Manipulation de données : quelques mini-fonctions

Deux petites fonctions pour manipuler un tableau de données sous R.

Suppression des valeurs manquantes

na.rm <- function(x, v=NULL) { if (!is.data.frame(x)) x <- as.data.frame(x) # Les variables a traiter sont specifiees ? if (is.null(v)) v <- names(x) # Pour chaque variable specifie, suppression des observations si NA r <- x[complete.cases(x[v]),] return(r) }

na.rm est similaire à na.omit sauf qu’il est possible de spécifier les variables à prendre en compte.

> df <- data.frame(x = c(1, 2, 3), y = c(0, 10, NA), z= c("a",NA,"b")) > df x y z 1 1 0 a 2 2 10 <NA> 3 3 NA b > na.omit(df) x y z 1 1 0 a > na.rm(df) x y z 1 1 0 a > na.rm(df, c("x","y")) x y z 1 1 0 a 2 2 10 <NA> > na.rm(df, "z") x y z 1 1 0 a 3 3 NA b

Suppression des modalités inutilisées d’un facteur

rm.unused.levels <- function(x, v=NULL) { if (!is.data.frame(x)) x <- as.data.frame(x) # Les variables a traiter sont specifiees ? if (is.null(v)) v <- names(x) # Pour chaque variable de type facteur, supression des levels inutilisés for (i in 1:length(x)) { if (is.factor(x[[i]]) & names(x)[i] %in% v) x[[i]] <- factor(x[[i]]) } return(x) }

Il arrive parfois que l’on ait des facteurs avec des modalités non utilisées, par exemple après importation d’un fichier d’enquête ou après sélection d’un sous-échantillon. rm.unused.levels permet de ne conserver que les modalités d’un facteur attribuées à au moins une observation.

> df <- data.frame(v1=c("a","b","a","b"),v2=c("x","x","y","y")) > df$v1 <- factor(df$v1,c("a","b","c")) > df$v2 <- factor(df$v2,c("x","y","z")) > str(df) 'data.frame': 4 obs. of 2 variables: $ v1: Factor w/ 3 levels "a","b","c": 1 2 1 2 $ v2: Factor w/ 3 levels "x","y","z": 1 1 2 2 > str(rm.unused.levels(df)) 'data.frame': 4 obs. of 2 variables: $ v1: Factor w/ 2 levels "a","b": 1 2 1 2 $ v2: Factor w/ 2 levels "x","y": 1 1 2 2 > str(rm.unused.levels(df,"v1")) 'data.frame': 4 obs. of 2 variables: $ v1: Factor w/ 2 levels "a","b": 1 2 1 2 $ v2: Factor w/ 3 levels "x","y","z": 1 1 2 2