recoder.qmd

# Recodage de variables et mise en forme de données

## Recodage de variables

```{r warning=FALSE, message=FALSE, include=FALSE}
library(tidyverse)
counties <- readRDS("data/counties.rds")
```

Il arrive souvent que nous voulions modifier les modalités d'une variable ou créer des classes à partir d'une variable quantitative.

S'il s'agit d'une condition simple, nous povons utiliser `ifelse()`. Pour des condtions longues, `cut()`, `recode()`, `case_when()` ferons l'affaire.

### ifelse

La commande suivante permet de créer une variable avec deux modalités sur base de la variable population.

```{r}
counties %>% 
  mutate(population_group = ifelse(population > 25000, ">25000", "<=25000")) %>% 
  select(population, population_group)
```

### recode

Avec `recode()`, la syntaxe est la suivante : `recode(variable, "ancienne_valeur" = "nouvelle_valeur")`.

```{r}
counties %>% 
  mutate(metro_new = recode(metro, 
                            "Metro" = "Avec Metro", 
                            "Nonmetro" = "Sans metro")) %>% 
  count(metro_new)
```

### case_when

`case_when()` est une une généralisation du `ifelse()` au cas où nous avons plusieurs conditions à vérifier. Nous pouvons créer une variable catégorielle à partir de la variable quantitative.

```{r}
counties %>% 
  select(income) %>% 
  mutate(income_cat = case_when(
    income >= 17000 & income <= 40000 ~ "17000-40000",
    income > 40000 & income <= 46000 ~ "40001-46000",
    income > 46000 & income <= 50000 ~ "46001-50000",
    TRUE ~ ">50000"
  )) 
```

La clause TRUE \~ "\>50000" permet d'assigner une valeur à toutes les lignes pour lesquelles aucune des conditions précédentes n'est vraie.

Le même résultat peut être obtenu avec `cut()`.

### cut

```{r}
counties %>% 
  select(income) %>% 
  mutate(
    income_cat = cut(
      income,
      breaks = c(17000, 40000, 46000, 50000, 150000),
      labels = c("17000-40000", "40001-46000", "46001-50000", ">50000")
  ))
```

L'argument `include_lowest = T` peut être ajouté à `cut()` pour inclure la valeur minimale dans la première classe.

## Mettre les données en ordre (wide - long format)

L'objectif du package tidyr est de fournir des fonctions pour arranger ses données et les convertir dans un format tidy. Quand est-ce que les données sont dans un format tidy ?

Le concept de tidy data repose sur trois règles interdépendantes. Des données sont considérées comme tidy si :

1.  chaque ligne correspond à une observation

2.  chaque colonne correspond à une variable

3.  chaque valeur est présente dans une unique case de la table ou, de manière équivalente, des unités d'observations différentes sont présentes dans des tables différentes

```{r}
library(tidyr)
```

```{r}
country <- c("Belgium", "France", "Germany", "Italy", "Spain", "Switzerland")
`2002` <- c(10311970, 59925035, 82350671, 57926999, 40152517, 7361757)
`2007` <- c(10392226, 61083916, 82400996, 58147733, 40448191, 7554661)

(df <- tibble(
  country,
  `2002`,
  `2007`
))
```

### pivot_longer : transformer des colonnes en lignes

Ici nous rassemblons les colonnes `2002` et `2007` sous `year` et les différentes valeurs dans `population`.

```{r}
df_long <- df %>%
  pivot_longer(cols = c(`2002`, `2007`), names_to = "year", values_to = "population")

df_long
```

Avec l'argument `cols =` on spécifie les noms des colonnes qui deviendront des modalités de la variable dont le nom est déterminé dans `names_to =`. `values_to =` détermine la variable qui contiendra les valeurs.

### pivot_wider : transformer des lignes en colonnes

`pivot_wider` de réaliser l'opération inverse que `pivot_longer`.

```{r}
df_long %>% 
  pivot_wider(names_from = "year", values_from = "population")
```

Dans `names_from =` nous indiquons la variable à partir de laquelle créer des colonnes.