From 9d49e6a5bc952672129474865893fc4e9798a97b Mon Sep 17 00:00:00 2001
From: b05f84b9ee021dccccc4787bb5a09153
 <b05f84b9ee021dccccc4787bb5a09153@app-learninglab.inria.fr>
Date: Thu, 18 Mar 2021 12:33:56 +0000
Subject: [PATCH] Update Journal_de_bord_LY.md

---
 Journal_de_bord_LY.md | 69 +++++++++++++++++++++++++++++++++++++++++++
 1 file changed, 69 insertions(+)

diff --git a/Journal_de_bord_LY.md b/Journal_de_bord_LY.md
index 16f7471..d6aff52 100644
--- a/Journal_de_bord_LY.md
+++ b/Journal_de_bord_LY.md
@@ -1,7 +1,76 @@
 ---
 Titre : "Journal de bord"
 Auteur : "LY"
+Date : "15/03/2021"
 ---
 
 Début d'utilisation : fin de la semaine 2
 
+## Module 3
+
+1. Analyse de données réplicable 
+
+Résultat méthodologique devient ensemble des codes ayant permis de faire les calculs accompagnés d'une explication détaillée
+
+2. Etude de cas : incidence des syndromes grippaux 
+
+Format date selon la norme ISO 8601 des date : l'année commence par la 1ere semaine qui contient le 4 janvier ou celle qui a plus de la moitié des ces jours dans l'année en cours.
+
+Ne jamais faire des modications de données à la main : plutôt avec du code.
+
+3. Importer les données avec Rstudio / R 
+ 
+environnement RStudio ; langage R ; bibliothèque parsedate pour la gestion des 
+dates en format iso  
+
+Important de lire les données directement de la source et faire attention aux données manquantes.
+
+Pour charger un document d'un site web : insérer un chunk R dans le document markdown l'adresse 
+Dans le chunk data_url = "lien url" 
+Si première ligne à ignorer : écrire 'data = read.csv(data_url, skip=1)'
+
+Pour voir les premières lignes de données : 'head(data)' 
+Pour voir les dernière lignes de données : 'tail(data)'
+
+Recherche de données manquantes 'données_manquantes = apply(data, 1, function(x) any(is.na(x)))'
+Le "1" fait passer la commande ligne par ligne et la fonction fait la recherche de données manquantes colonne par colonne.
+
+Pour inspecter le type de données : 'class(data$variable)';
+Ceci donne : interger (Nb entier); factor (V. qualitative); 
+
+Pour transformer une donnée comme "-" ou "?" en valeur manquante, il faut relire les données en spécifiant les valeur à lire comme valeur manquante :
+'data = read.csv(data_url, skip=1, na.string = "-"'
+
+4. Vérification et inspection des données  
+
+date au format iso dans la librairie parsedate ;
+
+Exple : 'date = 199501'
+        conversion en chaine de caractères : 'ws = paste(date)'
+        attribution année et semaines : 'iso = paste0(substring(ws, 1, 4) "-W", substring(ws, 5 ,6)'
+        Le résultat : "1995-W01" correspondant semainte 7 de l'année 1982
+        Ensuite faire appel à la fonction **parse_iso8601** soit parse_iso_8601(iso) 
+        Ceci donne : "1995-01-02 UTC" soit la date du lundi de cette semaine.
+        
+        On transforme tout ce qui précède pour l'appliquer à une variable.
+        'convert_week = fonction(date) {
+            ws = paste(date)
+            iso = paste0(substring(ws, 1, 4), "-W", sobstring(ws, 5, 6))
+            parse_iso_8601(iso)
+        }'
+        Résultat à coller dans une nouvelle variable : sapply(data$week, convert_week)
+        Malheureusement 'sapply' va donner des nombres entiers dans la base.
+        Convertir alors la ligne parse_iso_8601 en chaine de caractère : 'as.character(parse_iso_9601(iso))
+        Puis en date : 'data$date = as.Date (sapply(data$week, convert_week))'
+
+Deuxième étape : classer les données par ordre chronologique : 'data = data[order(data$date),]'
+    
+    Vérifier si distance entre 2 dates voisines = 1 semaine : 'all(diff(data$date)) == 7'
+    
+    appliquer un plot : 'with(data, plot(V1, V2, type="l"))'
+    Si trop serré, refaitre sur les 200 dernières lignes : 'with(tail(data, 200), plot(V1, V2, type="l"))'
+
+A la fin vérifier les données par l'inspection visuelle (plot par exple) et des code de validation (vérifier distance entre deux semaines par exple).
+
+5. Exercice 
+
-- 
2.18.1