Importer et exporter

Informatique — R, chapitre 5

Jusqu’ici, les données étaient tapées à la main. Dans la vraie vie elles arrivent dans un fichier — un CSV exporté d’une base, un classeur Excel envoyé par un collègue. Ce chapitre traite de ce passage, et des trois ou quatre pièges qui font perdre une soirée à tout le monde au moins une fois.

NoteUne console sans disque dur

R fonctionne ici dans votre navigateur : il n’a pas accès à vos fichiers. Les commandes d’import sont donc données à recopier chez vous, et les consoles simulent les fichiers en les créant à la volée. Le mécanisme reste rigoureusement le même.

5.1 Où R cherche-t-il les fichiers ?

5.1.1 Le répertoire de travail

getwd()                          # ou suis-je
setwd("C:/Users/moi/donnees")    # aller ailleurs
list.files()                     # que contient ce dossier

Un chemin relatif part du répertoire de travail : read.csv("data/enquete.csv"). Un chemin absolu part de la racine du disque.

AvertissementLa barre oblique, dans le bon sens

Sous Windows, l’explorateur affiche C:\Users\moi. R refuse cette écriture : la barre inversée y a un sens spécial.

Écrivez C:/Users/moi (barre normale) ou C:\\Users\\moi (doublée). La première est plus simple, et fonctionne aussi sur Mac et Linux.

5.1.2 Ne jamais écrire setwd dans un script

setwd("C:/Users/jaouad/these/chap3") fonctionne sur votre machine et sur aucune autre. Votre directeur de thèse, votre coauteur, et vous-même dans deux ans sur un autre ordinateur, obtiendrez tous une erreur.

AstuceLa bonne pratique : le projet

Dans RStudio, File → New Project crée un dossier contenant un fichier .Rproj. Ouvrir ce fichier place automatiquement le répertoire de travail à la racine du projet, quel que soit l’ordinateur.

Tous les chemins deviennent alors relatifs et portables : read.csv("donnees/enquete.csv") fonctionne partout. Prenez cette habitude dès votre premier travail sérieux.

5.2 Le format CSV

5.2.1 Lire

d <- read.csv("enquete.csv")

Cette commande suffit dans le cas idéal : séparateur virgule, point décimal, en-têtes en première ligne. Le cas idéal est rare.

5.2.2 Le CSV « français »

Un tableur configuré en français exporte un CSV où le séparateur de colonnes est le point-virgule et le séparateur décimal la virgule. R attend l’inverse.

d <- read.csv2("enquete.csv")     # le raccourci : ; et ,

read.csv2 est simplement read.csv avec ces deux réglages inversés. Pour tout autre cas, la fonction générale :

d <- read.table("enquete.csv",
                header = TRUE,      # premiere ligne = noms
                sep = ";",          # separateur de colonnes
                dec = ",",          # separateur decimal
                na.strings = c("", "NA", "."),   # ce qui vaut NA
                stringsAsFactors = FALSE,
                encoding = "UTF-8")

ImportantLe symptôme à reconnaître

Après un import, str(d) annonce chr sur une colonne qui devrait être numérique. Presque toujours, la cause est le séparateur décimal : R a lu 12,5 comme du texte, puisque pour lui la virgule sépare des colonnes.

Le calcul suivant échouera. Pire : si vous convertissez sans réfléchir par as.numeric, R renverra des NA en silence. Corrigez à l’import, avec dec = ",".

5.2.3 Les accents

mot <- "econometrie a Tanger" mot

Si vos données affichent é là où vous attendez é, le fichier est en UTF-8 et R l’a lu autrement (ou l’inverse). Ajoutez encoding = "UTF-8" ou fileEncoding = "latin1" selon l’origine du fichier. Un CSV produit par Excel sous Windows est souvent en latin1.

5.2.4 Vérifier immédiatement

d <- data.frame( ville = c("Tanger", "Rabat", "Fes"), pib = c(45, 62, 38), chomage = c(11.2, 8.4, NA) ) dim(d) # le bon nombre de lignes ? str(d) # les bons types ? colSums(is.na(d)) # combien de manquantes par colonne summary(d) # des valeurs plausibles ?

Ces quatre commandes prennent dix secondes et évitent des heures de perplexité. colSums(is.na(d)) en particulier révèle immédiatement une colonne entièrement vide, signe classique d’un mauvais séparateur.

