1 Introduction

Vous connaissez les opérations de pivot de base des jeux de données du format long au format large et vice versa. Cependant, comme c’est souvent le cas, les manipulations de base ne sont pas suffisantes pour le traitement des données que vous devez faire. Voyons maintenant le niveau suivant. Allons-y !

2 Objectifs d’apprentissage

Maîtriser le pivot complexe du format large au format long et du format long au format large
Savoir utiliser les séparateurs comme outil de pivot

3 Packages

# Charger les packages 
if(!require(pacman)) install.packages("pacman")
pacman::p_load(tidyverse, outbreaks, janitor, rio, here, knitr)

4 Jeux de données

Nous présenterons ces jeux de données au fur et à mesure, mais voici un aperçu :

Données d’enquête d’une étude menée en Inde sur les dépenses des patients pour le traitement de la tuberculose
Données d’une étude sur les biomarqueurs des entéropathogènes en Zambie
Une enquête alimentaire au Vietnam

5 Du format large au format long

Parfois, vous avez plusieurs types de données au format large dans le même jeu de données. Considérez cet exemple factice de la taille et du poids des enfants sur deux ans :

enfant_stats <- 
  tibble::tribble(
    ~enfant, ~annee1_taille, ~annee2_taille, ~annee1_poids, ~annee2_poids,
       "A",         "80cm",         "85cm",          "5kg",         "10kg",
       "B",         "85cm",         "90cm",          "7kg",         "12kg",
       "C",         "90cm",        "100cm",          "6kg",         "14kg"
    )

enfant_stats

Si vous pivotez toutes les colonnes des mesures, vous obtiendrez des données trop longues :

enfant_stats %>% 
  pivot_longer(2:5)

Ce n’est (généralement) pas ce que nous recherchons, car maintenant vous avez deux données différentes dans la même colonne- le poids et la taille.

Pour obtenir le bon format, vous devez utiliser l’argument names_sep et l’identifiant “.value” :

enfant_stats %>% 
  pivot_longer(2:5, 
               names_sep = "_",
               names_to = c("periode", ".value"))

Maintenant, nous avons une ligne pour chaque combinaison enfant-période, un format long correct !

Ce que fait le code ci-dessus peut ne pas être clair, mais vous devriez déjà pouvoir répondre à l’exercice ci-dessous en reproduisant la syntaxe de l’exemple précédant. Après cet exercice , nous expliquerons l’argument names_sep et l’identifiant “.value” plus en détail.

Considérez cet autre ensemble de données factice :

adulte_stats <- 
  tibble::tribble(
    ~adulte,  ~annee1_IMC,  ~annee2_IMC,  ~annee1_VIH,  ~annee2_VIH,
       "A",          25,          30,  "Positive",  "Positive",
       "B",          34,          28,  "Negative",  "Positive",
       "C",          19,          17,  "Negative",  "Negative"
  )


adulte_stats

Pivotez les données en un format long pour obtenir la structure suivante :

adulte	annee	IMC	VIH

Q_adulte_long <- 
  adulte_stats %>%
  pivot_longer(_________)

# Vérifiez votre réponse
.CHECK_Q_adulte_long()

## Vous n'avez pas encore défini l'objet de réponse, `Q_adulte_long`.
##  ᐅ1ᐊ  2   3   4   5   6

.HINT_Q_adulte_long()

## 
## INDICE.
##   
##   Utilisez la fonction `pivot_longer` du package `tidyverse`. 
##   - Spécifiez `cols = 2:5` pour sélectionner les colonnes à pivoter. 
##   - Utilisez `names_sep = "_"` et `names_to = c("year", ".value")` pour formater les noms.
##

# Pour obtenir la solution, exécutez la ligne ci-dessous !
.SOLUTION_Q_adulte_long()

## 
## SOLUTION
##   
##   adulte_stats %>%
##       pivot_longer(cols = 2:5,
##                    names_sep = "_",
##                    names_to = c("annee", ".value"))

# Chaque question a une fonction solution similaire à celle-ci.
# (Où HINT est remplacé par SOLUTION dans le nom de la fonction.)
# Mais vous devrez taper le nom de la fonction par vous-même.
# (Cela vise à vous dissuader de regarder la solution avant de répondre à la question.)

