dataviz/courses/lab03-tabulaire_correction.Rmd

---
title: "Données tabulaires"
author: "Maxime Wack"
date: "17/11/2020"
output:
  xaringan::moon_reader:
    css: ['default','css/my_style.css']
    lib_dir: libs
    seal: false
    nature:
      ratio: '4:3'
      countIncrementalSlides: false
      self-contained: true
      beforeInit: "addons/macros.js"
      highlightLines: true
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE, fig.asp= .5)
library(tidyverse)
library(DT)
library(knitr)

options(DT.options = list(paging = F,
                          info = F,
                          searching = F))

datatable <- partial(datatable, rownames = F)
```

class: center, middle, title

# UE Visualisation

### 2020-2021

## Dr. Maxime Wack

### AHU Informatique médicale
#### Hôpital Européen Georges Pompidou, </br> Université de Paris

---

# Données tabulaires

.center[Chargement des données avec `read_csv`]

```{r data, message = F}
read_csv("/home/ressources/dataviz/cours03/lab03-data/notes.csv") -> notes
```

```{r data datatable, echo = F}
datatable(notes)
```

---

# Pivot

.center[Données *wide* → *long*]

```{r pivot_longer}
pivot_longer(notes,
             Alice:David,
             names_to = "Prénom",
             values_to = "Note") -> notes_long
```

```{r pivot_longer_do, echo = F}
  datatable(notes_long)
```


```{r plot longer}
notes_long %>%
  mutate(Date = as.Date(Date, format = "%m/%d/%Y")) %>%
  
  ggplot() +
  aes(x = Date, y = Note, color = Prénom) +
  geom_line(aes(group = Prénom))
```

---

# Pivot

.center[Données *long* → *wide*]

```{r pivot_wider, eval = F}
pivot_wider(notes_long,
            names_from = Prénom,
            values_from = Note)
```

```{r pivot_wider do, echo = F}
pivot_wider(notes_long,
            names_from = Prénom,
            values_from = Note) %>%
  datatable
```

---

# Exercices

Utiliser les fonctions de `pivot_*` pour exprimer le dataset `gapminder` de différentes manières.

### Représenter l'intégralité sous forme clé-valeur

Chaque ligne ne doit porter qu'une valeur de `lifeExp`, `gdpPercap` ou `pop`, pour chaque pays et chaque année.

```{r gapminder longer}
# pop, lifeExp et gdpPercap sont pivotées en long vers "Variable" (contenant "pop", "gdpPercap" ou "lifeExp"), et leurs valeurs vers "Valeur"
gapminder %>%
  pivot_longer(c(pop, lifeExp, gdpPercap),
               names_to = "Variable",
               values_to = "Valeur")
```

### Représenter un pays par ligne

Une seule ligne par pays, toutes les années × indicateur doivent donner lieu à une nouvelle colonne

```{r gapminder wider}
gapminder %>%
  pivot_wider(c(country, continent),
              names_from = "year",
              values_from = c(pop, lifeExp, gdpPercap)) -> gapwider
```

### Reformer gapminder à partir du précédent exercice

```{r gapwider to original}
gapwider %>%
  pivot_longer(c(-country, -continent),
               names_to = c(".value", "year"),
               names_sep = "_")
```