3 Introduction à l’analyse de données

3.1 Introduction

L’analyse de données consiste à transformer des informations brutes en connaissances utiles pour décider, comprendre ou communiquer. Que vous étudiiez des ventes, des notes d’examen ou des températures, le raisonnement reste le même : collecter, préparer, explorer, modéliser et présenter.

Ce chapitre pose les bases : à quoi sert l’analyse de données, pourquoi R est un excellent choix, comment installer les outils, puis écrire et organiser votre premier programme.

3.2 Objectifs pédagogiques

À la fin de ce chapitre, vous serez capable de :

Définir l’analyse de données et ses étapes principales
Expliquer les atouts de R pour la statistique et la science des données
Installer et vérifier R, Quarto et RStudio
Exécuter un premier script R
Organiser un projet d’analyse de façon reproductible

3.3 Prérequis

Aucun prérequis en programmation. Une familiarité basique avec l’ordinateur (fichiers, dossiers, installation de logiciels) suffit.

3.4 Qu’est-ce que l’analyse de données ?

3.4.1 Une démarche en étapes

Question — Que veut-on savoir ? (ex. : « Les ventes ont-elles augmenté au 2ᵉ semestre ? »)
Données — Où sont les informations ? (fichiers, bases, enquêtes…)
Préparation — Nettoyer, filtrer, joindre, corriger
Exploration — Résumer, visualiser, repérer des patterns
Analyse — Tests, modèles, incertitude
Communication — Rapport, tableau de bord, présentation

Vocabulaire essentiel

Variable : une caractéristique mesurée (âge, prix, région).
Observation : une ligne, un individu, une mesure.
Jeu de données (dataset) : tableau structuré de variables et d’observations.
Reproductibilité : pouvoir refaire l’analyse et obtenir le même résultat.

3.4.2 Domaines d’application

R est utilisé en biologie, économie, marketing, épidémiologie, sciences sociales, finance, éducation, environnement, etc. Le point commun : des données tabulaires et un besoin de transparence méthodologique.

3.5 Pourquoi apprendre R ?

R est un langage libre, spécialisé dans la statistique et la visualisation. Ses atouts :

Atout	Explication
Gratuit et open source	Pas de licence payante pour démarrer
Écosystème riche	Des milliers de packages (tidyverse, ggplot2, shiny…)
Qualité graphique	Graphiques publication-ready
Reproductibilité	Scripts + Quarto = analyses documentées
Communauté	Forums, livres, formations abondantes

R ou Python ?

Les deux sont excellents. R brille particulièrement pour la statistique, les rapports et la visualisation exploratoire. Ce livre se concentre sur R ; les compétences (logique, données, visualisation) se transfèrent ensuite.

3.6 Présentation de R, RStudio et Quarto

R : le moteur (langage + environnement statistique).
RStudio Desktop (Posit) : l’interface recommandée (éditeur, console, graphiques, fichiers).
Quarto : système de publication pour écrire ce livre et vos rapports (HTML, PDF, Word).

RStudio n’est pas obligatoire : vous pouvez utiliser VS Code, Positron ou la console R. Pour débuter, RStudio reste le choix le plus confortable.

3.7 Installation et configuration

3.7.1 1. Installer R

Téléchargez R depuis https://cran.r-project.org/
Choisissez votre système (Windows, macOS, Linux)
Installez en suivant l’assistant (options par défaut acceptables)

Vérification dans un terminal :

R --version
# ou
Rscript --version

3.7.2 2. Installer Quarto

Téléchargez Quarto depuis https://quarto.org/docs/get-started/ puis vérifiez :

quarto --version

Sous Windows, Quarto peut aussi être fourni avec RStudio (dossier resources/app/bin/quarto).

3.7.3 3. Installer RStudio Desktop (recommandé)

Téléchargez depuis https://posit.co/download/rstudio-desktop/.

3.7.4 4. Installer les packages du livre

Dans la console R :

source("R/packages_requis.R")

Ou manuellement :

install.packages(c(
  "tidyverse", "readxl", "broom", "shiny",
  "janitor", "gt", "scales", "writexl"
))

3.7.5 5. PDF : distribution LaTeX

Pour générer le PDF du livre :

install.packages("tinytex")
tinytex::install_tinytex()

Attention

L’installation de TinyTeX peut prendre plusieurs minutes et nécessite une connexion Internet. Le rendu HTML et DOCX ne l’exigent pas.