L’exemple ci-dessus enfant_stats a des nombres stockés en tant que caractères […]

Comme vous l’avez vu dans la leçon précédente, vous pouvez facilement extraire les nombres à partir du jeux de données de sortie au format long en utilisant la fonction parse_number() de readr :

enfant_stats_long <- 
  enfant_stats %>% 
  pivot_longer(2:5, 
               names_sep = "_",
               names_to = c("periode", ".value"))

enfant_stats_long

enfant_stats_long %>% 
  mutate(taille = parse_number(taille), 
         poids = parse_number(poids))

5.1 Comprendre `names_sep` et “.value”

Maintenant, décomposons l’appel pivot_longer() que nous avons vu ci-dessus :

enfant_stats

enfant_stats %>% 
  pivot_longer(2:5, 
               names_sep = "_",
               names_to = c("periode", ".value"))

Remarquez que les noms de colonnes dans le dataframe enfant_stats d’origine (annee1_taille, annee2_taille etc.) sont composés de trois parties :

la période référencée : par exemple “annee1”
un séparateur de soulignement, “_”;
et le type de valeur enregistrée “taille” ou “poids”

Nous pouvons faire un tableau avec ces parties :

nom_colonne	periode	separateur	“.value”
`annee1_taille`	annee1	_	taille
`annee2_taille`	annee2	_	taille
`annee1_poids`	annee1	_	poids
`annee2_poids`	annee2	_	poids

Sur la base de ce tableau, il devrait maintenant être plus facile de comprendre les arguments names_sep et names_to que nous avons fournis à pivot_longer() :

5.1.1 `names_sep = "_"` :

C’est le séparateur entre l’indicateur de période (année) et les valeurs (taille et poids) enregistrées.

Si nous utilisons un séparateur différent, l’argument va aussi changer. Par exemple, si le séparateur est un espace vide, ” “, vous aurez names_sep = " ", comme on le voit dans l’exemple ci-dessous :

enfant_stats_espace_sep <- 
  tibble::tribble(
    ~enfant, ~`ann1 taille`, ~`ann2 taille`, ~`ann1 poids`, ~`ann2 poids`,
       "A",        "80cm",        "85cm",         "5kg",        "10kg",
       "B",        "85cm",        "90cm",         "7kg",        "12kg",
       "C",        "90cm",       "100cm",         "6kg",        "14kg"
    )

enfant_stats_espace_sep %>% 
  pivot_longer(2:5, 
               names_sep = " ", 
               names_to = c("periode", ".value"))

5.1.2 `names_to = c("periode", ".value")`

Ensuite, l’argument names_to indique comment les données doivent être restructurées. Nous avons passé un vecteur de deux chaînes de caractères, “periode” et “.value” à cet argument. Voyons le rôle de chaque élément :

La chaîne “periode” indique que nous voulons placer les données de chaque année (ou période) dans une ligne séparée. Notez qu’il n’y a rien de spécial dans le mot “periode” utilisé ici ; nous pourrions changer cela par n’importe quelle autre chaîne. Donc, au lieu de “periode”, vous auriez pu écrire “temps” ou “annee_de_mesure” ou autre chose :

enfant_stats %>% 
  pivot_longer(2:5, 
               names_sep = "_",
               names_to = c("annee_de_mesure", ".value"))

Maintenant, le placeholder “.value” est un indicateur spécial, qui indique à pivot_longer() de créer une colonne séparée pour chaque valeur distincte qui apparaît après le séparateur. Dans notre exemple, ces valeurs sont “taille” et “poids”.

La chaîne “.value” ne peut pas être remplacée arbitrairement. Par exemple, ceci ne fonctionnera pas :

enfant_stats %>% 
  pivot_longer(2:5, 
               names_sep = "_", 
               names_to = c("periode", "valeurs"))

Autrement dit, le placeholder “.value” indique à pivot_longer() que nous voulons séparer les valeurs “taille” et “poids” dans deux colonnes séparées, car nous avons deux types de valeurs après le séparateur “_” dans les noms de colonnes.

