{"id":6443,"date":"2026-09-16T08:53:22","date_gmt":"2026-09-16T08:53:22","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-agreger-plusieurs-colonnes-dans-r-exemples\/"},"modified":"2026-09-16T08:53:22","modified_gmt":"2026-09-16T08:53:22","slug":"comment-agreger-plusieurs-colonnes-dans-r-exemples","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-agreger-plusieurs-colonnes-dans-r-exemples","title":{"rendered":"Comment agr\u00e9ger plusieurs colonnes dans R (avec exemples)"},"content":{"rendered":"

Dans le paysage contemporain de l’analyse computationnelle et de l’ing\u00e9nierie des donn\u00e9es, le traitement statistique rigoureux repose fondamentalement sur la capacit\u00e9 du praticien \u00e0 transformer des ensembles d’observations granulaires en r\u00e9sum\u00e9s informatifs exploitables. L’agr\u00e9gation de donn\u00e9es constitue \u00e0 cet \u00e9gard la pierre angulaire de toute d\u00e9marche exploratoire ou confirmatoire, permettant de condenser la variance empirique d’un \u00e9chantillon selon des structures factorielles identifiables. Au sein de l’environnement de programmation GNU R<\/a>, cette t\u00e2che analytique \u00e9l\u00e9mentaire s’articule autour de paradigmes conceptuels profonds qui gouvernent l’organisation des structures de donn\u00e9es matricielles et tabulaires. Comprendre comment r\u00e9duire la dimensionnalit\u00e9 d’un tableau d’observations tout en pr\u00e9servant l’int\u00e9grit\u00e9 de ses m\u00e9triques constitue un pr\u00e9requis incontournable pour tout chercheur en sciences quantitatives.<\/p>\n

Bien que les d\u00e9veloppements contemporains aient vu \u00e9merger des biblioth\u00e8ques logicielles tierces offrant des abstractions fonctionnelles s\u00e9duisantes, l’\u00e9tude approfondie de la fonction native aggregate()<\/code> demeure indispensable. Cette fonction historique, ancr\u00e9e dans la conception initiale du langage S et perp\u00e9tu\u00e9e au c\u0153ur de R base, propose une architecture math\u00e9matique et syntaxique d’une \u00e9l\u00e9gance remarquable. L’agr\u00e9gation multivari\u00e9e \u2014 qui consiste \u00e0 estimer de mani\u00e8re concomitante plusieurs m\u00e9triques quantitatives \u00e0 travers les mailles d’un ou de plusieurs facteurs de stratification \u2014 confronte l’analyste \u00e0 des probl\u00e9matiques subtiles d’\u00e9valuation syntaxique, de typage vectoriel, de traitement des cellules factorielles vides et de gestion des omissions de valeurs manquantes. La ma\u00eetrise de ces m\u00e9canismes internes constitue le garant d’une reproductibilit\u00e9 parfaite et d’une efficacit\u00e9 algorithmique optimale.<\/p>\n

Le pr\u00e9sent trait\u00e9 m\u00e9thodologique propose une exploration exhaustive, didactique et rigoureuse des strat\u00e9gies d’agr\u00e9gation multidimensionnelle dans R. De l’\u00e9valuation formelle de la notation par formule jusqu’\u00e0 l’impl\u00e9mentation d’estimateurs statistiques personnalis\u00e9s, en passant par l’analyse comparative des performances face aux dialectes modernes que sont le tidyverse<\/em> et data.table<\/em>, chaque section est con\u00e7ue pour doter le lecteur d’une expertise technique irr\u00e9prochable. En s’appuyant sur un mod\u00e8le empirique standardis\u00e9 et reproductible, cette analyse d\u00e9cortique la machinerie interne de l’agr\u00e9gation afin de transformer la manipulation de donn\u00e9es en une proc\u00e9dure formelle, ma\u00eetris\u00e9e et analytiquement transparente.<\/p>\n

1. Introduction m\u00e9thodologique \u00e0 l’agr\u00e9gation de donn\u00e9es multidimensionnelles dans R<\/h2>\n

1.1 D\u00e9finition conceptuelle de la r\u00e9duction et du partitionnement de donn\u00e9es<\/h3>\n

La r\u00e9duction dimensionnelle et le partitionnement statistique constituent les fondements op\u00e9rationnels de la mod\u00e9lisation quantitative. Face \u00e0 un jeu de donn\u00e9es observationnelles complexes, l’analyste se trouve confront\u00e9 \u00e0 une masse critique d’enregistrements individuels dont l’interpr\u00e9tation brute s’av\u00e8re cognitivement impraticable. Le paradigme conceptuel formalis\u00e9 sous l’appellation de scinder-appliquer-combiner (split-apply-combine)<\/a>, formalis\u00e9 notamment par Hadley Wickham, r\u00e9pond pr\u00e9cis\u00e9ment \u00e0 cette impasse m\u00e9thodologique. Ce processus se d\u00e9compose en trois \u00e9tapes algorithmiques \u00e9tanches : scinder un ensemble de donn\u00e9es h\u00e9t\u00e9rog\u00e8ne en sous-ensembles homog\u00e8nes conditionnellement \u00e0 un ou plusieurs crit\u00e8res discrets ; appliquer \u00e0 chacun de ces sous-ensembles une fonction de r\u00e9duction statistique invariante ; enfin, recombiner les estimateurs locaux obtenus au sein d’une structure synth\u00e9tique coh\u00e9sive.<\/p>\n

D’un point de vue \u00e9pist\u00e9mologique, cette d\u00e9marche mat\u00e9rialise le passage d’une perspective micro-analytique \u2014 centr\u00e9e sur l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 stochastique des unit\u00e9s statistiques singuli\u00e8res \u2014 \u00e0 une lecture macro-analytique caract\u00e9ris\u00e9e par l’\u00e9mergence d’indicateurs de synth\u00e8se stables. Dans les protocoles de recherche en sciences comportementales, biom\u00e9dicales ou \u00e9conomiques, les m\u00e9triques observ\u00e9es (telles que le temps de r\u00e9action, la concentration s\u00e9rique ou le rendement financier) sont naturellement contamin\u00e9es par des bruits de mesure individuels. La synth\u00e8se descriptive via des mesures de tendance centrale et de dispersion conditionnelles permet d’extraire le signal structural sous-jacent, neutralisant ainsi la variance intra-groupe non informative au profit de la mise en lumi\u00e8re de la variance inter-groupe.<\/p>\n

Toutefois, la r\u00e9duction tabulaire ne constitue pas une simple op\u00e9ration arithm\u00e9tique neutre. Elle implique des choix m\u00e9thodologiques critiques quant \u00e0 la pr\u00e9servation des propri\u00e9t\u00e9s distributionnelles des variables cibles. R\u00e9duire simultan\u00e9ment plusieurs colonnes exige une coh\u00e9rence formelle dans le traitement des \u00e9chelles de mesure et impose que l’op\u00e9ration de partitionnement n’induise aucun biais d’agr\u00e9gation \u00e9cologique ou de perte arbitraire d’unit\u00e9s de variance. C’est dans ce cadre th\u00e9orique exigeant que s’inscrivent les outils logiciels d\u00e9di\u00e9s \u00e0 la manipulation de matrices de donn\u00e9es.<\/p>\n

1.2 Place et pertinence de la fonction native aggregate() dans l’\u00e9cosyst\u00e8me R<\/h3>\n

Dans l’\u00e9cosyst\u00e8me contemporain du logiciel R, la fonction aggregate()<\/code> occupe une position singuli\u00e8re, alliant une p\u00e9rennit\u00e9 historique \u00e0 une remarquable stabilit\u00e9 structurelle. D\u00e9velopp\u00e9e originellement au sein de l’environnement S aux Laboratoires Bell par John Chambers et ses collaborateurs, cette primitive a \u00e9t\u00e9 con\u00e7ue pour offrir un m\u00e9canisme g\u00e9n\u00e9rique d’interrogation et de synth\u00e8se de structures de donn\u00e9es tabulaires. Contrairement aux extensions contemporaines soumises aux cycles d’obsolescence et aux refontes syntaxiques fr\u00e9quentes propres aux d\u00e9p\u00f4ts logiciels distribu\u00e9s, la fonction native de R base garantit une r\u00e9trocompatibilit\u00e9 absolue, indispensable \u00e0 la recherche scientifique reproductible sur le long terme.<\/p>\n

L’utilisation de fonctions natives de base ne requiert l’installation d’aucun paquet externe ni la gestion complexe d’arbres de d\u00e9pendances logicielles. Cet aspect est primordial dans les environnements de calcul haute performance (HPC) contraints, les serveurs s\u00e9curis\u00e9s sans acc\u00e8s au r\u00e9seau externe ou les protocoles de validation clinique soumis \u00e0 des exigences d’audit r\u00e9glementaires strictes (telles que les normes de la Food and Drug Administration). La fonction aggregate()<\/code> repose directement sur les m\u00e9thodes internes C optimis\u00e9es de R, conf\u00e9rant aux pipelines de traitement une solidit\u00e9 conceptuelle et une r\u00e9silience logicielle exceptionnelles.<\/p>\n

De surcro\u00eet, aggregate()<\/code> constitue le vecteur p\u00e9dagogique id\u00e9al pour appr\u00e9hender la philosophie intrins\u00e8que de R. En tant que fonction g\u00e9n\u00e9rique exploitant le m\u00e9canisme de r\u00e9partition de m\u00e9thodes S3, elle illustre la mani\u00e8re dont R interpr\u00e8te alternativement les formules symboliques, les listes et les objets matriciels. Ma\u00eetriser cette fonction permet au statisticien de dialoguer directement avec la structure fondamentale du langage sans d\u00e9pendre des couches d’abstraction successives introduites par les dialectes modernes, offrant ainsi une compr\u00e9hension intime des m\u00e9canismes de traitement de donn\u00e9es en m\u00e9moire vive.<\/p>\n

1.3 Structure g\u00e9n\u00e9rale du pr\u00e9sent tutoriel et objectifs p\u00e9dagogiques<\/h3>\n

La finalit\u00e9 p\u00e9dagogique de cette monographie est d’\u00e9tablir un cadre th\u00e9orique et pratique exhaustif permettant l’agr\u00e9gation conjointe de multiples variables quantitatives d\u00e9pendantes au travers de variables de regroupement cat\u00e9gorielles dans R. Trop souvent, les guides pratiques se limitent au cas univari\u00e9 le plus \u00e9l\u00e9mentaire, laissant l’analyste d\u00e9muni face aux complexit\u00e9s structurelles inh\u00e9rentes aux jeux de donn\u00e9es multidimensionnels r\u00e9els. Notre propos est de combler rigoureusement ce foss\u00e9 m\u00e9thodologique.<\/p>\n

Le parcours d’apprentissage propos\u00e9 adopte une progression didactique rigoureuse. Nous examinerons dans un premier temps l’anatomie formelle de la fonction, en d\u00e9cortiquant ses arguments et le fonctionnement du syst\u00e8me de formules symboliques. Par la suite, nous instancierons un jeu de donn\u00e9es empirique repr\u00e9sentatif, contr\u00f4l\u00e9 et reproductible, qui servira d’\u00e9talon exp\u00e9rimental tout au long des d\u00e9monstrations. Ce substrat permettra d’illustrer la transition m\u00e9thodique entre le cas univari\u00e9 simple et l’agr\u00e9gation multivari\u00e9e complexe, en abordant les subtilit\u00e9s syntaxiques de la construction matricielle cbind()<\/code>.<\/p>\n

Une attention particuli\u00e8re sera accord\u00e9e aux cas d’usage avanc\u00e9s : la stratification factorielle crois\u00e9e, l’injection de fonctions d’estimation personnalis\u00e9es non lin\u00e9aires, et le traitement des valeurs aberrantes ou manquantes selon la th\u00e9orie de Little et Rubin. Enfin, le tutoriel proposera une mise en perspective comparative rigoureuse avec les biblioth\u00e8ques industrielles alternatives, notamment dplyr<\/code> et data.table<\/code>, afin de fournir au praticien un arbre de d\u00e9cision objectif bas\u00e9 sur des crit\u00e8res de performance m\u00e9moire, de clart\u00e9 algorithmique et de p\u00e9rennit\u00e9 logicielle.<\/p>\n

