README.md

<a href="https://rstudio.com"><img src="https://d33wubrfki0l68.cloudfront.net/62bcc8535a06077094ca3c29c383e37ad7334311/a263f/assets/img/logo.svg" width=200px></a>

# Prérequis

- pas de connaissance de base sur les lignes de commandes et R

# Pour les fayots qui veulent prendre de l'avance en R en totale autonomie !

## Selection de sites webs, blog

https://www.r-project.org/
https://thinkr.fr/
https://www.r-bloggers.com/

pour les tweetos le hashtag #rstat

https://swcarpentry.github.io/r-novice-gapminder/
https://swcarpentry.github.io/r-novice-inflammation/

https://larmarange.github.io/analyse-R/

## webinars RStudio 

https://www.rstudio.com/resources/webinars/

## Apprendre R avec swirl

```R
> install.packages("swirl")
> library(swirl)
> swirl()
```

# Installation et prise en main de l'IDE RStudio

## Objectif de l'atelier

- installer la version desktop de RStudio
- utiliser les principales fonctionnalités des panneaux de RStudio (édition, console, navigateurs)
- créer un projet RStudio
- savoir où et comment sauveguarder les historiques, les objets R

## Qu'est ce que R ?

- https://www.r-project.org/
- un environnement logiciel open-source pour les calculs scientifiques et les graphiques.
- disponibles pour Windows, Mac OS X et plusieurs plateformes UNIX (incluant Linux) sous forme de binaires (compilés)
- développé par Robert Gentleman and Ross Ihaka et la R’s core development team
- un langage de programmation (de script) interprété + add-on package (13000)
- the Comprehensive R Archive Network (CRAN)
- un souffle nouveau avec l'univers tidyverse de la team RStudio et la pédagogie tidyverse first

## Pourquoi utiliser l'IDE RStudio ?

- https://www.rstudio.com/
- IDE (Integrated Development Environnment)
- facilite l'écriture le développement de programme et de fonctions dans un environnement intégré
- projet open-source, multi-plateformes (Windows, Mac Os X, UNIX)
- mode standalone (Desktop Rstudio) ou serveur (à travers un naviguateur web, RStudio server)
- organisé sous forme de 4 panneaux (éditeur de code source, console+terminal, navigateur d'objets/historiques, navigateurs de fichiers/graphiques/packages/aide)
- plus convivial que la console R pour débuter, plus facile à apprendre que Emacs, plus facile à installer que Eclipse ...
- développement actif de la Rstudio team

## Installation de la version Desktop de RStudio

RStudio nécessite l'installation d'une version récente de R (http://cran.r-project.org).

Vérifier si une version n'est pas déjà installée sur votre OS.
```bash
R
```

Puis installer RStudio depuis rstudio.com (https://rstudio.com/products/rstudio/download/#download).

> ### Astuce
> Utiliser la variable d'environnement `RSTUDIO_WHICH_R` afin de  pointer sur une version de R donnée.
```bash
export RSTUDIO_WHICH_R=/usr/local/bin/R
```

## Premiers pas avec RStudio

Une fois installée lancer RStudio.

### Notion d'Espace de travail (Workspace)
Au lancement de RStudio, R est lancé: 

>>>
- Le programme R est lancé dans le répertoire courant (**working directory** - wd)
- Si présentes, les commandes dans le fichier **.Rprofile** sont executées
- Si présentes les données dans le fichier **.Rdata** sont chargées
- En quitant (à l'aide de la commande `quit()`), l'utilisateur peut sauvegarder son espace de travail en répondant "yes" à la question "Save workspace image ?" (les données stockées dans les **objets R** seront écrites dans le **.RData**, les commandes dans le fichier **.Rhistory**)
- Il y a la possibilité d'utiliser la commande `save.image()` ou `save()` en cours de session pour sauveguarder respectivement tout ou une partie des objets de la session dans un fichier au foramt **.RData**. Il y a la possibilité de recharger ce fichier à l'aide de la fonction `load()`
>>>

### Création de Projets sous RStudio

RStudio peut créer un nouveau projet (**"New  Directory"**) ou importer un projet existant depuis un répertoire/dossier (**"Existing Directory"**) ou depuis un gestionnaire de version (**"Version Control"**) (git, svn).
Les nouveaux projets sont de plusieurs types (Analyse : **"New Project"**, Développement de packages: **"R Package"** ou d'application Shiny **"Shiny Web Application"**)

- Possibilité de créer un dépôt **git** associé ("Create a git repository")
- Possibilité d'utiliser un gestionnaire de package **Packrat** ("Use packrat with this project") http://rstudio.github.io/packrat/rstudio.html

### Préférences de RStudio

En cliquant sur l'onglet RStudio>preferences nous avons accès aux options paramétrables de RStudio.

