Programmer en R/Choisir son environnement de travail

Programmer en R

• Introduction
  • Faire ses premiers pas
  • Installer R
  • Choisir son environnement de travail
  • Installer des librairies
  • Se documenter
• Manipulation et mise en forme des données
  • Manipuler les nombres
  • Manipuler les vecteurs
  • Manipuler les chaînes de caractères
  • Manipuler les facteurs
  • Manipuler les dates et les heures
  • Manipuler un tableau de données
  • Manipuler une liste
• Importation et exportation des données
  • Importer un fichier CSV
  • Résoudre les problèmes d'encodage des caractères
  • Importer un fichier TSV
  • Importer un fichier texte à largeur fixe
  • Importer des données depuis un tableur
  • Import un fichier JSON
  • Extraire des données d'une page web
• Visualisation de données
  • Comprendre la grammaire des graphiques
  • Représenter une carte
  • Visualiser une carte choroplèthe
• Modélisation statistique
  • Estimer un modèle de régression linéaire
  • Estimer un modèle de régression circulaire
• Communication
• Programmation avancée
  • Programmer une boucle
  • Programmer une fonction
• Outils mathématiques
  • Optimiser une fonction
  • Manipuler les matrices
  • Les fonctions statistiques de base
  • Les loi de probabilités, ajustement et test

Terminal

On peut lancer R dans un terminal et travailler directement en ligne de commande.

Console interactive de commande en langage R.

Radian

Radian permet d'avoir une interface améliorée dans le terminal. Le projet s'inspire de iPython.

RStudio

RStudio est l'environnement de travail le plus couramment utilisé pour travailler avec R. RStudio peut-être installé sur l'ordinateur local ou sur un serveur.

RStudio sous Ubuntu.

Jupyter Notebook

Jupyter Notebook est une interface utilisateur très couramment employée pour travailler avec Python et Julia. Il est possible d'installer un noyau pour travailler avec R dans Jupyter Notebook.

Un notebook permet de combiner du texte et du code dans un même document.

Comme RStudio, Jupyter Notebook peut être installé localement ou sur un serveur.

Installation

Au préalable, il faut avoir installé Jupyter

$ pip3 install jupyter

Après avoir installé Jupyter, il faut installer le noyau R depuis un terminal R ouvert :

install.packages(c('repr', 'IRdisplay', 'crayon', 'pbdZMQ', 'devtools'))
devtools::install_github('IRkernel/IRkernel')
IRkernel::installspec()  # to register the kernel in the current R installation