Joseph Larmarange

Enseigner R sur YouTube en temps de COVID-19 : retour d'expérience des webin-R

Joseph LARMARANGE — 2026-01-26T11:02:21Z

Enseigner R sur YouTube en temps de COVID-19 : retour d'expérience des webin R

2026

Pré-publication, Document de travail

Résumé

En contexte COVID-19, j'ai mis en place en novembre 2020 un webinaire hebdomadaire d'enseignement à R : les webin-R. Diffusées en direct sur YouTube, les sessions duraient de 1 h 30 à 2 h, avec partage d'écran. Les contenus reposaient sur analyse-R, un support de formation en ligne créé et maintenu depuis 2015.

Mi-mai 2021, une enquête a été menée auprès des participantes aux webin-R (120 questionnaires complétés). Les répondantes étaient en majorité des hommes (64 %), âgés de 40 ans ou moins (62 %). La moitié (49 %) résidait hors de France. Ils/Elles étaient mastérantes (20 %), doctorantes (25 %), postdoctorantes (3 %), ingénieures (26 %), chercheures (18 %). Les disciplines étaient tout aussi variées.

En termes de participation, nous avons observé une fatigue au cours du temps, et surtout une baisse du suivi en direct au profit du différé.

Les participantes ont souligné l'importance du visionnage en différé, la mise à disposition des scripts, le chapitrage des vidéos, l'articulation avec analyse-R, le partage d'écran, la langue française et la gratuité des contenus. Certains regrettent l'absence d'exercices ou la non-possibilité de valider des crédits d'enseignement.

L'expérience des webin-R traduit une forte demande pour des contenus d'autoformation à R, avec une visée appliquée, en français, et facilement accessibles. Le format libre participe au développement d'une science ouverte.

Mots clés : enseignement statistique, R, YouTube, enquête en ligne, COVID-19.

Reproducible Summary Tables with the gtsummary Package

Joseph LARMARANGE — 2021-08-06T14:19:47Z

Reproducible Summary Tables with the gtsummary Package

Daniel D. Sjoberg , Karissa Whiting , Michael Curry , Jessica A Lavery , Joseph Larmarange

The R Journal, 2021, 13 (1), pp.570-580. ⟨10.32614/RJ-2021-053⟩

Article dans une revue

ird-03883594

Authors

Daniel D. Sjoberg, Karissa Whiting, Michael Curry, Jessica A. Lavery, Joseph Larmarange

Abstract

The gtsummary package provides an elegant and flexible way to create publication-ready summary tables in R. A critical part of the work of statisticians, data scientists, and analysts is summarizing data sets and regression models in R and publishing or sharing polished summary tables. The gtsummary package was created to streamline these everyday analysis tasks by allowing users to easily create reproducible summaries of data sets, regression models, survey data, and survival data with a simple interface and very little code. The package follows a tidy framework, making it easy to integrate with standard data workflows, and offers many table customization features through function arguments, helper functions, and custom themes.

Un même objet biographique sous l'angle de plusieurs approches méthodologiques

Joseph LARMARANGE — 2018-10-19T14:03:53Z

Communication orale présentée le 18 octobre 2018 à Paris dans le cadre du colloque Parcours de vie et santé : apports des méthodes biographiques en santé publique.
L'ensemble des analyses et le code correspondant est disponible sur http://larmarange.github.io/analyse-R/trajectoires-de-soins.html Référence
Larmarange Joseph (2018) « Un même objet biographique sous l'angle de plusieurs approches méthodologiques » (communication orale), présenté à Parcours de vie et santé : apports des (…)

- Communications / Méthodologie, Mesure des indicateurs, Accès aux soins, Représentativité et Biais, Régression logistique, Démographie, Programmation / Code, Analyse de séquences, Classification hiérarchique, Cascade des soins, Approches biographiques

Introduction à l'analyse d'enquêtes avec R

Joseph LARMARANGE — 2013-11-15T16:13:00Z

Cours de 8 heures réalisé dans le cadre du Master 2 Population & Développement de l'université Paris Descartes.