3.8 Premier programme en R

Ouvrez RStudio (ou une session R) et saisissez :

# Calcul simple
2 + 2

#> [1] 4

# Affectation : on stocke un résultat dans un objet
montant <- 19.90
quantite <- 3
total <- montant * quantite
total

#> [1] 59.7

# Afficher un message
message("Bienvenue dans l'analyse de données avec R !")

3.8.1 Anatomy d’une session

<- : opérateur d’affectation (lire « reçoit »)
# : commentaire (ignoré par R)
La console exécute ligne par ligne ; un script .R enregistre le code

# Un vecteur de notes
notes <- c(12, 15, 9, 18, 14)
mean(notes)   # moyenne

#> [1] 13.6

sd(notes)     # écart-type

#> [1] 3.361547

summary(notes)

#>    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
#>     9.0    12.0    14.0    13.6    15.0    18.0

Erreur fréquente

= fonctionne souvent comme <-, mais la convention pédagogique en R est <-. Évitez de confondre == (comparaison) et <- (affectation).

3.9 Organisation d’un projet d’analyse

3.9.1 Structure recommandée

mon-projet/
├── data/           # données brutes et nettoyées
├── R/              # scripts réutilisables
├── reports/        # fichiers .qmd
├── outputs/        # figures et tableaux exportés
└── README.md

3.9.2 Bonnes pratiques dès le premier jour

Un projet RStudio (fichier .Rproj) ancre le répertoire de travail.
Ne modifiez pas les données brutes : gardez une copie intacte dans data/brut/.
Tout le traitement dans des scripts : pas de clics non documentés.
Noms de fichiers explicites : nettoyer_ventes.R, pas script2.R.

# Connaître le dossier de travail
getwd()

# Lister les fichiers de données
list.files("data")

Dans ce livre, les chemins sont relatifs au dossier formation-r/.

3.10 Démonstration : un mini-parcours

# Jeu de données intégré : voitures (mtcars)
data(mtcars)
head(mtcars, 3)

#>                mpg cyl disp  hp drat    wt  qsec vs am gear carb
#> Mazda RX4     21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
#> Mazda RX4 Wag 21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
#> Datsun 710    22.8   4  108  93 3.85 2.320 18.61  1  1    4    1

# Combien de voitures ? Combien de variables ?
dim(mtcars)

#> [1] 32 11

# Consommation moyenne (miles per gallon)
mean(mtcars$mpg)

#> [1] 20.09062

Interprétation : mtcars contient 32 voitures et 11 variables. La moyenne de mpg donne une idée de la consommation typique dans cet échantillon historique.

3.11 Erreurs fréquentes

Problème	Cause probable	Solution
`object not found`	Nom mal orthographié ou objet non créé	Vérifier `ls()` et l’orthographe
`cannot open file`	Mauvais chemin	Vérifier `getwd()` et `list.files()`
Package manquant	Non installé	`install.packages("nom")` puis `library(nom)`
Console « bloquée »	`+` en attente	Fermer une parenthèse ou Esc

3.12 Exercices pratiques

3.12.1 Niveau 1 — Compréhension

Citez les six étapes d’une analyse de données.
Quelle différence entre R et RStudio ?
À quoi sert Quarto dans ce projet ?

3.12.2 Niveau 2 — Application

Calculez la somme et la moyenne du vecteur c(10, 20, 30, 40).
Créez un objet prenom contenant votre prénom et affichez-le avec message().

3.12.3 Niveau 3 — Autonomie

Explorez iris : nombre de lignes, de colonnes, noms des variables, moyenne de Sepal.Length.

3.13 Corrections

v <- c(10, 20, 30, 40)
sum(v)

#> [1] 100

mean(v)

#> [1] 25

prenom <- "Alex"
message("Bonjour ", prenom)

data(iris)
dim(iris)

#> [1] 150   5

names(iris)

#> [1] "Sepal.Length" "Sepal.Width"  "Petal.Length" "Petal.Width"  "Species"

mean(iris$Sepal.Length)

#> [1] 5.843333

3.14 Points clés

L’analyse de données est une démarche, pas seulement du code.
R calcule ; RStudio facilite ; Quarto documente et publie.
Vérifiez les installations avec Rscript --version et quarto --version.
Organisez vos fichiers dès le début pour la reproductibilité.

3.15 Ressources complémentaires

Site officiel R : https://www.r-project.org/
Documentation Quarto : https://quarto.org/
R for Data Science (Wickham, Çetinkaya-Rundel, and Grolemund 2023)

3.16 Suite

Le prochain chapitre (Chapter 4) introduit la syntaxe, les types et les structures de données de R.

