--- title: "Introduction to R | *Introduction à R*" author: "Vincent, Yannick" date: today bibliography: assets/learningdays-book.bib format: revealjs: embed-resources: true execute: echo: true --- ```{r, include=FALSE} knitr::opts_chunk$set(echo = TRUE) suppressPackageStartupMessages({ library(dplyr) library(ggplot2) library(randomizr) library(readr) }) # Used in factors, summary stats, and ggplot sections before the read_csv demo chunk. ships <- read_csv("data/ships.csv") ``` # Getting started | *Premiers pas* ## Overview | *Vue d'ensemble* ::: {.columns} ::: {.column .lang-en width="50%"} This section is for readers opening R for the first time. It covers the practical setup the rest of the course assumes. **R basics:** everything is an **object** (data, results, models); you manipulate objects with **functions** like `mean()`, `read_csv()`, or `filter()`. ::: ::: {.column .lang-fr width="50%"} Cette section s'adresse à ceux qui ouvrent R pour la première fois. Elle couvre la configuration pratique que le reste du cours présuppose. **Bases de R :** tout est un **objet** (données, résultats, modèles) ; vous manipulez les objets avec des **fonctions** comme `mean()`, `read_csv()` ou `filter()`. ::: ::: ## R and RStudio | *R et RStudio* ::: {.columns} ::: {.column .lang-en width="50%"} **R** is the programming language and computational engine. **RStudio** is a separate application that provides a more comfortable interface to R. Install R first, then RStudio. ::: ::: {.column .lang-fr width="50%"} **R** est le langage et le moteur de calcul. **RStudio** est une application distincte qui offre une interface plus confortable à R. Installez R d'abord, puis RStudio. ::: ::: ## RStudio panes | *Les fenêtres de RStudio* ::: {.columns} ::: {.column .lang-en width="50%"} When you open RStudio you typically see four panes: - **Console** — run commands one at a time; results print here - **Source / Editor** — write scripts (`.R`) or Quarto (`.qmd`); code runs only when you send it - **Environment / History** — objects in memory and command history - **Files / Plots / Help / Packages** — file browser, plots, help pages, installed packages ::: ::: {.column .lang-fr width="50%"} À l'ouverture de RStudio, vous voyez typiquement quatre fenêtres : - **Console** — exécuter des commandes une par une ; les résultats s'affichent ici - **Source / Éditeur** — écrire des scripts (`.R`) ou Quarto (`.qmd`) ; le code ne s'exécute que lorsque vous l'envoyez - **Environnement / Historique** — objets en mémoire et historique des commandes - **Fichiers / Graphiques / Aide / Packages** — explorateur de fichiers, graphiques, aide, packages installés ::: ::: ## Work in scripts | *Travailler dans des scripts* ::: {.columns} ::: {.column .lang-en width="50%"} **Write your work in a script** (`.R` or `.qmd`), not only in the Console. - Save the script often — your analysis becomes **reproducible** - You can re-run the same steps tomorrow, share them with a coauthor, or fix a mistake without retyping - The Console is for quick tests; the script is the **record** of what you did ::: ::: {.column .lang-fr width="50%"} **Écrivez votre travail dans un script** (`.R` ou `.qmd`), pas seulement dans la Console. - Sauvegardez souvent — votre analyse devient **reproductible** - Vous pouvez refaire les mêmes étapes demain, les partager avec un coauteur ou corriger une erreur sans tout retaper - La Console sert aux tests rapides ; le script est le **journal** de ce que vous avez fait ::: ::: ## Readable code | *Code lisible* {.smaller} ::: {.columns} ::: {.column .lang-en width="50%"} Small habits make scripts easier to read, debug, and share: - Space around `<-` and `+` - One main step per line; break long pipes across lines - Short comments on *why*, not on every line - Descriptive object names (`treatment`, not `x`) ::: ::: {.column .lang-fr width="50%"} De petites habitudes rendent les scripts plus faciles à lire, déboguer et partager : - Espaces autour de `<-` et `+` - Une étape principale par ligne ; couper les longs pipes sur plusieurs lignes - Commentaires