« Importation, manipulation et nettoyage des données avec R » : différence entre les versions
Aller à la navigation
Aller à la recherche
(Page créée avec « {{tutoriel |fait_partie_du_cours=Pensée computationnelle avec R |module_suivant=Visualisation des données avec R |pas_afficher_sous-page=Non |page_suivante=Introduct... ») |
|||
Ligne 13 : | Ligne 13 : | ||
Ce module de la [[pensée computationnelle avec R]] s'intéresse à une phase de l'analyse des données souvent sous-estimée : l'importation, la manipulation et le nettoyage des données. Il est souvent le cas, en effet, que les données récoltées ne soient pas dans le format propice pour faciliter l'analyse souhaitée. Il est donc nécessaire d'apporter des modifications, des les filtrer ou combiner, etc. Grâce à [[R]], il est possible de documenter et de rendre ce flux de transformation transparent, pour soi-même et pour d'autres chercheurs. | Ce module de la [[pensée computationnelle avec R]] s'intéresse à une phase de l'analyse des données souvent sous-estimée : l'importation, la manipulation et le nettoyage des données. Il est souvent le cas, en effet, que les données récoltées ne soient pas dans le format propice pour faciliter l'analyse souhaitée. Il est donc nécessaire d'apporter des modifications, des les filtrer ou combiner, etc. Grâce à [[R]], il est possible de documenter et de rendre ce flux de transformation transparent, pour soi-même et pour d'autres chercheurs. | ||
Le module s'appuie sur l'écosystème [[Introduction à | Le module s'appuie sur l'écosystème [[Introduction à Tidyverse|Tidyverse]], une collection de paquets de R avec une philosophie et des pratiques bien établies et consistantes. |
Version du 11 janvier 2023 à 16:46
Pensée computationnelle avec R | |
---|---|
▬▶ | |
⚐ à finaliser | ☸ débutant |
⚒ 2023/01/11 | |
Catégorie: R |
Description du module
Ce module de la pensée computationnelle avec R s'intéresse à une phase de l'analyse des données souvent sous-estimée : l'importation, la manipulation et le nettoyage des données. Il est souvent le cas, en effet, que les données récoltées ne soient pas dans le format propice pour faciliter l'analyse souhaitée. Il est donc nécessaire d'apporter des modifications, des les filtrer ou combiner, etc. Grâce à R, il est possible de documenter et de rendre ce flux de transformation transparent, pour soi-même et pour d'autres chercheurs.
Le module s'appuie sur l'écosystème Tidyverse, une collection de paquets de R avec une philosophie et des pratiques bien établies et consistantes.