# Introduction à l'analyse de données {#sec-analyse-donnees} ## Introduction L'**analyse de données** consiste à transformer des informations brutes en connaissances utiles pour décider, comprendre ou communiquer. Que vous étudiiez des ventes, des notes d'examen ou des températures, le raisonnement reste le même : collecter, préparer, explorer, modéliser et présenter. Ce chapitre pose les bases : à quoi sert l'analyse de données, pourquoi R est un excellent choix, comment installer les outils, puis écrire et organiser votre premier programme. ## Objectifs pédagogiques À la fin de ce chapitre, vous serez capable de : - Définir l'analyse de données et ses étapes principales - Expliquer les atouts de R pour la statistique et la science des données - Installer et vérifier R, Quarto et RStudio - Exécuter un premier script R - Organiser un projet d'analyse de façon reproductible ## Prérequis Aucun prérequis en programmation. Une familiarité basique avec l'ordinateur (fichiers, dossiers, installation de logiciels) suffit. ## Qu'est-ce que l'analyse de données ? ### Une démarche en étapes 1. **Question** — Que veut-on savoir ? (ex. : « Les ventes ont-elles augmenté au 2ᵉ semestre ? ») 2. **Données** — Où sont les informations ? (fichiers, bases, enquêtes…) 3. **Préparation** — Nettoyer, filtrer, joindre, corriger 4. **Exploration** — Résumer, visualiser, repérer des patterns 5. **Analyse** — Tests, modèles, incertitude 6. **Communication** — Rapport, tableau de bord, présentation ::: {.callout-note} ## Vocabulaire essentiel - **Variable** : une caractéristique mesurée (âge, prix, région). - **Observation** : une ligne, un individu, une mesure. - **Jeu de données** (*dataset*) : tableau structuré de variables et d'observations. - **Reproductibilité** : pouvoir refaire l'analyse et obtenir le même résultat. ::: ### Domaines d'application R est utilisé en biologie, économie, marketing, épidémiologie, sciences sociales, finance, éducation, environnement, etc. Le point commun : des données tabulaires et un besoin de transparence méthodologique. ## Pourquoi apprendre R ? {#sec-pourquoi-r} **R** est un langage libre, spécialisé dans la statistique et la visualisation. Ses atouts : | Atout | Explication | |-------|-------------| | Gratuit et open source | Pas de licence payante pour démarrer | | Écosystème riche | Des milliers de packages (tidyverse, ggplot2, shiny…) | | Qualité graphique | Graphiques publication-ready | | Reproductibilité | Scripts + Quarto = analyses documentées | | Communauté | Forums, livres, formations abondantes | ::: {.callout-tip} ## R ou Python ? Les deux sont excellents. R brille particulièrement pour la statistique, les rapports et la visualisation exploratoire. Ce livre se concentre sur R ; les compétences (logique, données, visualisation) se transfèrent ensuite. ::: ## Présentation de R, RStudio et Quarto {#sec-outils} - **R** : le moteur (langage + environnement statistique). - **RStudio Desktop** (Posit) : l'interface recommandée (éditeur, console, graphiques, fichiers). - **Quarto** : système de publication pour écrire ce livre et vos rapports (HTML, PDF, Word). RStudio n'est pas obligatoire : vous pouvez utiliser VS Code, Positron ou la console R. Pour débuter, RStudio reste le choix le plus confortable. ## Installation et configuration {#sec-installation} ### 1. Installer R 1. Téléchargez R depuis <https://cran.r-project.org/> 2. Choisissez votre système (Windows, macOS, Linux) 3. Installez en suivant l'assistant (options par défaut acceptables) Vérification dans un terminal : ```bash R --version # ou Rscript --version ``` ### 2. Installer Quarto Téléchargez Quarto depuis <https://quarto.org/docs/get-started/> puis vérifiez : ```bash quarto --version ``` Sous Windows, Quarto peut aussi être fourni avec RStudio (dossier `resources/app/bin/quarto`). ### 3. Installer RStudio Desktop (recommandé) Téléchargez depuis <https://posit.co/download/rstudio-desktop/>. ### 4. Installer les packages du livre Dans la console R : ```{r eval=FALSE} source("R/packages_requis.R") ``` Ou manuellement : ```{r eval=FALSE} install.packages(c( "tidyverse", "readxl", "broom", "shiny", "janitor", "gt", "scales", "writexl" )) ``` ### 