Wiki ISIG

« Questions-r » : différence entre les versions

Page Discussion

Questions-r (voir la source)

Version du 10 janvier 2022 à 17:44

8 463 octets ajoutés ,  10 janvier 2022
rajout en vrac
(ajouts de convs questions-r)
(rajout en vrac)
Ligne 65 : Ligne 65 :


Regarde ?na.approx pour plus de détails sur son fonctionnement
Regarde ?na.approx pour plus de détails sur son fonctionnement
== Programmation fonctionnelle
Question de martiste
J'ai un jeu de données avec des températures à pas de temps horaire, le tout sur plusieurs années (et plusieurs stations). J'aimerais connaître, pour chaque année et pour chaque station, le nombre de séquences où la température a dépassé les 19°C, ainsi que la durée de la séquence la plus longue. Avec une boucle, j'aurais créé un nouveau champ pour lequel j'incrémente une valeur de séquence à chaque fois que T>19 et que T-1<19. Je regarde la valeur max de ma séquence, et la longueur max de ces séquences également. Mais comment faire sans boucle ?
dat <- readxl::read_excel("~/Téléchargements/BIE0-3_donnees.xlsx")
library(dplyr)
result=dat %>%
  mutate(hot=chmes_valeur>19) %>%
  mutate(hot_prev=lag(hot,1)) %>%
  mutate(change=hot & !hot_prev) %>%
  mutate(sequence=cumsum(change))
faut peaufiner, ça fait pas exactement ce qu'il faut
faudrait aussi faire le changement "inverse", quand il fait pas chaud et qu'il faisait chaud avant
pour isoler toutes les "séquences", chaudes ou froides
Faut aussi bien faire en sorte que tout soit rangé dans l'ordre temporel avant de faire tourner le truc (ce qui n'est pas le cas ici, vu que j'ai pas groupé par station par exemple)
martiste  23/08/2021
Ouip
Alors, une fois trié et groupé, j'étais parti sur ça :
dat %>%
  mutate(seq = case_when(chmes_valeur> 19 & lag(chmes_valeur<= 19) ~ 1,
                        chmes_valeur> 19 & lag(chmes_valeur> 19) ~ 1,
        TRUE ~ 0))
Ca m'isole mes séquences, mais pas d'incréments
LiseV — 23/08/2021
et quand tu essaies comme ça, ça fonctionne?
martiste — 23/08/2021
Non
LiseV — 23/08/2021
hmmm
tu lui as bien refait "tourner" la déf de la fonction?
martiste — 23/08/2021
rreur : Problem with mutate() column data.
i data = purrr::map_dfr(data, get_sequences(., Temp = 19)).
x Problem with mutate() column change.
i change = case_when(chmes_valeur > Temp & lag(chmes_valeur <= Temp) ~ 1, TRUE ~ 0).
x objet 'chmes_valeur ' introuvable
LiseV — 23/08/2021
pour écraser l'ancienne "get_sequences() par la nouvelle??
martiste — 23/08/2021
Moui...
LiseV — 23/08/2021
hihi
ça valait le coup de demander, on sait jamais
je vois pourquoi le map fonctionne pas, pas pourquoi l'appel simple fonctionne pas
Chez moi, ça, ça fonctionne:
get_sequences=function(donnees, Temp){
  result = donnees %>%
    mutate(change = case_when(chmes_valeur > Temp & lag(chmes_valeur <= Temp) ~ 1,
                              TRUE ~ 0)) %>%
    mutate(sequence = case_when(chmes_valeur > Temp ~ cumsum(as.numeric(change)),
                                TRUE ~ NA_real_))
  return(result)
}
result= dat %>%
  group_by(chmes_coderhj,chmes_anneebiol) %>%
  tidyr::nest() %>%
  mutate(data=purrr::map(data,get_sequences,Temp=19)) %>%
  tidyr::unnest(cols=c(data))
ou bien (autre syntaxe possible pour map), comme ça:
result= dat %>%
  group_by(chmes_coderhj,chmes_anneebiol) %>%
  tidyr::nest() %>%
  mutate(data=purrr::map(data,~get_sequences(.,Temp=19))) %>%
  tidyr::unnest(cols=c(data))
martiste — 23/08/2021
Magique !
Tu saurais dire la différence entre les deux ?!
LiseV — 23/08/2021
entre ta version et ma version?
martiste — 23/08/2021
Entre avec et sans '~' devant la fct
LiseV — 23/08/2021
ou entre la syntaxe 1 et la syntaxe 2?
ben tu l'as, la différence, c'est le "~", lol
soit map attend le nom d'une fonction
dans ce cas l'argument sur lequel il itère doit être le premier argument de la fonction
soit map attend une formule (précédée d'un "~", donc)
dans ce cas il y a un peu plus de souplesse sur la position de l'argument sur lequel on itère
Tu pourrais dire ~ get_sequences(data, Temp=.) pour itérer sur une variable qui donnerait un seuil de température, par exemple
et non plus itérer sur le premier argument, "data"
(on est d'accord, sur le "fond" du traitement cet exemple n'a guère de sens)
martiste — 23/08/2021
😊  mais je pense que j'ai saisi l'essentiel...
Merci !
LiseV — 23/08/2021
Si tu donnes le nom de la fonction, tu peux quand-même rajouter des arguments "secondaires"
