Comment réorganiser des Données agglomérées avec une colonne par année

Ce code permet par un simple copier-coller de générer un jeu de données où le poids de 4 personnes a été collectées de 2024 à 2026. Leurs taille n'a été relevée que sur 2024 et 2026 (pas 2025). Une tentative d'analyse a été menée en comparant les poids de 2026 et 2024 dans une colonne Poids2026-2024.

On notera tout de suite des erreurs à ne pas.

1. Il ne faut jamais mettre une colonne pour chaque année d'une variable

2. Il ne faut pas commencer à analyser les données dans le tableur avec une colonne Poids2026-2024.

# Code pour générer cet exemple (à copier-coller)

df <- data.frame(Noms=c("Marcel","Julia","Rose","Joseph"),

Poids2024=round(rnorm(4,75,6),0))

df <- cbind(df,Poids2025=round(df$Poids2024*rnorm(4,1,0.1),0))

df <- cbind(df,Poids2026=round(df$Poids2025*rnorm(4,1,0.1),0))

df <- cbind(df,"Poids2026-2024"=df$Poids2026-df$Poids2024)

df <- cbind(df,Tailles2024=round(rnorm(4,170,12),0))

df <- cbind(df,Tailles2026=round(df$Tailles2024*rnorm(4,1,0.01),0))

print(df)

# 1. Éliminer les colonnes indésirables

eliminate_patterns <- "(\\D+\\d{2,4}-\\d{2,4})"

cols_to_eliminate <- grep(eliminate_patterns, colnames(df), value = TRUE) # Vérification des colonnes à éliminer print(cols_to_eliminate)

data_filtered <- df[, !colnames(df) %in% cols_to_eliminate]

# Vérification du dataframe filtré

print(data_filtered) 

# 2. Sélectionner les colonnes correspondant aux variables d'intérêt (les colonnes avec des années à la fin)

cols_variable <- grep("\\d{2,4}$", colnames(data_filtered), value = TRUE)

# Extraire les entités (colonnes non correspondant aux variables d'intérêt) - ici une seule colonne, les noms

entities <- data.frame(data_filtered[,1] )

3 # Extraire les années et les noms de variables

years <- as.numeric(sub(".*(\\d{2,4})$", "\\1", colnames(data_filtered[, cols_variable])))

years[years < 100] <- years[years < 100] + 2000 

# Ajuster pour les années à 2 chiffres

variable_names <- sub("\\d{2,4}$", "", colnames(data_filtered[, cols_variable]))

indices_variable <- grep("\\d{2,4}$", colnames(data_filtered)) 

4 # Initialiser data_final avec les colonnes d'entités correctement

data_final <- data.frame(rep(sort(unique(years)),each=nrow(entities)))

colnames(data_final)<-"Année"

for (i in 1:ncol(entities)) {

  data_final[,i+1] <- rep(entities[,i],length(unique(years)))

  colnames(data_final)[ncol(data_final)]<- colnames(entities)[i]

}

# Ajouter les colonnes de variables à data_final

for (i in unique(variable_names)) {

  variable <- c()

  for (j in sort(unique(years))) {

    temp <- data_filtered[, indices_variable[variable_names == i & years == j]]

    if (length(temp) == 0) {

      temp <- rep(NA, nrow(entities))

    }

    variable <- c(variable, temp)

  }

  data_final <- cbind(data_final, variable)

  colnames(data_final)[ncol(data_final)] <- i

}