Cela signifie que si vous avez un jeu de données au format large avec trois types de valeurs, vous obtiendrez trois colonnes séparées, une pour chaque type de valeur. Par exemple, considérez le jeu de données fictif ci-dessous qui montre les enregistrements d’enfants, à deux moments, pour les variables suivantes :

âge en mois,
pourcentage de graisse corporelle
IMC

enfant_stats_trois_valeurs <- 
  tibble::tribble(
  ~enfant,  ~t1_age,  ~t2_age, ~t1_graisse, ~t2_graisse, ~t1_imc, ~t2_imc,
     "a",  "5 mois",  "8 mois",      "13%",       "15%",      14,      15,
     "b",  "7 mois",  "9 mois",      "15%",       "17%",      16,      18
  )
enfant_stats_trois_valeurs

Ici, dans les noms de colonnes, il y a trois types de valeurs qui apparaissent après le séparateur “_” : age, graisse et imc; la chaîne “.value” indique à pivot_longer() de créer une nouvelle colonne pour chaque type de valeur :

enfant_stats_trois_valeurs %>% 
  pivot_longer(2:7, 
               names_sep = "_",
               names_to = c("temps", ".value")
               )

Un pédiatre enregistre les informations suivantes pour un ensemble d’enfants sur deux ans :

périmètre cranien ;
circonférence du cou ; et
tour de hanches

le tout en centimètres.

Voici le tableau de sortie :

croissance_stats <- 
  tibble::tribble(
    ~enfant,~ann1_tete,~ann2_tete,~ann1_cou,~ann2_cou,~ann1_hanche,~ann2_hanche,
       "a",         45,        48,       23,       24,          51,          52,
       "b",         48,        50,       24,       26,          52,          52,
       "c",         50,        52,       24,       27,          53,          54
    )

croissance_stats

Pivotez les données en un format long pour obtenir la structure suivante :

enfant	annee	tete	cou	hanche

Q_croissance_stats_long <- 
  croissance_stats %>%
  pivot_longer(_________)

#Vérifiez votre réponse
.CHECK_Q_croissance_stats_long()

## Vous n'avez pas encore défini l'objet de réponse, `Q_croissance_stats_long`.
##   1  ᐅ2ᐊ  3   4   5   6

.HINT_Q_croissance_stats_long()

## 
## INDICE.
##   
##   Utilisez la fonction `pivot_longer` du package `tidyverse`. 
##   - Spécifiez `cols = 2:7` pour sélectionner les colonnes à pivoter. 
##   - Utilisez `names_to = c("year", ".value")` et `names_sep = "_"` pour formater les noms.
##

5.2 Type de valeur avant le séparateur

Dans tous les exemples que nous avons utilisés jusqu’à présent, les noms de colonnes étaient construits de telle sorte que le type de valeur venait après le séparateur. Rappelez-vous notre tableau :

nom_colonne	periode	separateur	“.value”
`annee1_taille`	annee1	_	taille
`annee2_taille`	annee2	_	taille
`annee1_poids`	annee1	_	poids
`annee2_poids`	annee2	_	poids

Mais bien sûr, les noms de colonnes pourraient être construits différemment, avec les types de valeurs venant avant le séparateur, comme dans cet exemple :

enfant_stats2 <- 
  tibble::tribble(
    ~enfant, ~taille_annee1, ~taille_annee2, ~poids_annee1, ~poids_annee2,
        "A",        "80cm",          "85cm",         "5kg",        "10kg",
        "B",        "85cm",          "90cm",         "7kg",        "12kg",
        "C",        "90cm",         "100cm",         "6kg",        "14kg"
    )

enfant_stats2

Ici, les types de valeurs (taille et poids) viennent avant le “_” séparateur.

Comment notre commande pivot_longer() peut-elle s’adapter à cela ? C’est simple ! Il suffit d’inverser l’ordre du vecteur donné à l’argument names_to :

Donc, au lieu de names_to = c("temps", ".value"), vous aurez names_to = c(".value", "temps") :

enfant_stats2 %>% 
  pivot_longer(2:5, 
               names_sep = "_",
               names_to = c(".value", "temps"))

Et voilà !