Support de cours

Il a été réalisé à partir d'un document original de Julien Barnier, complété par Joseph Larmarange. Le chapitre sur l'analyse de séquences est une reprise d'un article original de Nicolas Robette. Ce document évolutif, sous licence Creative Commons, est développé sous GitHub : https://github.com/larmarange/intro...

Barnier Julien et Larmarange Joseph (2013) « Introduction à l'analyse d'enquêtes avec R », Support de cours. https://github.com/larmarange/intro-r/tree/CoursM2.

Où couper un dendrogramme ?

Joseph LARMARANGE — 2013-11-03T19:43:41Z

La fonction best.cutree est maintenant disponible dans la package JLutils.

Dans le cadre d'une classification hiérarchique, il n'est pas toujours aisée de déterminer le nombre adéquat de classes à retenir.

Le package FactoMineR, dans le cadre de sa fonction HCPC, suggère d'utiliser la partition ayant la plus grande perte relative d'inertie. La fonction best.cutree ci-dessous permet de calculer ce critère à partir de n'importe quel dendrogramme, qu'il ait été calculé avec hclust ou agnes.

best.cutree <- function(hc, min=3, max=20, loss=FALSE, graph=FALSE, ...){ if (class(hc)!="hclust") hc <- as.hclust(hc) max <- min(max, length(hc$height)) inert.gain <- rev(hc$height) intra <- rev(cumsum(rev(inert.gain))) relative.loss = intra[min:(max)]/intra[(min - 1):(max - 1)] best = which.min(relative.loss) names(relative.loss) <- min:max if (graph) { temp <- relative.loss temp[best] <- NA best2 <- which.min(temp) pch <- rep(1, max-min+1) pch[best] <- 16 pch[best2] <- 21 plot(min:max, relative.loss, pch=pch, bg="grey75", ...) } else { if (loss) relative.loss else best + min - 1 }
}

hc : dendrogramme renvoyé par hclust ou agnes
min : nombre minimum de classes
max : nombre maximum de classes
loss : si égal à TRUE, renverra la liste des pertes d'inertie relatives plutôt que la meilleure partition
graph : si égal àTRUE, affichera un graphique des pertes d'inertie relatives, la meilleure partition étant représentée par un point noir et la seconde par un point gris

Exemples :

R> best.cutree(arbre)
[1] 5 R> best.cutree(arbre,loss=TRUE) 3 4 5 6 7 0.9112290 0.9046093 0.8985344 0.9081087 0.9131271 8 9 10 11 12 0.9223434 0.9542413 0.9569882 0.9626851 0.9667498 13 14 15 16 17 0.9744444 0.9751951 0.9808652 0.9813681 0.9814403 18 19 20 0.9818613 0.9819599 0.9819514 R> best.cutree(arbre,graph=TRUE)

Manipulation de données : quelques mini-fonctions

Joseph LARMARANGE — 2013-11-02T13:41:11Z

Les fonctions na.rm et rm.unused.levels sont maintenant disponibles dans le package questionr (à partir de la version 0.3.0).

Deux petites fonctions pour manipuler un tableau de données sous R.

Suppression des valeurs manquantes

na.rm <- function(x, v=NULL)
{ if (!is.data.frame(x)) x <- as.data.frame(x) # Les variables a traiter sont specifiees ? if (is.null(v)) v <- names(x) # Pour chaque variable specifie, suppression des observations si NA r <- x[complete.cases(x[v]),] return(r)
}

na.rm est similaire à na.omit sauf qu'il est possible de spécifier les variables à prendre en compte.

> df <- data.frame(x = c(1, 2, 3), y = c(0, 10, NA), z= c("a",NA,"b")) > df x y z
1 1 0 a
2 2 10 
3 3 NA b > na.omit(df) x y z
1 1 0 a > na.rm(df) x y z
1 1 0 a > na.rm(df, c("x","y")) x y z
1 1 0 a
2 2 10  > na.rm(df, "z") x y z
1 1 0 a
3 3 NA b

Suppression des modalités inutilisées d'un facteur

rm.unused.levels <- function(x, v=NULL)
{ if (!is.data.frame(x)) x <- as.data.frame(x) # Les variables a traiter sont specifiees ? if (is.null(v)) v <- names(x) # Pour chaque variable de type facteur, supression des levels inutilisés for (i in 1:length(x)) { if (is.factor(x[[i]]) & names(x)[i] %in% v) x[[i]] <- factor(x[[i]]) } return(x)
}

Il arrive parfois que l'on ait des facteurs avec des modalités non utilisées, par exemple après importation d'un fichier d'enquête ou après sélection d'un sous-échantillon. rm.unused.levels permet de ne conserver que les modalités d'un facteur attribuées à au moins une observation.

