data <- read.csv("C:\Users\auria\OneDrive - Institut Catholique de Lille\Documents\Master Recherche et Innovation en Santé\Master 2\MOOC Reproductibilité en recherche\mooc-rr\module3\exo2\varicelle.csv")
data <- read.csv("C:/Users/auria/OneDrive - Institut Catholique de Lille/Documents/Master Recherche et Innovation en Santé/Master 2/MOOC Reproductibilité en recherche/mooc-rr/module3/exo2/varicelle.csv", sep = ;)
head(data)
data <- read.csv("/mnt/data/inc-7-PAY.csv", sep = ";")
data <- read.csv("C:/Users/auria/OneDrive - Institut Catholique de Lille/Documents/Master Recherche et Innovation en Santé/Master 2/MOOC Reproductibilité en recherche/mooc-rr/module3/exo2/varicelle.csv",
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>.
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 cars}
# Lire le fichier CSV téléchargé depuis Sentinelles
summary(cars)
data <- read.csv("varicelle.csv")
```
Et on peut aussi aisément inclure des figures. Par exemple:
data$date <- as.Date(data$date)
```{r pressure, echo=FALSE}
### -------------------------------
plot(pressure)
### 2. Construire les années épidémiques (le 1er septembre comme début de chaque période annuelle)
```
# Une année épidémique commence le 1er septembre :
# Si mois >= 9 ⇒ année_epidémique = année en cours
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.
library(dplyr)
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.
peaks <- data %>%
group_by(year_epi) %>%
summarise(
max_inc = max(inc, na.rm = TRUE),
mean_inc = mean(inc, na.rm = TRUE),
total_inc = sum(inc, na.rm = TRUE)
)
print(peaks)
### 4. Trouver l'année la plus forte et la plus faible
