R pour les utilisateurs SAS

Apprendre à réécrire sous R un programme SAS faisant appel à des étapes de manipulation, de traitement, d'analyse et de visualisation de données 

 Introduction

• Présentation de R et son interface R Studio
• Spécificités de l'approche R (par rapport à SAS)
• Spécificités de la syntaxe R (par rapport à SAS)
  

- Manipulations de base sous R

• Généralités sur le langage R "historique"
• Installation et chargement de packages
• Types de données sous R
• Importer des fichiers sous R (textes bruts, Excel, dataset SAS)
• Récupérer les caractéristiques d'un objet (équivalent procédure CONTENTS)
• Calculer des indicateurs statistiques, et comparaison par rapport aux procédures type MEANS / FREQ de SAS
• Pratique : importer un fichier SAS depuis R, le décrire et calculer des statistiques descriptives
  

- Traitement de données sous R

• Le dataframe et ses manipulations courantes : équivalent sous R des dataset SAS
• Package dyplr : manipuler les données dans une logique similaire à celle des étapes data / proc SQL
• Autres packages du tidyverse : manipulations sur les dates, facteurs, chaînes de caractère, transpositions de données
• Pratique : manipuler sous R un fichier de données
  

- Visualisations

• Présentation succincte des fonctions natives de visualisation sous R
• Package ggplot2 : principes, syntaxe et comparaison par rapport aux procédures GPLOT et SGPLOT
• Pratique : produire sous R différentes visualisations graphiques
  

- Analyse de données et machine learning

• Tests statistiques et ACP : mise en œuvre sous R et interprétation des sorties
• Régression linéaire : comparaison des approches et sorties de R par rapport à SAS (proc REG)
• Introduction rapide au machine learning sous R
• Pratique : mettre en œuvre une régression et / ou une ACP sous R et comparer les sorties obtenues avec celles de SAS
  

- Aperçu des possibilités de R avec des packages additionnels

• Packages SQL : pour rester dans la syntaxe d'une proc SQL
• Markdown : pour générer des fichiers de sortie html / pdf dans la logique des sorties ODS de SAS
• Shiny et/ou plotly : pour aller plus loin dans la visualisation interactive
• Caret : pour aller plus loin dans le machine learning
• Pratique : avoir un aperçu concret de ce que permettent ces packages à partir d'exemples déjà fournis
  

- Programmation sous R

• Boucles et conditions sous R
• Fonctions sous R : une alternative au macro langage de SAS
• Fonctions de type apply : une autre alternative au macro langage
• Pratique : transposer une macro SAS existante en un traitement automatisé sous R
  

- Cas pratique récapitulatif : transposer un code SAS en R

• Réécrire sous R un programme SAS constitué de plusieurs étapes data, de macros / macro-variables et de procédures de visualisations
• Etudier les différentes alternatives possibles sous R
  

- Conclusion

• Forces et faiblesses de R par rapport à SAS
• Récapitulatif des équivalents R sur les principales procédures SAS
• Bonnes pratiques à acquérir et pratiques issues de SAS à bannir