courts sur le *pourquoi*, pas sur chaque ligne - Noms d'objets explicites (`traitement`, pas `x`) ::: ::: ```{r, eval = FALSE} # DON'T # DO ships<-read.csv("data/ships.csv") ships <- read_csv("data/ships.csv") # DON'T # DO x <- complete_ra(10) set.seed(42) treatment <- complete_ra(10) # 5 treated | 5 traités # DON'T: one cramped line ships |> filter(Months>10) |> select(Months,Dammage) |> mutate(dpm=Dammage/Months) # DO: line breaks and spaces ships |> filter(Months > 10) |> select(Months, Dammage) |> mutate(damage_per_month = Dammage / Months) ``` ## Running code | *Exécuter du code* ::: {.columns} ::: {.column .lang-en width="50%"} Type in the **console** and press Enter, or write in a **script** and send with **Ctrl + Enter** (Windows/Linux) or **Cmd + Enter** (Mac). ::: ::: {.column .lang-fr width="50%"} Tapez dans la **console** et appuyez sur Entrée, ou écrivez dans un **script** et envoyez avec **Ctrl + Entrée** (Windows/Linux) ou **Cmd + Entrée** (Mac). ::: ::: ## Assignment vs display | *Affectation vs affichage* ::: {.columns} ::: {.column .lang-en width="50%"} Two kinds of commands behave differently: ::: ::: {.column .lang-fr width="50%"} Deux types de commandes se comportent différemment : ::: ::: ```{r} 2 + 2 # show result | afficher le résultat x <- 2 + 2 # store in x | stocker dans x x # display x | afficher x ``` ## Working directory | *Répertoire de travail* ::: {.columns} ::: {.column .lang-en width="50%"} The **working directory** is the folder R reads from and writes to by default. Many early errors come from R looking in the wrong place for a data file. Open your **RStudio Project** first — then paths like `data/ships.csv` work reliably. ::: ::: {.column .lang-fr width="50%"} Le **répertoire de travail** est le dossier que R utilise par défaut pour lire et écrire. Beaucoup d'erreurs viennent d'un mauvais chemin vers un fichier de données. Ouvrez d'abord votre **projet RStudio** — les chemins comme `data/ships.csv` fonctionnent alors de façon fiable. ::: ::: ```{r, eval = FALSE} getwd() # current working directory | répertoire de travail actuel ``` ## RStudio projects: why | *Projets RStudio : pourquoi* ::: {.columns} ::: {.column .lang-en width="50%"} Best practice: work inside an **RStudio Project** (`.Rproj` file). - Sets the working directory automatically - Keeps scripts, data, and outputs together - Makes collaboration and replication much easier ::: ::: {.column .lang-fr width="50%"} Bonne pratique : travailler dans un **projet RStudio** (fichier `.Rproj`). - Définit automatiquement le répertoire de travail - Regroupe scripts, données et sorties au même endroit - Facilite la collaboration et la reproductibilité ::: ::: ## RStudio projects: how | *Projets RStudio : comment* ::: {.columns} ::: {.column .lang-en width="50%"} **Create a project** 1. File → New Project → New Directory → New Project 2. Put scripts and data inside the project folder 3. RStudio creates a `.Rproj` file in that folder **Open it each session** - Double-click the `.Rproj` file, or File → Open Project - Check with `getwd()` — it should point to the project root ::: ::: {.column .lang-fr width="50%"} **Créer un projet** 1. Fichier → Nouveau projet → Nouveau répertoire → Nouveau projet 2. Placer scripts et données dans le dossier du projet 3. RStudio crée un fichier `.Rproj` dans ce dossier **L'ouvrir à chaque session** - Double-cliquez sur le fichier `.Rproj`, ou Fichier → Ouvrir un projet - Vérifiez avec `getwd()` — il doit pointer vers la racine du projet ::: ::: ## Packages | *Packages* ::: {.columns} ::: {.column .lang-en width="50%"} R's base installation is extended by **packages**. **Install** once; **load** each session with `library()`. ::: ::: {.column .lang-fr width="50%"} L'installation de base de R est étendue par des **packages**. **Installer** une fois ; **charger** à chaque session avec `library()`. ::: ::: ```{r, eval = FALSE} install.packages("readr") # once | une fois library(readr) # each session | chaque session ``` ## Packages we'll use today | *Packages utilisés aujourd'hui* ::: {.columns} ::: {.column .lang-en width="50%"} | Package | Purpose | |---------|---------| | **readr** | Read CSV files (`read_csv()`) | | **dplyr** | Manipulate data (`filter`, `select`, `mutate`) | | **ggplot2** | Plots | | **randomizr** | Treatment assignment (`simple_ra`, `complete_ra`) | | **DeclareDesign** | Declare and simulate designs | Already loaded for this deck (except DeclareDesign, loaded later). ::: ::: {.column .lang-fr width="50%"} | Package | Rôle | |---------|------| | **readr** | Lire des CSV (`read_csv()`) | | **dplyr** | Manipuler les données (`filter`, `select`, `mutate`) | | **ggplot2** | Graphiques | | **randomizr** | Assignation au traitement (`simple_ra`, `complete_ra`) | | **DeclareDesign** | Déclarer et simuler des designs | Déjà chargés pour ce support (sauf DeclareDesign, chargé plus tard). ::: ::: ## Getting help | *Obtenir de l'aide* ::: {.columns} ::: {.column .lang-en width="50%"} Read error messages from the **bottom up** — they usually identify the object or file that caused the problem. ::: ::: {.column .lang-fr width="50%"} Lisez les messages d'erreur **de bas en haut** — ils identifient en général l'objet ou le fichier en cause. ::: ::: ```{r, eval = FALSE} ?mean # help page | page d'aide args(mean) # function arguments | arguments de la fonction ``` ## Housekeeping | *Nettoyage de la session* ```{r} ls() # list objects | lister les objets if (exists("x")) { rm(x) # remove x if it exists | supprimer x s'il existe } ``` ```{r, eval = FALSE} rm(list = ls()) # remove all objects | supprimer tous les objets (attention !) ``` # Scalars, vectors, and arithmetic | *Scalaires, vecteurs et arithmétique* ## R as a calculator | *R comme calculatrice* ::: {.columns} ::: {.column .lang-en width="50%"} R works as a calculator. Assignment uses `<-` (or `=`). Common math functions are built in. ::: ::: {.column .lang-fr width="50%"} R fonctionne comme une calculatrice. L'affectation utilise `<-` (ou `=`). Les fonctions mathématiques courantes sont intégrées. ::: ::: ```{r} r <- 3 pi * r^2 # area of circle | aire du cercle sin(pi / 4) sqrt(2) log(2) ``` ## Creating vectors | *Créer des vecteurs* ::: {.columns} ::: {.column .lang-en width="50%"} Vectors are created with `c()`. Arithmetic is **element-wise**. ::: ::: {.column .lang-fr width="50%"} Les vecteurs se créent avec `c()`. L'arithmétique est **élément par élément**. ::: ::: ```{r} x <- c(2, 4, 6, -1) y <- c(4, 1, 2, 2) x + y x - y x / y x * y x^2 ``` ## Vector summaries | *Résumés d'un vecteur* ```{r} length(x) mean(x) sd(x) var(x) z <- c("A", "B", "a", "c") z[1] z[2:3] which(z == "a") ``` ## Factors | *Facteurs (variables catégorielles)* ::: {.columns} ::: {.column .lang-en width="50%"} Categorical variables are stored as **factors**. Use `levels()` and `table()` to inspect them; `relevel()` to set a **reference category**. **Warning:** `as.numeric()` on a factor returns internal **codes**, not labels. ::: ::: {.column .lang-fr width="50%"} Les variables catégorielles sont des **facteurs**. Utilisez `levels()` et `table()` pour les inspecter ; `relevel()` pour fixer une **catégorie de référence**. **Attention :** `as.numeric()` sur un facteur renvoie les **codes** internes, pas les étiquettes. ::: ::: ```{r} ships$Type <- as.factor(ships$Type) ships$Operation <- as.factor(ships$Operation) levels(ships$Operation) table(ships$Operation) ships$Operation <- relevel(ships$Operation, ref = "75") levels(ships$Operation) as.numeric(ships$Operation)[1:5] # codes, not labels | codes, pas étiquettes as.character(ships$Operation)[1:5] # labels | étiquettes ``` # Data frames | *Data frames* ## What is a data frame? | *Qu'est-ce qu'un data frame ?