2. Fondements th\u00e9oriques et syntaxe formelle de la fonction aggregate()<\/h2>\n

2.1 D\u00e9composition des arguments fondamentaux de la fonction<\/h3>\n

L’architecture interne de la fonction aggregate()<\/code> repose sur un syst\u00e8me de r\u00e9partition de m\u00e9thodes S3 qui adapte son ex\u00e9cution selon la classe de l’objet qui lui est pass\u00e9 en entr\u00e9e. Dans sa signature canonique d\u00e9di\u00e9e aux blocs de donn\u00e9es (data.frame<\/code>), la fonction mobilise une s\u00e9rie d’arguments formels strictement hi\u00e9rarchis\u00e9s. Le premier param\u00e8tre, traditionnellement d\u00e9sign\u00e9 par x<\/code>, repr\u00e9sente l’objet cible contenant les mesures quantitatives destin\u00e9es \u00e0 subir l’op\u00e9ration de r\u00e9duction. Cet objet peut prendre la forme d’un vecteur atomique isol\u00e9, d’une matrice num\u00e9rique ou, plus fr\u00e9quemment, d’une s\u00e9lection rectangulaire issue d’un tableau de donn\u00e9es.<\/p>\n

Le second param\u00e8tre fondamental est l’argument by<\/code>, qui exige imp\u00e9rativement une structure de conteneur de type list<\/code>. Chaque \u00e9l\u00e9ment de cette liste doit correspondre \u00e0 un vecteur de m\u00eame longueur que l’objet x<\/code>, d\u00e9finissant ainsi les classes d’\u00e9quivalence factorielles qui subdiviseront l’espace des observations. Si l’utilisateur transmet un vecteur direct au lieu d’une liste, l’interpr\u00e9teur de R interrompt imm\u00e9diatement l’ex\u00e9cution par une erreur de typage structurel, soulignant la rigueur requise lors de l’instanciation de cet argument. L’argument FUN<\/code> accueille quant \u00e0 lui la fonction statistique unaire qui sera appliqu\u00e9e de mani\u00e8re vectoris\u00e9e \u00e0 chaque cellule de partitionnement.<\/p>\n

Au-del\u00e0 de cette triade essentielle, des arguments facultatifs contr\u00f4lent finement le partitionnement. L’argument subset<\/code> autorise une indexation logique pr\u00e9alable, restreignant l’agr\u00e9gation \u00e0 une fraction conditionnelle de l’\u00e9chantillon sans requ\u00e9rir d’op\u00e9ration d’extraction destructive interm\u00e9diaire. Parall\u00e8lement, le param\u00e8tre logique drop<\/code> gouverne le devenir des combinaisons factorielles non observ\u00e9es dans l’espace empirique : lorsqu’il est fix\u00e9 \u00e0 la valeur TRUE<\/code> (comportement par d\u00e9faut), les intersections de facteurs d’effectif nul sont \u00e9limin\u00e9es du tableau de sortie, tandis qu’une valeur FALSE<\/code> pr\u00e9serve ces strates vides sous forme de lignes assign\u00e9es de valeurs ind\u00e9termin\u00e9es.<\/p>\n

2.2 M\u00e9canique sous-jacente de la notation par formule en langage R<\/h3>\n

La m\u00e9thode alternative, et incontestablement la plus expressive, repose sur l’exploitation de l’interface par formule impl\u00e9ment\u00e9e via la signature aggregate.formula<\/code>. Dans ce paradigme, l’\u00e9valuation syntaxique est gouvern\u00e9e par l’op\u00e9rateur tilde (~<\/code>), qui s\u00e9pare formellement les variables d\u00e9pendantes (positionn\u00e9es sur le membre de gauche) des variables ind\u00e9pendantes ou covariables de partition (positionn\u00e9es sur le membre de droite). Cette notation symbolique emprunte directement aux conventions d’\u00e9criture des mod\u00e8les lin\u00e9aires formalis\u00e9es par Wilkinson et Rogers en 1973.<\/p>\n

Lorsqu’il s’agit d’agr\u00e9ger simultan\u00e9ment plusieurs colonnes num\u00e9riques, la syntaxe par formule mobilise l’op\u00e9rateur de liaison matricielle cbind()<\/code> sur son membre gauche. L’instruction prend alors la forme conceptuelle cbind(Y1, Y2, ..., Yn) ~ X1 + X2<\/code>. Dans ce contexte pr\u00e9cis, la fonction cbind()<\/code> n’op\u00e8re pas une concat\u00e9nation physique pr\u00e9alable dans l’espace de travail global ; elle construit dynamiquement une matrice de r\u00e9ponse composite qui sera r\u00e9solue dans le cadre contextuel fourni par l’argument data<\/code>. L’environnement d’\u00e9valuation lie les identifiants symboliques de la formule aux vecteurs colonnes effectifs du tableau sp\u00e9cifi\u00e9.<\/p>\n

Ce m\u00e9canisme d’\u00e9valuation non standard (NSE) simplifie drastiquement le code en \u00e9vitant la r\u00e9p\u00e9tition fastidieuse des pr\u00e9fixes de structures (comme l’op\u00e9rateur d’extraction df$<\/code>). Toutefois, il induit une abstraction s\u00e9mantique qui masque le travail sous-jacent de la fonction terms.formula<\/a>. L’interpr\u00e9teur de R analyse l’expression symbolique pour g\u00e9n\u00e9rer une table d’attribution qui servira \u00e0 scinder la matrice de r\u00e9ponse via la commande interne split()<\/code>. Ainsi, la formule transcende le statut de simple raccourci d’\u00e9criture pour devenir un v\u00e9ritable protocole de mod\u00e9lisation relationnelle interne.<\/p>\n

2.3 Comportement du type de retour et conformit\u00e9 des structures de sortie<\/h3>\n

La pr\u00e9dictibilit\u00e9 du type de retour d’une routine computationnelle est un pr\u00e9requis absolu pour son int\u00e9gration dans des cha\u00eenes d’analyse automatis\u00e9es. \u00c0 cet \u00e9gard, la fonction aggregate()<\/code> pr\u00e9sente des garanties remarquables, assorties n\u00e9anmoins de particularit\u00e9s structurelles m\u00e9ritant une vigilance critique. Quelle que soit la dimensionnalit\u00e9 des donn\u00e9es d’entr\u00e9e ou la m\u00e9thode syntaxique mobilis\u00e9e, le r\u00e9sultat g\u00e9n\u00e9r\u00e9 par la fonction est syst\u00e9matiquement coerc\u00e9 sous la forme d’un objet de classe data.frame<\/code>.<\/p>\n

Dans le cas d’une sortie univari\u00e9e standard, la structure tabulaire r\u00e9sultante est parfaitement rectangulaire : les premi\u00e8res colonnes portent les noms des facteurs de regroupement d\u00e9finis dans l’argument by<\/code> ou dans le membre droit de la formule, tandis que la derni\u00e8re colonne h\u00e9berge les grandeurs scalaires produites par l’application de FUN<\/code>. Les \u00e9tiquettes factorielles d’origine sont scrupuleusement conserv\u00e9es, pr\u00e9servant ainsi la continuit\u00e9 de la tra\u00e7abilit\u00e9 des m\u00e9tadonn\u00e9es analytiques.<\/p>\n

Cependant, une singularit\u00e9 morphologique appara\u00eet lorsque plusieurs colonnes sont agr\u00e9g\u00e9es via la syntaxe cbind()<\/code>. Au lieu d’int\u00e9grer les variables agr\u00e9g\u00e9es sous la forme de vecteurs colonnes distincts, aggregate()<\/code> incorpore fr\u00e9quemment le r\u00e9sultat sous la forme d’une colonne matricielle unique<\/em> imbriqu\u00e9e \u00e0 l’int\u00e9rieur du data.frame<\/code>. Si cette particularit\u00e9 pr\u00e9serve la nature bidimensionnelle de l’op\u00e9rateur cbind()<\/code>, elle peut engendrer des incompatibilit\u00e9s s\u00e9v\u00e8res lors de l’exportation vers des formats d\u00e9limit\u00e9s plats ou lors de l’indexation matricielle s\u00e9quentielle. Comprendre cette architecture interne est indispensable pour savoir comment aplatir et normaliser ces tables de donn\u00e9es r\u00e9sultantes.<\/p>\n

3. Configuration et mod\u00e9lisation du jeu de donn\u00e9es empirique de r\u00e9f\u00e9rence<\/h2>\n

3.1 Cr\u00e9ation programmatique du data frame d’\u00e9tude<\/h3>\n

Afin de garantir une reproductibilit\u00e9 computationnelle absolue et d’\u00e9viter les biais inh\u00e9rents \u00e0 des importations externes incertaines, nous d\u00e9finissons de mani\u00e8re enti\u00e8rement programmatique notre jeu de donn\u00e9es empirique de r\u00e9f\u00e9rence. Le mod\u00e8le retenu s’inspire du domaine de l’\u00e9conom\u00e9trie du sport professionnel, un champ d’investigation propice aux structures hi\u00e9rarchiques crois\u00e9es. Nous instancions une population d’athl\u00e8tes professionnels caract\u00e9ris\u00e9e par des indicateurs de performance continus et des variables d’assignation organisationnelles discr\u00e8tes.<\/p>\n

Le protocole d’instanciation sous R s’articule autour de la fonction data.frame()<\/code>. Nous g\u00e9n\u00e9rons un \u00e9chantillon structur\u00e9 de seize observations individuelles distribu\u00e9es selon deux facteurs de croisement : la conf\u00e9rence sportive r\u00e9gionale (conf<\/code>) et l’\u00e9quipe d’appartenance institutionnelle (team<\/code>). Conjointement, nous mesurons deux m\u00e9triques num\u00e9riques d’efficacit\u00e9 physique : les points d’\u00e9valuation globale inscrits (points<\/code>) et les rebonds d\u00e9fensifs et offensifs capt\u00e9s (rebounds<\/code>). L’ex\u00e9cution du bloc d’instructions suivant scelle l’int\u00e9grit\u00e9 de notre substrat exp\u00e9rimental :<\/p>\n

df_basket <- data.frame(
\n  conf = c(rep(\"Est\", 8), rep(\"Ouest\", 8)),
\n  team = c(rep(\"A\", 4), rep(\"B\", 4), rep(\"C\", 4), rep(\"D\", 4)),
\n  points = c(12, 18, 19, 24, 22, 31, 15, 19, 10, 14, 18, 20, 25, 29, 33, 28),
\n  rebounds = c(5, 7, 6, 8, 10, 11, 4, 6, 3, 5, 8, 6, 9, 12, 11, 10),
\n  stringsAsFactors = FALSE
\n)<\/code><\/p>\n

L’argument stringsAsFactors = FALSE<\/code> assure que les vecteurs nominaux demeurent instanci\u00e9s sous forme de cha\u00eenes de caract\u00e8res brutes lors de la cr\u00e9ation, \u00e9vitant ainsi toute rigidit\u00e9 pr\u00e9matur\u00e9e des dictionnaires de facteurs avant l’ex\u00e9cution des proc\u00e9dures d’agr\u00e9gation. L’\u00e9chantillon ainsi mod\u00e9lis\u00e9 pr\u00e9sente une balance dimensionnelle rigoureuse : deux conf\u00e9rences contenant chacune deux \u00e9quipes distinctes, chaque formation sportive comprenant un effectif invariant de quatre athl\u00e8tes mesur\u00e9s sur l’int\u00e9gralit\u00e9 des dimensions quantitatives.<\/p>\n

3.2 Exploration descriptive pr\u00e9liminaire des donn\u00e9es brutes<\/h3>\n

Pr\u00e9alablement \u00e0 toute tentative de transformation structurale, une inspection descriptive formelle du jeu de donn\u00e9es s’impose selon les canons de l’analyse exploratoire de Tukey. L’appel \u00e0 la primitive head(df_basket, n = 6)<\/code> permet de v\u00e9rifier la validit\u00e9 de l’alignement vectoriel horizontal, tandis que l’ex\u00e9cution de l’instruction str(df_basket)<\/code> offre un diagnostic sans \u00e9quivoque sur l’architecture typologique sous-jacente.<\/p>\n

L’affichage renvoy\u00e9 par la console confirme la nature rectangulaire de la structure : seize observations r\u00e9parties sur quatre variables atomiques. Les colonnes points<\/code> et rebounds<\/code> sont formellement r\u00e9pertori\u00e9es comme des vecteurs num\u00e9riques r\u00e9els (num<\/code>), condition pr\u00e9alable indispensable \u00e0 toute sommation arithm\u00e9tique. Les vecteurs conf<\/code> et team<\/code> sont quant \u00e0 eux identifi\u00e9s comme des s\u00e9quences de caract\u00e8res alphanum\u00e9riques (chr<\/code>), dot\u00e9es d’une mutabilit\u00e9 s\u00e9mantique appropri\u00e9e.<\/p>\n

