Package Dplyr

class: center, middle, inverse, title-slide

# Package Dplyr
## Cours FAS1002
### Cynthia Bello

---

# Introduction

.pull-left[
<img src="images/dplyr_logo.png" alt="Dplyr_logo" width="300"/>
]

.pull-right[`Dplyr` est un package de l'univers Tidyverse qui a pour but de faciliter la manipulation de données. <br><br> `Dplyr` est fortement inspiré du package `plyr`, mais vient régler des problèmes de lenteur des programmes, entre autres en permettant de travailler avec des données contenues dans des bases de données externes.
]
---
## *Cheat Sheet*

Les différentes fonctions et possibilités avec Dplyr sont réunies dans **Data transformation with dplyr : : CHEAT SHEET**  
![Cheatsheet](images/cheat_sheets_snap.png)
---
## *Cheat Sheet*

.pull-left[
![](images/cheat_sheets.png)
]
.pull-right[
### Sur github.com/CynthiaBH :

[data-transformation.pdf](data-transformation.pdf)
]
---
class: center

# Importation des données

--
Pour démontrer les fonctions de Dplyr, nous allons utilisé les données brutes 
de [palmerpenguins](https://allisonhorst.github.io/palmerpenguins/reference/penguins_raw.html#format)

```r
library(palmerpenguins)
data_penguin = (penguins_raw)
data_penguin_tidy = (penguins)
```
<img src="images/palmerpenguins.png" alt="PalmerPenguins" width="250"/>

---
class: middle
<table class="table" style="font-size: 10px; width: auto !important; margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:left;"> studyName </th>
   <th style="text-align:right;"> Sample Number </th>
   <th style="text-align:left;"> Species </th>
   <th style="text-align:left;"> Region </th>
   <th style="text-align:left;"> Island </th>
   <th style="text-align:left;"> Stage </th>
   <th style="text-align:left;"> Individual ID </th>
   <th style="text-align:left;"> Clutch Completion </th>
   <th style="text-align:left;"> Date Egg </th>
   <th style="text-align:right;"> Culmen Length (mm) </th>
   <th style="text-align:right;"> Culmen Depth (mm) </th>
   <th style="text-align:right;"> Flipper Length (mm) </th>
   <th style="text-align:right;"> Body Mass (g) </th>
   <th style="text-align:left;"> Sex </th>
   <th style="text-align:right;"> Delta 15 N (o/oo) </th>
   <th style="text-align:right;"> Delta 13 C (o/oo) </th>
   <th style="text-align:left;"> Comments </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> PAL0708 </td>
   <td style="text-align:right;"> 1 </td>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> Adult, 1 Egg Stage </td>
   <td style="text-align:left;"> N1A1 </td>
   <td style="text-align:left;"> Yes </td>
   <td style="text-align:left;"> 2007-11-11 </td>
   <td style="text-align:right;"> 39.1 </td>
   <td style="text-align:right;"> 18.7 </td>
   <td style="text-align:right;"> 181 </td>
   <td style="text-align:right;"> 3750 </td>
   <td style="text-align:left;"> MALE </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:left;"> Not enough blood for isotopes. </td>
  </tr>
  <tr>
   <td style="text-align:left;"> PAL0708 </td>
   <td style="text-align:right;"> 2 </td>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> Adult, 1 Egg Stage </td>
   <td style="text-align:left;"> N1A2 </td>
   <td style="text-align:left;"> Yes </td>
   <td style="text-align:left;"> 2007-11-11 </td>
   <td style="text-align:right;"> 39.5 </td>
   <td style="text-align:right;"> 17.4 </td>
   <td style="text-align:right;"> 186 </td>
   <td style="text-align:right;"> 3800 </td>
   <td style="text-align:left;"> FEMALE </td>
   <td style="text-align:right;"> 8.94956 </td>
   <td style="text-align:right;"> -24.69454 </td>
   <td style="text-align:left;"> NA </td>
  </tr>
  <tr>
   <td style="text-align:left;"> PAL0708 </td>
   <td style="text-align:right;"> 3 </td>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> Adult, 1 Egg Stage </td>
   <td style="text-align:left;"> N2A1 </td>
   <td style="text-align:left;"> Yes </td>
   <td style="text-align:left;"> 2007-11-16 </td>
   <td style="text-align:right;"> 40.3 </td>
   <td style="text-align:right;"> 18.0 </td>
   <td style="text-align:right;"> 195 </td>
   <td style="text-align:right;"> 3250 </td>
   <td style="text-align:left;"> FEMALE </td>
   <td style="text-align:right;"> 8.36821 </td>
   <td style="text-align:right;"> -25.33302 </td>
   <td style="text-align:left;"> NA </td>
  </tr>
  <tr>
   <td style="text-align:left;"> PAL0708 </td>
   <td style="text-align:right;"> 4 </td>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> Adult, 1 Egg Stage </td>
   <td style="text-align:left;"> N2A2 </td>
   <td style="text-align:left;"> Yes </td>
   <td style="text-align:left;"> 2007-11-16 </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:left;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:left;"> Adult not sampled. </td>
  </tr>
  <tr>
   <td style="text-align:left;"> PAL0708 </td>
   <td style="text-align:right;"> 5 </td>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> Adult, 1 Egg Stage </td>
   <td style="text-align:left;"> N3A1 </td>
   <td style="text-align:left;"> Yes </td>
   <td style="text-align:left;"> 2007-11-16 </td>
   <td style="text-align:right;"> 36.7 </td>
   <td style="text-align:right;"> 19.3 </td>
   <td style="text-align:right;"> 193 </td>
   <td style="text-align:right;"> 3450 </td>
   <td style="text-align:left;"> FEMALE </td>
   <td style="text-align:right;"> 8.76651 </td>
   <td style="text-align:right;"> -25.32426 </td>
   <td style="text-align:left;"> NA </td>
  </tr>
  <tr>
   <td style="text-align:left;"> PAL0708 </td>
   <td style="text-align:right;"> 6 </td>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> Adult, 1 Egg Stage </td>
   <td style="text-align:left;"> N3A2 </td>
   <td style="text-align:left;"> Yes </td>
   <td style="text-align:left;"> 2007-11-16 </td>
   <td style="text-align:right;"> 39.3 </td>
   <td style="text-align:right;"> 20.6 </td>
   <td style="text-align:right;"> 190 </td>
   <td style="text-align:right;"> 3650 </td>
   <td style="text-align:left;"> MALE </td>
   <td style="text-align:right;"> 8.66496 </td>
   <td style="text-align:right;"> -25.29805 </td>
   <td style="text-align:left;"> NA </td>
  </tr>
</tbody>
</table>
---
class: inverse center middle

#  🐧 Les Fonctions de Dplyr 🐧

---
class: center, middle

### Manipulation 
--

### Sommaire 
--

### Regrouper 
--

### Joindre des *dataframes*

---
## Petites notes: 
À certains endroits, je vais utiliser:
- `%<>%` emprunté à *Magrittr* pour écrire `dataframe %<>% fonction`  au lieu de `dataframe <- dataframe %>% fonction`

---
## Avant de commencer...
.pull-left[
Il y a certaines valeurs **N/A** parmi les variables numériques: 
- `Culmen Length (mm)`
- `Culmen Depth (mm)`
- `Flipper Length (mm)`
- `Body Mass (g)`

... qu'on aimerait "éliminer" pour faire certains calculs.

