{"id":1097,"date":"2015-02-05T17:03:33","date_gmt":"2015-02-05T22:03:33","guid":{"rendered":"http:\/\/bioinfo.iric.ca\/?p=1097"},"modified":"2017-04-29T17:15:34","modified_gmt":"2017-04-29T21:15:34","slug":"lecture-de-tableaux-charger-des-donnees-dans-r-sans-soucis","status":"publish","type":"post","link":"https:\/\/bioinfo.iric.ca\/fr\/lecture-de-tableaux-charger-des-donnees-dans-r-sans-soucis\/","title":{"rendered":"Lecture de tableaux: charger des donn\u00e9es dans R sans soucis"},"content":{"rendered":"

La premi\u00e8re chose que j’ai appris \u00e0 faire dans R est de charger un tableau de donn\u00e9es. D’habitude, l’aventure R commence avec l’aide d’une personne plus exp\u00e9riment\u00e9e qui vous montre comment charger vos donn\u00e9es dans le logiciel. Typiquement, la commande requise s’apparente \u00e0 :<\/p>\n

\n
\r\ndata<-read.table(\"~\/dossier\/datafile.txt\")\r\n<\/code><\/pre>\n<\/div>\n
Vous allez s\u00fbrement ajouter plusieurs autres param\u00e8tres aux parenth\u00e8ses, tels que\u00a0\u00ab\u00a0row.names=0<\/code>\u00a0\u00bb ou \u00ab\u00a0header=TRUE<\/code>\u00a0\u00bb ou, \u00ab\u00a0sep=\"\\t\"<\/code>\u00ab\u00a0, pour s’assurer que le fichier est lu correctement.<\/p>\n
Cette mani\u00e8re de fonctionner est parfaitement correcte pour de petits jeux de donn\u00e9es.<\/p>\n
Cependant, pour maximiser votre temps, explorons les probl\u00e8mes les plus communs et surtout leurs solutions.<\/p>\n
Probl\u00e8me #1: \u00a0Toutes les donn\u00e9es sont dans une colonne!<\/h3>\n
\"Screenshot\"<\/a><\/p>\n
Solution:<\/strong>\u00a0Ceci est tr\u00e8s commun. Vous devez sp\u00e9cifier le s\u00e9parateur!
\nCeci est fait utilisant le param\u00e8tre sep=\"XXX\"<\/code> dans la fonction read.table()<\/code>. \u00c0 la place des XXX, vous devez mettre le s\u00e9parateur de vos donn\u00e9es. Typiquement, c’est soit un point-virgule (;) ou une virgule (,) 
[pour les fichiers .csv] ou encore une tabulation\u00a0(\\t) [pour les fichiers .txt].<\/p>\n
 <\/p>\n
Probl\u00e8me #2: \u00a0R n’a pas compris que j’ai des noms de colonnes et de rang\u00e9es et il les a mis dans le tableau.<\/h3>\n
\"Screenshot\"<\/a><\/p>\n
Solution:<\/strong>\u00a0Ceci est rare mais facilement corrig\u00e9. Vous devez sp\u00e9cifier que vous avez des noms de colonnes (header=TRUE<\/code>) et de rang\u00e9es (rownames=1<\/code>) dans votre fonction read.table()<\/code><\/p>\n
 <\/p>\n
Probl\u00e8me #3: Mon tableau est charg\u00e9 mais les donn\u00e9es sont sous la forme \u00ab\u00a0factor\u00a0\u00bb et je ne comprends pas pourquoi!<\/h3>\n
\n
\r\n> data<-read.table(\"data.txt\")\r\n> class(data[,1])\r\n[1] \"factor\"<\/code><\/pre>\n<\/div>\n
Solution:<\/strong>\u00a0Dites \u00e0 R que vous ne voulez pas de facteurs! Le param\u00e8tre as.is<\/code> peut vous aider.
