{"id":1740,"date":"2026-10-14T18:00:43","date_gmt":"2026-10-14T18:00:43","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-supprimer-colonnes-data-frame-r-exemples\/"},"modified":"2026-10-14T18:00:43","modified_gmt":"2026-10-14T18:00:43","slug":"comment-supprimer-colonnes-data-frame-r-exemples","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-supprimer-colonnes-data-frame-r-exemples","title":{"rendered":"Comment supprimer des colonnes d’un data frame dans R (avec exemples)"},"content":{"rendered":"

Dans le domaine de l’analyse computationnelle contemporaine et de l’ing\u00e9nierie statistique, la manipulation structur\u00e9e de donn\u00e9es tabulaires constitue le socle indispensable sur lequel reposent la mod\u00e9lisation \u00e9conom\u00e9trique, l’apprentissage automatique et l’inf\u00e9rence biom\u00e9trique. L’environnement de programmation statistique R<\/a>, con\u00e7u \u00e0 l’origine par Ross Ihaka et Robert Gentleman comme une impl\u00e9mentation libre du langage S de John Chambers, s’est impos\u00e9 au fil des d\u00e9cennies comme la r\u00e9f\u00e9rence acad\u00e9mique et industrielle par excellence. Au sein de cet \u00e9cosyst\u00e8me, la structure bidimensionnelle canonique d\u00e9sign\u00e9e sous le nom de data.frame<\/code> repr\u00e9sente le format matriciel h\u00e9t\u00e9rog\u00e8ne fondamental permettant d’encapsuler des observations empiriques r\u00e9parties sur de multiples dimensions analytiques.<\/p>\n

Toutefois, les jeux de donn\u00e9es bruts issus de capteurs instrumentaux, d’enqu\u00eates sociologiques, de registres hospitaliers ou d’extractions de bases de donn\u00e9es relationnelles contiennent invariablement un volume substantiel d’informations superflues. Ces variables redondantes, identifiants techniques \u00e9ph\u00e9m\u00e8res, colonnes de m\u00e9tadonn\u00e9es non informatives ou mesures interm\u00e9diaires corrompues constituent une source majeure de d\u00e9gradation des performances algorithmiques et d’alourdissement de la charge cognitive pesant sur l’analyste. D\u00e8s lors, l’acte de retrancher, \u00e9laguer ou filtrer n\u00e9gativement des colonnes sp\u00e9cifiques au sein d’un tableau de donn\u00e9es transcende la simple commodit\u00e9 syntaxique : il s’agit d’une op\u00e9ration m\u00e9thodologique cruciale garantissant la robustesse, la conformit\u00e9 l\u00e9gale et la parcimonie computationnelle des pipelines de traitement.<\/p>\n

Le pr\u00e9sent trait\u00e9 propose une exploration exhaustive, m\u00e9thodique et compar\u00e9e des m\u00e9canismes algorithmiques permettant de supprimer des colonnes au sein d’un data.frame<\/code> sous R. En analysant successivement les paradigmes historiques du langage de base, les approches modernes port\u00e9es par l’\u00e9cosyst\u00e8me Tidyverse<\/a> via la grammaire dplyr<\/code>, et les techniques de haute performance fond\u00e9es sur la mutation par r\u00e9f\u00e9rence de data.table<\/a>, cette \u00e9tude offre un panorama complet des strat\u00e9gies d’\u00e9lagage dimensionnel. Chaque m\u00e9thode sera d\u00e9cortiqu\u00e9e \u00e0 l’aune de sa rigueur math\u00e9matique, de son co\u00fbt en termes d’allocation de m\u00e9moire vive et de sa reproductibilit\u00e9 au sein d’environnements scientifiques formalis\u00e9s.<\/p>\n