]
.pull-right[
<img src="images/culmen.jpg" alt="Culmen" width="300"/>
]

Nous voulons quand même garder une version des données brutes, alors nous allons créer un autre *dataframe* pour nos calculs de la section **Sommaire**:

<center>`data_calcs`

---
class: inverse center middle
#  🐧 Manipulation 🐧

---

# Manipulation
<center><img src="images/dplyr_vs_baseR.png" alt="Dplyr vs Base" width="550"/>
<div class="caption">Source: https://cran.r-project.org</div>

---
# Manipulation
### filter()  
--

```r
 data_calcs <- data_penguin %>%
     filter(across(c(10:13), ~ !is.na(.x)))
```
> *10:13 = les positions des colonnes : `Culmen Length (mm)`, `Culmen Depth (mm)`, `Flipper Length (mm)` et `Body Mass (g)`.*

<center>On vérifie si les rangées contenant des **NA** dans les colonnes choisies ci-haut, ont bel et bien été filtrées. 
.pull-left[

```r
data_penguin %>% count()
```

```
## # A tibble: 1 x 1
##       n
##   <int>
## 1   344
```
] 
.pull-right[

```r
data_calcs %>% count()
```

```
## # A tibble: 1 x 1
##       n
##   <int>
## 1   342
```
]

Ceci va nous éviter de spécifier **`!is.na`** ou **`na.rm = TRUE`** à chaque fois.

---

> Si on veut vraiment vérifier s'il n'y a pas de valeur **NA** restantes dans nos 4 colonnes, on peut utiliser une autre fonction de `dplyr`

### select()

```r
data_calcs %>%  select(10:13) %>% summarise_all(list(~sum(is.na(.))))
```

```
## # A tibble: 1 x 4
##   `Culmen Length (mm)` `Culmen Depth (mm)` `Flipper Length (mm)` `Body Mass (g)`
##                  <int>               <int>                 <int>           <int>
## 1                    0                   0                     0               0
```

```r
which(is.na(data_calcs[10:13]))
```

```
## integer(0)
```
---

# Manipulation

<u>**Objectif**</u> : "Nettoyer" nos données brutes pour arriver aux données *tidy* disponibles sur le site de [palmerpenguins](https://allisonhorst.github.io/palmerpenguins/reference/penguins_raw.html#format)

```r
kable(head(data_penguin), caption = "Données Brutes") %>%
    kable_styling(full_width = F, font_size = 10)
```

<table class="table" style="font-size: 10px; width: auto !important; margin-left: auto; margin-right: auto;">
<caption style="font-size: initial !important;">Données Brutes</caption>
 <thead>
  <tr>
   <th style="text-align:left;"> studyName </th>
   <th style="text-align:right;"> Sample Number </th>
   <th style="text-align:left;"> Species </th>
   <th style="text-align:left;"> Region </th>
   <th style="text-align:left;"> Island </th>
   <th style="text-align:left;"> Stage </th>
   <th style="text-align:left;"> Individual ID </th>
   <th style="text-align:left;"> Clutch Completion </th>
   <th style="text-align:left;"> Date Egg </th>
   <th style="text-align:right;"> Culmen Length (mm) </th>
   <th style="text-align:right;"> Culmen Depth (mm) </th>
   <th style="text-align:right;"> Flipper Length (mm) </th>
   <th style="text-align:right;"> Body Mass (g) </th>
   <th style="text-align:left;"> Sex </th>
   <th style="text-align:right;"> Delta 15 N (o/oo) </th>
   <th style="text-align:right;"> Delta 13 C (o/oo) </th>
   <th style="text-align:left;"> Comments </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> PAL0708 </td>
   <td style="text-align:right;"> 1 </td>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> Adult, 1 Egg Stage </td>
   <td style="text-align:left;"> N1A1 </td>
   <td style="text-align:left;"> Yes </td>
   <td style="text-align:left;"> 2007-11-11 </td>
   <td style="text-align:right;"> 39.1 </td>
   <td style="text-align:right;"> 18.7 </td>
   <td style="text-align:right;"> 181 </td>
   <td style="text-align:right;"> 3750 </td>
   <td style="text-align:left;"> MALE </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:left;"> Not enough blood for isotopes. </td>
  </tr>
  <tr>
   <td style="text-align:left;"> PAL0708 </td>
   <td style="text-align:right;"> 2 </td>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> Adult, 1 Egg Stage </td>
   <td style="text-align:left;"> N1A2 </td>
   <td style="text-align:left;"> Yes </td>
   <td style="text-align:left;"> 2007-11-11 </td>
   <td style="text-align:right;"> 39.5 </td>
   <td style="text-align:right;"> 17.4 </td>
   <td style="text-align:right;"> 186 </td>
   <td style="text-align:right;"> 3800 </td>
   <td style="text-align:left;"> FEMALE </td>
   <td style="text-align:right;"> 8.94956 </td>
   <td style="text-align:right;"> -24.69454 </td>
   <td style="text-align:left;"> NA </td>
  </tr>
  <tr>
   <td style="text-align:left;"> PAL0708 </td>
   <td style="text-align:right;"> 3 </td>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> Adult, 1 Egg Stage </td>
   <td style="text-align:left;"> N2A1 </td>
   <td style="text-align:left;"> Yes </td>
   <td style="text-align:left;"> 2007-11-16 </td>
   <td style="text-align:right;"> 40.3 </td>
   <td style="text-align:right;"> 18.0 </td>
   <td style="text-align:right;"> 195 </td>
   <td style="text-align:right;"> 3250 </td>
   <td style="text-align:left;"> FEMALE </td>
   <td style="text-align:right;"> 8.36821 </td>
   <td style="text-align:right;"> -25.33302 </td>
   <td style="text-align:left;"> NA </td>
  </tr>
  <tr>
   <td style="text-align:left;"> PAL0708 </td>
   <td style="text-align:right;"> 4 </td>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> Adult, 1 Egg Stage </td>
   <td style="text-align:left;"> N2A2 </td>
   <td style="text-align:left;"> Yes </td>
   <td style="text-align:left;"> 2007-11-16 </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:left;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:left;"> Adult not sampled. </td>
  </tr>
  <tr>
   <td style="text-align:left;"> PAL0708 </td>
   <td style="text-align:right;"> 5 </td>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> Adult, 1 Egg Stage </td>
   <td style="text-align:left;"> N3A1 </td>
   <td style="text-align:left;"> Yes </td>
   <td style="text-align:left;"> 2007-11-16 </td>
   <td style="text-align:right;"> 36.7 </td>
   <td style="text-align:right;"> 19.3 </td>
   <td style="text-align:right;"> 193 </td>
   <td style="text-align:right;"> 3450 </td>
   <td style="text-align:left;"> FEMALE </td>
   <td style="text-align:right;"> 8.76651 </td>
   <td style="text-align:right;"> -25.32426 </td>
   <td style="text-align:left;"> NA </td>
  </tr>
  <tr>
   <td style="text-align:left;"> PAL0708 </td>
   <td style="text-align:right;"> 6 </td>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> Adult, 1 Egg Stage </td>
   <td style="text-align:left;"> N3A2 </td>
   <td style="text-align:left;"> Yes </td>
   <td style="text-align:left;"> 2007-11-16 </td>
   <td style="text-align:right;"> 39.3 </td>
   <td style="text-align:right;"> 20.6 </td>
   <td style="text-align:right;"> 190 </td>
   <td style="text-align:right;"> 3650 </td>
   <td style="text-align:left;"> MALE </td>
   <td style="text-align:right;"> 8.66496 </td>
   <td style="text-align:right;"> -25.29805 </td>
   <td style="text-align:left;"> NA </td>
  </tr>
</tbody>
</table>

