Parcours-ML/01_Intro/EDA.R

library(tidyverse)
library(gapminder)
library(lubridate)

# Preliminaire ----

# pipe : %>%
# Permet de chaîner les instructions
# x %>% f         <=> f(x)
# x %>% f(.)      <=> f(x)
# x %>% f(y = 10) <=> f(x, y = 10)

# EDA ----

## Diamonds ----

# Charger les données
data(diamonds)

# Affichage des premières lignes
diamonds

# Structure des données
diamonds %>%
  str

# Résumé stat des données
diamonds %>%
  summary

# Écart type pour les variables numériques
diamonds %>%
  keep(is.numeric) %>%
  map(sd)

# Distribution des valeurs de carats (continu)
diamonds %>%
  ggplot() +
  aes(x = carat) +
  geom_histogram(binwidth = .05)

# Distribution des valeurs de coupe (catégoriel)
diamonds %>%
  ggplot() +
  aes(x = cut) +
  geom_bar()

# …

# Fonction pour afficher une distribution
plot_desc <- function(x, var, ...)
{
  x %>%
    ggplot() +
    aes_string(x = var) -> g

    if (x[[var]] %>% is.numeric)
      g + geom_histogram(...)
    else
      g + geom_bar(...)
}

# Application
diamonds %>%
  plot_desc("carat", binwidth = .01)

# Application en masse
diamonds %>%
  keep(is.numeric) %>%
  names %>%
  map(~plot_desc(diamonds, ., binwidth = .5)) %>%
  set_names(diamonds %>% keep(is.numeric) %>% names) -> plots

diamonds %>%
  keep(is.factor) %>%
  names %>%
  map(~plot_desc(diamonds, .)) %>%
  set_names(diamonds %>% keep(is.factor) %>% names) -> plots

# Matrice de relations entre les variables
diamonds %>%
  sample_n(1000) %>%
  plot

# Association entre deux variables (continue/catégorielle)
diamonds %>%
  ggplot() +
  aes(x = carat, fill = clarity) +
  geom_histogram(position = "fill")

# Association entre deux variables continues
diamonds %>%
  ggplot() +
  aes(x = x, y = y) +
  geom_point()

# Association entre 3 variables
diamonds %>%
  ggplot() +
  aes(x = carat, y = price, color = color) +
  geom_point()

## Exercice gapminder ----

data(gapminder)

# Feature engineering ----

read_csv2("commits.csv")

# Commits par jour ? En fonction de l'heure ? Par jour et par heure ? boulot/perso ? en semaine/week-end ?