mais tu les rajoutes directement comme arguments optionnels à la fonction "map", pas dans un simulacre d'appel à la fonction que tu itères
C'est un peu compliqué ces histoires de syntaxe mais une fois que c'est acquis c'est bien pratique 😉
Dans un cas "simple" (comme ici) il vaut mieux utiliser la première syntaxe je trouve
c'est ce qui est prévu "par défaut" pour faire tourner purrr::map
L'utilisation des formules c'est un subtilité introduite pour gérer les fonctions qui n'ont pas les arguments "dans l'ordre le plus pratique au regard de ce qu'on souhaite faire".
martiste — 23/08/2021
Okay, bien reçu m'dame !
martiste — 23/08/2021
Et, pour finir, si je veux en sortir 1) le nombre total de séquences, et 2) la durée de la séquence la plus longue, est-ce que tu me conseilles de l'inclure dans la fct 'get_sequences', ou de repartir des résultats de cette fonction et d'alimenter une nouvelle ?
LiseV — 23/08/2021
ben pour le coup, le nombre de total de séquences et la durée de la séquence la plus longue, ce sont des "agrégations" de ce que tu as fait avant.
Or, il est possible que tu veuilles utiliser les résultats de get_sequences tels quels (par exemple pour des graphiques)
donc il vaut mieux faire en sorte que cette agrégation ait lieu dans un second temps
=> définition d'une nouvelle fonction par exemple
En revanche, je pense que tu pourrais faire tourner ce calcul avant de "unnest"
car tes séquences n'ont pas des identifiants uniques en l'état
(les identifiants ne sont uniques que au sein des sous-jeux de données imbriqués)
martiste — 23/08/2021
Yes
martiste — 23/08/2021
avec n_distinct, je chope le nb total de séquences
Pour choper la durée de la séquence la plus longue, tu suggérerais quoi ?
LiseV — 23/08/2021
tu calcules les durées pour toutes les séquences, puis tu calcules le max
hihi
bon j'imagine que si tu me poses cette question, c'est que le calcul des durées pose pb?
max(time)-min(time) fait pas le job?
en ayant formatté time avec lubridate?
(je dis "time" mais remplace par le nom de variable ad hoc  😉 )
martiste — 23/08/2021
Ah, j'étais parti sur complétement autre chose du coup....
LiseV — 23/08/2021
ben, group_by(sequence) %>% summarise(duration=max(time)-min(time)) me semble l'option la plus évidente a priori?
et même group_by(sequence) %>% summarise(duration=max(time)-min(time)) %>% top_n(1,duration), pour aller vraiment au bout du process
martiste — 23/08/2021
Et tu peux rajouter un 'group_by' au sein d'un 'summarise' ?
LiseV — 23/08/2021
??
tu peux faire group_by %>% mutate %>% ungroup() %>% group_by(autre chose) %>% summarise
mais je sais pas si ça répond à ta question
martiste — 23/08/2021
J'essaie de mettre les deux dans une même fonction, c'est pour ça
summarise(n = n_distinct(sequence, na.rm = TRUE))
et
group_by(sequence) %>% summarise(duration=max(time)-min(time)) %>% top_n(1,duration)
LiseV — 23/08/2021
Là tu pourrais faire  group_by(sequence) %>% summarise(duration=max(time)-min(time)) %>% ungroup() %>% mutate(n_sequences=n()) %>% top_n(1,duration)
martiste — 23/08/2021
Qui ne se font pas au même niveau de groupage
Okay, yé test ça tout dé souite
LiseV — 23/08/2021
le mutate (n_sequences=n()) te rajoute le nombre de séquences sans résumer (ça répète autant de fois que nécessaire la valeur n_sequences)
du coup après quand tu gardes que la top duration t'as quand-même l'info qu'il te faut
martiste — 23/08/2021
Ahh, okay je vois. Mais il faut que j'enlève tous mes 'NA's, parce que c'est eux les 'top duration' pour le moment... 😉
LiseV — 23/08/2021
ah oui effectivement 🙂
martiste — 23/08/2021
pfiou ! Je crois que j'ai réussi
LiseV — 23/08/2021
🎆
martiste — 23/08/2021
Okay, la fonction 'top_n()', elle prend le premier élément d'un vecteur ordonné ? Ou elle prend la valeur max, et donc s'il y en a plusieurs identiques, elle va en sortir plusieurs ?
LiseV — 23/08/2021
non elle prend le max
c'est pour ça que tu lui précises aussi une variable
pour lui dire le max en terme de quoi
martiste — 23/08/2021
Mmh, okay, c'est pour ça que j'ai des doublons
martiste — 23/08/2021
Est-ce qu'il existe un moyen plus rapide de joindre plus de 2 tables que de répéter des jointures successives ?
(et plus élégant, au passage)


== Annonces de nouveau packages R ==
== Annonces de nouveau packages R ==
Récupérée de « https://isig-wiki.ens-lyon.fr/wiki/Spécial:MobileDiff/45 »