Premiers pas avec R

L3 économie-finance

Auteur·rice
Affiliation

Elias Bouacida

Université Paris 8

Date de publication

12 octobre 2026

Ce cours

Où nous allons

Le cours est découpé en cinq chapitres :

Chapitre Objet
1 Premiers pas : objets, types, vecteurs, fonctions
2 Découvrir un tableau de données
3 Décrire des données
4 Représenter des données
5 Projet : une analyse complète

À la fin, vous serez capables de prendre un jeu de données, de le décrire et d’en tirer des graphiques lisibles.

Trois principes guident le cours. D’abord, un seul jeu de données du début à la fin : l’enquête Histoire de vie de l’INSEE, à partir du chapitre 2. Vous finirez par bien le connaître, et c’est voulu : quand les données vous sont familières, vous repérez plus facilement un résultat qui cloche. Ensuite, une seule famille d’outils, le tidyverse, que nous adopterons à partir du chapitre 2. Aujourd’hui, nous apprenons les bases de R sur lesquelles il repose. Enfin, des exercices interactifs avec swirl à la fin de chaque chapitre. À partir du chapitre 2, chaque chapitre s’ouvre aussi par un court exercice de reprise sur le chapitre précédent.

Comment lire ces pages

Ouvrez RStudio à côté de cette page. Chaque fois que vous rencontrez un bloc de code, recopiez-le et exécutez-le. Recopiez-le plutôt que de le coller : taper le code vous oblige à le lire, et vous fera commettre les fautes de frappe qu’il vaut mieux apprendre à reconnaître tout de suite.

Prenez aussi l’habitude de prédire avant d’exécuter : avant de lancer une commande, demandez-vous ce que R va afficher. Si le résultat correspond à ce que vous attendiez, vous avez compris. Sinon, c’est que quelque chose vous échappe, et c’est le moment de s’arrêter pour comprendre, pas de passer à la suite.

Une remarque sur les assistants IA

Vous pouvez tout à fait utiliser ChatGPT, Gemini ou Claude en dehors de ce cours. Ils vous donneront presque toujours une réponse, parfois fausse, et pas toujours simple à comprendre.

Important

Le problème n’est pas qu’ils se trompent : c’est que vous ne pouvez pas le voir tant que vous ne savez pas faire sans eux. Ce cours sert à acquérir de quoi les juger.

Quand vous êtes bloqués, servez-vous de l’aide de R et des messages d’erreur. C’est ce que vous apprendrez ici.

La charte IA de l’université est disponible ici : https://www.univ-paris8.fr/IMG/pdf/02_chartes_cadre_ia_up8.pdf.

R comme calculatrice

La console

Au premier lancement de RStudio, la fenêtre est organisée en trois grandes zones.

Accueil RStudio

La zone de gauche s’appelle la console. Au démarrage, RStudio a lancé R, et c’est dans cette zone que nous allons pouvoir dialoguer avec lui.

La console affiche un texte de bienvenue, suivi d’une ligne commençant par le caractère >. C’est l’invite de commande : R attend vos instructions. Cliquez dans la console, tapez le texte suivant et appuyez sur Entrée.

2+2
[1] 4

R affiche le résultat, puis le symbole > réapparaît : il attend la commande suivante. Essayez d’autres opérations :

5-7
[1] -2
4*12
[1] 48
-10/3
[1] -3.333333
5^2
[1] 25

Ne vous préoccupez pas du [1] qui précède chaque résultat, nous l’expliquerons plus bas.

Les opérations arithmétiques

Le tableau suivant récapitule les opérations de base et leur écriture en R.

Principales opérations arithmétiques
Math code R Résultat
\(3 + 2\) 3 + 2 5
\(3 - 2\) 3 - 2 1
\(3 \times 2\) 3 * 2 6
\(3 \div 2\) 3 / 2 1.5
\(3^2\) 3 ^ 2 9
\(\sqrt{100}\) sqrt(100) 10

R dispose aussi des fonctions mathématiques usuelles. Vous n’en aurez pas besoin dans la suite de ce cours, mais elles vous serviront ailleurs, en économétrie notamment.

Constantes et fonctions usuelles
Math code R Résultat
\(\pi\) pi 3.141593
\(e\) exp(1) 2.718282
\(\ln(x)\) log(x) logarithme naturel
\(\log_{10}(1000)\) log10(1000) 3
\(10^2\) 1e2 100
Note

Attention : il n’y a pas de fonction ln() en R. Le logarithme naturel s’écrit log().

Espaces et lisibilité

À de rares exceptions près, R ne tient pas compte des espaces autour des commandes. Les trois commandes suivantes sont équivalentes :

10+2
10 + 2
10       +         2

L’usage est d’adopter la deuxième écriture, avec une espace de part et d’autre de l’opérateur : c’est la plus lisible.

