Avant d’analyser, il faut obtenir les données et les lire correctement dans R. Ce chapitre couvre les sources courantes (CSV, Excel, texte), l’export, les jeux intégrés, les chemins de fichiers, ainsi que les principes d’accès aux bases et au Web — le tout de façon utilisable hors ligne une fois les fichiers présents dans data/.
5.2 Objectifs pédagogiques
Identifier les principales sources de données
Importer CSV, Excel et fichiers texte
Exporter des résultats
Gérer les chemins et le dossier de travail
Vérifier la qualité d’un import
Comprendre (sans dépendance réseau) bases de données et API
5.3 Prérequis
Chapter 4 (data frames, fonctions). Fichiers disponibles dans data/.
5.4 Comprendre les sources de données
Source
Exemple
Package / fonction
CSV
exports ERP, open data
readr::read_csv, read.csv
Excel
fichiers métier
readxl::read_excel
Texte
logs, exports TSV
read.table, read_tsv
R intégré
mtcars, iris
data()
Base SQL
PostgreSQL, SQLite
DBI, RSQLite
API / Web
JSON, HTML
httr2, jsonlite
Vocabulaire
Encodage : représentation des caractères (UTF-8 recommandé).
Sans installer de serveur, retenez le schéma mental :
# Exemple conceptuel avec SQLitelibrary(DBI)library(RSQLite)con <-dbConnect(RSQLite::SQLite(), "data/exemple.sqlite")dbListTables(con)df <-dbGetQuery(con, "SELECT * FROM ventes LIMIT 10")dbDisconnect(con)
Idées clés : connexion → requête SQL → data frame → fermer la connexion. Ne committez jamais de mots de passe dans Git.
5.12 API et données Web (principes hors ligne)
Les API renvoient souvent du JSON. Le flux typique :
Requête HTTP (httr2 / httr)
Parsing JSON (jsonlite)
Normalisation en data frame (tidyr::unnest, etc.)
Pour ce livre, les exercices restent sur fichiers locaux afin de fonctionner sans Internet.
Chapter 6 : nettoyer, transformer et joindre les données avec dplyr et tidyr.
Wickham, Hadley, Mara Averick, Jennifer Bryan, Winston Chang, Lucy D’Agostino McGowan, Romain François, Garrett Grolemund, et al. 2019. “Welcome to the tidyverse.”Journal of Open Source Software 4 (43): 1686. https://doi.org/10.21105/joss.01686.
Source Code
# Acquisition et importation des données {#sec-acquisition}## IntroductionAvant d'analyser, il faut **obtenir** les données et les **lire correctement** dans R. Ce chapitre couvre les sources courantes (CSV, Excel, texte), l'export, les jeux intégrés, les chemins de fichiers, ainsi que les principes d'accès aux bases et au Web — le tout de façon utilisable hors ligne une fois les fichiers présents dans `data/`.## Objectifs pédagogiques- Identifier les principales sources de données- Importer CSV, Excel et fichiers texte- Exporter des résultats- Gérer les chemins et le dossier de travail- Vérifier la qualité d'un import- Comprendre (sans dépendance réseau) bases de données et API## Prérequis@sec-fondements-r (data frames, fonctions). Fichiers disponibles dans `data/`.## Comprendre les sources de données| Source | Exemple | Package / fonction ||--------|---------|-------------------|| CSV | exports ERP, open data | `readr::read_csv`, `read.csv` || Excel | fichiers métier | `readxl::read_excel` || Texte | logs, exports TSV | `read.table`, `read_tsv` || R intégré | `mtcars`, `iris` | `data()` || Base SQL | PostgreSQL, SQLite | `DBI`, `RSQLite` || API / Web | JSON, HTML | `httr2`, `jsonlite` |::: {.callout-note}## Vocabulaire- **Encodage** : représentation des caractères (UTF-8 recommandé).- **Séparateur** : `,``;` ou tabulation entre colonnes.- **En-tête** : première ligne = noms de variables.- **Données brutes** : fichier original non modifié.:::## Importer des fichiers CSV```{r import-csv}library(readr)ventes <- read_csv("data/ventes.csv", show_col_types = FALSE)head(ventes, 3)nrow(ventes)colnames(ventes)```Avec le R de base :```{r import-csv-base}ventes_base <- read.csv("data/ventes.csv", fileEncoding = "UTF-8")# stringsAsFactors = FALSE est le défaut depuis R 4.0```::: {.callout-tip}## `readr` vs `read.csv``read_csv` est plus rapide, devine mieux les types et retourne un tibble. Pour ce livre, nous privilégions `readr` (tidyverse).:::Fichier « sale » (noms irréguliers) :```{r import-brut}brut <- read_csv("data/brut/ventes_brutes.csv", show_col_types = FALSE)names(brut)```## Lire des fichiers Excel```{r import-excel}library(readxl)# Lister les feuillesexcel_sheets("data/ventes.xlsx")ventes_xl <- read_excel("data/ventes.xlsx", sheet = 1)head(ventes_xl, 2)```Arguments utiles : `sheet`, `range`, `skip`, `na`.