Enfin, l’interrogation via la commande summary(df_basket)<\/code> g\u00e9n\u00e8re les quantiles marginaux non conditionnels de l’\u00e9chantillon global. L’indicateur de points pr\u00e9sente une m\u00e9diane globale oscillant autour de 19,5 unit\u00e9s avec une \u00e9tendue allant de 10 \u00e0 33 points, tandis que les rebonds s’\u00e9chelonnent entre 3 et 12 unit\u00e9s. Ces m\u00e9triques agr\u00e9g\u00e9es marginales soulignent l’importance de l’op\u00e9ration subs\u00e9quente : sans partitionnement factoriel, cette dispersion globale dissimule les disparit\u00e9s morphologiques structurelles existant entre les conf\u00e9rences g\u00e9ographiques et les effectifs d’\u00e9quipes.<\/p>\n

3.3 Importance de la typologie des variables dans l’agr\u00e9gation statistique<\/h3>\n

L’admissibilit\u00e9 formelle des op\u00e9rations arithm\u00e9tiques au sein de aggregate()<\/code> est conditionn\u00e9e par un principe de coh\u00e9rence typologique strict. Les fonctions d’estimation param\u00e9trique (\u00e0 l’instar de mean<\/code>, sd<\/code>, ou var<\/code>) exigent que les variables situ\u00e9es sur le membre de gauche de la formule ou au sein de la matrice x<\/code> appartiennent sans ambigu\u00eft\u00e9 au domaine quantitatif continu ou discret (types internes integer<\/code> ou double<\/code>). Toute tentative d’application d’un op\u00e9rateur de moyenne \u00e0 un vecteur textuel ou factoriel d\u00e9clenche in\u00e9vitablement une rupture d’ex\u00e9cution accompagn\u00e9e de l’avertissement classique argument is not numeric or logical<\/em>.<\/p>\n

Inversement, les variables d\u00e9volues \u00e0 la fonction de partitionnement \u2014 assign\u00e9es au param\u00e8tre by<\/code> ou au membre droit de la relation symbolique \u2014 doivent poss\u00e9der une s\u00e9mantique discr\u00e8te. Bien que R convertisse implicitement les vecteurs textuels en facteurs cat\u00e9goriels lors de l’\u00e9valuation de la formule, l’introduction accidentelle d’une variable continue au sein des crit\u00e8res de groupement constitue une aberration m\u00e9thodologique majeure. Une telle b\u00e9vue aboutirait \u00e0 une pulv\u00e9risation du jeu de donn\u00e9es en une multiplicit\u00e9 de micro-cellules unitaire, annihilant tout le b\u00e9n\u00e9fice r\u00e9ducteur de la d\u00e9marche d’agr\u00e9gation.<\/p>\n

Il incombe d\u00e8s lors au praticien d’auditer syst\u00e9matiquement la matrice de typage avant d’ex\u00e9cuter ses routines. Les m\u00e9canismes de coercition implicite de R, bien que souples, constituent une source fr\u00e9quente d’artefacts statistiques : par exemple, la pr\u00e9sence d’une cha\u00eene de caract\u00e8res isol\u00e9e au sein d’une colonne num\u00e9rique contraint l’ensemble du vecteur vers le type character<\/code>, rendant impossible tout calcul ult\u00e9rieur. La v\u00e9rification programmatique via des pr\u00e9dicats formels tels que is.numeric()<\/code> et is.factor()<\/code> repr\u00e9sente la premi\u00e8re ligne de d\u00e9fense de l’analyste rigoureux.<\/p>\n

4. Agr\u00e9gation univari\u00e9e \u00e9l\u00e9mentaire : une variable quantitative par un facteur de groupe<\/h2>\n

4.1 Syntaxe canonique par formule pour un param\u00e8tre unique<\/h3>\n

L’agr\u00e9gation univari\u00e9e repr\u00e9sente la formulation la plus directe du paradigme de scission et d’estimation. Dans sa forme canonique exploitant le moteur de formules de R, l’op\u00e9ration consiste \u00e0 mod\u00e9liser la d\u00e9pendance descriptive d’une variable quantitative par rapport \u00e0 un facteur de classification unique. Consid\u00e9rons le calcul de la moyenne arithm\u00e9tique de la variable points<\/code> ventil\u00e9e selon le facteur de regroupement team<\/code>. L’instruction s’\u00e9nonce de la mani\u00e8re suivante :<\/p>\n

res_univar <- aggregate(points ~ team, data = df_basket, FUN = mean)<\/code><\/p>\n

Dans cette \u00e9criture, l’interpr\u00e9teur abstrait r\u00e9sout le symbole points<\/code> comme \u00e9tant le vecteur d\u00e9pendant \u00e0 extraire, et team<\/code> comme le vecteur d’indexation conditionnelle. L’argument data = df_basket<\/code> \u00e9tablit le cadre de liaison lexical dans lequel ces identifiants prennent leur valeur. \u00c0 l’ex\u00e9cution, R instancie un appel interne \u00e9quivalent \u00e0 un d\u00e9coupage vectoriel suivi d’une \u00e9valuation par lapply()<\/code>, r\u00e9associant chaque nom de groupe \u00e0 la valeur scalaire r\u00e9sultante.<\/p>\n

L’inspection du tableau produit r\u00e9v\u00e8le une structure parfaitement calibr\u00e9e de quatre rang\u00e9es correspondant aux quatre \u00e9quipes A, B, C et D. La colonne de gauche conserve l’intitul\u00e9 team<\/code>, tandis que la colonne de droite, labellis\u00e9e points<\/code>, expose la moyenne respective de chaque collectif (soit respectivement 18.25, 21.75, 15.50 et 28.75 unit\u00e9s). Ce format synth\u00e9tique offre une comparabilit\u00e9 imm\u00e9diate entre les entit\u00e9s, d\u00e9montrant visuellement la sup\u00e9riorit\u00e9 offensive de l’\u00e9quipe D au sein du jeu de donn\u00e9es empirique.<\/p>\n

4.2 Application alternative avec l’argument standard by<\/h3>\n

Bien que la notation par formule soit pl\u00e9biscit\u00e9e pour sa clart\u00e9 cognitive, l’approche matricielle standard exploitant l’argument by<\/code> demeure une comp\u00e9tence technique fondamentale, notamment lors de la conception de sous-routines programmatiques o\u00f9 les noms de variables sont manipul\u00e9s de mani\u00e8re dynamique sous forme de cha\u00eenes de caract\u00e8res. L’expression \u00e9quivalente rigoureuse \u00e0 l’instruction pr\u00e9c\u00e9dente s’articule comme suit :<\/p>\n

res_by <- aggregate(x = df_basket$points, by = list(Equipe = df_basket$<\/span>team), FUN = mean)<\/code><\/p>\n

Cette formulation met en exergue une contrainte structurelle incontournable de la fonction aggregate()<\/code> : l’obligation stricte d’encapsuler la variable d’attribution au sein d’une structure de type list<\/code>. L’omission de cette liste \u2014 en \u00e9crivant na\u00efvement by = df_basket$team<\/code> \u2014 provoque l’interruption imm\u00e9diate de l’interpr\u00e9teur avec le message d’erreur caract\u00e9ristique : ‘by’ must be a list<\/em>. Cette contrainte d\u00e9coule du fait que R autorise le partitionnement sur une pluralit\u00e9 arbitraire de facteurs dimensionnels, chaque \u00e9l\u00e9ment de la liste repr\u00e9sentant un axe de projection cat\u00e9goriel distinct.<\/p>\n

Un avantage d\u00e9terminant de l’approche matricielle r\u00e9side dans la capacit\u00e9 \u00e0 requalifier dynamiquement le nom de la variable d’assignation au moment m\u00eame de l’instanciation de la liste. En assignant l’\u00e9l\u00e9ment sous la syntaxe list(Equipe = ...)<\/code>, la colonne r\u00e9sultante au sein du tableau agr\u00e9g\u00e9 h\u00e9rite imm\u00e9diatement de l’\u00e9tiquette s\u00e9mantique Equipe<\/code>, s’affranchissant de l’appellation brute de la variable d’origine sans exiger d’appel ult\u00e9rieur \u00e0 la fonction names()<\/code> ou colnames()<\/code>.<\/p>\n

4.3 Substitution des estimateurs de tendance centrale et de dispersion<\/h3>\n

L’universalit\u00e9 de la fonction aggregate()<\/code> r\u00e9side dans sa neutralit\u00e9 totale vis-\u00e0-vis de l’argument FUN<\/code>. Cet argument accepte sans restriction toute fonction vectorielle op\u00e9rant une projection d’un vecteur d’observations vers un indicateur scalaire unique. L’analyste n’est nullement cantonn\u00e9 \u00e0 l’estimation de la moyenne arithm\u00e9tique gaussienne classique et peut mobiliser des estimateurs robustes adapt\u00e9s aux distributions asym\u00e9triques ou contamin\u00e9es par des valeurs extr\u00eames.<\/p>\n

Ainsi, la substitution de la moyenne par la m\u00e9diane s’op\u00e8re de mani\u00e8re totalement transparente via l’assignation FUN = median<\/code>. Cette approche permet de quantifier le centre de gravit\u00e9 distributionnel d’une fa\u00e7on r\u00e9sistante \u00e0 l’influence disproportionn\u00e9e des observations aberrantes. De mani\u00e8re analogue, la caract\u00e9risation de l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 intra-groupe s’obtient instantan\u00e9ment en injectant des estimateurs d’\u00e9chelle tels que la d\u00e9viation standard de l’\u00e9chantillon via FUN = sd<\/code>, ou la variance empirique non biais\u00e9e via FUN = var<\/code>.<\/p>\n

Il convient de souligner que des fonctions renvoyant des m\u00e9triques d’\u00e9tendue extr\u00eame, telles que min<\/code> ou max<\/code>, s’int\u00e8grent avec la m\u00eame fluidit\u00e9 op\u00e9rationnelle. L’instruction aggregate(points ~ team, data = df_basket, FUN = max)<\/code> isolera rigoureusement la performance de pointe enregistr\u00e9e au sein de chaque collectif. Cette flexibilit\u00e9 conceptuelle fait de aggregate()<\/code> un instrument universel d’analyse descriptive pr\u00e9liminaire, applicable \u00e0 l’ensemble du spectre des estimateurs non param\u00e9triques.<\/p>\n

5. Agr\u00e9gation simultan\u00e9e de plusieurs colonnes quantitatives par variable de groupe<\/h2>\n

5.1 Utilisation de la construction matricielle cbind() dans la formule<\/h3>\n

Lorsque le protocole analytique requiert la synth\u00e8se parall\u00e8le d’un faisceau de m\u00e9triques d\u00e9pendantes, l’\u00e9valuation it\u00e9rative de fonctions univari\u00e9es successives s’av\u00e8re hautement inefficiente et source d’erreurs d’encodage. Pour r\u00e9soudre cette limitation, l’interface de formule de R offre une solution d’une remarquable puissance expressive : l’agr\u00e9gation conjointe via la liaison matricielle horizontale cbind()<\/code>. Dans cette configuration, les variables quantitatives cibles sont fusionn\u00e9es sur le membre gauche de l’op\u00e9rateur tilde.<\/p>\n

Pour estimer simultan\u00e9ment la moyenne des points et la moyenne des rebonds pour chacune des \u00e9quipes de notre \u00e9chantillon, l’expression formelle s’\u00e9tablit ainsi :<\/p>\n

res_multivar <- aggregate(cbind(points, rebounds) ~ team, data = df_basket, FUN = mean)<\/code><\/p>\n

L’\u00e9valuation sous-jacente op\u00e9r\u00e9e par le moteur statistique de R traite cette formulation avec une grande coh\u00e9rence computationnelle. L’op\u00e9rateur cbind(points, rebounds)<\/code> instancie conceptuellement une matrice bidimensionnelle de dimension $16 \\times 2$<\/span>. Le moteur scinde alors cette matrice selon les niveaux discrets du facteur team<\/code>, puis applique la fonction mean<\/code> de mani\u00e8re vectorielle et ind\u00e9pendante \u00e0 chacune des colonnes \u00e0 l’int\u00e9rieur de chaque strate factorielle.<\/p>\n

Le r\u00e9sultat de cette op\u00e9ration est une structure tabulaire rectangulaire condens\u00e9e qui consolide l’ensemble des estimateurs calcul\u00e9s. L’analyste obtient en une seule instruction atomique la moyenne des points et celle des rebonds ventil\u00e9es par \u00e9quipe, \u00e9liminant tout recours \u00e0 des boucles imp\u00e9ratives de type for<\/code> ou \u00e0 des fusions ult\u00e9rieures complexes de plusieurs tableaux disjoints via la fonction merge()<\/code>.<\/p>\n

