R - Pour les utilisateurs SAS

Objectifs

Apprendre à réécrire sous R un programme SAS faisant appel à des étapes de manipulation, de traitement, d'analyse et de visualisation de données

Programme de la formation

• Présentation de R et son interface R Studio


• Spécificités de l'approche R et de la syntaxe R (par rapport à SAS)

Manipulations de base

• Généralités sur le langage R "historique", installation et chargement de packages, types de données sous R


• Importer des fichiers sous R


• Récupérer les caractéristiques d'un objet


• Calculer des indicateurs statistiques + comparaison par rapport aux procédures type MEANS / FREQ de SAS


• Pratique : importer un fichier SAS depuis R, le décrire et calculer des statistiques descriptives

Traitement de données

• Le dataframe et ses manipulations courantes : équivalent sous R des dataset SAS


• Package dyplr : manipuler les données dans une logique similaire à celle des étapes data / proc SQL


• Autres packages du tidyverse : manipulations sur les dates, facteurs, chaînes de caractère, transpositions de données    Pratique : manipuler sous R un fichier de données

Visualisations

• Présentation succincte des fonctions natives de visualisation sous R


• Package ggplot2 : principes, syntaxe et comparaison par rapport aux procédures GPLOT et SGPLOT


• Pratique : produire sous R différentes visualisations graphiques

Analyse de données + machine learning

• Tests statistiques et ACP : mise en œuvre sous R et interprétation des sorties


• Régression linéaire : comparaison des approches et sorties de R par rapport à SAS (proc REG)


• Intro au machine learning


• Pratique : mettre en œuvre une régression et / ou une ACP sous R et comparer les sorties obtenues avec celles de SAS

Aperçu des possibilités de R avec des packages additionnels

• Packages SQL : pour rester dans la syntaxe d'une proc SQL


• Markdown : pour générer des fichiers de sortie html / pdf dans la logique des sorties ODS de SAS


• Shiny et/ou plotly : pour aller plus loin dans la visualisation interactive


• Caret : pour aller plus loin dans le machine learning


• Pratique : avoir un aperçu concret de ce que permettent ces packages à partir d'exemples déjà fournis

Programmation

• Boucles et conditions sous R


• Fonctions sous R : une alternative au macro langage de SAS


• Fonctions de type apply : une autre alternative au macro langage


• Pratique : transposer une macro SAS existante en un traitement automatisé sous R

Cas pratique : transposer 1 code SAS en R

• Réécrire sous R un programme SAS constitué de plusieurs étapes data, de macros / macro-variables et de procédures de visualisations


• Etudier les différentes alternatives possibles sous R

Validation et sanction

Attestation de formation

Type de formation

Non certifiante

Sortie

Sans niveau spécifique