.8- Importez le fichier athero.txt en utilisant read.ftable() et affichez-le.
B- Importer depuis un logiciel externe
Lors de l’´ etude de l’IMC (indice de masse corporelle) chez des enfants,
un fichier de donn´ ees a ´ et´ e recueilli sous plusieurs formats diff´ erents par une
´ equipe de statisticiens. Nous allons nous entraˆ ıner `
a lire ces diff´ erents formats.
Il existe donc plusieurs fichiers portant le nom de base imcenfant, mais avec des
extensions diff´ erentes.
2.1- Importez le fichier imcenfant.xls dans un data.frame nomm´ e imc.XLS.
2.2- Importez le fichier imcenfant.xpt dans un data.frame nomm´ e imc.SAS.
2.3- Importez le fichier imcenfant.sav dans un data.frame nomm´ e imc.SPSS.
2.4- Importez le fichier imcenfant.mat dans un data.frame nomm´ e imc.MAT.
Pour ce fichier, la proc´ edure ´ etant plus complexe que pour les autres,
nous la d´ etaillons :
x <- readMat("imcenfant.mat")
class(x) # x est une liste
x
# on voit que les données sont dans $imc[,,1]
x <- x$imc[,,1]
# Notez que les éléments de SEXE et zep
# sont enregistrés dans une liste.
x$SEXE
class(x$SEXE) <- "character"
x$SEXE
class(x$zep) <- "character"
imc.MAT <- as.data.frame(x)
2.5- Afin de v´ erifier que l’importation s’est bien d´ eroul´ ee, utilisez la fonction
summary() sur tous ces data.frames. Celle-ci va afficher quelques r´ esum´ es
num´ eriques.
2.6- Sauvez l’un de ces data.frames, qui sont tous identiques, dans un fichier
nomm´ e imcenfant.txt.
Le logiciel R - Maˆ ıtriser le langage
2.4- Affichez votre tableau de contingence ainsi cr´ e´ e.
2.5- Enregistrez votre tableau de contingence dans un fichier nomm´ e athero.txt
en utilisant la fonction write.ftable().
2.6- V´ erifiez que tout s’est bien pass´ e en ouvrant le fichier au moyen d’un
´ editeur de texte.
2.7- Utilisez la fonction rm() pour effacer tous les objets R que vous venez de
cr´ eer dans votre environnement de travail.
2.8- Importez le fichier athero.txt en utilisant read.ftable() et affichez-le.
B- Importer depuis un logiciel externe
Lors de l’´ etude de l’IMC (indice de masse corporelle) chez des enfants,
un fichier de donn´ ees a ´ et´ e recueilli sous plusieurs formats diff´ erents par une
´ equipe de statisticiens. Nous allons nous entraˆ ıner `
a lire ces diff´ erents formats.
Il existe donc plusieurs fichiers portant le nom de base imcenfant, mais avec des
extensions diff´ erentes.
2.1- Importez le fichier imcenfant.xls dans un data.frame nomm´ e imc.XLS.
2.2- Importez le fichier imcenfant.xpt dans un data.frame nomm´ e imc.SAS.
2.3- Importez le fichier imcenfant.sav dans un data.frame nomm´ e imc.SPSS.
2.4- Importez le fichier imcenfant.mat dans un data.frame nomm´ e imc.MAT.
Pour ce fichier, la proc´ edure ´ etant plus complexe que pour les autres,
nous la d´ etaillons :
x <- readMat("imcenfant.mat")
class(x) # x est une liste
x
# on voit que les données sont dans $imc[,,1]
x <- x$imc[,,1]
# Notez que les éléments de SEXE et zep
# sont enregistrés dans une liste.
x$SEXE
class(x$SEXE) <- "character"
x$SEXE
class(x$zep) <- "character"
imc.MAT <- as.data.frame(x)
2.5- Afin de v´ erifier que l’importation s’est bien d´ eroul´ ee, utilisez la fonction
summary() sur tous ces data.frames. Celle-ci va afficher quelques r´ esum´ es
num´ eriques.
2.6- Sauvez l’un de ces data.frames, qui sont tous identiques, dans un fichier
nomm´ e imcenfant.txt.