diff --git a/module2/exo3/exercice_fr.Rmd b/module2/exo3/exercice_fr.Rmd index 7eece5e296bb586e88166aa8a263ca75b44c2b9e..ced63c1a031af47598dd356767d040629b9b8c4b 100644 --- a/module2/exo3/exercice_fr.Rmd +++ b/module2/exo3/exercice_fr.Rmd @@ -1,33 +1,34 @@ --- -title: "Votre titre" -author: "Votre nom" -date: "La date du jour" +title: "Réaliser un affichage graphique" +author: "Marine C. Cambon" +date: "`r format(Sys.time(), '%d %B %Y')`" output: html_document --- +Je récupère les données de l'exercice précédent pour en faire deux représentations graphiques. -```{r setup, include=FALSE} -knitr::opts_chunk$set(echo = TRUE) -``` - -## 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 . +## Stocker en mémoire les données -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: +Je stocke en mémoire les données dans un vecteur que j'appelle `d`: +```{r} +d <- c(14.0, 7.6, 11.2, 12.8, 12.5, 9.9, 14.9, 9.4, 16.9, 10.2, 14.9, 18.1, 7.3, 9.8, 10.9,12.2, 9.9, 2.9, 2.8, 15.4, 15.7, 9.7, 13.1, 13.2, 12.3, 11.7, 16.0, 12.4, 17.9, 12.2, 16.2, 18.7, 8.9, 11.9, 12.1, 14.6, 12.1, 4.7, 3.9, 16.9, 16.8, 11.3, 14.4, 15.7, 14.0, 13.6, 18.0, 13.6, 19.9, 13.7, 17.0, 20.5, 9.9, 12.5, 13.2, 16.1, 13.5, 6.3, 6.4, 17.6, 19.1, 12.8, 15.5, 16.3, 15.2, 14.6, 19.1, 14.4, 21.4, 15.1, 19.6, 21.7, 11.3, 15.0, 14.3, 16.8, 14.0, 6.8, 8.2, 19.9, 20.4, 14.6, 16.4, 18.7, 16.8, 15.8, 20.4, 15.8, 22.4, 16.2, 20.3, 23.4, 12.1, 15.5, 15.4, 18.4, 15.7, 10.2, 8.9, 21.0) -```{r cars} -summary(cars) +class(d) +d ``` -Et on peut aussi aisément inclure des figures. Par exemple: +Mon vecteur `d` est bien numérique et contient les données de l'exercice. -```{r pressure, echo=FALSE} -plot(pressure) +## Visualisation en sequence plot + +```{r} +plot(d, type="l", col="blue") ``` -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. +## Visualisation en histogramme -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. +```{r} +hist(d, col="blue") +``` -Maintenant, à vous de jouer! Vous pouvez effacer toutes ces informations et les remplacer par votre document computationnel. +Sur le graph donné dans la consigne il y a 10 cathégories de valeurs, alors que j'en ai 11 sur le mien. Je pense que cette différence vient des différents paramètre par défaut de python vs R. Je suppose que le but de l'exercice n'est pas de manipuler en détail les `table()` et autre `cut()`. Je ne vais donc pas m'attarder dessus. \ No newline at end of file diff --git a/module2/exo3/exercice_fr.html b/module2/exo3/exercice_fr.html new file mode 100644 index 0000000000000000000000000000000000000000..017d1988a0a036c90be757b863c7d65f97b43507 --- /dev/null +++ b/module2/exo3/exercice_fr.html @@ -0,0 +1,263 @@ + + + + + + + + + + + + + + +Réaliser un affichage graphique + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
+ + + + + + + +

Je récupère les données de l’exercice précédent pour en faire deux représentations graphiques.

+
+

Stocker en mémoire les données

+

Je stocke en mémoire les données dans un vecteur que j’appelle d:

+
d <- c(14.0, 7.6, 11.2, 12.8, 12.5, 9.9, 14.9, 9.4, 16.9, 10.2, 14.9, 18.1, 7.3, 9.8, 10.9,12.2, 9.9, 2.9, 2.8, 15.4, 15.7, 9.7, 13.1, 13.2, 12.3, 11.7, 16.0, 12.4, 17.9, 12.2, 16.2, 18.7, 8.9, 11.9, 12.1, 14.6, 12.1, 4.7, 3.9, 16.9, 16.8, 11.3, 14.4, 15.7, 14.0, 13.6, 18.0, 13.6, 19.9, 13.7, 17.0, 20.5, 9.9, 12.5, 13.2, 16.1, 13.5, 6.3, 6.4, 17.6, 19.1, 12.8, 15.5, 16.3, 15.2, 14.6, 19.1, 14.4, 21.4, 15.1, 19.6, 21.7, 11.3, 15.0, 14.3, 16.8, 14.0, 6.8, 8.2, 19.9, 20.4, 14.6, 16.4, 18.7, 16.8, 15.8, 20.4, 15.8, 22.4, 16.2, 20.3, 23.4, 12.1, 15.5, 15.4, 18.4, 15.7, 10.2, 8.9, 21.0)
+
+class(d)
+
## [1] "numeric"
+
d
+
##   [1] 14.0  7.6 11.2 12.8 12.5  9.9 14.9  9.4 16.9 10.2 14.9 18.1  7.3  9.8 10.9
+##  [16] 12.2  9.9  2.9  2.8 15.4 15.7  9.7 13.1 13.2 12.3 11.7 16.0 12.4 17.9 12.2
+##  [31] 16.2 18.7  8.9 11.9 12.1 14.6 12.1  4.7  3.9 16.9 16.8 11.3 14.4 15.7 14.0
+##  [46] 13.6 18.0 13.6 19.9 13.7 17.0 20.5  9.9 12.5 13.2 16.1 13.5  6.3  6.4 17.6
+##  [61] 19.1 12.8 15.5 16.3 15.2 14.6 19.1 14.4 21.4 15.1 19.6 21.7 11.3 15.0 14.3
+##  [76] 16.8 14.0  6.8  8.2 19.9 20.4 14.6 16.4 18.7 16.8 15.8 20.4 15.8 22.4 16.2
+##  [91] 20.3 23.4 12.1 15.5 15.4 18.4 15.7 10.2  8.9 21.0
+

Mon vecteur d est bien numérique et contient les données de l’exercice.

+
+
+

Visualisation en sequence plot

+
plot(d, type="l", col="blue")
+

+
+
+

Visualisation en histogramme

+
hist(d, col="blue")
+

+

Sur le graph donné dans la consigne il y a 10 cathégories de valeurs, alors que j’en ai 11 sur le mien. Je pense que cette différence vient des différents paramètre par défaut de python vs R. Je suppose que le but de l’exercice n’est pas de manipuler en détail les table() et autre cut(). Je ne vais donc pas m’attarder dessus.

+
+ + + + +
+ + + + + + + + + + + + + + +