Considérez le jeu de données suivant de la Zambie sur les entéropathogènes et leurs biomarqueurs.

enteropathogenes_zambie_large<- read_csv(here("data/fr_enteropathogenes_zambie_large.csv"))

enteropathogenes_zambie_large

Ce jeu de données se compose des colonnes suivantes :

LPS_1 et LPS_2 : niveau des lipopolysaccharides, mesuré par Pyrochrome LAL, en EU/mL
LBP_1 et LBP_2 : niveau des protéines de liaison au LPS, en pg/mL
IFABP_1 et IFAPB_2 : niveau des protéines de liaison aux acides gras de type intestinal, en pg/mL

Pivotez le jeu de données pour qu’il ressemble à la structure suivante :

ID	numero_echantillon	LPS	LBP	IFABP

Q_enteropathogenes_zambie_large <- 
  enteropathogenes_zambie_large %>% 
  pivot_longer(____________)

#Vérifiez votre réponse
.CHECK_Q_enteropathogenes_zambie_large()

## Vous n'avez pas encore défini l'objet de réponse, `Q_enteropathogenes_zambie_large`.
##   1   2  ᐅ3ᐊ  4   5   6

.HINT_Q_enteropathogenes_zambie_large()

## 
## INDICE.
##   
##   Utilisez la fonction `pivot_longer` du package `tidyverse` pour réaliser la pivotisation.
##   - Spécifiez les arguments `names_to = c(".value", "numero_echantillon")` et `names_sep = "_"`.
##

5.3 Un exemple qui n’est pas une série temporelle

Jusqu’à présent, nous avons utilisé des ensembles de données personne-période (séries temporelles) pour illustrer l’idée de pivots complexes avec plusieurs types de valeurs.

Mais comme nous l’avons mentionné, tous les jeux de données nécessitant une restructuration ne sont pas forcément des données de séries temporelles. Voyons un exemple rapide qui n’est pas une série temporelle.

Vous pourriez mesurer la taille (cm) et le poids (kg) d’une série de couples parentaux dans un tableau comme celui-ci :

famille_stats <- 
  tibble::tribble(
  ~couple, ~pere_taille, ~pere_poids, ~mere_taille, ~mere_poids,
      "a",          180,          80,          160,          70,
      "b",          185,          90,          150,          76,
      "c",          182,          93,          143,          78
  )
famille_stats

Ici, nous avons deux types de valeurs différents (poids et taille) pour chaque personne du couple.

Pour pivoter à une ligne par personne, nous aurons encore besoin des arguments names_sep et names_to :

famille_stats %>% 
  pivot_longer(2:5, 
               names_sep  = "_",
               names_to = c("personne", ".value"))

Le séparateur est un trait de soulignement, “_”, donc nous avons utilisé names_sep = "_" et comme les types de valeurs viennent après le séparateur, l’identifiant “.value” a été placé en deuxième dans l’argument names_to.

5.4 Echapper le séparateur de point

Un cas spécial que vous pourriez rencontrer est un ensemble de données où le séparateur est un point.

enfant_stats_point_sep <- 
  tibble::tribble(
   ~enfant, ~annee1.taille, ~annee2.taille, ~annee1.poids, ~annee2.poids,
       "A",         "80cm",         "85cm",         "5kg",        "10kg",
       "B",         "85cm",         "90cm",         "7kg",        "12kg",
       "C",         "90cm",        "100cm",         "6kg",        "14kg"
    )

enfant_stats_point_sep %>% 
  pivot_longer(2:5, 
               names_to = c("periode", ".value"),
               names_sep = "\\.")

Ici, nous avons utilisé la chaîne “\.” pour indiquer un point “.” parce que le “.” est un caractère spécial dans R qui dans certains cas doit être échappé.

Considérez à nouveau les données adulte_stats que vous avez vues ci-dessus. Maintenant, les noms des colonnes ont été légèrement modifiés.

adulte_stats_point_sep <- 
  tibble::tribble(
    ~adulte,  ~`IMC.annee1`,  ~`IMC.annee2`,  ~`VIH.annee1`,  ~`VIH.annee2`,
       "A",            25,            30,    "Positive",   "Positive",
       "B",            34,            28,    "Negative",   "Positive",
       "C",            19,            17,    "Negative",   "Negative"
  )


adulte_stats_point_sep

Encore une fois, pivotez les données en un format long pour obtenir la structure suivante :

adulte	annee	IMC	VIH

Q_adulte2_long <- 
  adulte_stats_point_sep %>%
  pivot_longer(_________)

#Vérifiez votre réponse
.CHECK_Q_adulte2_long()

## Vous n'avez pas encore défini l'objet de réponse, `Q_adulte2_long`.
##   1   2   3  ᐅ4ᐊ  5   6

.HINT_Q_adulte2_long()

## 
## INDICE.
##   
##   Utilisez la fonction `pivot_longer` du package `tidyverse`. 
##   - Spécifiez `cols = 2:5` pour sélectionner les colonnes à pivoter. 
##   - N’oubliez pas d’échapper correctement le caractère point en utilisant `names_sep = "\."` 
##   et utilisez `names_to = c(".value", "year")` pour formater les noms.
##

5.5 Que faire quand vous n’avez pas un séparateur net ?

Parfois, vous n’avez pas de séparateur net.