Quand R attend la suite

Il arrive qu’on valide une commande incomplète, par exemple 4 * sans le second nombre. R ne renvoie alors pas de résultat : il remplace l’invite > par un +, pour signaler qu’il attend la suite de la commande.

> 4 *
+

Vous pouvez soit compléter la commande (tapez 3 puis Entrée), soit appuyer sur Échap pour l’abandonner et retrouver une invite normale. Si R semble ne plus vous répondre, regardez d’abord le début de la dernière ligne de la console : un + à la place du > en est presque toujours la cause.

Objets

Stocker une valeur

Nous savons utiliser R comme une calculatrice. Pour aller plus loin, il faut pouvoir conserver un résultat afin de le réutiliser. On le stocke pour cela dans un objet, à l’aide de l’opérateur d’assignation <-.

Cette « flèche » prend ce qui se trouve à sa droite et le range dans un objet dont le nom est indiqué à sa gauche.

x <- 2

Cette ligne se lit : « prends la valeur 2 et mets-la dans un objet qui s’appelle x ». Remarquez que R n’affiche rien : une assignation ne produit pas d’affichage. Pour voir le contenu d’un objet, il suffit de taper son nom :

x
[1] 2

Utiliser un objet

On peut ensuite utiliser cet objet dans d’autres opérations : R le remplace alors par sa valeur.

x + 4
[1] 6

On peut créer autant d’objets qu’on le souhaite, et les combiner entre eux :

x <- 2
y <- 5
resultat <- x + y
resultat
[1] 7

Remplacer la valeur d’un objet

Si l’on assigne une nouvelle valeur à un objet existant, la précédente est perdue, sans avertissement :

x <- 2
x <- 5
x
[1] 5

Assigner un objet à un autre copie simplement la valeur de droite dans l’objet de gauche. Avant d’exécuter les lignes suivantes, essayez de prédire ce que vaudra x à la fin.

x <- 1
y <- 3
x <- y
x

Les deux objets ne sont pas « liés » pour autant : si vous modifiez y ensuite, x garde la valeur 3.

Exercice

Dans la console :

  1. Créez un objet age contenant votre âge, et un objet prenom contenant votre prénom (entre guillemets : prenom <- "Camille").
  2. Créez un objet annee_naissance, calculé à partir de age.
  3. Que se passe-t-il si vous tapez Age au lieu de age ?
  4. Peut-on mettre une espace dans un nom d’objet ? Un chiffre au début ?

Ne sautez pas la question 3 : elle vous fait rencontrer votre premier message d’erreur. Nous verrons plus bas comment le lire.

Par exemple :

age <- 20
prenom <- "Camille"
annee_naissance <- 2026 - age   # remplacez 2026 par l'année en cours
annee_naissance

Le calcul de annee_naissance n’est exact qu’à un an près : il dépend de la date de votre anniversaire.

Taper Age provoque une erreur :

Erreur : objet 'Age' introuvable

R distingue les majuscules des minuscules : pour lui, age et Age sont deux noms différents, et seul le premier existe.

Une espace ou un chiffre au début d’un nom provoquent aussi une erreur :

mon age <- 20
2age <- 20
Erreur : symbole inattendu dans "mon age"

Un nom d’objet commence par une lettre, et ne contient que des lettres, des chiffres, des points et des tirets bas. Pour séparer plusieurs mots, on utilise le tiret bas, comme dans annee_naissance.

Types

Chaînes de caractères

Les valeurs stockées dans les objets peuvent être de différents types. Jusqu’ici, nous n’avons manipulé que des nombres. Un objet peut aussi contenir du texte, qu’on appelle une chaîne de caractères. On la délimite par des guillemets, simples ou doubles (' ou ") :

chien <- "Chihuahua"
chien
[1] "Chihuahua"

Les guillemets sont indispensables : sans eux, R croirait que Chihuahua est le nom d’un objet, et le chercherait.

Booléens

Un objet peut enfin contenir une condition logique, qui vaut TRUE (vrai) ou FALSE (faux). On appelle ces valeurs des booléens. Elles résultent le plus souvent d’une comparaison :

valeur <- TRUE
valeur
[1] TRUE
chien == "Doberman"
[1] FALSE
3 < 2
[1] FALSE

Opérateurs logiques

Voici les opérateurs qui produisent des booléens :

Opérateur Résumé Exemple Résultat
x < y x plus petit que y 3 < 42 TRUE
x > y x plus grand que y 3 > 42 FALSE
x <= y x plus petit ou égal à y 3 <= 42 TRUE
x >= y x plus grand ou égal à y 3 >= 42 FALSE
x == y x égal à y 3 == 42 FALSE
x != y x différent de y 3 != 42 TRUE
!x non x !(3 > 42) TRUE
x | y x ou y (3 > 42) | TRUE TRUE
x & y x et y (3 < 4) & (42 > 13) TRUE
Avertissement

La comparaison s’écrit ==, avec deux signes égal. Un seul = ne compare pas : il assigne. C’est l’erreur la plus fréquente au début, et elle ne provoque pas toujours de message.