---
class: center, middle

```r
kable(head(data_penguin_tidy), caption = "Données Tidy") %>%
    kable_styling(full_width = F, font_size = 20)
```

<table class="table" style="font-size: 20px; width: auto !important; margin-left: auto; margin-right: auto;">
<caption style="font-size: initial !important;">Données Tidy</caption>
 <thead>
  <tr>
   <th style="text-align:left;"> species </th>
   <th style="text-align:left;"> island </th>
   <th style="text-align:right;"> bill_length_mm </th>
   <th style="text-align:right;"> bill_depth_mm </th>
   <th style="text-align:right;"> flipper_length_mm </th>
   <th style="text-align:right;"> body_mass_g </th>
   <th style="text-align:left;"> sex </th>
   <th style="text-align:right;"> year </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> Adelie </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:right;"> 39.1 </td>
   <td style="text-align:right;"> 18.7 </td>
   <td style="text-align:right;"> 181 </td>
   <td style="text-align:right;"> 3750 </td>
   <td style="text-align:left;"> male </td>
   <td style="text-align:right;"> 2007 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:right;"> 39.5 </td>
   <td style="text-align:right;"> 17.4 </td>
   <td style="text-align:right;"> 186 </td>
   <td style="text-align:right;"> 3800 </td>
   <td style="text-align:left;"> female </td>
   <td style="text-align:right;"> 2007 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:right;"> 40.3 </td>
   <td style="text-align:right;"> 18.0 </td>
   <td style="text-align:right;"> 195 </td>
   <td style="text-align:right;"> 3250 </td>
   <td style="text-align:left;"> female </td>
   <td style="text-align:right;"> 2007 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:left;"> NA </td>
   <td style="text-align:right;"> 2007 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:right;"> 36.7 </td>
   <td style="text-align:right;"> 19.3 </td>
   <td style="text-align:right;"> 193 </td>
   <td style="text-align:right;"> 3450 </td>
   <td style="text-align:left;"> female </td>
   <td style="text-align:right;"> 2007 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:right;"> 39.3 </td>
   <td style="text-align:right;"> 20.6 </td>
   <td style="text-align:right;"> 190 </td>
   <td style="text-align:right;"> 3650 </td>
   <td style="text-align:left;"> male </td>
   <td style="text-align:right;"> 2007 </td>
  </tr>
</tbody>
</table>

---

### <u>Éléments à modifier</u>
1. <u>Enlever des colonnes:</u> 
  - `studyName, Sample Number, Region, Stage, Individual ID, Clutch Completion, Delta 15 N, Delta 13 C, Comments`
1. <u>Changer le nom des colonnes:</u>
  - `Culmen lenght (mm)`  devient `bill_lenght_mm` 
  - `Culmen depth (mm)`  devient `bill_depth_mm` 
  - `Flipper lenght (mm)`  devient `flipper_lenght_mm` 
  - `Body Mass (g)`  devient `body_mass_g` 
1. Extraire année de la variable `Date Egg` qui devient `year`
1. Déplacer colonne `year`

> <center>*Le résultat des modifications à `data_penguin` (données brutes) sera sauvegardé dans `data_penguin_clean` dans la prochaine section.*

---
## 1. Exercice: Enlever des colonnes

### select()
> **syntaxe:** select(df, colonne.s) <u>*ou*</u> df %>% select(colonne.s)

✏️Essayez !  
--

<u>Une réponse possible:</u>

```r
#Sélectionner que les colonnes qui restent
data_penguin_clean <- data_penguin %>% select(c(3,5,9:14))
```
<table class="table" style="font-size: 14px; width: auto !important; margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:left;"> Species </th>
   <th style="text-align:left;"> Island </th>
   <th style="text-align:left;"> Date Egg </th>
   <th style="text-align:right;"> Culmen Length (mm) </th>
   <th style="text-align:right;"> Culmen Depth (mm) </th>
   <th style="text-align:right;"> Flipper Length (mm) </th>
   <th style="text-align:right;"> Body Mass (g) </th>
   <th style="text-align:left;"> Sex </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> 2007-11-11 </td>
   <td style="text-align:right;"> 39.1 </td>
   <td style="text-align:right;"> 18.7 </td>
   <td style="text-align:right;"> 181 </td>
   <td style="text-align:right;"> 3750 </td>
   <td style="text-align:left;"> MALE </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> 2007-11-11 </td>
   <td style="text-align:right;"> 39.5 </td>
   <td style="text-align:right;"> 17.4 </td>
   <td style="text-align:right;"> 186 </td>
   <td style="text-align:right;"> 3800 </td>
   <td style="text-align:left;"> FEMALE </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> 2007-11-16 </td>
   <td style="text-align:right;"> 40.3 </td>
   <td style="text-align:right;"> 18.0 </td>
   <td style="text-align:right;"> 195 </td>
   <td style="text-align:right;"> 3250 </td>
   <td style="text-align:left;"> FEMALE </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> 2007-11-16 </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:left;"> NA </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> 2007-11-16 </td>
   <td style="text-align:right;"> 36.7 </td>
   <td style="text-align:right;"> 19.3 </td>
   <td style="text-align:right;"> 193 </td>
   <td style="text-align:right;"> 3450 </td>
   <td style="text-align:left;"> FEMALE </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> 2007-11-16 </td>
   <td style="text-align:right;"> 39.3 </td>
   <td style="text-align:right;"> 20.6 </td>
   <td style="text-align:right;"> 190 </td>
   <td style="text-align:right;"> 3650 </td>
   <td style="text-align:left;"> MALE </td>
  </tr>
</tbody>
</table>

