Exercice R débutant : vecteurs et opérations, avec corrigé

Ces exercices R débutant sur les vecteurs et les opérations vous aident à maîtriser l'outil le plus utilisé du langage R.

En analyse de données, presque tout repose sur les vecteurs : une série de tailles, de températures ou de ventes est d'abord un vecteur. Savoir les créer et les manipuler est une étape incontournable avant de passer aux statistiques.

À travers 3 exercices simples et progressifs, vous allez apprendre à créer un vecteur avec c(), à appliquer un calcul à toutes les valeurs en une seule ligne de code, sans boucle, et à combiner deux vecteurs pour obtenir des totaux et des pourcentages.

Chaque exercice R est accompagné d'un corrigé détaillé. Il explique le sens du résultat, et pas seulement le code, pour que vous puissiez vérifier votre compréhension et repérer vos erreurs rapidement.

Ces exercices sur les vecteurs dans R sont idéaux si vous débutez en programmation, en statistiques ou en analyse de données, par exemple dans un cours de statistiques en HEG, en HEC ou en psychologie.

En bref : c'est quoi un vecteur dans R ?

Un vecteur est une suite de valeurs du même type (par exemple des nombres), créée avec la fonction c(). Quand vous faites un calcul sur un vecteur, R l'applique automatiquement à chaque valeur. C'est la structure de base de toutes les analyses statistiques dans R.

Si vous découvrez le sujet, commencez par la vidéo sur les vecteurs, qui vous guide pas à pas. Vous n'avez pas encore fait les bases ? Voyez d'abord l'exercice R débutant sur la création d'objets.

⚠️ Avant de commencer

Essayez sérieusement chaque question avant d'ouvrir le corrigé. C'est cet effort qui vous fera progresser, bien plus que la lecture de la solution.

Téléchargez le script R des exercices, puis ouvrez-le dans RStudio pour écrire vos réponses sous chaque question :

Télécharger le script R des exercices

Exercice 1 : créer et explorer un vecteur de tailles

Objectif : créer un vecteur avec c() et en tirer les premières statistiques.

Tailles (en cm) de 10 étudiant·e·s d'une classe : 165 · 172 · 158 · 180 · 175 · 162 · 169 · 177 · 171 · 168
  1. Créez un vecteur nommé tailles contenant ces 10 valeurs, puis affichez-le.
  2. Combien de valeurs contient le vecteur ? Utilisez une fonction, ne comptez pas à la main.
  3. Calculez la taille moyenne, la plus petite et la plus grande taille.
  4. Calculez l'étendue, c'est-à-dire l'écart entre la plus grande et la plus petite taille.
  5. Affichez uniquement la 3e taille, puis la 1re et la dernière ensemble.
  6. Quel est le type du vecteur tailles ?
Voir le corrigé de l'exercice 1

1) Créer le vecteur

tailles <- c(165, 172, 158, 180, 175, 162, 169, 177, 171, 168)
tailles
 [1] 165 172 158 180 175 162 169 177 171 168

c() (pour combine) regroupe les 10 valeurs dans un seul objet. Le [1] au début de la ligne n'est pas une valeur : il indique que la ligne commence par le 1er élément du vecteur. Sur un long vecteur, chaque nouvelle ligne affichée commence par la position de son premier élément.

2) Le nombre de valeurs

length(tailles)
[1] 10

length() donne la taille du vecteur, c'est-à-dire l'effectif n. Vous en aurez besoin dans presque toutes les formules de statistique.

3) Moyenne, minimum, maximum

mean(tailles)
[1] 169.7
min(tailles)
[1] 158
max(tailles)
[1] 180

Le sens : la moyenne de 169.7 cm correspond à la somme des tailles (1697 cm) divisée par leur nombre (10). R fait ce calcul pour vous, quel que soit le nombre de valeurs.

4) L'étendue

max(tailles) - min(tailles)
[1] 22
range(tailles)
[1] 158 180

L'étendue est de 22 cm : c'est la première mesure de dispersion, qui indique si les valeurs sont proches ou éloignées les unes des autres. Attention au piège : range() ne donne pas l'étendue, mais le minimum et le maximum. Il faut ensuite faire la soustraction.

