Formation - Analyse et automatisation de données avec R

1 - Environnement R moderne et écosystème tidyverse

• Revoir les fondamentaux de RStudio et de l’écosystème R : Posit, packages CRAN et projets RStudio
• Découvrir la philosophie du tidyverse et ses principaux packages : dplyr, tidyr, ggplot2, readr, purrr, lubridate et stringr
• Utiliser les opérateurs pipe %>% de magrittr et |> natif de R pour construire des pipelines lisibles
• Importer différents formats de fichiers avec readr (read_csv), readxl (read_excel) et les fonctions associées
• Appliquer les conventions et bonnes pratiques : tidy data, nommage des variables et organisation d’un projet d’analyse

2 - Sélectionner, filtrer et agréger les données

• Utiliser select() pour sélectionner des colonnes par nom, index ou helpers : starts_with, contains et where
• Filtrer les lignes selon des conditions logiques combinées avec filter()
• Créer et modifier des colonnes et réaliser des calculs vectorisés avec mutate()
• Effectuer des agrégations par groupe (sum, mean, n, n_distinct)
• Trier les données sur une ou plusieurs colonnes avec arrange()
• Enchaîner les opérations avec le pipe afin de créer des pipelines lisibles et maintenables
Atelier

Charger un fichier CSV et explorer les transactions avec readr, glimpse() et summary()

Filtrer les données selon plusieurs critères : date, catégorie et montant

Créer des colonnes calculées, telles que la taxe et le segment client, avec mutate()

Agréger le chiffre d’affaires par catégorie et par mois avec group_by() et summarise()

3 - Préparer et consolider des données multisources

• Restructurer les données avec pivot_longer() et pivot_wider() de tidyr pour passer du format large au format long et inversement
• Réaliser des jointures avec dplyr : left_join, inner_join, full_join et anti_join, sur des clés simples ou multiples
• Concaténer des DataFrames avec bind_rows et bind_cols
• Convertir et extraire les dates avec lubridate : ymd, dmy, year, month et wday
• Manipuler les chaînes de caractères avec stringr : str_detect, str_replace et str_extract
• Traiter les valeurs manquantes avec na_if, replace_na, drop_na et complete
Atelier

Charger deux fichiers de transactions et de clients, puis les fusionner avec left_join

Transformer une table du format large au format long avec pivot_longer

Extraire le mois et le jour de la semaine d’une colonne de dates avec lubridate

Traiter les valeurs manquantes avec drop_na et replace_na, puis exporter le dataset nettoyé

4 - Concevoir des visualisations de données professionnelles

• Comprendre la grammaire des graphiques : données, propriétés esthétiques, géométries, échelles, facettes et thèmes
• Utiliser les géométries fondamentales : geom_point, geom_line, geom_bar, geom_col, geom_histogram et geom_boxplot
• Configurer les propriétés esthétiques avec aes() : couleur, remplissage, forme, taille et transparence
• Comparer des sous-groupes avec facet_wrap et facet_grid
• Personnaliser les échelles et les thèmes avec scale_x_continuous, scale_color_brewer et theme_minimal
• Combiner plusieurs graphiques dans une figure unique avec patchwork
Atelier

Représenter l’évolution mensuelle du chiffre d’affaires avec geom_line et personnaliser les axes, le titre et le thème

Comparer la distribution des montants par catégorie avec geom_boxplot et geom_violin

Créer une matrice de facettes avec facet_wrap afin de visualiser un indicateur par segment client

Combiner trois graphiques avec patchwork et exporter la figure finale au format PNG haute résolution

5 - Automatiser des analyses statistiques reproductibles

• Réaliser des statistiques descriptives dans R : somme, moyenne, médiane, écart-type, quantiles et tables de fréquences
• Appliquer les tests d’hypothèses courants : test t, test du khi-deux et corrélations
• Construire une régression linéaire simple avec lm(), interpréter les coefficients et produire un résumé du modèle
• Découvrir R Markdown et Quarto pour créer des analyses reproductibles aux formats HTML, PDF et Word
• Structurer un document avec un en-tête YAML, des blocs de code et les options echo, eval et fig.cap
• Paramétrer des rapports avec les paramètres YAML afin de générer automatiquement plusieurs versions
Atelier

Créer un document Quarto avec un en-tête YAML, des blocs de code et des graphiques ggplot2

Intégrer des statistiques descriptives, une corrélation et un test t sur le dataset préparé

Ajouter un paramètre « segment client » dans le fichier YAML afin de générer un rapport propre à chaque segment

Compiler le rapport aux formats HTML et PDF, puis générer trois versions paramétrées en une seule commande