1. Introduction \u00e0 la gestion dimensionnelle des data frames sous R<\/h2>\n

1.1 Fondements m\u00e9thodologiques du nettoyage de donn\u00e9es scientifiques<\/h3>\n

L’\u00e9lagage m\u00e9thodique des variables au sein d’un tableau d’exp\u00e9rimentation constitue une \u00e9tape pr\u00e9liminaire d\u00e9cisive dans tout protocole d’analyse empirique rigoureux. En statistique appliqu\u00e9e, l’inclusion non contr\u00f4l\u00e9e de covariables non pertinentes ne se limite pas \u00e0 introduire un bruit stochastique parasite ; elle augmente consid\u00e9rablement le risque d’erreurs de type I, complique inutilement l’interpr\u00e9tation g\u00e9om\u00e9trique des matrices de dispersion et favorise le surapprentissage dans les architectures pr\u00e9dictives complexes. R\u00e9duire la dimensionnalit\u00e9 brute d’un tableau avant d’engager des proc\u00e9dures d’estimation matricielle s’av\u00e8re donc imp\u00e9ratif tant sur le plan \u00e9pist\u00e9mologique que pratique.<\/p>\n

Sur le plan de l’architecture mat\u00e9rielle, chaque colonne contenue dans un objet de donn\u00e9es sous R mobilise des blocs contigus de m\u00e9moire vive au sein du ramasse-miettes (garbage collector<\/em>). Lorsqu’un chercheur manipule des volum\u00e9tries massives comprenant des dizaines de milliers d’enregistrements psychom\u00e9triques, g\u00e9nomiques ou financiers, la pr\u00e9sence d’attributs inutiles entra\u00eene une fragmentation pr\u00e9matur\u00e9e de la m\u00e9moire adressable. L’optimisation dimensionnelle lib\u00e8re imm\u00e9diatement des registres d’adresses substantiels, pr\u00e9venant ainsi les d\u00e9bordements de m\u00e9moire lors de calculs vectoriels intensifs et minimisant la surcharge impos\u00e9e aux processeurs par des acc\u00e8s caches non s\u00e9quentiels.<\/p>\n

Il importe en outre de formaliser la distinction th\u00e9orique entre la suppression destructive et la s\u00e9lection conservatrice d’un sous-ensemble de donn\u00e9es. La suppression destructive, souvent mat\u00e9rialis\u00e9e par l’\u00e9crasement imm\u00e9diat de l’identifiant m\u00e9moire ou l’alt\u00e9ration sur place (in-place mutation<\/em>), \u00e9limine physiquement les pointeurs vers les vecteurs d\u00e9sign\u00e9s, interdisant tout retour en arri\u00e8re sans rechargement de la source brute. \u00c0 l’inverse, l’approche conservatrice engendre un nouvel \u00e9tat dimensionnel d\u00e9riv\u00e9 dans un environnement isol\u00e9, pr\u00e9servant l’int\u00e9grit\u00e9 de la structure initiale au prix d’une empreinte m\u00e9moire temporairement doubl\u00e9e si les optimisations de copie lors de l’\u00e9criture (copy-on-modify<\/em>) ne sont pas scrupuleusement g\u00e9r\u00e9es.<\/p>\n

Enfin, les imp\u00e9ratifs contemporains de tra\u00e7abilit\u00e9 et de reproductibilit\u00e9, tels que formalis\u00e9s par les principes de gouvernance des donn\u00e9es scientifiques FAIR (Facile \u00e0 trouver, Accessible, Interop\u00e9rable, R\u00e9utilisable)<\/a>, imposent que chaque transformation appliqu\u00e9e \u00e0 la matrice d’origine fasse l’objet d’une journalisation explicite dans le code source. L’\u00e9radication arbitraire d’une colonne ne doit jamais r\u00e9sulter d’une alt\u00e9ration manuelle du fichier source brut (par exemple un tableur CSV), mais d\u00e9couler d’instructions script\u00e9es, d\u00e9terministes, auditables et comment\u00e9es au sein d’une cha\u00eene algorithmique parfaitement transparente.<\/p>\n