Considérez ces données d’une enquête menée en Inde qui examine les dépenses des patients pour le traitement de la tuberculose :

tb_visites <- read_csv(here("data/fr_india_tb_pathways_and_costs_data.csv")) %>% 
  clean_names() %>% 
  select(id, premiere_visite_emplacement, premiere_visite_cout, deuxieme_visite_emplacement, deuxieme_visite_cout, troisieme_visite_emplacement, troisieme_visite_cout)

tb_visites

Il n’y a pas de séparateur net entre les indicateurs de temps (premier, deuxième, troisième) et le type de valeur (cout, emplacement). C’est-à-dire, au lieu de “premierevisite_emplacement”, nous avons plutôt “premiere_visite_emplacement”, donc le trait de soulignement est utilisé pour deux buts. Pour cette raison, si vous essayez notre stratégie de pivot habituelle, vous obtiendrez un message d’erreur :

tb_visites %>% 
  pivot_longer(2:7, 
               names_to = c("numero_visite", ".value"), 
               names_sep = "_")

Error in `pivot_longer()`:
! Can't combine `premiere_visite_emplacement` <character> and `premiere_visite_cout` <double>.
Run `rlang::last_trace()` to see where the error occurred.

La façon la plus directe de restructurer ce jeu de données avec succès serait d’utiliser un “regex” spécial (manipulation de chaînes de caractères), mais il est probable que vous n’ayez pas encore appris cela !

Alors pour l’instant, la solution que nous recommandons est de renommer manuellement vos colonnes pour insérer un séparateur clair, “__” :

tb_visites_renomme <- 
  tb_visites %>% 
  rename(premiere__visite_emplacement = premiere_visite_emplacement, 
         premiere__visite_cout = premiere_visite_cout, 
         deuxieme__visite_emplacement = deuxieme_visite_emplacement, 
         deuxieme__visite_cout = deuxieme_visite_cout, 
         troisieme__visite_emplacement = troisieme_visite_emplacement, 
         troisieme__visite_cout = troisieme_visite_cout)

tb_visites_renomme

Maintenant, nous pouvons essayer le pivot :

tb_visites_long <-
  tb_visites_renomme %>% 
  pivot_longer(2:7, 
               names_to = c("numero_visite", ".value"), 
               names_sep = "__")
tb_visites_long

Maintenant, nettoyons le jeu de données :

tb_visites_long %>% 
  # supprimer les observations manquantes
  filter(!visite_emplacement == "") %>% 
  # donner un nom significatif aux valeurs de numero_visite
  mutate(numero_visite = case_when(numero_visite == "premiere" ~ 1, 
                                   numero_visite == "deuxieme" ~ 2, 
                                   numero_visite == "troisieme" ~ 3)) %>% 
  # s'assurer que visite_cout est numérique
  mutate(visite_cout = as.numeric(visite_cout))

Ici, nous avons d’abord supprimé les observations où nous n’avons pas d’information sur l’emplacement de la visite (c’est-à-dire que nous filtrons les lignes où la variable d’emplacement de la visite est définie à ""). Nous convertissons ensuite en valeurs numériques la variable du numero de la visite, où les chaînes "premiere" à "troisieme" sont converties en valeurs numériques 1 à 3. Enfin, nous nous assurons que la variable du coût de la visite est numérique en utilisant mutate() et la fonction d’aide as.numeric().