5.2 Agr\u00e9gation multivari\u00e9e via la s\u00e9lection matricielle indic\u00e9e<\/h3>\n

Bien que la construction cbind()<\/code> brille par son expressivit\u00e9 lors du traitement d’un nombre restreint de covariables, elle devient particuli\u00e8rement r\u00e9barbative et vuln\u00e9rable aux fautes de frappe lorsque l’analyste doit traiter des jeux de donn\u00e9es hautement dimensionnels comprenant des dizaines, voire des centaines de variables quantitatives. Dans de telles circonstances, l’approche par s\u00e9lection matricielle indic\u00e9e via l’argument x<\/code> constitue la m\u00e9thode d’ing\u00e9nierie logicielle la plus robuste.<\/p>\n

Dans cette approche, l’argument x<\/code> re\u00e7oit directement un sous-ensemble rectangulaire extrait du jeu de donn\u00e9es source, d\u00e9limit\u00e9 soit par des indices positionnels, soit par un vecteur de caract\u00e8res regroupant la nomenclature exhaustive des variables cibles. L’instruction prend alors la forme standardis\u00e9e suivante :<\/p>\n

cols_cibles <- c(\"points\", \"rebounds\")
\nres_indic <- aggregate(x = df_basket[, cols_cibles], by = list(team = df_basket$team), FUN = mean)<\/code><\/p>\n

Cette m\u00e9thodologie d\u00e9couple formellement la d\u00e9finition des variables quantitatives de l’ex\u00e9cution m\u00eame de l’agr\u00e9gation. Il devient d\u00e8s lors trivial d’int\u00e9grer des filtres programmatiques sophistiqu\u00e9s pour automatiser la s\u00e9lection des colonnes cibles. Par exemple, la combinaison de la fonction de pr\u00e9dicat sapply(df_basket, is.numeric)<\/code> permet d’extraire dynamiquement toutes les variables de nature quantitative sans n\u00e9cessiter d’\u00e9num\u00e9ration manuelle dans le code source.<\/p>\n

Sur le plan de l’allocation computationnelle, cette \u00e9criture directe \u00e9vite les surco\u00fbts d’\u00e9valuation syntaxique inh\u00e9rents \u00e0 l’analyseur lexical de formules de R. La transmission d’une tranche matricielle existante garantit une ex\u00e9cution rapide, tout en pr\u00e9servant scrupuleusement la typologie des donn\u00e9es et la nomenclature des variables dans la structure de donn\u00e9es produite en sortie.<\/p>\n

5.3 Agr\u00e9gation exhaustive de toutes les colonnes num\u00e9riques avec la notation point<\/h3>\n

Pour pousser l’\u00e9conomie d’\u00e9criture \u00e0 son paroxysme, le syst\u00e8me de formules de R impl\u00e9mente un symbole syntaxique d’une grande concision : l’op\u00e9rateur point (.<\/code>). Emprunt\u00e9 \u00e0 la syntaxe des mod\u00e8les d’analyse de variance et de r\u00e9gression multiple, le point signifie \u00e0 l’interpr\u00e9teur de langage : \u00ab retenir l’ensemble de toutes les variables disponibles dans le jeu de donn\u00e9es d’entr\u00e9e qui ne figurent pas explicitement sur les autres membres de l’\u00e9quation \u00bb<\/em>.<\/p>\n

D\u00e8s lors, si l’on isole au pr\u00e9alable un tableau ne comportant que le facteur d’int\u00e9r\u00eat et les variables d’int\u00e9r\u00eat continu, l’instruction se simplifie drastiquement :<\/p>\n

df_sub <- df_basket[, c(\"team\", \"points\", \"rebounds\")]
\nres_point <- aggregate(. ~ team, data = df_sub, FUN = mean)<\/code><\/p>\n

Dans cette syntaxe \u00e9pur\u00e9e, l’op\u00e9rateur .<\/code> subsume automatiquement la conjonction cbind(points, rebounds)<\/code>. R proc\u00e8de \u00e0 l’inspection de l’environnement lexical d\u00e9fini par df_sub<\/code>, retranche la variable team<\/code> pr\u00e9sente \u00e0 la droite du tilde, et agr\u00e8ge collectivement l’ensemble des colonnes r\u00e9siduelles face \u00e0 ce facteur de stratification.<\/p>\n

Une mise en garde m\u00e9thodologique fondamentale doit cependant \u00eatre formul\u00e9e \u00e0 l’\u00e9gard de ce raccourci syntaxique. Si le jeu de donn\u00e9es d’origine contient des colonnes qualitatives annexes ou des identifiants administratifs que l’analyste omet d’exclure (telle que la variable conf<\/code> dans notre jeu complet), l’op\u00e9rateur point tentera de contraindre ces colonnes non num\u00e9riques au calcul de la fonction FUN<\/code>. Il en r\u00e9sultera une lev\u00e9e imm\u00e9diate d’erreurs ou des d\u00e9gradations silencieuses de type. L’emploi de la notation point impose donc un nettoyage pr\u00e9alable irr\u00e9prochable du tableau soumis \u00e0 l’argument data<\/code>.<\/p>\n

6. Partitionnement multidimensionnel : agr\u00e9ger plusieurs colonnes selon plusieurs facteurs<\/h2>\n

6.1 Croisement factoriel complet via l’op\u00e9rateur d’addition dans la formule<\/h3>\n

L’analyse empirique exige fr\u00e9quemment d’\u00e9tudier l’interaction conjointe de plusieurs dimensions structurelles sur les m\u00e9triques quantitatives observ\u00e9es. Dans le cadre de notre \u00e9tude, il est hautement instructif d’\u00e9valuer la distribution des performances athl\u00e9tiques non seulement par formation sportive (team<\/code>), mais \u00e9galement \u00e0 travers l’\u00e9chelon g\u00e9ographique sup\u00e9rieur incarn\u00e9 par la conf\u00e9rence (conf<\/code>). La syntaxe par formule de R r\u00e9sout ce partitionnement crois\u00e9 multidimensionnel par l’adjonction de l’op\u00e9rateur d’addition (+<\/code>) sur le membre droit de l’\u00e9quation.<\/p>\n

L’expression computationnelle de ce double croisement multivari\u00e9 s’articule comme suit :<\/p>\n

res_croise <- aggregate(cbind(points, rebounds) ~ conf + team, data = df_basket, FUN = mean)<\/code><\/p>\n

L’emploi du symbole +<\/code> ne renvoie aucunement \u00e0 une sommation arithm\u00e9tique des variables cat\u00e9gorielles. Il sp\u00e9cifie une op\u00e9ration de composition ensembliste : R g\u00e9n\u00e8re le produit cart\u00e9sien des niveaux des facteurs conf<\/code> et team<\/code>, scindant l’espace d’\u00e9chantillonnage en autant de cellules exp\u00e9rimentales qu’il existe d’intersections observables. Dans notre cas empirique, cette d\u00e9composition produit quatre strates d’intersection distinctes (Est:A, Est:B, Ouest:C, Ouest:D).<\/p>\n

Cette approche permet d’observer la granularit\u00e9 compl\u00e8te de la distribution des donn\u00e9es. L’analyste visualise instantan\u00e9ment si les \u00e9carts de rebonds ou de points r\u00e9sultent d’un effet purement associ\u00e9 \u00e0 l’\u00e9quipe ou s’ils traduisent des dynamiques de conf\u00e9rence plus larges. De plus, la fonction aggregate()<\/code> g\u00e8re nativement les cellules factorielles vides : si un croisement de facteurs n’enregistre aucune observation dans le jeu de donn\u00e9es, la ligne correspondante est omise de la synth\u00e8se finale par d\u00e9faut, \u00e9vitant la pollution du tableau par des valeurs ind\u00e9finies.<\/p>\n

6.2 Partitionnement multi-facteurs via la syntaxe by avec listes multiples<\/h3>\n

L’\u00e9quivalence algorithmique du croisement factoriel s’exprime dans la syntaxe standard en alimentant l’argument by<\/code> \u00e0 l’aide d’une liste structur\u00e9e accueillant plusieurs vecteurs d’attribution qualitatifs. Cette d\u00e9clinaison matricielle offre une lisibilit\u00e9 accrue lorsque les facteurs de partitionnement proviennent de sources vectorielles distinctes n’appartenant pas n\u00e9cessairement au m\u00eame tableau de donn\u00e9es originel.<\/p>\n

La transcription formelle de cette stratification multidimensionnelle s’\u00e9nonce ainsi :<\/p>\n

res_by_multi <- aggregate(
\n  x = df_basket[, c(\"points\", \"rebounds\")],
\n  by = list(Conference = df_basket$conf, Equipe = df_basket$<\/span>team),
\n  FUN = mean
\n)<\/code><\/p>\n

\u00c0 l’issue de l’ex\u00e9cution, le tableau de donn\u00e9es renvoy\u00e9 dispose d’un syst\u00e8me de colonnes d’indexation explicite. La premi\u00e8re colonne, nomm\u00e9e Conference<\/code>, s\u00e9gr\u00e8gue les blocs territoriaux, tandis que la seconde, nomm\u00e9e Equipe<\/code>, ordonne les collectifs sous-jacents. Les colonnes ult\u00e9rieures pr\u00e9sentent les moyennes arithm\u00e9tiques associ\u00e9es \u00e0 chaque cellule crois\u00e9e.<\/p>\n

Un int\u00e9r\u00eat fonctionnel majeur de cette syntaxe r\u00e9side dans la hi\u00e9rarchisation lexicographique du tri de sortie. R ordonne automatiquement les lignes du data.frame<\/code> r\u00e9sultant en suivant l’ordre de d\u00e9claration des \u00e9l\u00e9ments dans la liste fournie \u00e0 by<\/code>. Les niveaux du premier facteur constituent la cl\u00e9 de tri primaire, tandis que le second facteur structure le tri secondaire, d\u00e9livrant un \u00e9tat r\u00e9capitulatif directement pr\u00eat pour l’\u00e9dition de rapports scientifiques sans exiger d’appel pr\u00e9alable \u00e0 la fonction order()<\/code>.<\/p>\n

6.3 Interpr\u00e9tation statistique des interactions de groupe agr\u00e9g\u00e9es<\/h3>\n

Au-del\u00e0 de la m\u00e9canique programmatique, la g\u00e9n\u00e9ration de tableaux agr\u00e9g\u00e9s \u00e0 facteurs crois\u00e9s r\u00e9pond \u00e0 un objectif fondamental d’inf\u00e9rence exploratoire : la d\u00e9tection visuelle et descriptive des ph\u00e9nom\u00e8nes d’interaction statistique. Une interaction se mat\u00e9rialise lorsque l’effet d’une variable ind\u00e9pendante sur la variable de r\u00e9ponse varie en magnitude ou en direction selon les modalit\u00e9s prises par un second facteur d’assignation.<\/p>\n

En analysant les sorties combin\u00e9es de points<\/code> et rebounds<\/code> \u00e0 travers les strates crois\u00e9es de notre mod\u00e8le sportif, le statisticien peut \u00e9valuer si la sup\u00e9riorit\u00e9 aux rebonds constat\u00e9e pour l’\u00e9quipe D (moyenne de 10.50) est une sp\u00e9cificit\u00e9 isol\u00e9e ou si elle refl\u00e8te un niveau d’engagement physique partag\u00e9 par l’ensemble des formations de la conf\u00e9rence Ouest. Si l’\u00e9cart entre les \u00e9quipes C et D au sein de la conf\u00e9rence Ouest s’av\u00e8re consid\u00e9rablement plus marqu\u00e9 que l’\u00e9cart s\u00e9parant les \u00e9quipes A et B au sein de la conf\u00e9rence Est, l’agr\u00e9gation met empiriquement en \u00e9vidence une h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 d’interaction.<\/p>\n

Ces matrices descriptives constituent le point d’ancrage indispensable \u00e0 la sp\u00e9cification ult\u00e9rieure de mod\u00e8les statistiques confirmatoires plus formels, tels que l’analyse de variance factorielle \u00e0 deux facteurs (ANOVA)<\/a> ou les mod\u00e8les lin\u00e9aires \u00e0 effets mixtes. Elles permettent de valider empiriquement la plausibilit\u00e9 des hypoth\u00e8ses d’additivit\u00e9 ou, \u00e0 l’inverse, d’\u00e9tayer la n\u00e9cessit\u00e9 d’inclure des termes de croisement multiplicatifs au sein des \u00e9quations d’estimation structurelles.<\/p>\n

