Chapitre 7 Exploration de l’ensemble de données

Nous utiliserons deux jeux de données principaux dans la première partie de cet atelier.

Ils proviennent de la thèse de doctorat de Verneaux (1973), dans laquelle il a proposé d’utiliser les espèces de poissons pour caractériser les zones écologiques le long des rivières et des ruisseaux européens.

Il a recueilli des données dans 30 localités le long du Doubs, qui coule près de la frontière franco-suisse, dans les montagnes du Jura.

Il a montré que les communautés de poissons étaient des indicateurs biologiques de ces masses d’eau.

Leurs données sont réparties en trois matrices :

L’abondance de 27 espèces de poissons dans les communautés (DoubsSpe.csv et ci-après, l’objet spe) ;
Les variables environnementales enregistrées sur chaque site (DoubsEnv.csv et ici, l’objet env) ; et,
Les coordonnées géographiques de chaque site.

Verneaux, J. (1973) Cours d’eau de Franche-Comté (Massif du Jura). Recherches écologiques sur le réseau hydrographique du Doubs. Essai de biotypologie. Thèse d’état, Besançon. 1-257.

7.1 Communautés de poissons du Doubs

Vous pouvez télécharger ces jeux de données à partir de [r.qcbs.ca/workshops/r-workshop-09] (http://r.qcbs.ca/workshops/r-workshop-09/).

Nous pouvons charger leurs données à partir du répertoire data/ dans cet atelier :

spe <- read.csv("data/doubsspe.csv", row.names = 1)

env <- read.csv("data/doubsenv.csv", row.names = 1)

Leurs données peuvent également être récupérées à partir du paquet ade4 :

library(ade4)
data(doubs)

spe <- doubs$fish
env <- doubs$env

Alternativement, à partir du paquet codep :

library(codep)
data(Doubs)

spe <- Doubs.fish
env <- Doubs.env

Nous pouvons alors explorer les objets contenant nos données nouvellement chargées.

Jetons un coup d’œil aux données spe :

head(spe)[, 1:8]

##   CHA TRU VAI LOC OMB BLA HOT TOX
## 1   0   3   0   0   0   0   0   0
## 2   0   5   4   3   0   0   0   0
## 3   0   5   5   5   0   0   0   0
## 4   0   4   5   5   0   0   0   0
## 5   0   2   3   2   0   0   0   0
## 6   0   3   4   5   0   0   0   0

Nous pouvons également utiliser la fonction str(), que nous avons étudiée dans les ateliers 1 et 2 :

str(spe)

## 'data.frame':    30 obs. of  27 variables:
##  $ CHA: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ TRU: int  3 5 5 4 2 3 5 0 0 1 ...
##  $ VAI: int  0 4 5 5 3 4 4 0 1 4 ...
##  $ LOC: int  0 3 5 5 2 5 5 0 3 4 ...
##  $ OMB: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ BLA: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ HOT: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ TOX: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ VAN: int  0 0 0 0 5 1 1 0 0 2 ...
##  $ CHE: int  0 0 0 1 2 2 1 0 5 2 ...
##  $ BAR: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ SPI: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ GOU: int  0 0 0 1 2 1 0 0 0 1 ...
##  $ BRO: int  0 0 1 2 4 1 0 0 0 0 ...
##  $ PER: int  0 0 0 2 4 1 0 0 0 0 ...
##  $ BOU: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ PSO: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ ROT: int  0 0 0 0 2 0 0 0 0 0 ...
##  $ CAR: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ TAN: int  0 0 0 1 3 2 0 0 1 0 ...
##  $ BCO: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ PCH: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ GRE: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ GAR: int  0 0 0 0 5 1 0 0 4 0 ...
##  $ BBO: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ ABL: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ ANG: int  0 0 0 0 0 0 0 0 0 0 ...

Vous pouvez également essayer certains de ces exemples !

# Essayez-en quelques-uns !

names(spe)  # noms des objets
dim(spe)  # dimensions

str(spe)  # structure des objets
summary(spe)  # statistiques sommaires

head(spe)  # 6 premières lignes

7.2 Données environnementales de la rivière Doubs

str(env)

## 'data.frame':    30 obs. of  11 variables:
##  $ das: num  0.3 2.2 10.2 18.5 21.5 32.4 36.8 49.1 70.5 99 ...
##  $ alt: int  934 932 914 854 849 846 841 792 752 617 ...
##  $ pen: num  48 3 3.7 3.2 2.3 3.2 6.6 2.5 1.2 9.9 ...
##  $ deb: num  0.84 1 1.8 2.53 2.64 2.86 4 1.3 4.8 10 ...
##  $ pH : num  7.9 8 8.3 8 8.1 7.9 8.1 8.1 8 7.7 ...
##  $ dur: int  45 40 52 72 84 60 88 94 90 82 ...
##  $ pho: num  0.01 0.02 0.05 0.1 0.38 0.2 0.07 0.2 0.3 0.06 ...
##  $ nit: num  0.2 0.2 0.22 0.21 0.52 0.15 0.15 0.41 0.82 0.75 ...
##  $ amm: num  0 0.1 0.05 0 0.2 0 0 0.12 0.12 0.01 ...
##  $ oxy: num  12.2 10.3 10.5 11 8 10.2 11.1 7 7.2 10 ...
##  $ dbo: num  2.7 1.9 3.5 1.3 6.2 5.3 2.2 8.1 5.2 4.3 ...

Il contient les variables suivantes:

Variable	Description
das	Distance from the source [km]
alt	Altitude [m a.s.l.]
pen	Slope [per thousand]
deb	Mean min. discharge [m³s^-1]
pH	pH of water
dur	Ca conc. (hardness) [mgL^-1]
pho	K conc. [mgL^-1]
nit	N conc. [mgL^-1]
amn	NH₄⁺ conc. [mgL^-1]
oxy	Diss. oxygen [mgL^-1]
dbo	Biol. oxygen demand [mgL^-1]

Vous pouvez également utiliser summary() pour obtenir des statistiques sommaires à partir des variables de env :

summary(env)  # statistiques sommaires