---
<u>Autre réponse possible:</u>

```r
# Sélectionner les colonnes à enlever
data_penguin_clean <- data_penguin %>% select(-c(1,2,4,6:8,15:17))
```
--

On pourrait lister les colonnes par nom également  
--

... et sûrement plusieurs autres possibilités
--

### Autres caractéristiques de sélection pour select()
- everything()
- last_col()
- starts_with()
- ends_with()
- contains()
- matches()
- num_range()
- where()

Il y a aussi: `select_if, select_all, select_at`
---
## 2. Exercice: Changer le nom des colonnes

### rename()
> **syntaxe:** rename(df, nouv_nom = ancien_nom) <u>*ou*</u> df %>% rename(nouv_nom = ancien_nom)

✏️Essayez !  
--

<u>Une réponse possible:</u>

```r
data_penguin_clean %<>% rename(
    bill_length_mm = `Culmen Length (mm)`,
    bill_depth_mm = `Culmen Depth (mm)`,
    flipper_length_mm = `Flipper Length (mm)`,
    body_mass_g = 7 #On peut aussi indiquer l'indice de la colonne
    ) 
```

---
### rename()

Les noms des variables *tidy* et les valeurs de la colonne `sex` sont toutes en minuscules, alors changeons cela également.

```r
data_penguin_clean %<>% rename_all(tolower)
# En Base R
data_penguin_clean$sex <- tolower(data_penguin_clean$sex)
```
Regardons le résultat:
--

<table class="table" style="font-size: 14px; width: auto !important; margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:left;"> species </th>
   <th style="text-align:left;"> island </th>
   <th style="text-align:left;"> date egg </th>
   <th style="text-align:right;"> bill_length_mm </th>
   <th style="text-align:right;"> bill_depth_mm </th>
   <th style="text-align:right;"> flipper_length_mm </th>
   <th style="text-align:right;"> body_mass_g </th>
   <th style="text-align:left;"> sex </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> 2007-11-11 </td>
   <td style="text-align:right;"> 39.1 </td>
   <td style="text-align:right;"> 18.7 </td>
   <td style="text-align:right;"> 181 </td>
   <td style="text-align:right;"> 3750 </td>
   <td style="text-align:left;"> male </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> 2007-11-11 </td>
   <td style="text-align:right;"> 39.5 </td>
   <td style="text-align:right;"> 17.4 </td>
   <td style="text-align:right;"> 186 </td>
   <td style="text-align:right;"> 3800 </td>
   <td style="text-align:left;"> female </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> 2007-11-16 </td>
   <td style="text-align:right;"> 40.3 </td>
   <td style="text-align:right;"> 18.0 </td>
   <td style="text-align:right;"> 195 </td>
   <td style="text-align:right;"> 3250 </td>
   <td style="text-align:left;"> female </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> 2007-11-16 </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:left;"> NA </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> 2007-11-16 </td>
   <td style="text-align:right;"> 36.7 </td>
   <td style="text-align:right;"> 19.3 </td>
   <td style="text-align:right;"> 193 </td>
   <td style="text-align:right;"> 3450 </td>
   <td style="text-align:left;"> female </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> 2007-11-16 </td>
   <td style="text-align:right;"> 39.3 </td>
   <td style="text-align:right;"> 20.6 </td>
   <td style="text-align:right;"> 190 </td>
   <td style="text-align:right;"> 3650 </td>
   <td style="text-align:left;"> male </td>
  </tr>
</tbody>
</table>
--

Comme `select()`, il y a aussi: `rename_if, rename_all, rename_at`
---
## 3. Exercice: Extraire année de la variable *date egg*
Pour obtenir une colonne `year` avec l'année de la colonne `date egg`, on pourrait extraire l'année seulement puis la placer dans une nouvelle colonne à la fin du *dataframe* grâce à ...
--

### mutate() ou transmute()
> **syntaxe:** mutate(df, nouvelle_colonne)  <u>*ou*</u>  df %>% mutate(nouvelle_colonne)

✏️Essayez !  
--

<u>Une réponse possible:</u>

```r
dt <- data_penguin_clean %>% mutate(year = format(`date egg`, format="%Y"))
dt %<>% select(-3) #enlever l'ancienne colonne `date egg`
```
<table class="table" style="font-size: 14px; width: auto !important; margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:left;"> species </th>
   <th style="text-align:left;"> island </th>
   <th style="text-align:right;"> bill_length_mm </th>
   <th style="text-align:right;"> bill_depth_mm </th>
   <th style="text-align:right;"> flipper_length_mm </th>
   <th style="text-align:right;"> body_mass_g </th>
   <th style="text-align:left;"> sex </th>
   <th style="text-align:left;"> year </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:right;"> 39.1 </td>
   <td style="text-align:right;"> 18.7 </td>
   <td style="text-align:right;"> 181 </td>
   <td style="text-align:right;"> 3750 </td>
   <td style="text-align:left;"> male </td>
   <td style="text-align:left;"> 2007 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:right;"> 39.5 </td>
   <td style="text-align:right;"> 17.4 </td>
   <td style="text-align:right;"> 186 </td>
   <td style="text-align:right;"> 3800 </td>
   <td style="text-align:left;"> female </td>
   <td style="text-align:left;"> 2007 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:right;"> 40.3 </td>
   <td style="text-align:right;"> 18.0 </td>
   <td style="text-align:right;"> 195 </td>
   <td style="text-align:right;"> 3250 </td>
   <td style="text-align:left;"> female </td>
   <td style="text-align:left;"> 2007 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:left;"> NA </td>
   <td style="text-align:left;"> 2007 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:right;"> 36.7 </td>
   <td style="text-align:right;"> 19.3 </td>
   <td style="text-align:right;"> 193 </td>
   <td style="text-align:right;"> 3450 </td>
   <td style="text-align:left;"> female </td>
   <td style="text-align:left;"> 2007 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:right;"> 39.3 </td>
   <td style="text-align:right;"> 20.6 </td>
   <td style="text-align:right;"> 190 </td>
   <td style="text-align:right;"> 3650 </td>
   <td style="text-align:left;"> male </td>
   <td style="text-align:left;"> 2007 </td>
  </tr>
</tbody>
</table>

---
## 3. Exercice: Extraire année de la variable *Date Egg* (suite)

On aurait pu aussi, ne garder que l'année dans la colonne `date egg`, changer le nom de la colonne, puis la déplacer en dernière position du *dataframe* grâce à ...