7. Impl\u00e9mentation de fonctions statistiques personnalis\u00e9es et complexes<\/h2>\n

7.1 D\u00e9finition et injection de fonctions anonymes (lambda)<\/h3>\n

Si l’utilisation des fonctions primitives pr\u00e9existantes de R (comme mean<\/code> ou sum<\/code>) r\u00e9pond aux besoins descriptifs \u00e9l\u00e9mentaires, les protocoles scientifiques requi\u00e8rent continuellement le d\u00e9ploiement de m\u00e9triques d’estimation sur-mesure non impl\u00e9ment\u00e9es sous forme unitaire dans le syst\u00e8me de base. La fonction aggregate()<\/code> r\u00e9sout cette exigence m\u00e9thodologique en autorisant l’injection directe de fonctions anonymes \u2014 commun\u00e9ment d\u00e9sign\u00e9es sous le vocable math\u00e9matique d’expressions lambda \u2014 au sein de son param\u00e8tre FUN<\/code>.<\/p>\n

Consid\u00e9rons le calcul de l’erreur type de la moyenne (SEM, pour Standard Error of the Mean<\/em>), d\u00e9finie math\u00e9matiquement comme le ratio de l’\u00e9cart-type de l’\u00e9chantillon par la racine carr\u00e9e du cardinal d’observations :<\/p>\n

$$\\text{SEM} = \\frac{s}{\\sqrt{n}} = \\frac{\\sqrt{\\frac{1}{n-1}\\sum_{i=1}^{n}(x_i – \\bar{x})^2}}{\\sqrt{n}}$$<\/span><\/p>\n

Cette grandeur d’incertitude ne disposant pas d’une fonction atomique d\u00e9di\u00e9e dans R base, nous pouvons l’impl\u00e9menter directement via la syntaxe fonctionnelle classique :<\/p>\n

res_sem <- aggregate(
\n  cbind(points, rebounds) ~ team,
\n  data = df_basket,
\n  FUN = function(x) sd(x) \/ sqrt(length(x))
\n)<\/code><\/p>\n

Depuis l’av\u00e8nement de R en version 4.0.0, l’interpr\u00e9teur propose une notation fonctionnelle \u00e9pur\u00e9e, align\u00e9e sur les standards des langages fonctionnels modernes, substituant le mot-cl\u00e9 verbeux function(x)<\/code> par la barre oblique invers\u00e9e concise (x)<\/code>. L’expression prend alors la forme \u00e9l\u00e9gante :<\/p>\n

res_sem_moderne <- aggregate(
\n  cbind(points, rebounds) ~ team,
\n  data = df_basket,
\n  FUN = (x) sd(x) \/ sqrt(length(x))
\n)<\/code><\/p>\n

\u00c0 chaque it\u00e9ration factorielle, le vecteur d’observations locales est assign\u00e9 \u00e0 l’argument formel x<\/code>, subit la transformation algorithmique formul\u00e9e, et renvoie un scalaire unique parfaitement int\u00e9gr\u00e9 au tableau de synth\u00e8se. Cette flexibilit\u00e9 permet d’incorporer instantan\u00e9ment des estimateurs robustes tels que la moyenne tronqu\u00e9e (trimmed mean<\/em>), le coefficient de variation de Pearson, ou des estimateurs de type M de Huber.<\/p>\n

7.2 Extraction de m\u00e9triques composites renvoyant plusieurs valeurs<\/h3>\n

Une complexit\u00e9 technique majeure surgit lorsque la fonction transmise \u00e0 l’argument FUN<\/code> n’est plus un estimateur \u00e0 projection scalaire unitaire, mais un op\u00e9rateur renvoyant un vecteur contenant une multiplicit\u00e9 de valeurs num\u00e9riques. L’arch\u00e9type m\u00e9thodologique de cette configuration r\u00e9side dans l’appel \u00e0 la fonction quantile()<\/code>, qui restitue par d\u00e9faut les cinq n\u0153uds de distribution d’un \u00e9chantillon (le minimum, les premier, deuxi\u00e8me et troisi\u00e8me quartiles, et le maximum).<\/p>\n

Examinons le comportement structurel de aggregate()<\/code> face \u00e0 une telle fonction composite :<\/p>\n

res_quantiles <- aggregate(points ~ team, data = df_basket, FUN = quantile)<\/code><\/p>\n

L’ex\u00e9cution de cette commande aboutit \u00e0 une illusion d’affichage en console. Le r\u00e9sultat appara\u00eet visuellement comme un tableau de six colonnes r\u00e9guli\u00e8res. Cependant, une inspection rigoureuse de son anatomie interne au moyen de la primitive str(res_quantiles)<\/code> met en lumi\u00e8re une anomalie morphologique critique : l’objet produit est un data.frame<\/code> \u00e0 deux variables seulement, dont la seconde colonne nomm\u00e9e points<\/code> n’est pas un vecteur atomique, mais une matrice num\u00e9rique \u00e0 deux dimensions incorpor\u00e9e au sein du tableau<\/em>.<\/p>\n

Cette imbrication matricielle interne rompt les conventions relationnelles classiques et paralyse fr\u00e9quemment les traitements analytiques en aval (comme l’\u00e9criture disque via write.csv()<\/code> ou la conversion graphique). Pour normaliser et aplatir cette structure afin d’obtenir un tableau v\u00e9ritablement rectangulaire dont chaque quantile constitue une colonne ind\u00e9pendante, il est imp\u00e9ratif d’utiliser la technique canonique de r\u00e9emballage via do.call()<\/code> :<\/p>\n

res_aplatie <- do.call(data.frame, res_quantiles)<\/code><\/p>\n

L’\u00e9valuation par do.call()<\/code> d\u00e9ploie dynamiquement la colonne matricielle en autant de vecteurs atomiques distincts qu’elle contient d’attributs dimensionnels, leur assignant automatiquement des suffixes explicites (par exemple points.25.<\/code>, points.50.<\/code>). La ma\u00eetrise de ce redressement structurel constitue une comp\u00e9tence indispensable pour tout d\u00e9veloppeur R avanc\u00e9.<\/p>\n

7.3 Agr\u00e9gation pond\u00e9r\u00e9e et op\u00e9rations sous contraintes param\u00e9triques<\/h3>\n

L’une des limitations intrins\u00e8ques de la signature de aggregate()<\/code> r\u00e9side dans son incapacit\u00e9 native \u00e0 g\u00e9rer des fonctions multivari\u00e9es exigeant l’\u00e9valuation conjointe de deux vecteurs synchrones interd\u00e9pendants. L’illustration paroxystique de cette contrainte est le calcul d’une moyenne arithm\u00e9tique pond\u00e9r\u00e9e via la fonction weighted.mean<\/a>, qui requiert obligatoirement deux arguments vectoriels de dimensions strictement identiques : le vecteur des grandeurs \u00e0 synth\u00e9tiser (x<\/code>) et le vecteur des masses statistiques associ\u00e9es (w<\/code>).<\/p>\n

Puisque la machinerie de aggregate()<\/code> n’injecte au sein de FUN<\/code> que la composante univari\u00e9e issue de la scission factorielle, une \u00e9criture conventionnelle de type FUN = weighted.mean<\/code> \u00e9chouera irr\u00e9m\u00e9diablement, faute de pouvoir sp\u00e9cifier la provenance du vecteur de pond\u00e9ration. Pour contourner \u00e9l\u00e9gamment cette limite sans recourir \u00e0 des d\u00e9pendances logicielles lourdes, deux strat\u00e9gies m\u00e9thodologiques rigoureuses peuvent \u00eatre d\u00e9ploy\u00e9es.<\/p>\n

La premi\u00e8re strat\u00e9gie repose sur l’exploitation des indices environnementaux. On transmet \u00e0 l’agr\u00e9gation le vecteur des indices positionnels des lignes du tableau plut\u00f4t que les valeurs num\u00e9riques elles-m\u00eames :<\/p>\n

df_basket$poids <- c(1.1, 0.9, 1.0, 1.2, 0.8, 1.3, 1.0, 0.9, 1.1, 1.0, 0.9, 1.2, 1.0, 0.8, 1.1, 1.0)
\nindices <- seq_len(nrow(df_basket))
\nres_pondere <- aggregate(indices ~ team, data = df_basket, FUN = (idx) {
\n  weighted.mean(df_basket$points[idx], w = df_basket$<\/span>poids[idx])
\n})<\/code><\/p>\n

La seconde approche, conceptuellement plus orthodoxe, consiste \u00e0 abandonner momentan\u00e9ment aggregate()<\/code> au profit de la combinaison native by()<\/code> ou split()<\/code> associ\u00e9e \u00e0 sapply()<\/code>, qui autorise la manipulation de sous-blocs tabulaires entiers \u00e0 chaque it\u00e9ration. Ces m\u00e9canismes illustrent la n\u00e9cessit\u00e9 d’arbitrer judicieusement entre la compacit\u00e9 syntaxique de aggregate()<\/code> et les contraintes computationnelles des estimateurs \u00e0 param\u00e8tres multiples.<\/p>\n

8. Traitement syst\u00e9matique des donn\u00e9es manquantes (NA) lors de l’agr\u00e9gation<\/h2>\n

8.1 Comportement par d\u00e9faut du param\u00e8tre na.action<\/h3>\n

L’incompl\u00e9tude empirique constitue l’un des d\u00e9fis les plus ubiquitaires de l’analyse des donn\u00e9es d’observation. Dans le syst\u00e8me R, les donn\u00e9es manquantes sont formalis\u00e9es par la constante logique NA<\/code> (Not Available<\/em>). La mani\u00e8re dont une routine d’agr\u00e9gation traite ces lacunes informatives conditionne directement la validit\u00e9 statistique des estimateurs finaux. Au sein de la fonction aggregate()<\/code>, le traitement des absences est principalement arbitr\u00e9 par le param\u00e8tre formel na.action<\/code>.<\/p>\n

Par d\u00e9faut, la m\u00e9thode aggregate.formula<\/code> instancie ce param\u00e8tre avec la valeur na.action = na.omit<\/code>. Ce r\u00e9glage induit un comportement algorithmique strict connu sous le nom d’omission par liste (listwise deletion<\/em>). Avant m\u00eame que le partitionnement des donn\u00e9es ne soit amorc\u00e9, toute rang\u00e9e de la matrice contenant ne serait-ce qu’une seule valeur manquante \u2014 que cette lacune affecte l’une des variables quantitatives d\u00e9pendantes ou l’un des facteurs de regroupement cat\u00e9goriels \u2014 est purement et simplement \u00e9ject\u00e9e de la m\u00e9moire d’analyse.<\/p>\n

Ce m\u00e9canisme de purge globale pr\u00e9sente des risques statistiques consid\u00e9rables identifi\u00e9s de longue date dans la litt\u00e9rature m\u00e9thodologique, notamment par Donald Rubin. Si les donn\u00e9es ne sont pas manquantes de mani\u00e8re compl\u00e8tement al\u00e9atoire (m\u00e9canisme MCAR, Missing Completely At Random<\/em>), la suppression par liste induit un biais syst\u00e9matique majeur au sein des estimateurs de position. De surcro\u00eet, elle provoque une d\u00e9flation artificielle de la taille d’\u00e9chantillon effectif, conduisant \u00e0 une perte d\u00e9sastreuse de puissance statistique lors des inf\u00e9rences ult\u00e9rieures.<\/p>\n

8.2 Transmission du param\u00e8tre na.rm aux fonctions statistiques sous-jacentes<\/h3>\n

Pour contrer les ravages de l’omission par liste et privil\u00e9gier une suppression localis\u00e9e par variable (pairwise deletion<\/em>), il convient de modifier la philosophie d’\u00e9valuation. L’objectif est de pr\u00e9server les unit\u00e9s statistiques au sein de la matrice de partitionnement tout en instruisant les fonctions d’estimation statistique \u00e9l\u00e9mentaires d’ignorer les valeurs manquantes lors de leurs sommations vectorielles respectives.<\/p>\n

Ce d\u00e9couplage fonctionnel s’op\u00e8re gr\u00e2ce \u00e0 l’argument d’ellipse (...<\/code>) impl\u00e9ment\u00e9 dans la signature formelle de aggregate()<\/code>. Tous les arguments additionnels non reconnus directement par le moteur d’agr\u00e9gation sont transmis de mani\u00e8re transparente \u00e0 la fonction d\u00e9sign\u00e9e par le param\u00e8tre FUN<\/code>. La quasi-totalit\u00e9 des primitives arithm\u00e9tiques de R (telles que mean<\/code>, sd<\/code>, sum<\/code>, median<\/code>) disposent d’un argument formel logique nomm\u00e9 na.rm<\/code> (pour NA remove<\/em>), fix\u00e9 par d\u00e9faut \u00e0 FALSE<\/code>.<\/p>\n