5) Sélectionner des valeurs

tailles[3]
[1] 158
tailles[c(1, 10)]
[1] 165 168
tailles[length(tailles)]
[1] 168

Les crochets [ ] désignent une position. Dans R, la numérotation commence à 1 (et non à 0 comme dans d'autres langages). Pour prendre plusieurs positions, on leur donne… un vecteur de positions, créé lui aussi avec c(). Astuce : tailles[length(tailles)] donne toujours la dernière valeur, même si vous ajoutez des étudiant·e·s plus tard.

6) Le type

class(tailles)
[1] "numeric"

Le vecteur est numérique : R peut donc faire des calculs dessus. Si une seule valeur était entre guillemets, par exemple "172", tout le vecteur deviendrait du texte ("character") et mean() ne fonctionnerait plus.

Exercice 2 : appliquer un calcul à toutes les valeurs

Objectif : comprendre que R applique un calcul à chaque élément du vecteur, sans boucle.

Températures relevées à Genève pendant une semaine (°C) : 12 · 15 · 9 · 18 · 21 · 17 · 14
  1. Créez un vecteur temp_c avec ces 7 températures.
  2. Convertissez toutes les températures en degrés Fahrenheit (F = C × 9/5 + 32) et stockez le résultat dans temp_f.
  3. Une erreur de calibration oblige à ajouter 2 °C à chaque jour. Affichez les températures corrigées.
  4. Quels jours ont dépassé 15 °C ? Combien y en a-t-il ?
  5. Calculez la température moyenne de la semaine, arrondie à 1 décimale.
Voir le corrigé de l'exercice 2

1) et 2) Créer le vecteur et convertir en Fahrenheit

temp_c <- c(12, 15, 9, 18, 21, 17, 14)
temp_f <- temp_c * 9/5 + 32
temp_f
[1] 53.6 59.0 48.2 64.4 69.8 62.6 57.2

Une seule ligne a suffi pour convertir les 7 valeurs : R a appliqué la formule à chaque température, une par une. C'est ce qu'on appelle le calcul vectoriel. Dans Excel, il aurait fallu recopier la formule dans 7 cellules.

3) Ajouter 2 °C partout

temp_c + 2
[1] 14 17 11 20 23 19 16

Attention : cette ligne affiche le résultat mais ne modifie pas temp_c. Pour enregistrer la correction, il faudrait écrire temp_c <- temp_c + 2.

4) Les jours au-dessus de 15 °C

temp_c > 15
[1] FALSE FALSE FALSE  TRUE  TRUE  TRUE FALSE
sum(temp_c > 15)
[1] 3
temp_c[temp_c > 15]
[1] 18 21 17

La comparaison donne un vecteur de TRUE / FALSE, un par jour. L'astuce : pour R, TRUE vaut 1 et FALSE vaut 0. sum() compte donc les jours qui remplissent la condition : 3 jours. Et placé entre crochets, ce même vecteur sert de filtre pour afficher les températures concernées.

5) La moyenne arrondie

round(mean(temp_c), 1)
[1] 15.1

Sans round(), R affiche 15.14286. Le deuxième argument de round() indique le nombre de décimales souhaité.

Exercice 3 : calculer avec deux vecteurs

Objectif : combiner deux vecteurs élément par élément et calculer des pourcentages.

Une boutique vend 4 produits.
Prix unitaires (CHF) : 12.5 · 8 · 20 · 5
Quantités vendues : 10 · 25 · 4 · 40
  1. Créez les vecteurs prix et quantites.
  2. Calculez le chiffre d'affaires de chaque produit dans un vecteur ca.
  3. Calculez le chiffre d'affaires total.
  4. Calculez la part de chaque produit dans le total, en %, arrondie à 1 décimale.
  5. Réfléchissez avant d'exécuter : que donnent c(1, 2, 3, 4) + c(10, 20) et c(1, 2, 3) + c(10, 20) ?
Voir le corrigé de l'exercice 3

1) et 2) Le chiffre d'affaires par produit

prix <- c(12.5, 8, 20, 5)
quantites <- c(10, 25, 4, 40)
ca <- prix * quantites
ca
[1] 125 200  80 200

R multiplie le 1er prix par la 1re quantité, le 2e par la 2e, et ainsi de suite : 12.5 × 10 = 125, 8 × 25 = 200, etc. Les deux vecteurs doivent donc être dans le même ordre.