## RStudio cheatsheets

https://raw.githubusercontent.com/rstudio/cheatsheets/master/rstudio-ide.pdf

## Support de l'atelier

### Livres
![Getting started with RStudio](https://learning.oreilly.com/library/cover/9781449314798/250w/)

### Quelques cours en ligne

http://swcarpentry.github.io/r-novice-gapminder/01-rstudio-intro/index.html

https://r.developpez.com/tutoriels/introduction-r-et-rstudio/

https://biostat2.uni.lu/lectures.html

http://perso.ens-lyon.fr/lise.vaudor/grimoire/

https://openclassrooms.com/fr/courses/4525256-initiez-vous-au-langage-r-pour-analyser-vos-donnees/

# Prise en main de RStudio sur le cloud

# Prise en main de R sous RStudio

Le **package base** de R est constitué d'un ensemble de fonctions et de données installés par défaut.

## R cheatsheets

Apprendre le langage R c'est connaitre un certain nombre de fonctions, opérateurs, objets et les faires intéragire.

https://raw.githubusercontent.com/rstudio/cheatsheets/master/base-r.pdf

## Les Iris de Fisher - https://fr.wikipedia.org/wiki/Iris_de_Fisher

Nous allons utiliser le jeux de données `iris` pour illustrer les différentes fonctionalités de base de R.

<img src="https://upload.wikimedia.org/wikipedia/commons/thumb/5/56/Kosaciec_szczecinkowaty_Iris_setosa.jpg/440px-Kosaciec_szczecinkowaty_Iris_setosa.jpg" width="100px"> <i>Iris setosa</i><br>
<img src="https://upload.wikimedia.org/wikipedia/commons/thumb/4/41/Iris_versicolor_3.jpg/440px-Iris_versicolor_3.jpg" width="100px"> <i>Iris versicolor</i><br>
<img src="https://upload.wikimedia.org/wikipedia/commons/thumb/9/9f/Iris_virginica.jpg/440px-Iris_virginica.jpg" width="100px"> <i>Iris virginica</i><br>

Nous allons pour se faire utiliser la fonction `data()`. 
> les fonctions en R sont toujours écrites de la manière suivante: nom_de_ma_fonction(liste de paramètres).

Pour avoir plus d'information faire précéder le nom de la fonction à l'aide de la commande `?`

```R
?data
#liste tous le datasets présents dans le package de base
data()
#charge le dataset "iris"
data(iris)
ls()
```

La fonction `ls()` permet de lister le contenu de l'espace de travail en terme d'objets R disponibles.
La fonction `class()` détermine la classe de l'objet passé en paramètre.
La fonction `names()` retourne dans un objet de classe vecteur le nom des différentes colonnes du dataframe passé en paramètre.

```R
class(iris)
dim(class)
names(iris)
class(iris$Sepal.Length)
```
## Premières statistiques et graphiques descriptifs

La fonction générique `summary()` donne un résumé de l'objet passé en paramètre. En ce qui concerne l'objet celà donne les valeures Min/Max,la médianne, la moyenne ainsi que les valeurs des premiers et troisième quartile

```R
summary(iris)
```

La fonction graphique `boxplot()` représente ces valeures graphiquement sous forme d'une boite à moustaches. Les **paramètre** `varwidth` donne une largeure variable en fonction dun ombre d'observation, `notch` (entaille) donne un intervalle de confiance à 95% autoir de la mediane, `outline` donne les valeures extrème en dehors des limites fiwée par la boite à moustache.

```R
boxplot(iris[1:4],varwidth = TRUE, notch = TRUE, outline = TRUE)
```

La fonction graphique `pairs()` donne un représentation sous forme d'une matrice de graphique de type scatterplot (plot de deux variables).

```R
pairs(iris[1:4],col=c("red","blue","green")[iris$Species])
```

# RStudio cheatsheets

https://rstudio.com/resources/cheatsheets/

# Références de la formation

https://pbil.univ-lyon1.fr/R/pdf/bs01.pdf
https://rpubs.com/moeransm/intro-iris
https://github.com/hbctraining/Intro-to-R/blob/master/schedules/1.5-day.md
http://adv-r.had.co.nz/

## Pour aller plus loin 

R For Data Science: https://r4ds.had.co.nz/index.html

https://melbournebioinformatics.github.io/r-intro-biologists/intro_r_biologists.html

https://swcarpentry.github.io/r-novice-gapminder/


# Prochains ateliers

- Initiation à R à l'aide de tidyverse
- Initiation à Bioconductor
- Initiation à RPostgreSQL
- Initiation à Rmarkdown (https://rmarkdown.rstudio.com/)
- Initiation à R shiny
- ...