En formulant l’instruction sous la forme rigoureuse suivante :<\/p>\n

res_narm <- aggregate(
\n  cbind(points, rebounds) ~ team,
\n  data = df_basket_lacunaire,
\n  FUN = mean,
\n  na.action = na.pass,
\n  na.rm = TRUE
\n)<\/code><\/p>\n

L’argument na.action = na.pass<\/code> neutralise la purge pr\u00e9alable par liste en autorisant les rang\u00e9es incompl\u00e8tes \u00e0 traverser l’analyseur de formules. Concomitamment, la directive na.rm = TRUE<\/code> est transmise \u00e0 l’op\u00e9rateur mean<\/code>, qui proc\u00e8de \u00e0 la sommation sur les seuls \u00e9l\u00e9ments quantitatifs valides de chaque sous-groupe. Ce m\u00e9canisme garantit la conservation maximale de l’information empirique disponible pour chaque dimension d’\u00e9tude.<\/p>\n

8.3 Conservation explicite des valeurs manquantes dans les facteurs de regroupement<\/h3>\n

Une probl\u00e9matique analytique connexe concerne la pr\u00e9sence de valeurs non attribu\u00e9es au sein m\u00eame des variables cat\u00e9gorielles de partitionnement. Si un athl\u00e8te de notre \u00e9chantillon d’\u00e9valuation sportive n’est assign\u00e9 \u00e0 aucune division formelle (valeur NA<\/code> dans le vecteur team<\/code>), l’application des param\u00e8tres par d\u00e9faut aboutira \u00e0 l’\u00e9viction totale de cet enregistrement du tableau descriptif r\u00e9capitulatif.<\/p>\n

Or, sur le plan de l’\u00e9thique de la recherche et de la transparence m\u00e9thodologique, l’incompl\u00e9tude d’assignation constitue en elle-m\u00eame une information descriptive cruciale qui doit \u00eatre quantifi\u00e9e au m\u00eame titre que les cat\u00e9gories observ\u00e9es. Dissimuler ces unit\u00e9s sous-\u00e9chantillonn\u00e9es fausse la tra\u00e7abilit\u00e9 des effectifs marginaux d’un rapport d’\u00e9tude.<\/p>\n

df_basket$team_complet <- factor(df_basket$<\/span>team, exclude = NULL)
\nres_fact_na <- aggregate(points ~ team_complet, data = df_basket, FUN = mean, na.action = na.pass, na.rm = TRUE)<\/code><\/p>\n

Dans le tableau r\u00e9sultant, une ligne autonome est explicitement \u00e9tiquet\u00e9e <NA><\/code>, affichant la moyenne des performances enregistr\u00e9es pour la cohorte d’individus orphelins de rattachement institutionnel. L’exhaustivit\u00e9 de l’\u00e9chantillon source est ainsi scrupuleusement pr\u00e9serv\u00e9e dans les r\u00e9sum\u00e9s macro-statistiques.<\/p>\n

9. Approche comparative moderne : l’\u00e9cosyst\u00e8me Tidyverse avec dplyr<\/h2>\n

9.1 La syntaxe group_by() combin\u00e9e \u00e0 summarise() et across()<\/h3>\n

Au cours de la derni\u00e8re d\u00e9cennie, l’\u00e9cosyst\u00e8me technique de R a connu une mutation structurelle profonde impuls\u00e9e par le d\u00e9veloppement du Tidyverse<\/a>, une suite int\u00e9gr\u00e9e de paquets partageant une grammaire fonctionnelle et une philosophie sous-jacente unifi\u00e9e de la manipulation de donn\u00e9es. Au c\u0153ur de cette infrastructure moderne, la biblioth\u00e8que dplyr<\/code> s’est impos\u00e9e comme le standard industriel pour les op\u00e9rations de transformation et d’agr\u00e9gation group\u00e9e, rempla\u00e7ant la syntaxe matricielle classique par un flux d’\u00e9valuation s\u00e9quentiel.<\/p>\n

La transcription de l’agr\u00e9gation multivari\u00e9e dans le dialecte dplyr<\/code> repose sur le cha\u00eenage d’op\u00e9rateurs via l’op\u00e9rateur de tuyauterie (pipe<\/em> natif |><\/code> introduit dans R 4.1, ou le canal historique %>%<\/code> issu du paquet magrittr<\/code>). La scission factorielle est orchestr\u00e9e par le verbe group_by()<\/code>, tandis que la r\u00e9duction statistique s’ex\u00e9cute \u00e0 l’int\u00e9rieur du verbe summarise()<\/code>. Pour appliquer simultan\u00e9ment une fonction \u00e0 une pluralit\u00e9 de colonnes, dplyr<\/code> mobilise la fonction d’ordre sup\u00e9rieur across()<\/code> :<\/p>\n

library(dplyr)
\nres_dplyr <- df_basket |>
\n  group_by(team) |>
\n  summarise(across(c(points, rebounds), mean, .names = \"moy_{.col}\"))<\/code><\/p>\n

Cette approche propose une lisibilit\u00e9 cognitive ind\u00e9niable : le code se lit de mani\u00e8re quasi-litt\u00e9raire selon une trajectoire lin\u00e9aire gauche-droite. L’op\u00e9rateur across()<\/code> d\u00e9montre une expressivit\u00e9 exceptionnelle, autorisant la s\u00e9lection des variables cibles non seulement par \u00e9num\u00e9ration directe, mais \u00e9galement au moyen de pr\u00e9dicats logiques int\u00e9gr\u00e9s via where(is.numeric)<\/code>, abstrayant int\u00e9gralement la s\u00e9lection programmatique manuelle.<\/p>\n

Le r\u00e9sultat g\u00e9n\u00e9r\u00e9 par ce pipeline n’est plus un data.frame<\/code> standard, mais un objet de classe \u00e9tendue tibble<\/code>. Les tibbles garantissent une plus grande rigueur structurelle en interdisant le recyclage implicite de vecteurs de longueurs discordantes et en pr\u00e9venant les d\u00e9gradations silencieuses d’objets bidimensionnels vers des vecteurs univari\u00e9s lors de l’indexation.<\/p>\n

9.2 Calcul simultan\u00e9 de m\u00e9triques plurielles sur colonnes multiples<\/h3>\n

L’un des avantages les plus d\u00e9cisifs de l’abstraction offerte par dplyr<\/code> r\u00e9side dans sa capacit\u00e9 inn\u00e9e \u00e0 calculer de mani\u00e8re concomitante une pluralit\u00e9 d’estimateurs statistiques divergents sur l’ensemble des colonnes cibles, une op\u00e9ration particuli\u00e8rement sinueuse \u00e0 orchestrer au moyen de la fonction native aggregate()<\/code>.<\/p>\n

En transmettant une liste nomm\u00e9e de fonctions \u00e0 l’argument central de across()<\/code>, le compilateur dplyr<\/code> d\u00e9ploie le produit crois\u00e9 des op\u00e9rations arithm\u00e9tiques requises :<\/p>\n

res_multi_stat <- df_basket |>
\n  group_by(team) |>
\n  summarise(across(
\n    c(points, rebounds),
\n    list(moyenne = mean, dispersion = sd),
\n    .names = \"{.col}_{.fn}\"
\n  ))<\/code><\/p>\n

L’instruction g\u00e9n\u00e8re instantan\u00e9ment un tableau parfaitement normalis\u00e9 comportant la moyenne et l’\u00e9cart-type des points, ainsi que la moyenne et l’\u00e9cart-type des rebonds. L’argument .names<\/code> fournit un moteur de m\u00e9ta-programmation textuelle bas\u00e9 sur le collage s\u00e9mantique des identifiants de variables ({.col}<\/code>) et des \u00e9tiquettes fonctionnelles ({.fn}<\/code>).<\/p>\n

Pour r\u00e9pliquer une performance syntaxique comparable au sein de l’environnement R de base sans d\u00e9pendances logicielles, l’analyste se verrait contraint d’\u00e9crire des wrappers matriciels imbriqu\u00e9s hautement abstraits ou de proc\u00e9der \u00e0 de multiples jointures s\u00e9quentielles. Cette \u00e9conomie de code constitue le motif principal de l’adoption massive de dplyr<\/code> dans les \u00e9quipes de science des donn\u00e9es industrielles.<\/p>\n

9.3 Analyse critique des avantages et des co\u00fbts d’abstraction de dplyr<\/h3>\n

En d\u00e9pit de ces s\u00e9duisantes facult\u00e9s expressives, l’adoption inconditionnelle de dplyr<\/code> comporte des co\u00fbts structurels profonds qu’un ing\u00e9nieur logiciel rigoureux se doit de soupeser m\u00e9thodiquement face \u00e0 la rusticit\u00e9 \u00e9prouv\u00e9e de R base. Le premier co\u00fbt r\u00e9side dans l’alourdissement spectaculaire de l’arbre des d\u00e9pendances logicielles. L’installation de dplyr<\/code> entra\u00eene avec elle une myriade de sous-paquets critiques (tels que rlang<\/code>, vctrs<\/code>, cli<\/code>, ou tidyselect<\/code>).<\/p>\n

Cet enchev\u00eatrement de biblioth\u00e8ques tierces g\u00e9n\u00e8re une dette de maintenance redoutable au sein d’environnements industriels p\u00e9rennes. Les modifications de comportement interne, les d\u00e9pr\u00e9ciations programm\u00e9es d’arguments formels et les ruptures de compatibilit\u00e9 ascendante \u2014 bien que document\u00e9es lors des transitions de versions majeures \u2014 exigent une veille logicielle permanente et exposent les cha\u00eenes de calcul automatis\u00e9es \u00e0 des risques d’interruption d’ex\u00e9cution impr\u00e9vus.<\/p>\n

Le second co\u00fbt d’abstraction concerne les micro-performances de calcul lors du traitement de collections volumineuses de tables de dimensions r\u00e9duites. L’\u00e9valuation non standard sophistiqu\u00e9e op\u00e9r\u00e9e par le m\u00e9talangage rlang<\/code>, l’injection des contextes d’ex\u00e9cution et la cr\u00e9ation des conteneurs tibbles induisent un surco\u00fbt temporel fixe non n\u00e9gligeable. Pour des millions d’appels cons\u00e9cutifs sur de petits sous-\u00e9chantillons, la fonction native aggregate()<\/code> surpasse fr\u00e9quemment dplyr<\/code> en temps de processeur brut, rappelant que la simplicit\u00e9 architecturale demeure un levier d’optimisation fondamental.<\/p>\n

10. Traitement \u00e0 haute performance : l’alternative data.table pour jeux de donn\u00e9es massifs<\/h2>\n

10.1 Paradigme syntaxique de data.table : [i, j, by]<\/h3>\n

Lorsque la volum\u00e9trie des donn\u00e9es d’\u00e9tude franchit les limites conventionnelles pour atteindre des dimensions industrielles \u2014 de l’ordre de plusieurs dizaines de gigaoctets h\u00e9berg\u00e9s en m\u00e9moire vive \u2014, les capacit\u00e9s computationnelles de R base et de dplyr<\/code> se heurtent \u00e0 des goulots d’\u00e9tranglement m\u00e9moire r\u00e9dhibitoires. Pour r\u00e9pondre \u00e0 ces d\u00e9fis de passage \u00e0 l’\u00e9chelle, la biblioth\u00e8que data.table<\/a>, d\u00e9velopp\u00e9e par Matt Dowle et Arun Srinivasan, propose une reconstruction int\u00e9grale des structures tabulaires de R ax\u00e9e sur la vitesse d’ex\u00e9cution pure et la frugalit\u00e9 des ressources mat\u00e9rielles.<\/p>\n

Le paradigme fondamental de data.table<\/code> repose sur une extension radicale de l’op\u00e9rateur d’indexation natif de R sous la forme canonique DT[i, j, by]<\/code>. Cette syntaxe se lit mentalement comme une requ\u00eate de base de donn\u00e9es relationnelle hautement optimis\u00e9e : \u00ab En consid\u00e9rant les lignes filtr\u00e9es par le pr\u00e9dicat i<\/code>, ex\u00e9cuter les calculs vectoriels sp\u00e9cifi\u00e9s en j<\/code>, conditionnellement au partitionnement factoriel d\u00e9fini dans by<\/code> \u00bb<\/em>.<\/p>\n