* ::: {.columns} ::: {.column .lang-en width="50%"} Most real data lives in **data frames**: tables of rows (cases) and columns (variables). Columns can differ in type. ::: ::: {.column .lang-fr width="50%"} La plupart des données sont des **data frames** : tableaux de lignes (cas) et colonnes (variables). Les colonnes peuvent être de types différents. ::: ::: ```{r} height <- c(172, 165, 180, 158) weight <- c(70, 60, 82, 55) sex <- c("F", "F", "M", "F") people <- data.frame(height, weight, sex) people ``` ## Accessing columns | *Accéder aux colonnes* ```{r} people$height people[ , "height"] people[ , 1] people[1:2, ] people[1:2, 1] colnames(people) ``` # Reading data | *Importer des données* ## Reading a CSV | *Lire un CSV* ::: {.columns} ::: {.column .lang-en width="50%"} Put the data file in your project folder, then use `readr::read_csv()` (recommended) or base `read.csv()`. ::: ::: {.column .lang-fr width="50%"} Placez le fichier dans le dossier du projet, puis utilisez `readr::read_csv()` (recommandé) ou `read.csv()` de base. ::: ::: ```{r} ships <- read_csv("data/ships.csv") class(ships) names(ships) head(ships) glimpse(ships) ``` ## Writing data | *Exporter des données* ```{r, eval = FALSE} write_csv(ships, "data/ships_out.csv") ``` # Summary statistics | *Statistiques descriptives* ## summary() | *summary()* ::: {.columns} ::: {.column .lang-en width="50%"} `summary()` gives an overview of each variable in a data frame. ::: ::: {.column .lang-fr width="50%"} `summary()` donne un aperçu de chaque variable d'un data frame. ::: ::: ```{r} summary(ships) ``` ## Numeric summaries | *Résumés numériques* ::: {.columns} ::: {.column .lang-en width="50%"} Note: this dataset spells the damage column `Dammage` (typo in the original file). ::: ::: {.column .lang-fr width="50%"} Note : dans ce jeu de données, la colonne s'appelle `Dammage` (faute d'orthographe dans le fichier d'origine). ::: ::: ```{r} mean_dam <- mean(ships$Dammage) sd_dam <- sd(ships$Dammage) var_dam <- var(ships$Dammage) quantile(ships$Dammage, probs = c(0.25, 0.5, 0.75)) ``` ## Covariance and correlation | *Covariance et corrélation* ```{r} cov(ships$Months, ships$Dammage) cor(ships$Months, ships$Dammage) ``` ## Tables and missing values | *Tableaux et valeurs manquantes* ```{r} table(ships$Type) table(ships$Operation, ships$Type) x <- c(10, 20, NA, 30) mean(x) # NA if missing | NA si valeur manquante mean(x, na.rm = TRUE) # ignore missing | ignorer les manquantes ``` # Pipes and dplyr | *Pipes et dplyr* ## The pipe `|>` | *Le pipe `|>`* ::: {.columns} ::: {.column .lang-en width="50%"} The pipe **passes the result on the left into the function on the right**. Read it top to bottom as a sequence of steps. ::: ::: {.column .lang-fr width="50%"} Le pipe **envoie le résultat de gauche vers la fonction de droite**. Lisez-le de haut en bas comme une suite d'étapes. ::: ::: ```{r} c(1, 2) |> mean() ships |> filter(Months > 10) |> pull(Dammage) |> mean() ``` ## dplyr: mutate, select, filter | *dplyr : mutate, select, filter* ::: {.columns} ::: {.column .lang-en width="50%"} **dplyr** manipulates data frames with verbs you will use constantly: - `filter()` — keep rows that match a condition - `select()` — keep chosen columns - `mutate()` — create or modify columns ::: ::: {.column .lang-fr width="50%"} **dplyr** manipule les data frames avec des verbes que vous utiliserez souvent : - `filter()` — garder les lignes qui vérifient une condition - `select()` — garder certaines colonnes - `mutate()` — créer ou modifier des colonnes ::: ::: ```{r} ships |> filter(Months > 10) |> select(Months, Dammage, Type) |> mutate(damage_per_month = Dammage / Months) |> head() ``` # Plotting with ggplot2 | *Graphiques avec ggplot2* ## The ggplot pattern | *Le modèle ggplot* ::: {.columns} ::: {.column .lang-en width="50%"} We use **ggplot2** (tidyverse). Basic pattern: ::: ::: {.column .lang-fr width="50%"} Nous utilisons **ggplot2** (tidyverse). Modèle de base : ::: ::: ```r ggplot(data = ..., aes(x = ..., y = ...)) + geom_...