### relocate()
> relocate(df, ..., .before = NULL, .after = NULL) *par défaut va placer la colonne en premier*

```r
data_penguin_clean$`date egg` <- format(data_penguin_clean$`date egg`, format="%Y")
data_penguin_clean %<>% rename(year = `date egg`) %>% relocate(year, .after = last_col()) 
```
--

<table class="table" style="font-size: 14px; width: auto !important; margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:left;"> species </th>
   <th style="text-align:left;"> island </th>
   <th style="text-align:right;"> bill_length_mm </th>
   <th style="text-align:right;"> bill_depth_mm </th>
   <th style="text-align:right;"> flipper_length_mm </th>
   <th style="text-align:right;"> body_mass_g </th>
   <th style="text-align:left;"> sex </th>
   <th style="text-align:left;"> year </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:right;"> 39.1 </td>
   <td style="text-align:right;"> 18.7 </td>
   <td style="text-align:right;"> 181 </td>
   <td style="text-align:right;"> 3750 </td>
   <td style="text-align:left;"> male </td>
   <td style="text-align:left;"> 2007 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:right;"> 39.5 </td>
   <td style="text-align:right;"> 17.4 </td>
   <td style="text-align:right;"> 186 </td>
   <td style="text-align:right;"> 3800 </td>
   <td style="text-align:left;"> female </td>
   <td style="text-align:left;"> 2007 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:right;"> 40.3 </td>
   <td style="text-align:right;"> 18.0 </td>
   <td style="text-align:right;"> 195 </td>
   <td style="text-align:right;"> 3250 </td>
   <td style="text-align:left;"> female </td>
   <td style="text-align:left;"> 2007 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:left;"> NA </td>
   <td style="text-align:left;"> 2007 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:right;"> 36.7 </td>
   <td style="text-align:right;"> 19.3 </td>
   <td style="text-align:right;"> 193 </td>
   <td style="text-align:right;"> 3450 </td>
   <td style="text-align:left;"> female </td>
   <td style="text-align:left;"> 2007 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:right;"> 39.3 </td>
   <td style="text-align:right;"> 20.6 </td>
   <td style="text-align:right;"> 190 </td>
   <td style="text-align:right;"> 3650 </td>
   <td style="text-align:left;"> male </td>
   <td style="text-align:left;"> 2007 </td>
  </tr>
</tbody>
</table>
---
class: inverse center middle
#  🐧 Sommaire 🐧

---

# Sommaire
### summarise():
> summarise(.data, ..., .groups = NULL )

```r
data_calcs %>% summarise(mean_mass = mean(`Body Mass (g)`)) 
```

```
## # A tibble: 1 x 1
##   mean_mass
##       <dbl>
## 1     4202.
```

```r
data_calcs %>% summarise(med_flipper = median(`Flipper Length (mm)`)) 
```

```
## # A tibble: 1 x 1
##   med_flipper
##         <dbl>
## 1         197
```

<u>Autres fonctions qui peuvent être utilisées avec `summarise()`:</u>  
`sd(), IQR(), mad(),min(), max(), quantile(),first(), last(), nth(),n(), n_distinct(),any(), all()`

---
# Sommaire

.pull-left[
<u>`summarise()`</u>:

```r
data_calcs %>% summarise(mean_mass = mean(`Body Mass (g)`))  
```

```
## # A tibble: 1 x 1
##   mean_mass
##       <dbl>
## 1     4202.
```

```r
data_calcs %>% summarise(med_flipper = median(`Flipper Length (mm)`)) 
```

```
## # A tibble: 1 x 1
##   med_flipper
##         <dbl>
## 1         197
```
]
.pull-right[
<u>Base R</u> :

```r
mean(data_calcs$`Body Mass (g)`)  
```

```
## [1] 4201.754
```

```r
median(data_calcs$`Flipper Length (mm)`) 
```

```
## [1] 197
```
]
---
# Sommaire

.pull-left[
<u>`dplyr::summarise()`</u>:

```r
data_calcs %>% summarise(
  mean_mass = mean(`Body Mass (g)`), 
  med_flipper = median(`Flipper Length (mm)`), 
  max_culmen = max(`Culmen Length (mm)`))  
```

```
## # A tibble: 1 x 3
##   mean_mass med_flipper max_culmen
##       <dbl>       <dbl>      <dbl>
## 1     4202.         197       59.6
```
]
.pull-right[
<u>Base R</u> :

```r
mean(data_calcs$`Body Mass (g)`)  
```

```
## [1] 4201.754
```

```r
median(data_calcs$`Flipper Length (mm)`) 
```

```
## [1] 197
```

```r
max(data_calcs$`Culmen Length (mm)`) 
```

```
## [1] 59.6
```
]
---
# Sommaire
#### autres variantes de summarise():
> `summarise_if()`

```r
dt <- data_calcs %>% group_by(Species) %>% summarise_if(is.numeric, list(maximum = max))
```
<table class="table" style="font-size: 12px; width: auto !important; margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:left;"> Species </th>
   <th style="text-align:right;"> Sample Number_maximum </th>
   <th style="text-align:right;"> Culmen Length (mm)_maximum </th>
   <th style="text-align:right;"> Culmen Depth (mm)_maximum </th>
   <th style="text-align:right;"> Flipper Length (mm)_maximum </th>
   <th style="text-align:right;"> Body Mass (g)_maximum </th>
   <th style="text-align:right;"> Delta 15 N (o/oo)_maximum </th>
   <th style="text-align:right;"> Delta 13 C (o/oo)_maximum </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:right;"> 152 </td>
   <td style="text-align:right;"> 46.0 </td>
   <td style="text-align:right;"> 21.5 </td>
   <td style="text-align:right;"> 210 </td>
   <td style="text-align:right;"> 4775 </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Chinstrap penguin (Pygoscelis antarctica) </td>
   <td style="text-align:right;"> 68 </td>
   <td style="text-align:right;"> 58.0 </td>
   <td style="text-align:right;"> 20.8 </td>
   <td style="text-align:right;"> 212 </td>
   <td style="text-align:right;"> 4800 </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> -23.78767 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Gentoo penguin (Pygoscelis papua) </td>
   <td style="text-align:right;"> 124 </td>
   <td style="text-align:right;"> 59.6 </td>
   <td style="text-align:right;"> 17.3 </td>
   <td style="text-align:right;"> 231 </td>
   <td style="text-align:right;"> 6300 </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
  </tr>
</tbody>
</table>