> df <- data.frame(v1=c("a","b","a","b"),v2=c("x","x","y","y"))
> df$v1 <- factor(df$v1,c("a","b","c"))
> df$v2 <- factor(df$v2,c("x","y","z")) > str(df)
'data.frame':	4 obs. of 2 variables: $ v1: Factor w/ 3 levels "a","b","c": 1 2 1 2 $ v2: Factor w/ 3 levels "x","y","z": 1 1 2 2 > str(rm.unused.levels(df))
'data.frame':	4 obs. of 2 variables: $ v1: Factor w/ 2 levels "a","b": 1 2 1 2 $ v2: Factor w/ 2 levels "x","y": 1 1 2 2 > str(rm.unused.levels(df,"v1"))
'data.frame':	4 obs. of 2 variables: $ v1: Factor w/ 2 levels "a","b": 1 2 1 2 $ v2: Factor w/ 3 levels "x","y","z": 1 1 2 2

Représenter des effectifs dans le plan factoriel

Joseph LARMARANGE — 2013-11-02T12:47:35Z

La fonction s.freq est maintenant disponible dans la package JLutils.

Lorsque l'on réalise une analyse des correspondances multiples (ACM), il n'est pas rare que plusieurs observations soient identiques, c'est-à-dire correspondent à la même combinaison de modalités. Dès lors, ces observations seront projetées sur le même point dans le plan factoriel. Une représentation classique des observations ne permettra pas de rendre des effectifs de chaque point.

Prenons un exemple :

library(questionr)
data(hdv2003)
library(ade4)
acm <- dudi.acm(hdv2003[,c("sexe","sport","bricol","cuisine","cinema")], scannf=FALSE)
s.label(acm$li, clabel=0, cpoint=2)

C'est pourquoi nous avons concocté une petite fonction s.freq
reprenant le principe de s.value mais représentant chaque point par
un carré proportionnel au nombre d'individus identiques.

s.freq <- function(dfxy, xax=1, yax=2, ...) { require(ade4) d <- as.data.frame(table(dfxy[c(xax,yax)])) d <- d[d$Freq>0,] d[1] <- as.numeric(as.character(d[[1]])) d[2] <- as.numeric(as.character(d[[2]])) s.value(d,d$Freq, ...) }

Et voici le résultat :

s.freq(acm$li, csize=0.75)

Calculer les Odds Ratio d'une régression logistique binaire ou multinomiale

Joseph LARMARANGE — 2013-10-29T16:21:40Z

La fonction odds.ratio est maintenant disponible dans le package questionr (à partir de la version 0.3.0).

Lorsque l'on calcule une régression logistique avec glm(), la fonction summary() ne fournit pas directement les odds ratio. Bien que ces derniers soient aisés à calculer (voir http://www.ats.ucla.edu/stat/r/dae/..., il peut être utile d'avoir une fonction les renvoyant directement.

Le constat est presque identique lorsque l'on réalise une régression multinomiale avec multinom() du package nnet. Mais cette fois-ci, les valeurs de p ne sont même pas accessibles via summary() (voir http://www.ats.ucla.edu/stat/r/dae/....

La fonction odds.ratio(), dont le code est visible à https://github.com/juba/questionr/blob/master/R/odds.ratio.r, permet de se faciliter la vie. On peut lui passer soit le résultat d'une régression logistique exécutée avec glm(family=binomial(logit)) soit le résultat d'une régression multinomiale réalisée avec multinom(). Elle affichera les odds ratio, leur intervalles de confiance ainsi que la valeur de p.

