# Introduction au logiciel R - Exercice 1

# Sero N., Hounmenou C., Salako V., Glèlè Kakaï R.

# Laboratoire de Biomathématiques et d'Estimations Forestières
# Université d'Abomey-Calavi
# Septembre 2021

## 1. Création d'objets dans R

# Avant de commencer, veuillez spécifier votre répertoire de travail. C'est une

étape importante pour accéder au code, bases données et stocker les résultats
facilement dans un seul endroit.

# Ensuite, utiliser le symbole d'affectation pour créer des variables.

x <- (4*5)/2
x
X

# Calcul de l'indice de masse corporelle (IMC) de notre cousin Guillaume.

sa.taille <- 1.72
sa.taille

(son.poids <- 55)

son_IMC <- 55/(1.72^2)
son IMC
son-IMC
Son_IMC
son_IMC

## 2. R comme une calculatrice

# R peut être utilisé comme une calculatrice pour faire des opérations.

3 + 6 ## somme
70 - 43 ## soustraction
4 * 12 ## multiplication
14/3 ## ratio
exp(70) ## Exponentiel
log(23) ## logarithme
sqrt(39) ## racine carrée
pi ## pi
cos(30)
sin(60)
tan(pi/2)

## 2. Importation des données

### 2.1. Fichier txt
Base <- read.table("Base_Donnees.txt", header = TRUE)

### 2.2. Depuis le presse-papier

# Ouvrir le fichier Excel, copier la plage de données, ensuite exécuter la ligne
suivante

Base2 <- read.table("clipboard", header = TRUE)

# ### 2.3. Description de la base de données

# Le jeu de données à considérer dans le cadre de cette formation est relatif à une
étude d'évaluation de l'effet des facteurs environnementaux, des ravageurs et du
nombre de traitements sur le rendement du coton. Les variables d'entrée sont :
Pluviométrie, Température, Humidité moyenne, Insolation, Evapotranspiration,
Densité moyenne d'Helicoverpa à l'hectare, Densité moyenne de ravageurs à l'hectare
et nombre de traitements et la variable de sortie est le rendement du coton. A cela
s’ajoute deux variables catégorielles : l’appréciation du rendement à deux
modalités [Meilleur ; Non meilleur] et le niveau d’attaques des ravageurs [Faible,
Modéré, Sévère]. Ces données proviennent du site expérimental bioclimatique
d’Angaradebou du Centre de Recherche Agricole Coton et Fibre de la République du
Bénin en 2008.

# ## 3. Manipulation de la base

# Nous allons garder une seule Base et enlever de la mémoire de R la seconde base
avec la fonction `rm`.

rm(Base2)

### 3.0. Énoncé de l'exercice

# 1. Afficher la matrice de données dans R

# 2. Afficher les 10 premières lignes de la base
# 3. Afficher les 5 dernières lignes de la base
# 4. Afficher les noms des colonnes (variables) de la matrice
# 5. Quel est le nombre d'observations et de variables?
# 6. Quel est le type d'objet reconnu par R de notre base?
# 7. Extraire le rendement et le traitement, les deux premières variables de la
base de données
# 8. Extraire les 10 dernières lignes pour toutes les variables de la base de
données
# 9. Extraire pour les deux premières variables, les 10 dernières lignes de la base
de données
# 10. Extraire pour la première et dernière variable, les 10 premières lignes et
les 10 dernières lignes

# ### 3.1. Afficher la matrice de données dans R

Base

### Attacher la base dans l'environnement de travail

# Ceci permet d'individualiser les colonnes (variables) de la matrice de sorte
qu'on puisse les manipuler séparément

attach(Base)

# ### 3.2. Afficher les 10 premieres lignes de la base

#

head(Base, 10)

### 3.3. Afficher les 5 dernieres lignes de la base

tail(Base, 5)

# ### 3.4. Afficher les noms des colonnes (variables) de la matrice

names(Base)

### 3.5. Quel est le nombre d'observations et de variables?

# Ceci revient a vérifier la dimension de la base. Le résultat vous donne le nombre
de lignes (= nombre d'observations) et le nombre de colonnes. Ici, 88 lignes et 11
colonnes.
dim(Base)

### 3.6. Quel est le type d'objet reconnu par R de notre base?

class(Base)

### 3.7. Extraire le rendement et le traitement, les deux premieres colonnes de la

base

# Que pouvez-vous dire du type d'objet ces deux colonnes? Elles peuvent être
considérées comme deux vecteurs numériques.

premiere.col <- Base[ ,1]

class(premiere.col)

deuxieme.col <- Base[ ,2]

deux.col <- Base[ , 1:2]

deux.col
class(deux.col)

# Utiliser l'aide de R pour découvrir la fonction `class`

?class

### 3.8. Extraire les 10 dernières lignes pour toutes les variables de la base de
données

dix.lignes <- Base[1:10, ]

#
# ### 3.9. Extraire pour les deux premières variables, les 10 dernières lignes de
la base de données

base1 <- Base[1:10, 1:2]

base1

### 3.10. Extraction de la base

# Extraire pour la première et dernière variable, les 10 premières lignes et les 10
dernières lignes
base2 <- Base[c(1:10, 71:80), c(1, 11)]
base2
dim(base2)
## 4. Citation de R et de ses packages

# Pour citer R, exécuter la commande suivante

citation()

# Comment citer un package de R? Le package choisi ici est `utils`

citation("utils")

## Félicitations pour avoir fini cet exercice!