5. PDF : distribution LaTeX Pour générer le PDF du livre : ```{r eval=FALSE} install.packages("tinytex") tinytex::install_tinytex() ``` ::: {.callout-warning} ## Attention L'installation de TinyTeX peut prendre plusieurs minutes et nécessite une connexion Internet. Le rendu HTML et DOCX ne l'exigent pas. ::: ## Premier programme en R {#sec-premier-programme} Ouvrez RStudio (ou une session R) et saisissez : ```{r premier-calcul} # Calcul simple 2 + 2 # Affectation : on stocke un résultat dans un objet montant <- 19.90 quantite <- 3 total <- montant * quantite total # Afficher un message message("Bienvenue dans l'analyse de données avec R !") ``` ### Anatomy d'une session - `<-` : opérateur d'affectation (lire « reçoit ») - `#` : commentaire (ignoré par R) - La console exécute ligne par ligne ; un script `.R` enregistre le code ```{r premier-vecteur} # Un vecteur de notes notes <- c(12, 15, 9, 18, 14) mean(notes) # moyenne sd(notes) # écart-type summary(notes) ``` ::: {.callout-important} ## Erreur fréquente `=` fonctionne souvent comme `<-`, mais la convention pédagogique en R est **`<-`**. Évitez de confondre `==` (comparaison) et `<-` (affectation). ::: ## Organisation d'un projet d'analyse {#sec-organisation-projet} ### Structure recommandée ```text mon-projet/ ├── data/ # données brutes et nettoyées ├── R/ # scripts réutilisables ├── reports/ # fichiers .qmd ├── outputs/ # figures et tableaux exportés └── README.md ``` ### Bonnes pratiques dès le premier jour 1. **Un projet RStudio** (fichier `.Rproj`) ancre le répertoire de travail. 2. **Ne modifiez pas les données brutes** : gardez une copie intacte dans `data/brut/`. 3. **Tout le traitement dans des scripts** : pas de clics non documentés. 4. **Noms de fichiers explicites** : `nettoyer_ventes.R`, pas `script2.R`. ```{r projet-chemin, eval=FALSE} # Connaître le dossier de travail getwd() # Lister les fichiers de données list.files("data") ``` Dans ce livre, les chemins sont relatifs au dossier `formation-r/`. ## Démonstration : un mini-parcours ```{r demo-intro} # Jeu de données intégré : voitures (mtcars) data(mtcars) head(mtcars, 3) # Combien de voitures ? Combien de variables ? dim(mtcars) # Consommation moyenne (miles per gallon) mean(mtcars$mpg) ``` Interprétation : `mtcars` contient 32 voitures et 11 variables. La moyenne de `mpg` donne une idée de la consommation typique dans cet échantillon historique. ## Erreurs fréquentes | Problème | Cause probable | Solution | |----------|----------------|----------| | `object not found` | Nom mal orthographié ou objet non créé | Vérifier `ls()` et l'orthographe | | `cannot open file` | Mauvais chemin | Vérifier `getwd()` et `list.files()` | | Package manquant | Non installé | `install.packages("nom")` puis `library(nom)` | | Console « bloquée » | `+` en attente | Fermer une parenthèse ou Esc | ## Exercices pratiques ### Niveau 1 — Compréhension 1. Citez les six étapes d'une analyse de données. 2. Quelle différence entre R et RStudio ? 3. À quoi sert Quarto dans ce projet ? ### Niveau 2 — Application 4. Calculez la somme et la moyenne du vecteur `c(10, 20, 30, 40)`. 5. Créez un objet `prenom` contenant votre prénom et affichez-le avec `message()`. ### Niveau 3 — Autonomie 6. Explorez `iris` : nombre de lignes, de colonnes, noms des variables, moyenne de `Sepal.Length`. ## Corrections ```{r corr-intro-n2} v <- c(10, 20, 30, 40) sum(v) mean(v) prenom <- "Alex" message("Bonjour ", prenom) ``` ```{r corr-intro-n3} data(iris) dim(iris) names(iris) mean(iris$Sepal.Length) ``` ## Points clés {.points-cles} - L'analyse de données est une **démarche**, pas seulement du code. - **R** calcule ; **RStudio** facilite ; **Quarto** documente et publie. - Vérifiez les installations avec `Rscript --version` et `quarto --version`. - Organisez vos fichiers dès le début pour la reproductibilité. ## Ressources complémentaires - Site officiel R : <https://www.r-project.org/> - Documentation Quarto : <https://quarto.org/> - *R for Data Science* [@r4ds] ## Suite Le prochain chapitre (@sec-fondements-r) introduit la syntaxe, les types et les structures de données de R.