Nous allons utiliser les données d’une enquête alimentaire au Vietnam. Des femmes de Hanoi ont été interrogées sur leurs achats alimentaires, et les données collectées ont servi à créer un profil nutritionnel de chaque femme. Ici, nous utiliserons un sous-ensemble de ces données de 61 ménages qui sont venus pour 2 visites, enregistrant :

enerc_kcal_s_1 : l’apport énergétique de l’ingrédient/nourriture (Kcal) lors de la première visite (_2 pour la deuxième visite)
sec_s_1 : l’apport sec de l’ingrédient/nourriture (g) lors de la première visite (_2 pour la deuxième visite)
eau_s_1 : l’apport en eau de l’ingrédient/nourriture (g) lors de la première visite (_2 pour la deuxième visite)
graisse_s_1 : l’apport en lipides de l’ingrédient/nourriture (g) lors de la première visite (_2 pour la deuxième visite)

diversite_alimentaire_vietnam_large <- read_csv(here("data/fr_diet_diversity_vietnam_wide.csv"))

diversite_alimentaire_vietnam_large

Vous devrez d’abord vérifier si vous avez un opérateur net et renommer vos colonnes si nécessaire. Ensuite, rassemblez les données enregistrées sur les deux visite dans une colonne par type d’apport (énergétique, lipides, eau et poids sec). En d’autres termes, pivotez le jeu de données en un format long de cette forme :

menage_id	visite	enerc_kcal_s	sec_s	eau_s	graisse_s

Q_diversite_alimentaire_vietnam_large <-
  diversite_alimentaire_vietnam_large %>%
  pivot_longer(_________)

#Vérifiez votre réponse
.CHECK_Q_diversite_alimentaire_vietnam_large()

## Vous n'avez pas encore défini l'objet de réponse, `Q_diversite_alimentaire_vietnam_large`.
##   1   2   3   4  ᐅ5ᐊ  6

.HINT_Q_diversite_alimentaire_vietnam_large()

## 
## INDICE.
##   
##   Commencez par renommer les colonnes en utilisant la fonction `rename` du package `tidyverse` afin qu’elles aient un séparateur double underscore. 
##   - Ensuite, utilisez `pivot_longer` et spécifiez la plage de colonnes `2:9`.
##   - Utilisez `names_sep = "__"` et `names_to = c(".value", "visit")` pour formater les noms.
##

6 Du format long au format large

Nous venons de voir comment effectuer certaines opérations complexes du format large au format long, qui, comme nous l’avons vu dans la leçon précédente, sont essentielles pour tracer et manipuler les données. Passons maintenant à la transformation inverse.

Il peut être utile de passer du format long au format large pour transformer et filtrer les données ou encore pour traiter des valeurs manquantes (NA). Dans ce format, vos mesures / données collectées deviennent les colonnes du jeu de données.

Cette fois-ci, nous allons utiliser le jeux de données originel sur les entéropathogènes en Zambie. En effet, ce que vous manipuliez jusqu’à présent était un jeu de données préparé pour vous, en format large. Le jeu de données originel est au format long et nous allons maintenant voir la préparation des données que j’ai faite au préalable, en coulisses. Vous êtes presque en train de devenir l’enseignant de cette leçon ;)

enteropathogenes_zambie_long <- read_csv(here("data/fr_enteropathogenes_zambie_long.csv"))
enteropathogenes_zambie_long

Voici comment nous le convertissons du format long au format large :

enteropathogenes_zambie_large <-
  enteropathogenes_zambie_long %>%
  pivot_wider(
    names_from = group,
    values_from = c(LPS, LBP, IFABP)
  )

enteropathogenes_zambie_large

Vous pouvez voir que les valeurs de la variable group (1 ou 2) sont ajoutées aux noms des valeurs (LPS, LBP, IFABP) pour créer les nouvelles colonnes représentant différents groupes de données : par exemple, LPS_1 et LPS_2.

Nous considérons que c’est une option “avancée” du pivot car nous pivotons plusieurs variables en même temps, mais comme vous pouvez le voir, la syntaxe est assez simple. Nous utilisons les mêmes arguments names_from et values_from qu’avec les pivots plus simples que nous avons vus dans la leçon précédente.

Voyons un autre exemple, en utilisant les données de l’enquête alimentaire du Vietnam que vous avez manipulées précédemment :

diversite_alimentaire_vietnam_long <- read_csv(here("data/fr_diet_diversity_vietnam_long.csv"))
diversite_alimentaire_vietnam_long

Ici, nous allons utiliser la variable numero_visite pour créer une nouvelle variable pour les différents apports enregistrés lors des deux visites :

diversite_alimentaire_vietnam_large <-
  diversite_alimentaire_vietnam_long %>%
  pivot_wider(
    names_from = numero_visite, 
    values_from = c(enerc_kcal_s, sec_s, eau_s, graisse_s)
  )

diversite_alimentaire_vietnam_large

Vous pouvez voir que les valeurs de la variable numero_visite (1 ou 2) sont ajoutées aux noms des valeurs (enerc_kcal_s, sec_s, graisse_s, eau_s) pour créer les nouvelles colonnes représentant différents groupes de données : par exemple, eau_s_1 et eau_s_2. Nous avons pivoté en format large toutes ces variables en même temps. Maintenant, chaque mesure de l’apport par visite est représentée comme une seule variable (c’est-à-dire une colonne) dans le jeu de données.