() ``` ## Scatterplot | *Nuage de points* ```{r} ggplot(data = ships, aes(x = Months, y = Dammage)) + geom_point(color = "blue") + labs(x = "Months", y = "Damage", title = "Damage vs. months in service") ``` ## Histogram | *Histogramme* ```{r} ggplot(data = ships, aes(x = Dammage)) + geom_histogram(bins = 20, fill = "lightgray", color = "black") + labs(x = "Damage", y = "Count", title = "Histogram of damage") ``` ## Boxplot by group | *Boîte à moustaches par groupe* ```{r} ggplot(data = ships, aes(x = Type, y = Dammage)) + geom_boxplot() + labs(x = "Ship type", y = "Damage", title = "Damage by ship type") ``` # Randomization in R | *Randomisation en R* ## Base R tools | *Outils de base* ::: {.columns} ::: {.column .lang-en width="50%"} For simulations and experiments you will often use: - `set.seed()` — make random draws **reproducible** - `sample()` — draw random labels (e.g. treatment assignment) - `rnorm()` — draw from a normal distribution - `rbinom()` — draw 0/1 outcomes (coin flips) ::: ::: {.column .lang-fr width="50%"} Pour les simulations et expériences, vous utiliserez souvent : - `set.seed()` — rendre les tirages aléatoires **reproductibles** - `sample()` — tirer des étiquettes au hasard (p. ex. assignation au traitement) - `rnorm()` — tirer selon une loi normale - `rbinom()` — tirer des résultats 0/1 (pile ou face) ::: ::: ```{r} set.seed(42) sample(1:10, 5) # random labels | étiquettes aléatoires sample(0:1, 10, replace = TRUE) # 0/1 assignments | assignations 0/1 rnorm(5) # normal draws | tirages normaux rbinom(10, size = 1, prob = 0.5) # coin flips | pile ou face ``` ## randomizr: simple_ra() and complete_ra() | *randomizr : simple_ra() et complete_ra()* ::: {.columns} ::: {.column .lang-en width="50%"} The **randomizr** package assigns treatment for experiments: - `simple_ra()` — independent random assignment (arms not necessarily equal) - `complete_ra()` — fixed number treated (e.g. exactly half) Use `table()` to see how many units are in each arm. ::: ::: {.column .lang-fr width="50%"} Le package **randomizr** assigne le traitement dans les expériences : - `simple_ra()` — assignation aléatoire indépendante (bras pas forcément égaux) - `complete_ra()` — nombre fixe de traités (p. ex. exactement la moitié) Utilisez `table()` pour voir combien d'unités sont dans chaque bras. ::: ::: ```{r} set.seed(42) table(simple_ra(10)) # counts per arm | effectifs par bras table(complete_ra(10)) # exactly 5 and 5 | exactement 5 et 5 ``` ## Simulation by hand | *Simulation à la main* ::: {.columns} ::: {.column .lang-en width="50%"} A tiny randomized experiment in base R: ::: ::: {.column .lang-fr width="50%"} Une petite expérience randomisée en R de base : ::: ::: ```{r} set.seed(42) N <- 10 Z <- sample(0:1, N, replace = TRUE) Y <- Z + rnorm(N) lm(Y ~ Z) |> summary() ``` ## Same in DeclareDesign | *Même chose avec DeclareDesign* ::: {.columns} ::: {.column .lang-en width="50%"} The same design declared with **DeclareDesign**: ::: ::: {.column .lang-fr width="50%"} La même conception déclarée avec **DeclareDesign** : ::: ::: ```{r, message = FALSE, warning = FALSE} library(DeclareDesign) ``` ```{r} set.seed(42) N <- 10 design <- declare_model(N, Z = sample(0:1, N, replace = TRUE), Y = Z + rnorm(N)) + declare_inquiry(ATE = 1) + declare_estimator(Y ~ Z) dat <- draw_data(design) lm(Y ~ Z, data = dat) |> summary() ``` # Wrap-up | *Pour finir* ## Mini workflow | *Mini parcours* ::: {.columns} ::: {.column .lang-en width="50%"} 1. Open the RStudio project 2. Create a script `intro.R` 3. Read the data 4. Inspect and summarize 5. Manipulate with pipes, plot with ggplot, simulate with randomization ::: ::: {.column .lang-fr width="50%"} 1. Ouvrir le projet RStudio 2. Créer un script `intro.R` 3. Importer les données 4. Inspecter et résumer 5. Manipuler avec les pipes, graphiquer avec ggplot, simuler avec la randomisation ::: ::: ## Mini workflow (code) | *Mini parcours (code)* ::: {.columns} ::: {.column .lang-en width="50%"} Recap: we read the data again here on purpose — a script should run start to finish. ::: ::: {.column .lang-fr width="50%"} Récapitulatif : nous relisons les données exprès — un script doit pouvoir s'exécuter du début à la fin. ::: ::: ```{r} ships <- read_csv("data/ships.csv") # reload from scratch | recharger depuis le début str(ships) summary(ships$Dammage) ggplot(data = ships, aes(x = Months, y = Dammage)) + geom_point(color = "darkred") + labs(x = "Months in service", y = "Damage", title = "Damage vs. months in service") ``` # Let's go | *Allons-y*