minor changes to 11b_syntaxr

Author: GuyliannEngels

inst/tutorials/11b_syntaxr/syntaxr.Rmd

@@ -6,7 +6,7 @@ output:
   learnr::tutorial
 tutorial:
   id: "sdd1.11b"
-  version: 0.0.1
+  version: 0.1.0
 runtime: shiny_prerendered
 ---
 
@@ -63,7 +63,7 @@ Si vous n'avez jamais utilisé de tutoriel "learnr", familiarisez-vous d'abord a
 
 ## Syntaxe dans R
 
-Deux jeux de données vont être employés en parallèle afin de réaliser cette séance d'exercice. Les explications sont données avec le jeux de données biométrie humaine alors que les exercices sont à réaliser sur le jeu de données portant sur la biométrie des oursins. 
+Deux jeux de données vont être employés en parallèle afin de réaliser cette séance d'exercice. Les explications sont données avec le jeu de données biométrie humaine alors que les exercices sont à réaliser sur le jeu de données portant sur la biométrie des oursins. 
 
 Le jeu de données sur la biométrie humaine comprend 7 variables et 395 individus. 
 
@@ -79,7 +79,7 @@ Le jeu de données sur la biométrie des oursins comprend 19 variables et 421 in
 
 ### Calcul d'une nouvelle variable
 
-La taille (height) est exprimée en centimètre dans le jeu de données biometry. Si nous souhaitons convertir cette variable en mètre nous pouvons employer différentes instructions dans R.
+La taille (height) est exprimée en centimètre dans le jeu de données biometry. Si nous souhaitons convertir cette variable en mètre, nous pouvons employer différentes instructions dans R.
 
 - Avec SciViews::R et tidyverse
 
@@ -90,20 +90,20 @@ biometry %>.%
 head(biometry)
 ```
 
-- R de base
+- Avec R de base
 
 ```{r, echo = TRUE}
 biometry$height_cm <- biometry$height/100
 # visualisation des premières lignes du tableau
 head(biometry)
 ```
 
-Calculez le diamètre moyen avec la formule suivante sur les données urchin :
+Calculez le diamètre moyen avec la formule suivante sur les données de "urchin" :
 
 $$diameter \ = \ \frac{(diameter1 + diameter2)}{2}$$
 Affichez ensuite les premières lignes du tableau comprennant votre nouvelles variable avec la fonction head()
 
-- Utilisez le language proposé par Sciviews::R et tidyverse
+- Avec le language proposé par Sciviews::R et tidyverse
 
 ```{r mutate1, exercise = TRUE}
 # calcul de diameter
@@ -114,15 +114,16 @@ Affichez ensuite les premières lignes du tableau comprennant votre nouvelles va
 
 ```{r mutate1-solution}
 urchin %>.%
-  mutate(., diameter = (diameter1+diameter2)/2) -> urchin
+  mutate(., diameter = (diameter1 + diameter2)/ 2) -> urchin
+# visualisation avec head()
 head(urchin)
 ```
 
 ```{r mutate1-check}
 #TODO
 ```
 
-- Utilisez le language R de base
+- Avec le language R de base
 
 ```{r mutate2, exercise = TRUE}
 # calcul du diameter
@@ -133,6 +134,7 @@ head(urchin)
 
 ```{r mutate2-solution}
 urchin$diameter <- (urchin$diameter1 + urchin$diameter2)/2
+# visualisation avec head()
 head(urchin)
 ```
 
@@ -169,7 +171,9 @@ biom_sub <- biometry[c(1,3,4)]
 head(biom_sub)
 ```
 
-Sélectionnez les variables "origin", "height" and "weight" du jeu de données urchin. Visualier les premières lignes de votre nouveau tableau de données avec la fonction head().
+Sélectionnez les variables "origin", "height" and "weight" du jeu de données "urchin". 
+
+Visualier les premières lignes de votre nouveau tableau de données avec la fonction head().
 
 - Avec SciViews::R et tidyverse
 
@@ -361,13 +365,13 @@ head(biom_sub)
 
 - Avec R de base
 
-```{r}
+```{r, echo = TRUE}
 biom_sub <- biometry[biometry$gender =="W" & biometry$height >= 180, c(1, 3, 4)]
 # visualisation des premières lignes du nouveau tableau
 head(biom_sub)
 ```
 
-Si nous souhaitons réduire le jeu de données urchin afin d'obtenir un sous tableau comprennant  uniquement les individus dont la hauteur est strictement supérieur à 30 mm et provenant d'élevage. De plus, ne gardez que les variables height, weight et skeleton. Vous pouvez employer différentes instructions dans R.
+Si nous souhaitons réduire le jeu de données urchin afin d'obtenir un sous tableau comprennant  uniquement les individus dont la hauteur ("height") est strictement supérieur à 30 mm et provenant d'élevage ("Farm"). De plus, ne gardez que les variables height, weight et skeleton. Vous pouvez employer différentes instructions dans R.
 
 Affichez ensuite les premières lignes du tableau comprennant votre nouvelles variable avec la fonction head()
 
@@ -380,32 +384,28 @@ Affichez ensuite les premières lignes du tableau comprennant votre nouvelles va
 ```{r filter3-solution}
 urchin %>.%
   filter(., origin == "Farm" & height > 30) %>.%
-  select(., height, weight, skeleton)
+  select(., height, weight, skeleton) -> urchin_sub
+head(urchin_sub)
 ```
 
+```{r filter3-check}
+#TODO
+```
 
+- Avec R de base
 
-### Filtrer des lignes
-
-Maintenant que vous avez appris à sélectionner des colonnes d'intérêt, vous pouvez vous exercer à selectionner des colonnes et filtrer des lignes.
+```{r filter4, exercise = TRUE}
 
-```{r}
-# biometry[biometry$height > 180, c("gender", "weight", "height")]
-# 
-# biometry[biometry$gender == "W" & biometry$height > 180, c(1,3,4)]
-# 
-# biometry %>.%
-#   select(., c("gender", "weight", "height")) %>.%
-#   filter(., gender == "W" & height > 180)
 ```
 
-Vous avez à plusieurs reprise étudié le jeu de données portant sur la croissance des dents de cochons d'Inde. 
-
-Tentez de répondre à la question suivante :
-
-**Y a t'il une différence de croissance des dents de cochons d'Inde en fonction de la supplémentation et de la dose administrée?**
+```{r filter4-solution}
+urchin_sub <- urchin[ urchin$origin == "Farm" & urchin$height > 30, c("height", "weight", "skeleton")]
+head(urchin_sub)
+```
 
-Reprennons la suite logique de l'analyse d'un jeu de données étape par étape.
+```{r filter4-check}
+#TODO
+```
 
 
 ## Conclusion