Avec ce format, il est facile de faire la somme de l’apport énergétique par ménage par exemple :

diversite_alimentaire_vietnam_large %>%
  select(menage_id, enerc_kcal_s_1, enerc_kcal_s_2) %>%
  mutate(energie_totale_kcal = enerc_kcal_s_1 + enerc_kcal_s_2) %>%
  arrange(menage_id)

Cependant, vous pourriez obtenir un résultat similaire avec le format long :

diversite_alimentaire_vietnam_long %>%
  group_by(menage_id) %>%
  summarize(energie_totale = sum(enerc_kcal_s))

Prenez le jeu de données tb_visites_long que nous avons manipulé plus haut et pivotez-le à nouveau au format large.

Q_tb_visites_large <- 
  tb_visites_long %>%
      pivot_wider(names_from = numero_visite,
                  values_from = c(visite_emplacement, visite_cout))

#Vérifiez votre réponse
.CHECK_Q_tb_visites_large()

## Correct !
##   1   2   3   4   5  ᐅ6ᐊ

.HINT_Q_tb_visites_large()

## 
## INDICE.
##   
##   Commencez par utiliser la fonction `pivot_wider` du package `tidyverse` sur le jeu de données `tb_visites_long`. 
##   Vous voudrez spécifier quelles colonnes fourniront les nouveaux noms de colonnes (`names_from`) et de quelles colonnes obtenir les valeurs (`values_from`).
##   Ensuite, utilisez la fonction `rename` pour changer les noms de colonnes comme requis.
##   
##   tb_visites_long %>%
##     pivot_wider(_________)
##

Bilan !

Vos compétences en manipulation de données viennent d’être renforcées avec le pivot avancé. Cette compétence s’avérera souvent essentielle lors de la manipulation des données du monde réel. Je ne doute pas que vous la mettrez bientôt en pratique. Elle est également essentielle, comme nous l’avons vu, pour la conception des graphiques. J’espère donc que le pivot vous sera utile non seulement pour votre manipulation de données, mais aussi pour pour la conception des graphiques.

Contributeurs

Les membres suivants de l’équipe ont contribué à cette leçon :

KENE DAVID NWOSU
Data analyst, the GRAPH Network
Passionate about world improvement

LAURE VANCAUWENBERGHE
Data analyst, the GRAPH Network
A firm believer in science for good, striving to ally programming, health and education

CAMILLE BEATRICE VALERA
Project Manager and Scientific Collaborator, The GRAPH Network

IMANE BENSOUDA KORACHI
R Developer and Instructor, the GRAPH Network

Notes de cours | Pivot avancé

1 Introduction

2 Objectifs d’apprentissage

3 Packages

4 Jeux de données

5 Du format large au format long

5.1 Comprendre `names_sep` et “.value”

5.1.1 `names_sep = "_"` :

5.1.2 `names_to = c("periode", ".value")`

5.2 Type de valeur avant le séparateur

5.3 Un exemple qui n’est pas une série temporelle

5.4 Echapper le séparateur de point

5.5 Que faire quand vous n’avez pas un séparateur net ?

6 Du format long au format large

Bilan !

Contributeurs

Références

Notes de cours | Pivot avancé

1 Introduction

2 Objectifs d’apprentissage

3 Packages

4 Jeux de données

5 Du format large au format long

5.1 Comprendre names_sep et “.value”

5.1.1 names_sep = "_" :

5.1.2 names_to = c("periode", ".value")

5.2 Type de valeur avant le séparateur

5.3 Un exemple qui n’est pas une série temporelle

5.4 Echapper le séparateur de point

5.5 Que faire quand vous n’avez pas un séparateur net ?

6 Du format long au format large

Bilan !

Contributeurs

Références

5.1 Comprendre `names_sep` et “.value”

5.1.1 `names_sep = "_"` :

5.1.2 `names_to = c("periode", ".value")`