Pour ex\u00e9cuter une agr\u00e9gation simultan\u00e9e multivari\u00e9e sur notre jeu d’\u00e9tude au format data.table<\/code>, l’architecture mobilise des symboles d’\u00e9valuation sp\u00e9ciaux hautement sp\u00e9cialis\u00e9s, au premier rang desquels figure le sous-ensemble de donn\u00e9es interne .SD<\/code> (Subset of Data<\/em>), combin\u00e9 au param\u00e8tre de s\u00e9lection de colonnes .SDcols<\/code> :<\/p>\n

library(data.table)
\ndt_basket <- as.data.table(df_basket)
\nres_dt <- dt_basket[, lapply(.SD, mean), by = team, .SDcols = c(\"points\", \"rebounds\")]<\/code><\/p>\n

Dans cette architecture, .SD<\/code> mat\u00e9rialise dynamiquement un sous-tableau contenant l’ensemble des colonnes cibl\u00e9es par .SDcols<\/code> pour la cellule factorielle en cours d’\u00e9valuation. La fonction primitive lapply()<\/code> applique ensuite l’op\u00e9rateur arithm\u00e9tique mean<\/code> de mani\u00e8re it\u00e9rative mais ultra-rapide \u00e0 l’int\u00e9rieur du noyau C sous-jacent.<\/p>\n

10.2 Efficacit\u00e9 m\u00e9moire et vitesse de traitement computationnel<\/h3>\n

La sup\u00e9riorit\u00e9 algorithmique \u00e9crasante de data.table<\/code> lors de l’agr\u00e9gation de jeux de donn\u00e9es massifs provient d’innovations profondes dans la gestion de la m\u00e9moire vive et de l’ordonnancement des processeurs. Alors que la fonction native aggregate()<\/code> et les verbes de dplyr<\/code> allouent continuellement de nouveaux blocs de m\u00e9moire pour dupliquer des fragments de tables interm\u00e9diaires lors des scissions factorielles, data.table<\/code> privil\u00e9gie syst\u00e9matiquement la modification sur place par r\u00e9f\u00e9rence (in-place modification<\/em>).<\/p>\n

De surcro\u00eet, le moteur interne de data.table<\/code> int\u00e8gre un algorithme de tri par base lexicographique ultra-rapide (radix sort<\/em>) enti\u00e8rement d\u00e9velopp\u00e9 en langage C optimis\u00e9, parall\u00e9lis\u00e9 nativement via les sp\u00e9cifications multithreading d’OpenMP. Au lieu d’isoler laborieusement les groupes d’observations par des tables de hachage conventionnelles, data.table<\/code> r\u00e9ordonne les pointeurs de lignes en m\u00e9moire physique \u00e0 une vitesse approchant les limites mat\u00e9rielles du bus m\u00e9moire.<\/p>\n

Des analyses comparatives rigoureuses (benchmarks<\/em>) d\u00e9montrent que sur des volum\u00e9tries exc\u00e9dant dix millions d’enregistrements stratifi\u00e9s sur plusieurs milliers de niveaux factoriels, l’ex\u00e9cution d’une agr\u00e9gation multivari\u00e9e via aggregate()<\/code> peut exiger plusieurs dizaines de secondes et saturer la m\u00e9moire vive par des copies redondantes d’objets, tandis que data.table<\/code> accomplit la m\u00eame synth\u00e8se statistique en une fraction de seconde, ne mobilisant qu’une empreinte m\u00e9moire marginale.<\/p>\n

10.3 Quand privil\u00e9gier data.table par rapport \u00e0 aggregate() de base R<\/h3>\n

Face \u00e0 ces \u00e9carts d’efficience computationnelle, le choix rationnel de l’outil d’agr\u00e9gation doit \u00eatre guid\u00e9 par une analyse m\u00e9thodique des contraintes de l’environnement de production. Privil\u00e9gier syst\u00e9matiquement data.table<\/code> au d\u00e9triment de aggregate()<\/code> n’est pas un imp\u00e9ratif universel et r\u00e9pond \u00e0 des crit\u00e8res d’ing\u00e9nierie sp\u00e9cifiques.<\/p>\n

L’utilisation de data.table<\/code> s’impose sans \u00e9quivoque d\u00e8s lors que la volum\u00e9trie des donn\u00e9es franchit le seuil critique de quelques millions d’observations, ou lorsque les routines d’agr\u00e9gation doivent \u00eatre int\u00e9gr\u00e9es au sein d’applications analytiques en temps r\u00e9el exigeant des temps de latence inf\u00e9rieurs \u00e0 la seconde. De m\u00eame, au sein d’infrastructures de calcul distribu\u00e9 ou de n\u0153uds de calcul partag\u00e9s o\u00f9 la saturation de la RAM entra\u00eene l’interruption pr\u00e9matur\u00e9e des processus (ph\u00e9nom\u00e8ne du Out-Of-Memory Killer<\/em>), la sobri\u00e9t\u00e9 architecturale de data.table<\/code> constitue une assurance vitale.<\/p>\n

En revanche, pour des cohortes d’\u00e9tudes standards n’exc\u00e9dant pas quelques centaines de milliers d’enregistrements \u2014 ce qui englobe l’immense majorit\u00e9 des travaux de recherche empirique en sciences humaines, biom\u00e9dicales ou sociales \u2014, les gains absolus de temps de calcul (qui se chiffrent en fractions de millisecondes imperceptibles pour l’utilisateur humain) ne justifient pas l’abandon de l’environnement de base. Dans ces circonstances, la pr\u00e9servation de la simplicit\u00e9 conceptuelle, la lisibilit\u00e9 universelle du code pour les \u00e9valuateurs et l’absence totale de d\u00e9pendances externes militent r\u00e9solument pour le maintien de la fonction native aggregate()<\/code>.<\/p>\n

11. Formatage, exportation et restitution graphique des tableaux agr\u00e9g\u00e9s<\/h2>\n

11.1 Transformation des donn\u00e9es agr\u00e9g\u00e9es : passage du format large au format long<\/h3>\n

L’obtention d’un tableau synth\u00e9tique agr\u00e9g\u00e9 ne constitue que rarement la phase terminale du pipeline analytique. Dans la majorit\u00e9 des cas, cette structure de donn\u00e9es interm\u00e9diaire doit \u00eatre restructur\u00e9e afin de satisfaire aux pr\u00e9requis de visualisation graphique ou d’int\u00e9gration relationnelle. La sortie g\u00e9n\u00e9r\u00e9e par aggregate()<\/code> adoptant naturellement un format dit \u00ab large \u00bb (wide format<\/em>) \u2014 o\u00f9 chaque variable quantitative occupe une colonne d\u00e9di\u00e9e \u2014, il devient fr\u00e9quemment imp\u00e9ratif de la convertir vers un format \u00ab long \u00bb (long format<\/em>), o\u00f9 les m\u00e9triques sont empil\u00e9es au sein d’un couple variable-valeur unifi\u00e9.<\/p>\n

Cette normalisation g\u00e9om\u00e9trique peut s’effectuer sans d\u00e9pendance externe au moyen de la fonction native complexe reshape()<\/a> issue de la biblioth\u00e8que stats<\/code> de R base :<\/p>\n

res_large <- aggregate(cbind(points, rebounds) ~ team, data = df_basket, FUN = mean)
\nres_long_base <- reshape(
\n  res_large,
\n  direction = \"long\",
\n  varying = c(\"points\", \"rebounds\"),
\n  v.names = \"Valeur\",
\n  timevar = \"Metrique\",
\n  times = c(\"Points\", \"Rebonds\"),
\n  idvar = \"team\"
\n)<\/code><\/p>\n

Pour les utilisateurs int\u00e9grant les outils modernes, le paquet sp\u00e9cialis\u00e9 tidyr<\/code> propose une alternative s\u00e9mantiquement plus limpide via le verbe pivot_longer()<\/code> :<\/p>\n

library(tidyr)
\nres_long_tidy <- res_large |>
\n  pivot_longer(
\n    cols = c(points, rebounds),
\n    names_to = \"Metrique\",
\n    values_to = \"Valeur\"
\n  )<\/code><\/p>\n

Cette morphologie longue constitue le standard architectural rigoureux impos\u00e9 par les biblioth\u00e8ques d’analyse d\u00e9clarative. Chaque ligne repr\u00e9sente d\u00e8s lors une observation atomique d’un estimateur pour une strate factorielle donn\u00e9e, offrant une adaptabilit\u00e9 id\u00e9ale pour les \u00e9tapes de publication tabulaire ou d’encodage esth\u00e9tique visuel.<\/p>\n

11.2 Restitution graphique rigoureuse avec le package ggplot2<\/h3>\n

La transcription visuelle d’un tableau d’indicateurs statistiques agr\u00e9g\u00e9s constitue le support privil\u00e9gi\u00e9 de la communication scientifique. La biblioth\u00e8que ggplot2<\/a>, fond\u00e9e sur l’impl\u00e9mentation formelle de la \u00ab Grammaire des Graphiques \u00bb th\u00e9oris\u00e9e par Leland Wilkinson, exploite directement la structure des donn\u00e9es agr\u00e9g\u00e9es pour construire des repr\u00e9sentations visuelles rigoureuses.<\/p>\n

L’exploitation conjointe des estimations de tendance centrale (moyennes) et d’intervalles de dispersion ou d’erreur standardis\u00e9s s’articule autour de l’utilisation de g\u00e9om\u00e9tries superpos\u00e9es. Consid\u00e9rons un protocole de visualisation comparative illustrant les moyennes de points et de rebonds par \u00e9quipe sous la forme d’un diagramme en barres disjointes assorti d’intervalles d’incertitude :<\/p>\n

library(ggplot2)
\n# Hypoth\u00e8se d'un jeu agr\u00e9g\u00e9 long contenant colonnes : team, Metrique, Valeur, SEM
\ngraph_agreg <- ggplot(res_long_tidy, aes(x = team, y = Valeur, fill = Metrique)) +
\n  geom_col(position = position_dodge(width = 0.8), width = 0.7, color = \"black\") +
\n  scale_fill_brewer(palette = \"Blues\") +
\n  labs(
\n    title = \"Performances Moyennes par Collectif\",
\n    subtitle = \"Agr\u00e9gation multivari\u00e9e des indicateurs continus\",
\n    x = \"Formation Sportive (\u00c9quipe)\",
\n    y = \"Moyenne Empirique Observ\u00e9e\"
\n  ) +
\n  theme_minimal(base_size = 12) +
\n  theme(legend.position = \"bottom\")<\/code><\/p>\n

Si l’agr\u00e9gation implique un partitionnement crois\u00e9 sur plusieurs facteurs hi\u00e9rarchiques (par exemple l’intersection de l’\u00e9quipe et de la conf\u00e9rence), l’architecture de ggplot2<\/code> permet de d\u00e9ployer une strat\u00e9gie de facettage spatial via l’op\u00e9rateur facet_wrap(~ Conference)<\/code> ou facet_grid(. ~ Conference)<\/code>. La clart\u00e9 structurelle du tableau produit pr\u00e9alablement par aggregate()<\/code> garantit une transposition graphique imm\u00e9diate et sans friction technique.<\/p>\n

11.3 Exportation des tableaux synth\u00e9tiques vers des formats acad\u00e9miques<\/h3>\n

L’ultime maillon de la cha\u00eene m\u00e9thodologique concerne l’exportation formelle des matrices agr\u00e9g\u00e9es vers des formats de restitution conformes aux exigences \u00e9ditoriales des revues acad\u00e9miques \u00e0 comit\u00e9 de lecture. La simple impression de donn\u00e9es brutes au sein d’une console R ne satisfait aucunement aux standards de mise en page requis par les directives typographiques internationales (telles que les normes de l’American Psychological Association, APA).<\/p>\n

Pour transformer une sortie d’agr\u00e9gation en une table typographique \u00e9l\u00e9gante int\u00e9grable directement dans des flux de composition LaTeX ou HTML, la biblioth\u00e8que knitr<\/a> propose la fonction canonique kable()<\/code>, qui peut \u00eatre substantiellement enrichie par les extensions de formatage avanc\u00e9es du paquet kableExtra<\/code> :<\/p>\n

library(knitr)
\nlibrary(kableExtra)
\ntableau_publiable <- kable(
\n  res_multivar,
\n  digits = 2,
\n  col.names = c(\"\u00c9quipe\", \"Moyenne des Points\", \"Moyenne des Rebonds\"),
\n  caption = \"Tableau 1. Synth\u00e8se descriptive des indicateurs de performance athl\u00e9tique par \u00e9quipe.\"
\n) |>
\nkable_styling(bootstrap_options = c(\"striped\", \"hover\", \"condensed\"), full_width = FALSE)<\/code><\/p>\n