Il y a aussi `summarise_at` et `summarise_all`

---

class: inverse center middle

#  🐧 Regrouper 🐧

---
# Regrouper

### group_by() & ungroup()
> `group_by(.data, ..., .add = FALSE, .drop = TRUE)`   
> `ungroup(x, ...)`

```r
dt <- data_penguin %>% group_by(Species) %>% summarize(Totals = n()) 
```
<table class="table" style="width: auto !important; margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:left;"> Species </th>
   <th style="text-align:right;"> Totals </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:right;"> 152 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Chinstrap penguin (Pygoscelis antarctica) </td>
   <td style="text-align:right;"> 68 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Gentoo penguin (Pygoscelis papua) </td>
   <td style="text-align:right;"> 124 </td>
  </tr>
</tbody>
</table>

---

```r
dt <- data_calcs %>% group_by(Sex) %>% summarize(mean_mass = mean(`Body Mass (g)`)) 
```
<table class="table" style="width: auto !important; margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:left;"> Sex </th>
   <th style="text-align:right;"> mean_mass </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> FEMALE </td>
   <td style="text-align:right;"> 3862 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> MALE </td>
   <td style="text-align:right;"> 4546 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> NA </td>
   <td style="text-align:right;"> 4006 </td>
  </tr>
</tbody>
</table>

```r
dt <- data_calcs %>% group_by(Region, Island) %>% summarize(mean_mass = mean(`Body Mass (g)`)) 
```

<table class="table" style="width: auto !important; margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:left;"> Region </th>
   <th style="text-align:left;"> Island </th>
   <th style="text-align:right;"> mean_mass </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Biscoe </td>
   <td style="text-align:right;"> 4716 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Dream </td>
   <td style="text-align:right;"> 3713 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:right;"> 3706 </td>
  </tr>
</tbody>
</table>

---
class: center, middle

```r
dt <- data_calcs %>% group_by(Species,Region, Island, Sex) %>% summarize(mean_mass = mean(`Body Mass (g)`))
```

<table class="table" style="width: auto !important; margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:left;"> Species </th>
   <th style="text-align:left;"> Region </th>
   <th style="text-align:left;"> Island </th>
   <th style="text-align:left;"> Sex </th>
   <th style="text-align:right;"> mean_mass </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Biscoe </td>
   <td style="text-align:left;"> FEMALE </td>
   <td style="text-align:right;"> 3369 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Biscoe </td>
   <td style="text-align:left;"> MALE </td>
   <td style="text-align:right;"> 4050 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Dream </td>
   <td style="text-align:left;"> FEMALE </td>
   <td style="text-align:right;"> 3344 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Dream </td>
   <td style="text-align:left;"> MALE </td>
   <td style="text-align:right;"> 4046 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Dream </td>
   <td style="text-align:left;"> NA </td>
   <td style="text-align:right;"> 2975 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> FEMALE </td>
   <td style="text-align:right;"> 3396 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> MALE </td>
   <td style="text-align:right;"> 4035 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> NA </td>
   <td style="text-align:right;"> 3681 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Chinstrap penguin (Pygoscelis antarctica) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Dream </td>
   <td style="text-align:left;"> FEMALE </td>
   <td style="text-align:right;"> 3527 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Chinstrap penguin (Pygoscelis antarctica) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Dream </td>
   <td style="text-align:left;"> MALE </td>
   <td style="text-align:right;"> 3939 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Gentoo penguin (Pygoscelis papua) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Biscoe </td>
   <td style="text-align:left;"> FEMALE </td>
   <td style="text-align:right;"> 4680 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Gentoo penguin (Pygoscelis papua) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Biscoe </td>
   <td style="text-align:left;"> MALE </td>
   <td style="text-align:right;"> 5485 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Gentoo penguin (Pygoscelis papua) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Biscoe </td>
   <td style="text-align:left;"> NA </td>
   <td style="text-align:right;"> 4588 </td>
  </tr>
</tbody>
</table>

---
class: inverse center middle

#  🐧 Joindre des *dataframes* 🐧

---

# Joindre des *dataframes* 
Il y a de plusieurs possibilités et façons de joindre des *dataframes* grâce à `dplyr`, en voici quelques unes:   
- par combinaison de variables ou d'observations: `bind_cols()` ou `bind_rows()` 
- par "données en commun": `mutate-joins` ou `filter-joins`

On peut également faire des opérations sur ces *dataframes* pour vérifier les similarités et/ou différences

---
# Joindre des *dataframes*

Pour étudier quelques exemples de combinaison de *dataframes*, j'ai créé un 
*dataframe* nommé `data_random` qui contient 344 observations (comme nos données)et 2 variables.

```r
data_random <- data.frame(random = replicate(1,sample(1:1000,344,rep=FALSE)))
data_random  %<>% bind_cols(id = data_penguin$`Individual ID`)
```
<center>
<table class="table" style="font-size: 14px; width: auto !important; margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:right;"> random </th>
   <th style="text-align:left;"> id </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:right;"> 801 </td>
   <td style="text-align:left;"> N1A1 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 486 </td>
   <td style="text-align:left;"> N1A2 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 612 </td>
   <td style="text-align:left;"> N2A1 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 566 </td>
   <td style="text-align:left;"> N2A2 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 698 </td>
   <td style="text-align:left;"> N3A1 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 925 </td>
   <td style="text-align:left;"> N3A2 </td>
  </tr>
</tbody>
</table>

*La colonne "id" correspond à la colonne "Individual ID" de `data_penguin`*
---
## Opérations

### intersect()
> intersect() prend les colonnes de deux dataframes et compare si leurs rangées sont identiques

```r
data_test <- intersect(data_penguin_clean$year, data_penguin_tidy$year)
data_test2 <- intersect(data_random$id, data_penguin$`Individual ID`)
```
.pull-left[
<table class="table" style="font-size: 14px; width: auto !important; margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:right;"> x </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:right;"> 2007 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 2008 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 2009 </td>
  </tr>
</tbody>
</table>
]
.pull-right[
<table class="table" style="font-size: 14px; width: auto !important; margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:left;"> x </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> N1A1 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> N1A2 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> N2A1 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> N2A2 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> N3A1 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> N3A2 </td>
  </tr>
</tbody>
</table>
]
---
## Opérations

### setdiff()
> setdiff() prend les colonnes de deux dataframes et compare les différences entre leurs rangées.

```r
data_test <- setdiff(data_penguin_clean$species, data_penguin_tidy$species)
data_test2 <- setdiff(data_random$random, data_penguin$`Individual ID`)
```
.pull-left[
<table class="table" style="font-size: 14px; width: auto !important; margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:left;"> x </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Gentoo penguin (Pygoscelis papua) </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Chinstrap penguin (Pygoscelis antarctica) </td>
  </tr>
</tbody>
</table>
]
.pull-right[
<table class="table" style="font-size: 14px; width: auto !important; margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:right;"> x </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:right;"> 801 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 486 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 612 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 566 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 698 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 925 </td>
  </tr>
</tbody>
</table>
]

---
## Joindre des *dataframes*

### mutate-joins()

.pull-left[
<center><img src="images/mutate-joins.png" alt="Operations" width="400"/>
]
.pull-right[
La capture d'écran de *"Dplyr CheatSheet"* résume bien les effets des différents types de *join*.