\nNote \u00e0 propos des facteurs:<\/em>\u00a0Bien qu’elle soit parfois tr\u00e8s utile, cette classe de donn\u00e9es peut s’av\u00e9rer difficile \u00e0 g\u00e9rer, surtout lorsqu’on veut faire des calculs sur des valeurs num\u00e9riques dans le tableau. La fonction read.table()<\/code> de R convertit par d\u00e9faut toutes les valeurs en facteurs.<\/p>\n
\n
\r\n> data<-read.table(\"data.txt\",as.is = TRUE)\r\n> class(data[,1])\r\n[1] \"character\" <\/code><\/pre>\n<\/div>\n
Probl\u00e8me #4: \u00a0Mon tableau prend trop de temps \u00e0 charger!<\/h3>\n
Solution:<\/strong> R est efficace dans le chargement de donn\u00e9es lorsqu’on limite sa n\u00e9cessit\u00e9 \u00e0 prendre des d\u00e9cisions. En d’autres mots, tel que vu dans le probl\u00e8me #3, R convertit les donn\u00e9es en facteurs. Ceci rajoute consid\u00e9rablement de temps de calcul.<\/p>\n
Toujours pas convaincu? Voici une \u00e9valuation de performance:<\/p>\n
data.txt<\/code> contient un jeu de donn\u00e9es RNASeq de 21024 genes pour 3080\u00a0patients.<\/p>\n
\n
\r\n> data<-read.table(\"data.txt\",header=TRUE,sep=\"\\t\")\r\n> elapsed \r\n  771.274 seconds \r\n<\/code><\/pre>\n<\/div>\n
\n
\r\n> data<-read.table(\"data.txt\",header=TRUE,as.is=TRUE<\/strong>,sep=\"\\t\")\r\n> elapsed\r\n\u00a0 184.764 seconds\r\n<\/code><\/pre>\n<\/div>\n
On observe une diff\u00e9rence de temps de chargement de 4 fois! Vous pourriez couper dans votre temps de chargement encore davantage si vous sauvegardez votre tableau en format RData (rda).<\/p>\n
\n
\r\n> load(\"data.rda\")\r\n> elapsed\r\n\u00a0 35.915 seconds\r\n<\/code><\/pre>\n<\/div>\n
Mais bien s\u00fbr, ceci implique de l’avoir charg\u00e9 au moins une fois dans R…<\/p>\n
Je vous encourage \u00e0 explorer les autres options de la fonction read.table()<\/code>, vous serez surpris!<\/p>\n
Une note concernant la fonction read.delim() <\/code><\/code><\/em>: cette fonction est un \u00ab\u00a0wrapper\u00a0\u00bb de la fonction read.table()<\/code> contenant les param\u00e8tres \u00e0 usage courant. Utilisez-la \u00e0 vos risques \ud83d\ude42<\/p>\n
 <\/p>\n
<\/div><\/div><\/div><\/div><\/div><\/p>\n","protected":false},"excerpt":{"rendered":"
La premi\u00e8re chose que j’ai appris \u00e0 faire dans R est de charger un tableau de donn\u00e9es. D’habitude, l’aventure R commence avec l’aide d’une personne plus exp\u00e9riment\u00e9e qui vous montre comment charger vos donn\u00e9es dans le logiciel. Typiquement, la commande requise s’apparente \u00e0 : data<-read.table(\u00ab\u00a0~\/dossier\/datafile.txt\u00a0\u00bb) Vous allez s\u00fbrement ajouter plusieurs autres param\u00e8tres aux parenth\u00e8ses, tels que\u00a0\u00ab\u00a0row.names=0\u00a0\u00bb ou \u00ab\u00a0header=TRUE\u00a0\u00bb ou, \u00ab\u00a0sep=\u00a0\u00bb\\t\u00a0\u00bb\u00ab\u00a0, pour s’assurer que le fichier est lu correctement. Cette mani\u00e8re de fonctionner est parfaitement correcte pour de petits jeux de  […]<\/a><\/p>\n","protected":false},"author":6,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"jetpack_post_was_ever_published":false,"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2}},"categories":[41,24],"tags":[144],"class_list":["post-1097","post","type-post","status-publish","format-standard","hentry","category-bioinformatique","category-langage-r","tag-debutant"],"jetpack_publicize_connections":[],"jetpack_featured_media_url":"","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/posts\/1097","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/users\/6"}],"replies":[{"embeddable":true,"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/comments?post=1097"}],"version-history":[{"count":12,"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/posts\/1097\/revisions"}],"predecessor-version":[{"id":3271,"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/posts\/1097\/revisions\/3271"}],"wp:attachment":[{"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/media?parent=1097"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/categories?post=1097"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/bioinfo.iric.ca\/fr\/wp-json\/wp\/v2\/tags?post=1097"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}