ManipulationAvancéeEnR.Rmd

---
title: "ManipulationAvancéeEnR"
author: "Nisrine Bennor" 
output: html_document
---

```{r}
### Appeler les librairies
```


```{r, include=FALSE}
library(dplyr)
```


```{r, include=FALSE}
library(ggplot2)
library(plotly)
library(caret)
library(e1071)
library(rpart)
library(randomForest)
```


```{r}
data(iris)
head(iris)

## calculer la moyenne des 4 variables du data frame "iris"
apply(iris[,-5], 2, mean)
```

```{r}
## calculer la distribution du jeu de données "iris"
apply(iris[,-5], 2, summary)
```

```{r}
## Nombre de valeurs supérieures à 5 
Nb_Val_Sup_5 <- function(dataframe){
  length(dataframe[dataframe>5])
}
apply(iris[,-5],2, Nb_Val_Sup_5)
```


```{r}
##Calculer la distribution en fonction de l'éspèce 
by(iris, iris$Species, summary)
```

```{r}
## Calculer la matrice de corrélation 
by(iris[,-5], iris$Species, cor)
```

```{r}
## Calculer la moyenne
aggregate(iris[,-5], as.data.frame(iris$Species), mean)
```

#### Dplyr
```{r include=FALSE}
library(dplyr)
```

```{r}
## sélectionner les colonnes 
data_iris=as_tibble(iris)
select(iris,Sepal.Length,Sepal.Width,Species)
select(iris,Sepal.Length:Species)

## Enlever la dernière colonne du jeu de données "data_iris"
select(data_iris, -Species)

##selectionner les colonnes qui commencent par Pétal 
select(iris, starts_with("Petal"))

##selectionner les colonnes qui commencent par Sépal 
select(iris, starts_with("Sepal"))

##selectionner les colonnes qui ne commencent pas par Sépal 
select(iris, -starts_with("Sepal"))

##selectionner les colonnes qui terminent par Length 
select(iris, ends_with("Length"))

##selectionner les colonnes qui terminent par  Width
select(iris, ends_with("Width"))

##selectionner une variable qui contient "al" 
select(iris, contains("al"))

##selectionner les colonnes qui contient "ies"
select(iris, contains("ies"))
```

#### filter le tibbles surles individus  
```{r}
## Selectionner les individus qui ont de grandes pétales 
filter(iris, Sepal.Length>=5,Sepal.Width>=2,Species=="setosa")

## Selectionner les individus qui ont une longueur des pétales comprise entre 2 valeurs 
filter(iris, between(Petal.Length,4,7))

## Selectionner les individus qui sont sous espèce "setosa"
filter(iris,Species=="setosa")

## Selectionner les individus qui sont différents de l'espèce "setosa"
filter(iris, Species!="setosa")

## Selectionner les individus qui sont sous espèce "setosa" et "virginica:2 groupes 

filter(iris, Species %in% c("setosa","virginica"))
filter(iris, Species=="setosa" | Species=="virginica")

## filtrer sur toutes les variables 
filter_all(iris[,-5], any_vars(.>5))

## filtrer sur toutes les variables 
filter_all(iris[,-5],all_vars(.>2))


iris %>% 
  select(Petal.Length,Petal.Width,-Species) %>% 
  filter_all(all_vars(.>2))
```


```{r}
##ordonner les valeurs de la longueurs de sépales 
iris %>% 
  arrange(Sepal.Length)

##ordonner les valeurs de la longueurs de sépales de façon décroissante 
iris %>% 
  arrange(desc(Sepal.Length))

##ordonner les valeurs de la longueurs de sépales et de pétales 
iris %>% 
  arrange(Sepal.Length,Petal.Length)

## trier en ordre croissant la longueur et la largeur des Pétals d l'éspece sétosa
iris %>%
  select(Petal.Length, Petal.Width, Species)%>%
  filter(Species=="setosa")%>%
  arrange(Petal.Length,Petal.Width)
```

## résumé statistique 

```{r}
iris %>% 
  summarise(moyenne=mean(Sepal.Length),
            Min=min(Petal.Length),
            Max= max(Petal.Length),
            total= n())

iris %>%  
  summarise_each(funs(mean,sum),Sepal.Length,Petal.Length)


```

#### spliter le jeu de données iris
```{r}
iris %>% 
  group_by(Species) %>% 
  summarise(moyenne=mean(Petal.Length),
            Min=min(Petal.Length),
            Max= max(Petal.Length),
            total= n())


iris %>% 
  group_by(Species) %>% 
  filter(Petal.Length>5)%>%
  summarise(n())
  
```

### modifier les variables 
```{r}
## ajouter la longueur et la largeur les pétales et des sépales en créant une nouvelle variables dans "iris"   
iris %>% 
  mutate(somme_longueur_largeur_Petal= Petal.Length + Petal.Width,
         somme_longueur_largeur_Sepal=Sepal.Length + Sepal.Width)

## supprimer la variable Species 
iris %>% 
  mutate(Species=NULL)

## multilplier *2 la longueurs des pétales: modification de valeur  
iris %>% 
  mutate(Sepal.Length=Sepal.Length*2)

```

### Exo Fast Food 

```{r}
### Exercice
FastFood<- read.csv2("FastFoodRestaurants.csv", sep = ",")
FastFood=as_tibble(FastFood)
dim(FastFood)

## Quelles sont les 5 villes qui ont plus de fast food aux USA??
FastFood %>%
  group_by(city) %>%
  summarise(Nb_restaurants=length(city)) %>%
  arrange(desc(Nb_restaurants)) %>%
  head(n=5)
  
## Quelles sont les fast food les plus presents dans les 5 villes??
## Combien de fast food au total sans ces villes là??? 
city_list=FastFood %>%
  group_by(name,city) %>%
  summarise(Nb_restaurants=length(city)) %>%
  arrange(desc(Nb_restaurants))%>%
  head(n=5) %>%  
  pull(city)

FastFood %>%
  filter(city %in% city_list)

## Quels sont les fast food avec le plus de restaurants desn les 5 villes ? 

FastFood %>%
  filter(city %in% city_list)%>%
  group_by(name) %>%
  summarise(Nb_fastFood=length(name)) %>%
  arrange(desc(Nb_fastFood))

## Quels  sont les fast food avec le plus grands nombre de restaurant aux USA??
FastFood %>%
  group_by(name) %>%
  summarise(Nb_fastFood=length(name)) %>%
  arrange(desc(Nb_fastFood))

## Dans quelles villes il y a plus de McDonald's??
FastFood %>%
  group_by(city) %>%
  filter(name=="McDonald's")%>%
  summarise(Nb_fastFood=length(city)) %>%
  arrange(desc(Nb_fastFood))

## Où se trouve =new-York par rapport aux 5 villes avec le plus de fast food??
FastFood %>%
  group_by(city) %>%
  filter(city=="New York")%>%
  summarise(Nb_fastFood=length(city))

## Quels sont les fast food les plus fréquents à New York???
FastFood %>%
  group_by(name) %>%
  filter(city=="New York")%>%
  summarise(Nb_fastFood=length(name))%>%
  arrange(desc(Nb_fastFood))
```