On va essayer de joindre les *dataframes* `data_random` et `data_penguin`.

Rappel: les colonnes `id` et `Individual ID` des tableaux respectifs sont identiques.

]
---
## Une image vaut mille mots

<center><img src="images/joins_explained.png" alt="inner_outer_joins" width="700"/>
<center> Diagramme emprunté à SQL
---

### left-join()

```r
joint_data_left <- left_join(data_random, data_penguin, by = c("id" = "Individual ID" ))
```
<table class="table" style="font-size: 10px; width: auto !important; margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:right;"> random </th>
   <th style="text-align:left;"> id </th>
   <th style="text-align:left;"> studyName </th>
   <th style="text-align:right;"> Sample Number </th>
   <th style="text-align:left;"> Species </th>
   <th style="text-align:left;"> Region </th>
   <th style="text-align:left;"> Island </th>
   <th style="text-align:left;"> Stage </th>
   <th style="text-align:left;"> Clutch Completion </th>
   <th style="text-align:left;"> Date Egg </th>
   <th style="text-align:right;"> Culmen Length (mm) </th>
   <th style="text-align:right;"> Culmen Depth (mm) </th>
   <th style="text-align:right;"> Flipper Length (mm) </th>
   <th style="text-align:right;"> Body Mass (g) </th>
   <th style="text-align:left;"> Sex </th>
   <th style="text-align:right;"> Delta 15 N (o/oo) </th>
   <th style="text-align:right;"> Delta 13 C (o/oo) </th>
   <th style="text-align:left;"> Comments </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:right;"> 801 </td>
   <td style="text-align:left;"> N1A1 </td>
   <td style="text-align:left;"> PAL0708 </td>
   <td style="text-align:right;"> 1 </td>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> Adult, 1 Egg Stage </td>
   <td style="text-align:left;"> Yes </td>
   <td style="text-align:left;"> 2007-11-11 </td>
   <td style="text-align:right;"> 39.1 </td>
   <td style="text-align:right;"> 18.7 </td>
   <td style="text-align:right;"> 181 </td>
   <td style="text-align:right;"> 3750 </td>
   <td style="text-align:left;"> MALE </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:left;"> Not enough blood for isotopes. </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 801 </td>
   <td style="text-align:left;"> N1A1 </td>
   <td style="text-align:left;"> PAL0910 </td>
   <td style="text-align:right;"> 81 </td>
   <td style="text-align:left;"> Gentoo penguin (Pygoscelis papua) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Biscoe </td>
   <td style="text-align:left;"> Adult, 1 Egg Stage </td>
   <td style="text-align:left;"> Yes </td>
   <td style="text-align:left;"> 2009-11-18 </td>
   <td style="text-align:right;"> 49.1 </td>
   <td style="text-align:right;"> 14.5 </td>
   <td style="text-align:right;"> 212 </td>
   <td style="text-align:right;"> 4625 </td>
   <td style="text-align:left;"> FEMALE </td>
   <td style="text-align:right;"> 8.35802 </td>
   <td style="text-align:right;"> -26.27660 </td>
   <td style="text-align:left;"> NA </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 486 </td>
   <td style="text-align:left;"> N1A2 </td>
   <td style="text-align:left;"> PAL0708 </td>
   <td style="text-align:right;"> 2 </td>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> Adult, 1 Egg Stage </td>
   <td style="text-align:left;"> Yes </td>
   <td style="text-align:left;"> 2007-11-11 </td>
   <td style="text-align:right;"> 39.5 </td>
   <td style="text-align:right;"> 17.4 </td>
   <td style="text-align:right;"> 186 </td>
   <td style="text-align:right;"> 3800 </td>
   <td style="text-align:left;"> FEMALE </td>
   <td style="text-align:right;"> 8.94956 </td>
   <td style="text-align:right;"> -24.69454 </td>
   <td style="text-align:left;"> NA </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 486 </td>
   <td style="text-align:left;"> N1A2 </td>
   <td style="text-align:left;"> PAL0910 </td>
   <td style="text-align:right;"> 82 </td>
   <td style="text-align:left;"> Gentoo penguin (Pygoscelis papua) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Biscoe </td>
   <td style="text-align:left;"> Adult, 1 Egg Stage </td>
   <td style="text-align:left;"> Yes </td>
   <td style="text-align:left;"> 2009-11-18 </td>
   <td style="text-align:right;"> 52.5 </td>
   <td style="text-align:right;"> 15.6 </td>
   <td style="text-align:right;"> 221 </td>
   <td style="text-align:right;"> 5450 </td>
   <td style="text-align:left;"> MALE </td>
   <td style="text-align:right;"> 8.28601 </td>
   <td style="text-align:right;"> -26.27573 </td>
   <td style="text-align:left;"> NA </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 612 </td>
   <td style="text-align:left;"> N2A1 </td>
   <td style="text-align:left;"> PAL0708 </td>
   <td style="text-align:right;"> 3 </td>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> Adult, 1 Egg Stage </td>
   <td style="text-align:left;"> Yes </td>
   <td style="text-align:left;"> 2007-11-16 </td>
   <td style="text-align:right;"> 40.3 </td>
   <td style="text-align:right;"> 18.0 </td>
   <td style="text-align:right;"> 195 </td>
   <td style="text-align:right;"> 3250 </td>
   <td style="text-align:left;"> FEMALE </td>
   <td style="text-align:right;"> 8.36821 </td>
   <td style="text-align:right;"> -25.33302 </td>
   <td style="text-align:left;"> NA </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 612 </td>
   <td style="text-align:left;"> N2A1 </td>
   <td style="text-align:left;"> PAL0809 </td>
   <td style="text-align:right;"> 35 </td>
   <td style="text-align:left;"> Gentoo penguin (Pygoscelis papua) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Biscoe </td>
   <td style="text-align:left;"> Adult, 1 Egg Stage </td>
   <td style="text-align:left;"> Yes </td>
   <td style="text-align:left;"> 2008-11-13 </td>
   <td style="text-align:right;"> 49.1 </td>
   <td style="text-align:right;"> 14.8 </td>
   <td style="text-align:right;"> 220 </td>
   <td style="text-align:right;"> 5150 </td>
   <td style="text-align:left;"> FEMALE </td>
   <td style="text-align:right;"> 7.89744 </td>
   <td style="text-align:right;"> -26.63405 </td>
   <td style="text-align:left;"> NA </td>
  </tr>
</tbody>
</table>
---