3) Le total

sum(ca)
[1] 605

4) La part de chaque produit en %

round(ca / sum(ca) * 100, 1)
[1] 20.7 33.1 13.2 33.1

Chaque chiffre d'affaires est divisé par le même total (605), puis multiplié par 100. C'est le calcul d'une fréquence relative, que vous retrouverez en statistiques descriptives. Le 2e et le 4e produit pèsent chacun un tiers des ventes, alors que leurs prix sont très différents. Si vous additionnez les pourcentages arrondis, vous obtenez 100.1 : c'est un simple effet de l'arrondi.

5) Le piège du recyclage

c(1, 2, 3, 4) + c(10, 20)
[1] 11 22 13 24
c(1, 2, 3) + c(10, 20)
[1] 11 22 13
Message d'avis :
la taille d'un objet plus long n'est pas multiple de la taille d'un objet plus court

Quand deux vecteurs n'ont pas la même longueur, R réutilise le plus court depuis le début : 10, 20, 10, 20… C'est le recyclage. Dans le premier cas, ça tombe juste et R ne dit rien. Dans le second, il prévient par un message d'avis. Sur un logiciel en anglais, le message est « longer object length is not a multiple of shorter object length ».

Erreur fréquente aux examens

Calculer avec deux vecteurs de longueurs différentes sans s'en rendre compte, par exemple un vecteur de prix auquel il manque une valeur. Quand les longueurs sont multiples l'une de l'autre, R ne donne aucun avertissement et le résultat est faux. Le bon réflexe : vérifiez avec length() que vos vecteurs ont la même taille avant de les combiner.

À retenir

  • c() crée un vecteur ; length() donne son nombre de valeurs.
  • Un calcul sur un vecteur s'applique à chaque valeur, sans boucle.
  • Entre deux vecteurs, R calcule élément par élément : 1er avec 1er, 2e avec 2e…
  • [ ] sélectionne des valeurs par position (à partir de 1) ou par condition.
  • Une condition donne des TRUE/FALSE ; sum() les compte.
  • Un calcul n'est enregistré que si vous l'affectez avec <-.

Questions fréquentes

Quelle est la différence entre un vecteur et une variable dans R ?

Une variable (ou objet) est un nom qui stocke un contenu. Un vecteur est un type de contenu : une suite de valeurs. Dans R, même une valeur seule, comme x <- 10, est un vecteur de longueur 1.

Peut-on mélanger des nombres et du texte dans un vecteur ?

Non : un vecteur contient un seul type. Si vous mélangez, R convertit tout en texte. c(4, "5") donne "4" "5", et les calculs ne fonctionnent plus. Pour mélanger des types, on utilise un tableau de données (data frame).

Pourquoi éviter les boucles dans R ?

Parce que le calcul vectoriel fait la même chose en une ligne, plus rapidement et avec moins de risques d'erreur. Écrire temp_c * 9/5 + 32 est plus simple et plus lisible qu'une boucle qui traite les températures une par une.

Et maintenant ?

Vous savez manipuler des vecteurs. Prochaine étape : analyser un vrai tableau de données et faire vos premiers graphiques avec dplyr et ggplot2.

Exercice suivant : dplyr et ggplot2 Le guide gratuit pour débuter avec R

🎁 Votre checklist mémoire offerte

Retenez durablement ce que vous apprenez, grâce aux réflexes issus de la science de la mémoire.

Puis une méthode tous les jeudis. Désinscription en un clic. Consultez notre politique de confidentialité pour plus d’informations.