1.2 Typologie structurelle des data frames et objets d\u00e9riv\u00e9s dans R<\/h3>\n

Pour appr\u00e9hender avec finesse les m\u00e9canismes d’\u00e9lagage, il est indispensable de diss\u00e9quer l’architecture interne du data.frame<\/code> canonique tel qu’impl\u00e9ment\u00e9 dans le noyau fondamental de R. Structurellement, un data.frame<\/code> n’est pas une matrice math\u00e9matique bidimensionnelle au sens strict, mais une collection ordonn\u00e9e, mat\u00e9rialis\u00e9e sous la forme d’une liste g\u00e9n\u00e9rique (list<\/code>) de vecteurs atomiques ind\u00e9pendants de longueurs rigoureusement identiques. Chaque vecteur symbolise une colonne et poss\u00e8de son propre type scalaire (r\u00e9el, entier, caract\u00e8re, logique, facteur), tandis que la coh\u00e9sion globale est assur\u00e9e par un ensemble d’attributs syst\u00e8mes comprenant obligatoirement names<\/code> (les identifiants de colonnes), row.names<\/code> (les \u00e9tiquettes de lignes) et class<\/code>, assign\u00e9 \u00e0 la cha\u00eene \"data.frame\"<\/code>.<\/p>\n

Cette impl\u00e9mentation sous forme de liste de vecteurs conditionne directement la s\u00e9mantique de suppression : retrancher une colonne \u00e9quivaut, sur le plan structurel, \u00e0 supprimer un \u00e9l\u00e9ment d’une liste cha\u00een\u00e9e de pointeurs, op\u00e9ration conceptuellement distincte de la troncature d’une dimension au sein d’un tenseur ou d’une matrice homog\u00e8ne continue. Au cours de la derni\u00e8re d\u00e9cennie, cette architecture historique a fait l’objet de raffinements substantiels, donnant naissance aux tibbles<\/em> port\u00e9s par le paquet tibble<\/code> de l’\u00e9cosyst\u00e8me Tidyverse. Ces structures modernes imposent une rigueur accrue en supprimant les coercitions automatiques impr\u00e9vues de types (telles que la conversion historique ind\u00e9sirable des cha\u00eenes de caract\u00e8res en facteurs) et en interdisant le recyclage dimensionnel incoh\u00e9rent lors des assignations.<\/p>\n

Parall\u00e8lement, la biblioth\u00e8que sp\u00e9cialis\u00e9e data.table<\/code> propose une red\u00e9finition fondamentale de la gestion des donn\u00e9es tabulaires en introduisant l’h\u00e9ritage direct de la classe data.frame<\/code> coupl\u00e9 \u00e0 une gestion avanc\u00e9e des adresses m\u00e9moires en langage C sous-jacent. Au lieu de dupliquer la liste de pointeurs lors d’une extraction ou d’une suppression de variable, data.table<\/code> exploite l’assignation par r\u00e9f\u00e9rence, permettant de retirer des attributs instantan\u00e9ment sans r\u00e9allouer l’espace occup\u00e9 par les vecteurs r\u00e9siduels. Comprendre ces divergences architecturales est capital : selon la nature sous-jacente de l’objet manipul\u00e9, une m\u00eame commande de suppression peut engendrer une simple mise \u00e0 jour d’en-t\u00eate de pointeur ou, \u00e0 l’oppos\u00e9, une copie int\u00e9grale et co\u00fbteuse de plusieurs gigaoctets en m\u00e9moire vive.<\/p>\n

Cette dynamique engage \u00e9galement de strictes contraintes d’int\u00e9grit\u00e9 r\u00e9f\u00e9rentielle. Lorsque des colonnes sont \u00e9limin\u00e9es, les index num\u00e9riques r\u00e9siduels subissent un d\u00e9calage spatial imm\u00e9diat, ce qui invalide de facto toute r\u00e9f\u00e9rence s\u00e9quentielle pr\u00e9alablement stock\u00e9e dans des routines d’it\u00e9ration externe. De surcro\u00eet, la disparition d’une variable qui servait de cl\u00e9 d’indexation implicite ou explicite rompt imm\u00e9diatement les relations d’association \u00e9tablies avec d’autres sous-ensembles du mod\u00e8le. L’ing\u00e9nieur de donn\u00e9es doit donc toujours concevoir l’op\u00e9ration de suppression non comme un acte d’effacement isol\u00e9, mais comme une restructuration globale de la topologie vectorielle du jeu de donn\u00e9es.<\/p>\n