### right-join()

```r
joint_data_right <- right_join(data_penguin, data_random, by = c("Individual ID" = "id"))
```

<table class="table" style="font-size: 10px; width: auto !important; margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:left;"> studyName </th>
   <th style="text-align:right;"> Sample Number </th>
   <th style="text-align:left;"> Species </th>
   <th style="text-align:left;"> Region </th>
   <th style="text-align:left;"> Island </th>
   <th style="text-align:left;"> Stage </th>
   <th style="text-align:left;"> Individual ID </th>
   <th style="text-align:left;"> Clutch Completion </th>
   <th style="text-align:left;"> Date Egg </th>
   <th style="text-align:right;"> Culmen Length (mm) </th>
   <th style="text-align:right;"> Culmen Depth (mm) </th>
   <th style="text-align:right;"> Flipper Length (mm) </th>
   <th style="text-align:right;"> Body Mass (g) </th>
   <th style="text-align:left;"> Sex </th>
   <th style="text-align:right;"> Delta 15 N (o/oo) </th>
   <th style="text-align:right;"> Delta 13 C (o/oo) </th>
   <th style="text-align:left;"> Comments </th>
   <th style="text-align:right;"> random </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> PAL0708 </td>
   <td style="text-align:right;"> 1 </td>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> Adult, 1 Egg Stage </td>
   <td style="text-align:left;"> N1A1 </td>
   <td style="text-align:left;"> Yes </td>
   <td style="text-align:left;"> 2007-11-11 </td>
   <td style="text-align:right;"> 39.1 </td>
   <td style="text-align:right;"> 18.7 </td>
   <td style="text-align:right;"> 181 </td>
   <td style="text-align:right;"> 3750 </td>
   <td style="text-align:left;"> MALE </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:left;"> Not enough blood for isotopes. </td>
   <td style="text-align:right;"> 801 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> PAL0708 </td>
   <td style="text-align:right;"> 1 </td>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> Adult, 1 Egg Stage </td>
   <td style="text-align:left;"> N1A1 </td>
   <td style="text-align:left;"> Yes </td>
   <td style="text-align:left;"> 2007-11-11 </td>
   <td style="text-align:right;"> 39.1 </td>
   <td style="text-align:right;"> 18.7 </td>
   <td style="text-align:right;"> 181 </td>
   <td style="text-align:right;"> 3750 </td>
   <td style="text-align:left;"> MALE </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:left;"> Not enough blood for isotopes. </td>
   <td style="text-align:right;"> 10 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> PAL0708 </td>
   <td style="text-align:right;"> 2 </td>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> Adult, 1 Egg Stage </td>
   <td style="text-align:left;"> N1A2 </td>
   <td style="text-align:left;"> Yes </td>
   <td style="text-align:left;"> 2007-11-11 </td>
   <td style="text-align:right;"> 39.5 </td>
   <td style="text-align:right;"> 17.4 </td>
   <td style="text-align:right;"> 186 </td>
   <td style="text-align:right;"> 3800 </td>
   <td style="text-align:left;"> FEMALE </td>
   <td style="text-align:right;"> 8.94956 </td>
   <td style="text-align:right;"> -24.69454 </td>
   <td style="text-align:left;"> NA </td>
   <td style="text-align:right;"> 486 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> PAL0708 </td>
   <td style="text-align:right;"> 2 </td>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> Adult, 1 Egg Stage </td>
   <td style="text-align:left;"> N1A2 </td>
   <td style="text-align:left;"> Yes </td>
   <td style="text-align:left;"> 2007-11-11 </td>
   <td style="text-align:right;"> 39.5 </td>
   <td style="text-align:right;"> 17.4 </td>
   <td style="text-align:right;"> 186 </td>
   <td style="text-align:right;"> 3800 </td>
   <td style="text-align:left;"> FEMALE </td>
   <td style="text-align:right;"> 8.94956 </td>
   <td style="text-align:right;"> -24.69454 </td>
   <td style="text-align:left;"> NA </td>
   <td style="text-align:right;"> 32 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> PAL0708 </td>
   <td style="text-align:right;"> 3 </td>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> Adult, 1 Egg Stage </td>
   <td style="text-align:left;"> N2A1 </td>
   <td style="text-align:left;"> Yes </td>
   <td style="text-align:left;"> 2007-11-16 </td>
   <td style="text-align:right;"> 40.3 </td>
   <td style="text-align:right;"> 18.0 </td>
   <td style="text-align:right;"> 195 </td>
   <td style="text-align:right;"> 3250 </td>
   <td style="text-align:left;"> FEMALE </td>
   <td style="text-align:right;"> 8.36821 </td>
   <td style="text-align:right;"> -25.33302 </td>
   <td style="text-align:left;"> NA </td>
   <td style="text-align:right;"> 612 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> PAL0708 </td>
   <td style="text-align:right;"> 3 </td>
   <td style="text-align:left;"> Adelie Penguin (Pygoscelis adeliae) </td>
   <td style="text-align:left;"> Anvers </td>
   <td style="text-align:left;"> Torgersen </td>
   <td style="text-align:left;"> Adult, 1 Egg Stage </td>
   <td style="text-align:left;"> N2A1 </td>
   <td style="text-align:left;"> Yes </td>
   <td style="text-align:left;"> 2007-11-16 </td>
   <td style="text-align:right;"> 40.3 </td>
   <td style="text-align:right;"> 18.0 </td>
   <td style="text-align:right;"> 195 </td>
   <td style="text-align:right;"> 3250 </td>
   <td style="text-align:left;"> FEMALE </td>
   <td style="text-align:right;"> 8.36821 </td>
   <td style="text-align:right;"> -25.33302 </td>
   <td style="text-align:left;"> NA </td>
   <td style="text-align:right;"> 323 </td>
  </tr>
</tbody>
</table>
---

### full-join()

```r
joint_data_full <- full_join(data_penguin, data_random, by = c("Individual ID" = "id"))
```

---
class: center, middle

# MERCI :)

[**xaringan**](https://github.com/yihui/xaringan)

---
## Ressources:

- [Cran R-project/Dplyr](https://cran.r-project.org/web/packages/dplyr/vignettes/base.html)
- [R for Data Science](https://r4ds.had.co.nz/transform.html)
- [Data Carpentry](https://datacarpentry.org/R-genomics/04-dplyr.html)
- [Tidyverse/Dplyr](https://dplyr.tidyverse.org/index.html)