Mon premier document quarto

Eliott LENARD

Quarto

Quarto enables you to weave together content and executable code into a finished document. To learn more about Quarto see https://quarto.org.

Running Code

When you click the Render button a document will be generated that includes both content and the output of embedded code. You can embed code like this:

Le morceau de programme est un chunk, il est executabe

1 + 1

[1] 2

x <- 1:20 #Une liste avec tous les nombres de 1 à 20
#Liste de dates de 1970 à 2026 années bisextiles

dates <- seq(1970,2026,4)
# Somme de nombres qui se trouvent  dans la liste x
sum(x)

[1] 210

You can add options to executable code like this :

Echo false fait que ça va pas s’imprimer dans le doucment final, donc l’utilisateur ne le voit pas

[1] 4

The echo: false option disables the printing of code (only output is displayed).

curve(exp(x),-1,1)

curve(log(x),0,4)

Travail avec des données

df <- mtcars

names(df)

 [1] "mpg"  "cyl"  "disp" "hp"   "drat" "wt"   "qsec" "vs"   "am"   "gear"
[11] "carb"

df[1:3,1]

[1] 21.0 21.0 22.8

df$mpg

 [1] 21.0 21.0 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 17.8 16.4 17.3 15.2 10.4
[16] 10.4 14.7 32.4 30.4 33.9 21.5 15.5 15.2 13.3 19.2 27.3 26.0 30.4 15.8 19.7
[31] 15.0 21.4

mean(df$mpg)

[1] 20.09062

sd(df$mpg) #Ecart type

[1] 6.026948

median(df$mpg)

[1] 19.2

hist(df$mpg,col = 'red',xlab ="miles per gallon", ylab = "nb de modèle")

Une manière plus moderne

Le tidyverse

library(tidyverse)

── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
✔ dplyr     1.2.0     ✔ readr     2.2.0
✔ forcats   1.0.1     ✔ stringr   1.6.0
✔ ggplot2   4.0.2     ✔ tibble    3.3.1
✔ lubridate 1.9.5     ✔ tidyr     1.3.2
✔ purrr     1.2.1     
── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag()    masks stats::lag()
ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

tibble(mtcars)

# A tibble: 32 × 11
     mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
 1  21       6  160    110  3.9   2.62  16.5     0     1     4     4
 2  21       6  160    110  3.9   2.88  17.0     0     1     4     4
 3  22.8     4  108     93  3.85  2.32  18.6     1     1     4     1
 4  21.4     6  258    110  3.08  3.22  19.4     1     0     3     1
 5  18.7     8  360    175  3.15  3.44  17.0     0     0     3     2
 6  18.1     6  225    105  2.76  3.46  20.2     1     0     3     1
 7  14.3     8  360    245  3.21  3.57  15.8     0     0     3     4
 8  24.4     4  147.    62  3.69  3.19  20       1     0     4     2
 9  22.8     4  141.    95  3.92  3.15  22.9     1     0     4     2
10  19.2     6  168.   123  3.92  3.44  18.3     1     0     4     4
# ℹ 22 more rows

#ou 
mtcars|>tibble()|> select(1)

# A tibble: 32 × 1
     mpg
   <dbl>
 1  21  
 2  21  
 3  22.8
 4  21.4
 5  18.7
 6  18.1
 7  14.3
 8  24.4
 9  22.8
10  19.2
# ℹ 22 more rows

mtcars|>tibble()|>select(1,2)|>filter(mpg<20)

# A tibble: 18 × 2
     mpg   cyl
   <dbl> <dbl>
 1  18.7     8
 2  18.1     6
 3  14.3     8
 4  19.2     6
 5  17.8     6
 6  16.4     8
 7  17.3     8
 8  15.2     8
 9  10.4     8
10  10.4     8
11  14.7     8
12  15.5     8
13  15.2     8
14  13.3     8
15  19.2     8
16  15.8     8
17  19.7     6
18  15       8

tbmtcars <- mtcars|>tibble()

tbmtcars|>ggplot(aes(cyl,mpg))+geom_point(col = "red")+
  ggtitle("mpg vs cylindrée", subtitle = "données mtcars")+
  xlab("Cylindrées")+
  ylab("Miles per gallon")+
  annotate("text", x = 6, y = 25,label = "Voilà des voitures plus raisonnables",vjust = 3)

# Diagramme de dispersion : mpg en fonction de cyl, points en rouge
library("ggthemes")
tbmtcars|>ggplot()+
  aes(x = cyl, y = mpg)+
  geom_point(color = "red", size = 3) +
  geom_smooth(method ="lm", color = "blue", se = TRUE)+
  labs(
    x = "Nombre de cylindres",
    y = "Miles per gallon (mpg)",
    title = "Relation entre le nombre de cylindres et la consommation (mpg)"
  ) + theme_economist()

`geom_smooth()` using formula = 'y ~ x'

# Commentaires sur le graphique :
# 1. On observe une tendance générale : plus le nombre de cylindres est élevé, plus la consommation (mpg) diminue.
# 2. Les voitures à 4 cylindres présentent les valeurs de mpg les plus élevées et une plus grande dispersion.
# 3. Les points rouges améliorent la lisibilité et mettent en évidence la répartition par cylindre.