2. Construction du jeu de donn\u00e9es exp\u00e9rimental de r\u00e9f\u00e9rence<\/h2>\n

2.1 Instanciation du data frame mod\u00e8le \u00e0 quatre dimensions<\/h3>\n

Afin de contextualiser de mani\u00e8re unifi\u00e9e et rigoureusement empirique les diff\u00e9rentes m\u00e9thodes programmatiques pr\u00e9sent\u00e9es tout au long de cette monographie, nous instancions un jeu de donn\u00e9es exp\u00e9rimental \u00e9talon. Ce cadre pratique mod\u00e9lise une cohorte psychom\u00e9trique standardis\u00e9e, int\u00e9grant des scores continus distribu\u00e9s selon des \u00e9chelles psychologiques norm\u00e9es. Les identifiants formels assign\u00e9s aux variables sont choisis pour leur clart\u00e9 : var1<\/code>, var2<\/code>, var3<\/code> et var4<\/code>. Ces variables incarnent respectivement des mesures empiriques de latence cognitive, de fluence verbale, d’inhibition comportementale et de flexibilit\u00e9 attentionnelle.<\/p>\n

L’instanciation s’effectue au moyen de la fonction native data.frame()<\/code>, en fixant un ensemble fini de cinq observations exp\u00e9rimentales. L’instruction formelle s’articule comme suit :<\/p>\n

df <- data.frame(var1 = c(12, 14, 11, 15, 10), var2 = c(33, 45, 29, 39, 41), var3 = c(102, 115, 98, 107, 95), var4 = c(5.4, 6.1, 4.8, 5.9, 5.1))<\/code><\/p>\n

Dans cette structure, chaque argument nomm\u00e9 correspond \u00e0 la cr\u00e9ation d’un vecteur atomique homog\u00e8ne de type double ou entier. L’attribution d\u00e9terministe de ces valeurs sans composante stochastique garantit une reproductibilit\u00e9 parfaite sur toute plateforme conforme \u00e0 la sp\u00e9cification POSIX ex\u00e9cutant l’interpr\u00e9teur R. La v\u00e9rification imm\u00e9diate de la dimensionnalit\u00e9 de la structure mod\u00e8le est op\u00e9r\u00e9e via la fonction dim(df)<\/code>, laquelle renvoie le vecteur c(5, 4)<\/code>, confirmant la pr\u00e9sence de cinq lignes et quatre colonnes.<\/p>\n

L’exploration fine de la signature interne de l’objet s’articule \u00e0 travers l’appel \u00e0 la fonction diagnostique str(df)<\/code>. L’environnement d’ex\u00e9cution valide formellement que l’objet appartient \u00e0 la classe 'data.frame'<\/code>, compos\u00e9 de 5 observations r\u00e9parties sur 4 variables num\u00e9riques. De plus, l’ex\u00e9cution de la fonction summary(df)<\/code> fournit une caract\u00e9risation synth\u00e9tique des param\u00e8tres de position et de dispersion (minimum, premier quartile, m\u00e9diane, moyenne, troisi\u00e8me quartile et maximum) pour chaque composante vectorielle, attestant du caract\u00e8re sain et exempt de donn\u00e9es manquantes (NA<\/code>) du jeu exp\u00e9rimental de r\u00e9f\u00e9rence.<\/p>\n

2.2 Inspection diagnostique pr\u00e9alable des vecteurs de donn\u00e9es<\/h3>\n

L’observation d\u00e9taill\u00e9e de la matrice de donn\u00e9es ainsi constitu\u00e9e met en lumi\u00e8re son agencement spatial et nominal. Pr\u00e9sent\u00e9e sous forme tabulaire conventionnelle, la structure se d\u00e9compose comme suit :<\/p>\n