## Importer des fichiers texte```{r import-txt}meteo_txt <- read_tsv("data/meteo_extrait.txt", show_col_types = FALSE)head(meteo_txt, 3)```Ou :```{r import-table}meteo2 <- read.table( "data/meteo_extrait.txt", header = TRUE, sep = "\t", fileEncoding = "UTF-8")```## Exporter des données```{r export, eval=FALSE}write_csv(ventes, "outputs/ventes_export.csv")write.csv(ventes, "outputs/ventes_export_base.csv", row.names = FALSE)``````{r export-demo}dir.create("outputs", showWarnings = FALSE)write_csv(head(ventes, 10), "outputs/ventes_apercu.csv")file.exists("outputs/ventes_apercu.csv")```## Jeux de données intégrés```{r datasets-integres}data(mtcars)data(iris)# Liste partiellehead(ls("package:datasets"), 15)```Des packages apportent aussi des données (`palmerpenguins`, `ggplot2::mpg`, etc.).## Chemins de fichiers et dossiers de travail```{r chemins}getwd()list.files("data")file.exists("data/ventes.csv")```::: {.callout-warning}## Évitez `setwd()` dans les scripts partagésLe chemin absolu d'un collègue diffère du vôtre. Préférez un **projet RStudio** (`.Rproj`) ou le package `here`.:::```{r chemins-relatifs, eval=FALSE}# Bon : relatif au projetread_csv("data/ventes.csv")# Fragile : chemin absolu machine-dépendant# read_csv("C:/Users/Moi/Desktop/ventes.csv")```## Principes d'accès aux bases de donnéesSans installer de serveur, retenez le schéma mental :```{r db-principe, eval=FALSE}# Exemple conceptuel avec SQLitelibrary(DBI)library(RSQLite)con <- dbConnect(RSQLite::SQLite(), "data/exemple.sqlite")dbListTables(con)df <- dbGetQuery(con, "SELECT * FROM ventes LIMIT 10")dbDisconnect(con)```Idées clés : connexion → requête SQL → data frame → fermer la connexion. Ne committez jamais de mots de passe dans Git.## API et données Web (principes hors ligne)Les API renvoient souvent du **JSON**. Le flux typique :1. Requête HTTP (`httr2` / `httr`)2. Parsing JSON (`jsonlite`)3. Normalisation en data frame (`tidyr::unnest`, etc.)Pour ce livre, les exercices restent sur fichiers locaux afin de fonctionner **sans Internet**.## Vérifier la qualité des données importées```{r qualite}library(dplyr)glimpse(ventes)summary(ventes)# Valeurs manquantes par colonnecolSums(is.na(ventes))# Doublons potentielssum(duplicated(ventes))```Checklist d'import :1. Nombre de lignes / colonnes attendu ?2. Types corrects (dates en date, nombres en numeric) ?3. Encodage des accents OK ?4. NA, doublons, valeurs extrêmes ?```{r qualite-meteo}meteo <- read_csv("data/meteo.csv", show_col_types = FALSE)summary(meteo$temperature_c)range(meteo$date)```## Démonstration complète```{r demo-acquisition}library(readr)library(dplyr)ventes <- read_csv("data/ventes.csv", show_col_types = FALSE)rapport_import <- list( lignes = nrow(ventes), colonnes = ncol(ventes), na_total = sum(is.na(ventes)), periode = range(ventes$date, na.rm = TRUE), montant_moyen = mean(ventes$montant, na.rm = TRUE))rapport_import```## Erreurs fréquentes| Symptôme | Cause | Remède ||----------|-------|--------|| Accents cassés | Mauvais encodage | `locale = locale(encoding = "UTF-8")` ou `fileEncoding` || Une seule colonne | Mauvais séparateur | `read_csv2` (`;`) ou `delim` || Dates en caractère | Parsing | `col_date()` ou `lubridate` || Fichier introuvable | Mauvais `getwd()` | Projet RStudio + chemins relatifs |## Exercices### Niveau 11. Importez `data/demographie.csv` et affichez `glimpse()`.2. Combien de feuilles dans `data/ventes.xlsx` ?### Niveau 23. Importez `data/meteo_extrait.txt` et calculez la température moyenne.4. Exportez les 20 premières lignes de `ventes` vers `outputs/exo_ventes.csv`.### Niveau 35. Écrivez une fonction `diagnostiquer(chemin)` qui retourne un tibble : `n_lignes`, `n_cols`, `n_na`, `n_doublons`.6. Comparez `read_csv("data/brut/ventes_brutes.csv")` et `read_csv("data/ventes.csv")` : que remarquez-vous sur les noms de colonnes ?## Corrections```{r corr-acq-1}demo <- read_csv("data/demographie.csv", show_col_types = FALSE)glimpse(demo)``````{r corr-acq-2}excel_sheets("data/ventes.xlsx")``````{r corr-acq-3}m <- read_tsv("data/meteo_extrait.txt", show_col_types = FALSE)mean(m$temperature_c)``````{r corr-acq-4}write_csv(head(ventes, 20), "outputs/exo_ventes.csv")``````{r corr-acq-5}diagnostiquer <- function(chemin) { x <- read_csv(chemin, show_col_types = FALSE) tibble( fichier = basename(chemin), n_lignes = nrow(x), n_cols = ncol(x), n_na = sum(is.na(x)), n_doublons = sum(duplicated(x)) )}diagnostiquer("data/ventes.csv")```## Points clés- Préférez **chemins relatifs** et fichiers dans `data/`.- Vérifiez toujours types, NA et dimensions après import.- CSV / Excel / texte couvrent 90 % des besoins débutants.- Bases et API suivent le même principe : connecter → lire → tabulariser.## Ressources- `vignette("readr")`, documentation readxl- @tidyverse## Suite@sec-preparation : nettoyer, transformer et joindre les données avec dplyr et tidyr.