Parall\u00e8lement \u00e0 la composition esth\u00e9tique, la p\u00e9rennisation documentaire exige l’exportation des donn\u00e9es sous forme de fichiers tabulaires d\u00e9limit\u00e9s ouverts. L’analyste mobilisera la commande native write.table()<\/code> ou write.csv()<\/code> en sp\u00e9cifiant scrupuleusement le param\u00e8tre row.names = FALSE<\/code> afin de pr\u00e9venir l’insertion ind\u00e9sirable d’une colonne d’index anonyme, assurant une parfaite interop\u00e9rabilit\u00e9 avec les logiciels d’archivage institutionnels.<\/p>\n

12. Synth\u00e8se des bonnes pratiques, \u00e9cueils fr\u00e9quents et directives m\u00e9thodologiques<\/h2>\n

12.1 Diagnostics des erreurs syst\u00e9matiques lors de l’usage de aggregate()<\/h3>\n

L’utilisation quotidienne de la fonction aggregate()<\/code> confronte in\u00e9vitablement l’analyste \u00e0 un spectre d’erreurs syst\u00e9matiques d’ex\u00e9cution dont l’\u00e9lucidation rapide exige une compr\u00e9hension fine de la m\u00e9canique logicielle sous-jacente. L’incident le plus classique r\u00e9side dans l’apparition du message d’arr\u00eat brutal : arguments must have same length<\/em>. Cette anomalie signale une disparit\u00e9 dimensionnelle entre le vecteur d\u00e9pendant \u00e0 synth\u00e9tiser et les vecteurs assign\u00e9s \u00e0 l’argument de regroupement. Elle survient typiquement lors de l’indexation matricielle manuelle lorsqu’une s\u00e9lection omet de r\u00e9percuter un filtre sur l’ensemble des arguments pass\u00e9s \u00e0 la fonction.<\/p>\n

Un second pi\u00e8ge redoutable, souvent imperceptible \u00e0 l’\u0153il nu, concerne l’omission silencieuse de strates factorielles en pr\u00e9sence de donn\u00e9es manquantes partielles. Comme expos\u00e9 pr\u00e9c\u00e9demment, la valeur par d\u00e9faut na.action = na.omit<\/code> \u00e9limine des rang\u00e9es enti\u00e8res du calcul. Si une modalit\u00e9 cat\u00e9gorielle rare n’enregistre qu’une unique observation et que celle-ci contient un NA<\/code> sur une colonne secondaire, la modalit\u00e9 dispara\u00eet totalement du tableau agr\u00e9g\u00e9 sans qu’aucun message d’alerte ne vienne pr\u00e9venir l’analyste. Il est donc fondamental d’inspecter syst\u00e9matiquement le cardinal des lignes de sortie en le confrontant aux niveaux th\u00e9oriques via nlevels()<\/code> ou table()<\/code>.<\/p>\n

Enfin, la confusion typologique abord\u00e9e dans la section 7.2 \u2014 mat\u00e9rialis\u00e9e par l’inclusion accidentelle d’une matrice \u00e0 l’int\u00e9rieur d’une colonne de data.frame<\/code> suite \u00e0 l’application de fonctions multivari\u00e9es comme summary<\/code> ou quantile<\/code> \u2014 exige un diagnostic imm\u00e9diat. D\u00e8s lors qu’une op\u00e9ration de transformation ult\u00e9rieure \u00e9choue avec un message invoquant une incompatibilit\u00e9 de dimensions matricielles, le r\u00e9flexe m\u00e9thodologique consiste \u00e0 sonder la structure via sapply(res, class)<\/code> et \u00e0 appliquer imm\u00e9diatement le redressement via do.call(data.frame, ...)<\/code>.<\/p>\n

12.2 Arbre de d\u00e9cision m\u00e9thodologique pour le choix de l’outil d’agr\u00e9gation<\/h3>\n

Face \u00e0 la pluralit\u00e9 des paradigmes d’agr\u00e9gation coexistant au sein de l’environnement R contemporain, le choix de l’infrastructure logicielle ne doit pas relever d’une adh\u00e9sion dogmatique ou d’un effet de mode stylistique, mais proc\u00e9der d’une \u00e9valuation rationnelle de l’\u00e9cosyst\u00e8me d’ing\u00e9nierie dans lequel s’ins\u00e8re le projet de recherche. L’arbre de d\u00e9cision m\u00e9thodologique suivant formalise les arbitrages fondamentaux \u00e0 op\u00e9rer :<\/p>\n

En premier lieu, si la contrainte directrice absolue du projet r\u00e9side dans la stabilit\u00e9 logicielle \u00e0 long terme<\/em>, la l\u00e9g\u00e8ret\u00e9 des d\u00e9ploiements et l’absence totale de d\u00e9pendances externes (par exemple dans le cadre de paquets R destin\u00e9s au CRAN, de scripts d’infrastructures s\u00e9curis\u00e9es ou de protocoles acad\u00e9miques destin\u00e9s \u00e0 une reproductibilit\u00e9 d\u00e9cennale), la fonction native aggregate() de R base doit \u00eatre imp\u00e9rativement privil\u00e9gi\u00e9e<\/strong>. Sa syntaxe par formule offre une puissance expressive largement suffisante pour la quasi-totalit\u00e9 des analyses descriptives standard.<\/p>\n

En second lieu, si le projet s’inscrit au sein d’un flux de travail collaboratif intensif, valorisant la lisibilit\u00e9 expressive<\/em>, l’int\u00e9gration continue avec des moteurs graphiques modernes et l’application conjointe de multiples transformations h\u00e9t\u00e9rog\u00e8nes sur des tables de dimension mod\u00e9r\u00e9e (inf\u00e9rieure \u00e0 un million de lignes), l’\u00e9cosyst\u00e8me Tidyverse articul\u00e9 autour de dplyr et across() s’impose comme le choix d’excellence<\/strong>.<\/p>\n

En troisi\u00e8me lieu, d\u00e8s lors que le projet franchit les fronti\u00e8res des m\u00e9gadonn\u00e9es (Big Data)<\/em>, impliquant des tables exc\u00e9dant plusieurs millions d’enregistrements, des contraintes d’allocation de m\u00e9moire vive drastiques ou des it\u00e9rations computationnelles massives au sein de boucles de simulation de Monte-Carlo, la biblioth\u00e8que data.table devient incontournable<\/strong>. Sa vitesse de traitement brute et son optimisation par r\u00e9f\u00e9rence garantissent une efficience qu’aucun autre dialecte R ne peut \u00e9galer.<\/p>\n

12.3 Recommandations pour la recherche reproductible et la science ouverte<\/h3>\n

L’int\u00e9grit\u00e9 de la d\u00e9marche empirique en science ouverte repose sur le principe fondamental de la reproductibilit\u00e9 computationnelle : tout chercheur ind\u00e9pendant doit pouvoir r\u00e9ex\u00e9cuter l’int\u00e9gralit\u00e9 d’un protocole d’analyse et obtenir des matrices de r\u00e9sultats rigoureusement indiscernables de celles publi\u00e9es dans l’\u00e9tude originale. L’agr\u00e9gation de donn\u00e9es brutes vers des tableaux synth\u00e9tiques constituant l’\u00e9tape charni\u00e8re o\u00f9 s’op\u00e8re la compression de l’information empirique, elle exige une formalisation documentaire irr\u00e9prochable.<\/p>\n

Il est imp\u00e9ratif d’immortaliser l’\u00e9tat exact de l’environnement de calcul au moment de l’ex\u00e9cution des scripts. Tout pipeline d’agr\u00e9gation doit se conclure par l’invocation formelle de la primitive sessionInfo()<\/code>, qui consigne scrupuleusement la version exacte de R, l’architecture du syst\u00e8me d’exploitation h\u00f4te, ainsi que les versions de l’ensemble des biblioth\u00e8ques logicielles mobilis\u00e9es. L’usage conjoint de gestionnaires d’environnements d\u00e9terministes tels que le paquet renv<\/code> permet de figer l’arbre des d\u00e9pendances dans un fichier de verrouillage universel.<\/p>\n

De surcro\u00eet, les scripts de manipulation doivent bannir toute modification manuelle destructive des fichiers sources. L’int\u00e9gralit\u00e9 du cheminement algorithmique \u2014 de la lecture du fichier brut originel jusqu’\u00e0 la restitution du tableau agr\u00e9g\u00e9 final \u2014 doit \u00eatre enti\u00e8rement programmatique, rigoureusement comment\u00e9e et articul\u00e9e autour de tests unitaires formels (via des biblioth\u00e8ques telles que testthat<\/code>). Ce n’est qu’au prix de cette rigueur m\u00e9thodologique intransigeante que l’agr\u00e9gation de donn\u00e9es s’\u00e9l\u00e8ve du statut de simple manipulation technique \u00e0 celui d’instrument de preuve scientifique universelle.<\/p>\n

R\u00e9f\u00e9rences<\/h2>\n

Chambers, J. M. (2008). Software for data analysis: Programming with R<\/em>. Springer Science & Business Media. https:\/\/doi.org\/10.1007\/978-0-387-75936-4<\/a><\/p>\n

Dowle, M., & Srinivasan, A. (2023). data.table: Extension of ‘data.frame’<\/em> (R package version 1.14.8). Comprehensive R Archive Network (CRAN). https:\/\/CRAN.R-project.org\/package=data.table<\/a><\/p>\n

Little, R. J., & Rubin, D. B. (2019). Statistical analysis with missing data<\/em> (3rd ed.). John Wiley & Sons. https:\/\/doi.org\/10.1002\/9781119482260<\/a><\/p>\n

R Core Team. (2024). R: A language and environment for statistical computing<\/em>. R Foundation for Statistical Computing, Vienna, Austria. https:\/\/www.R-project.org\/<\/a><\/p>\n

Tukey, J. W. (1977). Exploratory data analysis<\/em>. Addison-Wesley Publishing Company.<\/p>\n

Wickham, H. (2011). The split-apply-combine strategy for data analysis. Journal of Statistical Software<\/em>, 40(1), 1\u201329. https:\/\/doi.org\/10.18637\/jss.v040.i01<\/a><\/p>\n

Wickham, H. (2016). ggplot2: Elegant graphics for data analysis<\/em> (2nd ed.). Springer-Verlag. https:\/\/doi.org\/10.1007\/978-3-319-24277-4<\/a><\/p>\n

Wickham, H., Fran\u00e7ois, R., Henry, L., & M\u00fcller, K. (2023). dplyr: A grammar of data manipulation<\/em> (R package version 1.1.4). Comprehensive R Archive Network (CRAN). https:\/\/CRAN.R-project.org\/package=dplyr<\/a><\/p>\n

Wilkinson, G. N., & Rogers, C. E. (1973). Symbolic description of factorial models for analysis of variance. Journal of the Royal Statistical Society: Series C (Applied Statistics)<\/em>, 22(3), 392\u2013399. https:\/\/doi.org\/10.2307\/2346786<\/a><\/p>\n

Wilkinson, L. (2005). The grammar of graphics<\/em> (2nd ed.). Springer Science & Business Media. https:\/\/doi.org\/10.1007\/0-387-28695-0<\/a><\/p>\n

Xie, Y. (2023). knitr: A general-purpose package for dynamic report generation in R<\/em> (R package version 1.45). Comprehensive R Archive Network (CRAN). https:\/\/CRAN.R-project.org\/package=knitr<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

Guide complet et acad\u00e9mique sur l’agr\u00e9gation de multiples colonnes dans R avec la fonction aggregate(), dplyr et data.table. Exemples d\u00e9taill\u00e9s et code.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","categories":[1829,2193],"tags":[8069,1884,2690,2658,2212],"class_list":["post-6443","psych_stat","type-psych_stat","status-publish","hentry","category-methodologie-statistique","category-programmation-r","tag-aggregate","tag-analyse-de-donnees","tag-dplyr","tag-r","tag-statistiques-descriptives"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_stat\/6443","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_stat"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_stat"}],"author":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=6443"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_stat\/6443\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=6443"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=6443"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=6443"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}

Pour contraindre aggregate()<\/code> \u00e0 restituer une strate d\u00e9di\u00e9e aux unit\u00e9s non cat\u00e9goris\u00e9es, il est n\u00e9cessaire de transformer pr\u00e9alablement les facteurs nominaux pour \u00e9riger le marqueur d’absence en modalit\u00e9 cat\u00e9gorielle explicite. La fonction factor()<\/a>, coupl\u00e9e \u00e0 l’argument exclude = NULL<\/code>, remplit pr\u00e9cis\u00e9ment cet office structurel :<\/p>\n