On peut préciser la confiance de l'intervalle avec le paramètre level ainsi que le nombre de décimale à afficher pour les odds ratio avec digits.

Transformer les valeurs manquantes en un facteur

Joseph LARMARANGE — 2013-10-29T10:49:04Z

La fonction addNAstr est maintenant disponible dans le package questionr (à partir de la version 0.3.0).

Sous R, les valeurs manquantes sont renseignés via la valeur NA.

Selon les fonctions, on peut indiquer à R de prendre en compte ou non ces valeurs manquantes.

Dans le cas d'une variable de type facteur, on peut vouloir considérer ces valeurs manquantes comme une modalité supplémentaire. Cela se fait via la fonction addNA :

df$x <- addNA(df$x)

Dans ce cas particulier, R va ajouter un niveau supplémentaire au facteur x, ce niveau ayant pour nom la valeur manquante, c'est-à-dire NA.

Si cela ne pose pas de problème pour une grande majorité de fonctions, certaines auront des soucis à gérer la présence d'une valeur manquante dans la liste des modalités.

Une solution consiste alors donner une valeur textuelle à cette modalité additionnelle (par exemple manquant). Une version améliorée de la fonction addNA a même été proposée sur http://stackoverflow.com/a/5817181 [1] :

addNAstr <- function (x, ifany = FALSE, as.string = TRUE)
{ if (!is.factor(x)) x <- factor(x) if (ifany & !any(is.na(x))) return(x) ll <- levels(x) if (!any(is.na(ll))) ll <- c(ll, NA) x <- factor(x, levels = ll, exclude = NULL) if (is.character(as.string)) { s <- as.string as.string <- TRUE } else s <- "NA" if(as.string) levels(x)[is.na(levels(x))] <- s x
}

[1] Que j'ai légèrement modifiée pour permettre d'indiquer la chaine de caractères de son choix au paramètre as.string.

Rechercher et visualiser les doublons

Joseph LARMARANGE — 2013-02-27T08:08:11Z

Pour identifier des données dupliquées dans R, on a usuellement recours à la fonction duplicated().

Or, la fonction duplicated() retourne les positions des lignes dupliquées, à partir de la seconde occurence de chaque ligne :

> (df <- data.frame(x=c("a","b","c","b","d","c"),y=c(1,2,3,2,4,3))) x y 1 a 1 2 b 2 3 c 3 4 b 2 5 d 4 6 c 3 > duplicated(df) [1] FALSE FALSE FALSE TRUE FALSE TRUE

Si cela est fort utile pour supprimer les doublons (puisque seules les secondes occurrences sont identifiées), on peut avoir besoin d'identifier l'ensemble des lignes concernées (y compris donc les premières occurrences), si l'on souhaite par exemple visualiser les doublons, autrement dit d'avoir une fonction duplicated2() dont le résultat serait :

> duplicated2(df) [1] FALSE TRUE TRUE TRUE FALSE TRUE

Merci au groupe des utilisateurs du logiciel R du CIRAD, voici la solution :

duplicated2 <- function(x){ if (sum(dup <- duplicated(x))==0) return(dup) if (class(x) %in% c("data.frame","matrix")) duplicated(rbind(x[dup,],x))[-(1:sum(dup))] else duplicated(c(x[dup],x))[-(1:sum(dup))] }

Joseph Larmarange

Enseigner R sur YouTube en temps de COVID-19 : retour d'expérience des webin-R

Enseigner R sur YouTube en temps de COVID-19 : retour d'expérience des webin R

Résumé

Reproducible Summary Tables with the gtsummary Package

Reproducible Summary Tables with the gtsummary Package

Authors

Abstract

Links

Un même objet biographique sous l'angle de plusieurs approches méthodologiques

Introduction à l'analyse d'enquêtes avec R

Support de cours

Où couper un dendrogramme ?

Manipulation de données : quelques mini-fonctions

Suppression des valeurs manquantes

Suppression des modalités inutilisées d'un facteur

Représenter des effectifs dans le plan factoriel

Calculer les Odds Ratio d'une régression logistique binaire ou multinomiale

Transformer les valeurs manquantes en un facteur

Rechercher et visualiser les doublons