exo

module3/exo2/exercice_fr.Rmd

@@ -9,25 +9,174 @@ output: html_document
 ```{r setup, include=FALSE}
 knitr::opts_chunk$set(echo = TRUE)
 ```
+---
+title: "Votre titre"
+author: "Votre nom"
+date: "La date du jour"
+output: html_document
+---
 
-## Quelques explications
 
-Ceci est un document R markdown que vous pouvez aisément exporter au format HTML, PDF, et MS Word. Pour plus de détails sur R Markdown consultez <http://rmarkdown.rstudio.com>.
+```{r setup, include=FALSE}
+knitr::opts_chunk$set(echo = TRUE)
+```
+
+Chargement du document à partir de l'URL: 
 
-Lorsque vous cliquerez sur le bouton **Knit** ce document sera compilé afin de ré-exécuter le code R et d'inclure les résultats dans un document final. Comme nous vous l'avons montré dans la vidéo, on inclue du code R de la façon suivante:
+```{r}
+data_url = "https://www.sentiweb.fr/datasets/incidence-PAY-7.csv"
+```
+```{r}
+data_file = "varicelle.csv"
+if (!file.exists(data_file)) {
 
-```{r cars}
-summary(cars)
+    download.file(data_url, data_file, method="auto")
+lignes_na = apply(data, 1, function(x) any(is.na(x)))
+}
+data[lignes_na,]
 ```
 
-Et on peut aussi aisément inclure des figures. Par exemple:
 
-```{r pressure, echo=FALSE}
-plot(pressure)
+
+Là on peut voir les lignes (1) où des données sont manquantes:
+if (!file.exists(data_file)) {
+
+    download.file(data_url, data_file, method="auto")
+lignes_na = apply(data, 1, function(x) any(is.na(x)))
+}
+data[lignes_na,]
+
+
+```{r}
+library(readr)
+data <- read_csv("C:/Users/SAW/Desktop/MOOC recherche reproductible/incidence-PAY-3.csv",skip = 1)
+head(data)
 ```
 
-Vous remarquerez le paramètre `echo = FALSE` qui indique que le code ne doit pas apparaître dans la version finale du document. Nous vous recommandons dans le cadre de ce MOOC de ne pas utiliser ce paramètre car l'objectif est que vos analyses de données soient parfaitement transparentes pour être reproductibles. 
+Pour montrer les premières lignes du document:
+skip=1 permet de ne pas se préoccuper de la première ligne du document:
+```{r}
+data = read.csv(data_url, skip=1)
+head(data)
+```
 
-Comme les résultats ne sont pas stockés dans les fichiers Rmd, pour faciliter la relecture de vos analyses par d'autres personnes, vous aurez donc intérêt à générer un HTML ou un PDF et à le commiter.
+Pour montrer les dernières lignes du document:
+```{r}
+tail(data)
+```
+
+Là on peut voir les lignes (1) où des données sont manquantes:
+```{r}
+lignes_na = apply(data, 1, function(x) any(is.na(x)))
+data[lignes_na,]
+```
+
+Permet de voir si les nombres sont bien condidérés comme tels:
+```{r}
+class(data$week)
+```
+
+```{r}
+class(data$inc)
+```
+
+Normalement, dans le jeu de données initial, il y a un tiret à la place de la valeur pour cette ligne (mais pas ici). Il considère donc normalement que le tiret est une valeur réelle. Il faut recharger le jeu de données en disant que le tiret est une valeur manquante:
+
+data = read.csv(data_url, skip=1, na.strings = "-")
+
+
+Chargement de la librairie (pour changer le format des dates, adapté pour R):
+library(parsedate)
+
+
+date = 199501
+ws = paste(date)
+iso = paste0(substring(ws, 1, 4), "-W", substring(ws, 5, 6))
+parse_iso_8601(iso)
+
+puis changement avec la fonction:
+```{r}
+convert_week = function(date) {
+  ws = paste(date)
+  iso = paste0(substring(ws, 1, 4), "-W", substring(ws, 5, 6))
+  as.character(parse_iso_8601(iso))
+}
+```
 
-Maintenant, à vous de jouer! Vous pouvez effacer toutes ces informations et les remplacer par votre document computationnel.
+```{r}
+data$date = as.Date(sapply(data$week, convert_week))
+```
+
+```{r}
+class(data$date)
+```
+
+Classement des lignes en fonction de la date:
+```{r}
+data = data[order(data$date),]
+```
+
+```{r}
+head(data)
+```
+
+Vérification que toutes nos semaines ont bien 7 jours:
+```{r}
+all(diff(data$date) == 7)
+```
+
+Plot en lignes ("l"):
+```{r}
+plot(data$date, data$inc, type="l", xlab="Date", ylab="Incidence hebdomadaire")
+```
+
+Idem mais que pour les 400 dernières semaines:
+```{r}
+with(tail(data, 400), plot(date, inc, type="l", xlab="Date", ylab="Incidence hebdomadaire"))
+```
+
+### Questions et réponses
+
+1- Dans quelles années yavait-il les épidémies les plus fortes?
+
+2- Quelle est la fréquence d'épidémies faibles, moyennes et fortes ?
+
+On détermine nos années (somme de toutes les semaines), de tel sorte que chaque année commence et se termine à la même date (na.rm=TRUE permet de ne pas tenir compte de la semaine manquante):
+```{r}
+pic_annuel = function(annee) {
+  debut = paste0(annee-1, "-09-01")
+  fin = paste0(annee, "-09-01")
+  semaines = data$date > debut & data$date <= fin
+  sum(data$inc[semaines], na.rm=TRUE)
+}
+```
+
+En choisissant de commencer en 1986 et de finir en 2017 (comme l'exemple du cours, mais à la base c'est parce qu'en 1986, l'année commence en plein pic):
+```{r}
+annees = 1990:2020
+```
+
+Création d'un nouveau jeu de donnée pour l'incidence annuelle:
+```{r}
+incidence_annuelle = data.frame(annee = annees, incidence = sapply(annees, pic_annuel))
+```
+
+```{r}
+head(incidence_annuelle)
+```
+
+Plot:
+```{r}
+plot(incidence_annuelle, type="p")
+```
+
+Classement en fonction des années qui ont le plus fort pic annuelle au moins fort:
+```{r}
+head(incidence_annuelle[order(-incidence_annuelle$incidence),])
+tail(incidence_annuelle[order(-incidence_annuelle$incidence),])
+```
+
+Fréquence des incidences:
+```{r}
+hist(incidence_annuelle$incidence, breaks=10)
+```
\ No newline at end of file