5.3 Excel

R ne lit pas nativement les classeurs. Le paquet readxl s’en charge, sans exiger qu’Excel soit installé.

install.packages("readxl")     # une seule fois
library(readxl)                # a chaque session

d <- read_excel("enquete.xlsx")                       # 1re feuille
d <- read_excel("enquete.xlsx", sheet = "2023")       # feuille nommee
d <- read_excel("enquete.xlsx", skip = 3)             # ignorer 3 lignes
d <- read_excel("enquete.xlsx", range = "B2:F120")    # une plage

Avertissementinstall.packages une fois, library à chaque fois

install.packages télécharge le paquet sur votre disque : une seule fois dans la vie de votre installation.

library le charge en mémoire : à chaque session R.

Ne mettez jamais install.packages dans un script — il retéléchargerait le paquet à chaque exécution.

AstuceLe meilleur conseil de ce chapitre

Un classeur Excel destiné à l’analyse doit contenir un tableau et rien d’autre : une ligne d’en-têtes, puis les données. Pas de titre fusionné, pas de ligne de totaux, pas de cellules colorées porteuses de sens, pas de commentaire dans la marge.

Chaque fioriture devient un obstacle à l’import. Beaucoup de temps perdu sur R est en réalité du temps perdu sur un classeur mal conçu.

5.4 Les formats propres à R

saveRDS(d, "enquete.rds")        # UN objet
d <- readRDS("enquete.rds")      # on choisit son nom au retour

save(d, modele, "session.RData") # PLUSIEURS objets
load("session.RData")            # ils reviennent avec leurs noms

readRDS rend l’objet, que vous nommez librement. load réinjecte les objets avec leurs anciens noms, et écrase silencieusement ce qui portait ces noms. Préférez saveRDS.

Format	Quand l’utiliser
CSV	échanger avec quelqu’un d’autre, ou un autre logiciel
RDS	conserver un objet R avec ses types intacts
RData	sauvegarder plusieurs objets d’un coup — à éviter

Un CSV perd l’information de type : les facteurs redeviennent du texte, les dates aussi. Le RDS les conserve exactement.

5.5 Exporter ses résultats

write.csv(d, "resultats.csv", row.names = FALSE)
write.csv2(d, "resultats.csv", row.names = FALSE)   # ; et ,

Avertissementrow.names = FALSE, toujours

Sans cet argument, R ajoute une première colonne sans nom contenant 1, 2, 3… Relu dans Excel, le tableau est décalé d’une colonne, et les en-têtes ne correspondent plus aux données.

C’est un détail, mais il se paie cher au moment de partager un fichier.

Pour un tableau destiné à un article ou à un mémoire, le paquet knitr produit directement du LaTeX ou du Markdown.

library(knitr)
kable(d, digits = 2, caption = "PIB et chomage par ville")

À vous

Vous recevez donnees.csv, exporté d’un tableur français, avec des cellules vides et un point comme code de valeur manquante. Écrivez la commande d’import, puis les trois contrôles à effectuer.

NoteLa solution

d <- read.table("donnees.csv",
                header = TRUE,
                sep = ";",
                dec = ",",
                na.strings = c("", ".", "NA"),
                stringsAsFactors = FALSE,
                encoding = "UTF-8")

str(d)                # les colonnes numeriques le sont-elles ?
dim(d)                # le nombre de lignes attendu ?
colSums(is.na(d))     # une colonne entierement vide ?

Si str annonce chr sur une colonne de nombres, le dec = "," a été oublié ou le fichier contient un caractère parasite — un espace insécable dans les milliers, par exemple.

Ce qu’il faut retenir

Écriture	Effet
getwd, list.files	où suis-je, que contient le dossier
projet RStudio	rend les chemins portables — mieux que setwd
read.csv	CSV standard : virgule, point décimal
read.csv2	CSV français : point-virgule, virgule décimale
read.table(sep=, dec=, na.strings=)	le cas général
encoding = "UTF-8"	régler les accents
read_excel (readxl)	lire un classeur, feuille ou plage
install.packages / library	une fois / à chaque session
saveRDS, readRDS	conserver un objet R intact
write.csv(..., row.names = FALSE)	exporter proprement
str, dim, colSums(is.na(d))	les contrôles après tout import

Le chapitre suivant quitte les données pour le raisonnement : conditions, répétitions, et fonctions que l’on écrit soi-même.