Created
February 11, 2019 14:42
-
-
Save Louis-Saglio/db4b91e1d3eb773fa7f16f2ad8a4bc4f to your computer and use it in GitHub Desktop.
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
rm(list=ls()) | |
Eleve1 = c(17, 18.5, 14, 17.5, 13) | |
Eleve2 = c(8, 19.5, 20, 6.5, 18.5) | |
Eleve3 = c(14, 15.5, 12.5, 15.5, 13) | |
Matiere = c("Maths", "Anglais", "Chimie", "Sport", "Dessin") | |
Eleves = c("Eleve4", "Eleve5", "Eleve6", "Eleve7", "Eleve8", "Eleve9", "Eleve10", "Eleve1", "Eleve2", "Eleve3") | |
Eleve1 = Eleve1[-2] | |
Eleve2 = Eleve2[-2] | |
Eleve3 = Eleve3[-2] | |
Matiere = Matiere[-2] | |
data = read.table('/home/louis/Cours/R/Notes.txt', h=T, sep=';', row.names = 1) | |
rownames(data[rowMeans(data) == max(rowMeans(data)),]) | |
data = rbind(data, Eleve1) | |
data = rbind(data, Eleve2) | |
data = rbind(data, Eleve3) | |
row.names(data) = Eleves | |
write.table(data, file = "bdd.txt", sep = ",") | |
data.frame(taille=c(168, 175, 172, 182), poids=c(67, 75, 69, 81)) | |
matrix(data=c(168, 67, 175, 75, 172, 69, 182, 81), nr=4, nc=2, byrow=TRUE) | |
seq(1, 8, 0.33) | |
rep(42, 3) | |
rnorm(4, mean=2, sd=1) | |
rchisq(2, 5) | |
summary(data) | |
# A partir de data2, créer les 4 objets max_chim, max_sport, max_dessin, max_maths qui renseignent la note | |
# maximale dans chacune des matières. | |
max_chim = max(data['Chimie']) | |
max_sport = max(data$Sport) | |
max_dessin = max(data$Dessin) | |
max_maths = max(data$Maths) | |
# Déterminer l’élève qui a la meilleure moyenne à partir d’une seule fonction | |
max(rowMeans(data)) | |
rownames(data[rowMeans(data) == max(rowMeans(data)),]) | |
# Afficher la médiane de chacune des matières (med_chim, med_maths, med_sport med_dessin) | |
apply(data, 2, median) | |
# Calculer la moyenne pondérée des élèves 2 et 3 en tenant compte des coefficients suivant : | |
# Math => 5 ; Sport => 1 ; Chimie => 3 ; Dessin => 1 | |
weighted.mean(data['Eleve1',], c(5,1,3,1)) | |
weighted.mean(data['Eleve2',], c(5,1,3,1)) | |
# Identifier la note la plus répétée sur toute les matières = mode | |
names(sort(table(as.vector(t(data))), decreasing = TRUE)[1]) | |
# Utiliser le fichier « disciplines.txt » et représenter la distribution des variables : disciplines en histogramme | |
discipline = table(read.table('/home/louis/Cours/R/disciplines.txt', h=T, sep=';')) | |
barplot(discipline, col = 'grey') | |
# Utiliser le fichier « disciplines.txt » et représenter la distribution des variables : disciplines en secteur. | |
pie(discipline) | |
# Utiliser le fichier « IRIS.txt » et représenter la corrélation des longueurs avec les largeurs de pétale. | |
# Définir le nom de l’axe des x: longueur de pétale. L’axe de y: largeur de pétale. | |
# Et le titre du graphique : nuage de point. | |
iris = read.table('/home/louis/Cours/R/IRIS.txt', h=T, sep='\t') | |
plot(iris$Long, iris$Larg, xlab = 'longueur de pétale', ylab = 'largeur de pétale', pch = 20, main = 'Nuage de points', col = 'red') | |
# transposer le graph précédent avec la fonction | |
sunflowerplot(iris$Long, iris$Larg, xlab = 'longueur de pétale', ylab = 'largeur de pétale', pch = 20, main = 'Nuage de points', col = 'red') | |
# Utiliser le fichier « Deparpays.txt » et représenter un graphe à moustache pour la variable : Dep_publiques. | |
dp = read.table('/home/louis/Cours/R/Deparpays.txt', h=T, sep='\t') | |
boxplot(c(dp$Dep_publiques)) | |
# A l’aide de R, renseigner le vecteur S ci-dessus et déterminer les quantiles à l’aide de la fonction adaptée. | |
S = c(11, 12, 13, 15, 16, 16, 17, 17, 18, 19, 20, 22) | |
quantile(S) | |
# Calculer la variance et l’écart type des notes des Eleves 1,2 et 3 (Eleve1, Eleve2, Eleve3) | |
mean(Eleve1^2)-mean(Eleve1)^2 | |
sqrt(mean(Eleve1^2)-mean(Eleve1)^2) | |
mean(Eleve2^2)-mean(Eleve2)^2 | |
sqrt(mean(Eleve2^2)-mean(Eleve2)^2) | |
mean(Eleve3^2)-mean(Eleve3)^2 | |
sqrt(mean(Eleve3^2)-mean(Eleve3)^2) | |
txHemo = read.table('/home/louis/Cours/R/TxHemo.txt', h=T, sep=',') | |
table(txHemo) | |
plot(txHemo) | |
# https://openclassrooms.com/fr/courses/1393696-effectuez-vos-etudes-statistiques-avec-r | |
# Créer un vecteur | |
a = vector('numeric', 4) | |
# Combiner des vecteurs | |
c(1:10, rep(5,3)) | |
# Sélectionner des élements dans un vecteur | |
names = c("Jean", "Paul", "Pierre", "Jacques") | |
names[rep(3, 2)] | |
names[1:3] | |
names[-(2:4)] | |
names[-2] | |
# Avec un vecteur nommé | |
poids = c(77, 40, 35, 89) | |
names(poids) = names | |
poids["Jean"] | |
poids[c("Jean", "Pierre")] | |
# Sélection par opération | |
numbers = c(4,5,8,6,3,2,5,6,9,8,7,4,1,23,55,5,633,2,5,63,5,5625,3,2,7) | |
numbers > 100 | |
numbers[numbers > 10] | |
numbers[(numbers %% 2) + 1] | |
# Opération conditionnelle | |
numbers[numbers > 10] / 3 | |
# Modification d'un vecteur | |
numbers[c(1, 2)] = c(74, 90) | |
numbers[numbers > 10] = numbers[numbers > 10] / 3 |
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment