Prochaines étapes

.title[
# Prochaines étapes
]
.author[
### Introduction à l’analyse de données avec R <a href='https://therbootcamp.github.io'> The R Bootcamp </a> <a href='https://therbootcamp.github.io/I2R_2022Oct/'> </a>  <a href='https://therbootcamp.github.io'> </a>  <a href='mailto:therbootcamp@gmail.com'> </a>  <a href='https://www.linkedin.com/company/basel-r-bootcamp/'> </a>
]
.date[
### Juin 2023
]

---

<div class="my-footer">
 
 
 <img src="https://raw.githubusercontent.com/therbootcamp/therbootcamp.github.io/master/_sessions/_image/by-sa.png" height=14 style="vertical-align: middle"/>
 
 <a href="https://therbootcamp.github.io/">
 
 
 www.therbootcamp.com
 
 
 </a>
 <a href="https://therbootcamp.github.io/">
 
 Introduction à l'analyse de données avec R | Juin 2023
 
 </a>
 
 </div>

---

# Félicitations

Vous comprenez maintenant les bases de R!

]

<img src="image/schedule_fr.png" height="580" align="center" style="padding-top:16px">
]

---

# R peut faire beaucoup plus

- `{tidyverse}` 
- `{tidyverse}` "élargi" 
- Web scrapping 
- Analyse de texte 
- Statistique 
- Machine Learning 
- Reporting 
- Sites Web

]

---

# `tidyverse`

Das [`tidyverse`](https://www.tidyverse.org/) est essentiellement une collection de libraries performantes et conviviales qui ont été spécialement développés pour une analyse de données plus efficace.
1. `ggplot2` pour les graphique.
2. `dplyr` pour la transformation de données.
3. `tidyr` pour le nettoyage de données.
4. `readr` pour chargement et enrégistrement de données.
5. `purrr` pour la programmation fonctionnelle.
6. `tibble` les `data.frame`s modernes.

---

# `ggplot2`

```r
library(tidyverse) ; library(ggrepel)

# Chargement des données
tour <- read_csv('1_Data/Tourismus.csv')

# Créer un graphique avec ggplot2
ggplot(data = tour,
       mapping = aes(x = Besucher, 
                     y = Dauer,
                     label = Land)) +
  scale_x_continuous(trans = 'log2') + 
  geom_point(size=2) 
```

]

![](NaechsteSchritte_files/figure-html/unnamed-chunk-3-1.png)

]

---

# `ggplot2`

```r
library(tidyverse) ; library(ggrepel)

# Chargement des données
tour <- read_csv('1_Data/Tourismus.csv')

# Graphique de Dauer par rapport à Besucher
ggplot(data = tour,
       mapping = aes(x = Besucher, 
                     y = Dauer,
                     label = Land)) +
  scale_x_continuous(trans = 'log2') + 
  geom_point(size=2) + 
  geom_label_repel(size = 2,
                   label.padding = 0.1) +
  theme_bw() 
```

]

![](NaechsteSchritte_files/figure-html/unnamed-chunk-5-1.png)

]

---

# `ggplot2`

```r
library(tidyverse) ; library(ggrepel)

# Chargement des données
tour <- read_csv('1_Data/Tourismus.csv')

]

![](NaechsteSchritte_files/figure-html/unnamed-chunk-7-1.png)

]

---

# `dplyr`

```r
library(tidyverse)

# Chargement des données
tour <- read_csv('1_Data/Tourismus.csv')

# Affichage du Top 10 de Nachte par Land
tour %>%
  mutate(Nachte = Besucher * Dauer) %>%
  arrange(desc(Nachte)) %>%
  select(Land,  Nachte) %>%
  top_n(10)
```

]

```
## # A tibble: 10 x 2
## Land Nachte
## <chr> <dbl>
## 1 Deutschland 18059
## 2 Vereinigte Staaten 15353
## 3 Vereinigtes Königreich 7981
## 4 Frankreich 5288
## 5 Italien 3224
## 6 Spanien 2294
## 7 Niederlande 2069
## 8 Kanada 2006
## 9 Österreich 1683
## 10 Indien 1622
```

]

---

# `dplyr`

```r
library(tidyverse)

# Chargement des données
tour <- read_csv('1_Data/Tourismus.csv')

# Statistiques de Nachte par Region
tour %>%
  mutate(Nachte = Besucher * Dauer) %>%
  group_by(Region) %>%
  summarize(
    Nachte_mittel = mean(Nachte),
    Nachte_summe = sum(Nachte),    
  )
```

]

```
## # A tibble: 5 x 3
## Region Nachte_mittel Nachte_summe
## <chr> <dbl> <dbl>
## 1 Afrika 259 1036
## 2 Amerika 2435. 19479
## 3 Asien 464. 9278
## 4 Australien 580 1160
## 5 Europa 1415. 52353
```

]

---

# `dplyr` + `gplot2`

```r
library(tidyverse) ; library(ggrepel)

# Chargement des données
tour <- read_csv("1_Data/Tourismus.csv") 
europa <- read_csv("1_Data/Europa.csv")

# Verbinde Nachte mit Aquivalenzeinkommen
tour %>%
  mutate(Nachte = Besucher * Dauer) %>%
  left_join(europa) %>%
  ggplot(aes(x = Aquivalenzeinkommen, 
             y = Nachte,
             label = Land)) +
  scale_y_continuous(trans = 'log2') + 
  geom_point() +
  geom_label_repel(size = 2) +
  theme_bw() 
```

]

![](NaechsteSchritte_files/figure-html/unnamed-chunk-13-1.png)

]

---

# `tidyverse` "élargi"

L'environment de [`tidyverse`](https://www.tidyverse.org/) contient une collection d'autres packages hautes performances et conviviaux qui complètent le noyau Tidyverse. 
1. `xlm2` pour le traitement des fichiers XML et HTML.
2. `rvest` pour le "Web Scraping".
3. `haven` pour le traitement de données de SPSS, SAS et Stata.
4. `readxl` pour le traitement de données Excel.
5. `lubridate` pour les données temporelles.
6. `tidytext` pour les textuelles.

---

# Web Scraping

```r
library(tidytext)
# Charger la table de Wikipédia (n'oubliez pas les libraries)
read_html("https://en.wikipedia.org/wiki/R_(programming_language)") %>%
  html_text() %>%
  tibble() %>%
  unnest_tokens(word, ".")
```

```
## # A tibble: 9,543 x 1
## word 
## <chr> 
## 1 r 
## 2 programming 
## 3 language 
## 4 wikipediadocument.documentelement.classname
## 5 client 
## 6 js 
## 7 vector 
## 8 feature 
## 9 language 
## 10 in 
## # ... with 9,533 more rows
```

---

# Analyse de texte

```r
library(wordcloud)
library(dplyr) ; library(stringr)

# Comptage de mots
read_html("https://en.wikipedia.org/wiki/R_(programming_language)") %>%
  html_text() %>%
  tibble() %>%
  unnest_tokens(word, ".") %>%
  filter(!str_detect(word, '[:digit:]')) %>%
  anti_join(stop_words) %>%
  count(word, sort = TRUE) %>%
  top_n(100) 
```

]

```
## # A tibble: 107 x 2
## word n
## <chr> <int>
## 1 output 200
## 2 mw 197
## 3 parser 197
## 4 retrieved 90
## 5 data 60
## 6 programming 51
## 7 hlist 49
## 8 navbox 48
## 9 december 44
## 10 language 42
## # ... with 97 more rows
```

]
---

# Nuage de mots

```r
library(dplyr) ; library(tidytext) ; library(wordcloud) ; library(stringr)

counts <- 
 read_html("https://en.wikipedia.org/wiki/R_(programming_language)") %>%
 html_text() %>%
 tibble() %>%
 unnest_tokens(word, ".") %>%
 filter(!str_detect(word, '[:digit:]')) %>%
 anti_join(stop_words) %>%
 count(word, sort = TRUE) %>%
 top_n(100)

# Nuage de mots
par(mar=c(0,0,0,0))
wordcloud(counts$word, 
          counts$n)
```

]

![](NaechsteSchritte_files/figure-html/unnamed-chunk-20-1.png)

]

---

# Statistique

```r
library(tidyverse)

# Chargement des données
tour <- read_csv('1_Data/Tourismus.csv')
land <- read_csv('1_Data/Lander.csv')

# Joindre les données
data <- tour %>% 
 inner_join(land) %>%
 mutate(Nachte = Besucher * Dauer)

# Régression linéare
model <- lm(Nachte ~ Bevolkerung + 
 Dichte + BIP,
 data = data)
```

]

```r
# Coéficient de détermination
summary(model)$r.squared
```

```
## [1] 0.05719
```

```r
# Coefficients
summary(model)$coef[,-2]
```

```
##               Estimate  t value Pr(>|t|)
## (Intercept)  1.213e+01  0.01294   0.9897
## Bevolkerung  2.379e-06  1.36594   0.1775
## Dichte      -3.381e-01 -0.82598   0.4124
## BIP          2.988e+01  1.50779   0.1373
```
]

---

# Machine Learning

```r
library(tidyverse) ; library(rpart)

# Chargement des données
tour <- read_csv('1_Data/Tourismus.csv')
land <- read_csv('1_Data/Lander.csv')

# Joindres les données
data <- tour %>% 
 inner_join(land) %>%
 mutate(Nachte = Besucher * Dauer)

# Régression linéare
rpart(
  formula = Besucher ~ Bevolkerung + 
                       Dichte + BIP,
  data = data) 
```

]

![](NaechsteSchritte_files/figure-html/unnamed-chunk-25-1.png)

]
---

# Reporting

R et RStudio fournissent également d'excellents outils pour créer <high>Rapports</high>, <high>Slides</high>, et même des <high>sites Web</high>. 
1. `rmarkdown` pour des documents PDF crées de manière dynamique.
2. `xaringan` pour des Slides.
3. `shiny` pour des sites Web et des Cockpits.

---

# `rmarkdown`

<img style="height:440px" src="image/rmarkdown_fr.png">
]

.pull-right5[
 
<img style="height:510px;box-shadow: 0 4px 8px 0 rgba(0, 0, 0, 0.2), 0 6px 20px 0 rgba(0, 0, 0, 0.19);" src="image/pdf_fr.png">
]

---

# `Web sites`

---

# Prochaines étapes

.pull-left5[


1. Appliquer 
2. Manuels 
3. Sources Web 
4. Support et Consulting 
5. Cours avancés 
]

.pull-right5[
<img border="0" alt="W3Schools" src="http://www.theunmanageableemployee.com/wp-content/uploads/2011/07/5cs-stones-cropped-11052730.jpg?w=112">
]

---

# Manuels

Voici une liste partielle de bons livres sur R plus au moins ordonnés selon l'expérience de l'utilisateur.

<tr>

</tr>

</table>

---

# Sources Web

Le net est probablement le meilleur endroit pour obtenir des informations sur R.

Naturellement, dans un moteur de recherche:

Example dans [Google](https://www.google.com) ou [DuckDuckGo](https://duckduckgo.com) et assurez-vous que *R* ou *Rproject* est mentionné dans votre recherche.

Souvent, vous serez redirigé vers:

[R-bloggers](https://www.r-bloggers.com) informations sur les derniers développements R (comprend une newsletter).

[Stackoverflow tag R](https://stackoverflow.com/questions/tagged/r) est une page pour les problèmes R avec des solutions proposés par d'autres utilisateurs. Essayez de publier un problème vous-même. Souvent, vous obtenez des réponses étonnamment rapidement.

]

.pull-right5[
 
 <a href="https://www.google.com/"><img border="0" alt="W3Schools" src="https://raw.githubusercontent.com/therbootcamp/therbootcamp.github.io/master/_sessions/_image/google.png" height="100"></a> <br2>
 <a href="https://www.r-bloggers.com/"><img border="0" alt="W3Schools" src="https://raw.githubusercontent.com/therbootcamp/therbootcamp.github.io/master/_sessions/_image/rbloggers.png" height="105" style="margin-bottom:10px"></a> 
 <a href="https://stackoverflow.com/"><img border="0" alt="W3Schools" src="https://raw.githubusercontent.com/therbootcamp/therbootcamp.github.io/master/_sessions/_image/stackoverflow.png" height="105"></a>

]

---

# Support et Consulting

<table class="tg" style="cellspacing:0; cellpadding:0; border:none">
 <col width="22%">
 <col width="22%">
 <col width="22%">
 <col width="22%">
 <tr>
 <th class="tg-yw4l" valign='top'>
 
 <a href="www.dirkwulff.org"><img border="0" alt="W3Schools" src="https://therbootcamp.github.io/img/team/1.png" height="230" style="border-radius:50%"></a> 
 
 Dr. Dirk Wulff 
 <a href="www.dirkwulff.org">dirkwulff.org</a> 
 <a href="https://github.com/dwulff">github.com/dwulff</a> 
 packages: 
 <a href="https://cran.r-project.org/web/packages/cstab/index.html">cstab</a>, <a href="https://github.com/dwulff/text2sdg">text2sdg</a>, 
 <a href="https://cran.r-project.org/web/packages/mousetrap/index.html">mousetrap</a>, <a href="https://cran.r-project.org/web/packages/memnet/index.html">memnet, <a href="https://github.com/dwulff/choicepp">choicepp
 
 </th>
 
 <th class="tg-yw4l" valign='top'> 
 <a href="https://psychologie.unibas.ch/en/persons/markus-steiner/about-me/"><img border="0" alt="W3Schools" src="https://therbootcamp.github.io/img/team/2.png" height="230" style="border-radius:50%"></a> 
 
 Markus Steiner 
 <a href="https://github.com/mdsteiner">github.com/mdsteiner</a> 
 packages: 
 <a href="https://github.com/mdsteiner/ShinyPsych">ShinyPsych</a>, 
 <a href="https://github.com/mdsteiner/EFAdiff">EFAdiff</a> 
 
 </th>
 
 <th class="tg-yw4l" valign='top'>
 
 
 <a href="https://www.schulte-mecklenbeck.com/"><img border="0" alt="W3Schools" src="https://therbootcamp.github.io/img/team/3.png" height="230" style="border-radius:50%"></a> 
 
 Dr. Michael Schulte- Mecklenbeck 
 <a href="www.schulte-mecklenbeck.com">schulte-mecklenbeck.com</a> 
 <a href="https://github.com/schultem">github.com/schultem</a> 
 
 </th>

<th class="tg-yw4l" valign='top'>
 
 
 <a href="https://www.joao-ramalho.ch/"><img border="0" alt="W3Schools" src="https://therbootcamp.github.io/img/team/4.png" height="230" style="border-radius:50%"></a> 
 
 João Ramalho 
 <a href="https://www.joao-ramalho.ch/">joao-ramalho.ch</a> 
 book/package: 
 <a href="https://j-ramalho.github.io/industRial/">industRial</a> 
 
 </th>

</tr>

</table>
---

# Cours avancés

(Adaptation pour le français en préparation)

<table class="tg" style="cellspacing:0; cellpadding:0; border:none;">
<tr valign="top">
 <col width="20%">
 <col width="20%">
 <col width="20%">
 <col width="20%">
 <col width="20%">
 <td>
 
 <a class="project-link" href="https://therbootcamp.github.io/#courses" align="center">
 Einführung in die moderne Datenanalyse mit R 
 
 <img src="https://therbootcamp.github.io/img/courses/0.png" height="180px" style="border-radius:50%;border:10px solid #E9ECEF"></img> 
 <high> </high> 
 
 </td>
 <td>
 
 <a class="project-link" href="https://therbootcamp.github.io/#courses" align="center">
 Explorative Datenanalyse mit R 
 
 <img src="https://therbootcamp.github.io/img/courses/1.png" height="180px" style="border-radius:50%;border:10px solid #E9ECEF"></img> 
 <high> </high> 
 
 </td>
 <td>
 
 <a class="project-link" href="https://therbootcamp.github.io/#courses" align="center">
 Statistik mit R 
 
 <img src="https://therbootcamp.github.io/img/courses/2.png" height="180px" style="border-radius:50%;border:10px solid #E9ECEF"></img> 
 <high> </high> 
 </a>
 
 </td>
 <td>
 
 <a class="project-link" href="https://therbootcamp.github.io/#courses" align="center">
 Maschinelles Lernen mit R 
 
 <img src="https://therbootcamp.github.io/img/courses/3.png" height="180px" style="border-radius:50%;border:10px solid #E9ECEF"></img> 
 <high> </high> 
 </a>
 
 </td>
 <td>
 
 <a class="project-link" href="https://therbootcamp.github.io/#courses" align="center">
 Reporting mit R 
 
 <img src="https://therbootcamp.github.io/img/courses/4.png" height="180px" style="border-radius:50%;border:10px solid #E9ECEF"></img> 
 <high> </high> 
 </a>
 
 </td>
 </tr>

---

<img src="image/feedback.png" height=350px></img> 
 from <a href="https://cdn-images-1.medium.com/max/1600/1*5OZNYAfzDZfM1lwJBZEuHQ.png">medium.com</a>

]

]

---

# Merci!