Ces opérateurs vous serviront pendant tout le cours. Dès le chapitre 2, ils permettront de sélectionner des lignes dans un tableau, par exemple les enquêtés de moins de 25 ans :

d |> filter(age < 25)

Ne cherchez pas encore à comprendre le reste de cette ligne : retenez seulement que age < 25 est une comparaison comme celles du tableau ci-dessus.

Vecteurs

Regrouper plusieurs valeurs

Imaginons qu’on ait demandé leur taille en centimètres à cinq personnes, et qu’on veuille calculer leur taille moyenne. Plutôt que de créer cinq objets, on range les cinq valeurs dans un seul objet, appelé vecteur :

tailles <- c(156, 164, 197, 147, 173)
tailles
[1] 156 164 197 147 173

La fonction c() signifie « combine les valeurs suivantes en un vecteur ». Les valeurs sont séparées par des virgules.

Calculer sur un vecteur

Une opération appliquée à un vecteur s’applique à chacun de ses éléments :

tailles + 10
[1] 166 174 207 157 183
tailles^2
[1] 24336 26896 38809 21609 29929

Imaginons qu’on ait aussi demandé leur poids en kilos aux cinq mêmes personnes :

poids <- c(45, 59, 110, 44, 88)

On peut alors calculer l’indice de masse corporelle de chacune, en divisant le poids en kilos par le carré de la taille en mètres. R fait le calcul élément par élément : le premier poids avec la première taille, le deuxième avec la deuxième, et ainsi de suite.

imc <- poids / (tailles / 100) ^ 2
imc
[1] 18.49112 21.93635 28.34394 20.36189 29.40292

Une seule ligne calcule les cinq indices. C’est le principe central de R : on travaille sur des colonnes entières, pas sur des valeurs une par une. Vous le retrouverez dès le chapitre suivant, quand chaque colonne d’un tableau de données sera un vecteur.

Un vecteur n’a qu’un seul type

Un vecteur peut contenir du texte :

diplome <- c("CAP", "Bac", "Bac+2", "CAP", "Bac+3")
diplome
[1] "CAP"   "Bac"   "Bac+2" "CAP"   "Bac+3"

En revanche, toutes ses valeurs doivent être du même type. Si on mélange texte et nombres, R ne refuse pas : il convertit tout en texte. Prédisez le résultat avant d’exécuter :

chiens <- c("Chihuahua", 5, "Doberman", 15)
chiens
Avertissement

Remarquez les guillemets autour de "5" et "15" : R a transformé les nombres en texte, sans prévenir. Vous ne pourrez plus faire de calcul avec. C’est une source d’erreur classique lors de l’import de données : il suffit d’une case contenant du texte dans une colonne de nombres pour que toute la colonne devienne du texte.

Créer une suite d’entiers

L’opérateur : crée un vecteur contenant tous les entiers entre deux valeurs :

x <- 1:10
x
 [1]  1  2  3  4  5  6  7  8  9 10

Accéder à un élément

On accède à un élément d’un vecteur en faisant suivre son nom de crochets contenant sa position. On peut aussi demander plusieurs positions à la fois, en les combinant avec c() :

diplome[2]
[1] "Bac"
tailles[c(1, 3)]
[1] 156 197

Le [1] de l’affichage

Si un vecteur contient beaucoup d’éléments, R répartit l’affichage sur plusieurs lignes :

 [1] 294 425 339 914 114 896 716 648 915 587 181 926 489
[14] 848 583 182 662 888 417 133 146 322 400 698 506 944
[27] 237 324 333 443 487 658 793 288 897 588 697 439 697

Le nombre entre crochets au début de chaque ligne indique la position du premier élément de la ligne. Ainsi, 848 est le 14ᵉ élément du vecteur.

C’est ce qui explique le [1] affiché devant chaque résultat depuis le début : pour R, un nombre seul est un vecteur à un élément.

Fonctions

Utiliser une fonction

Une fonction a un nom, prend des arguments entre parenthèses, et renvoie un résultat. Vous en avez déjà utilisé deux : sqrt() et c(). En voici deux autres, qui donnent le nombre d’éléments d’un vecteur et sa moyenne :

length(tailles)
[1] 5
mean(tailles)
[1] 167.4

Les arguments

Certaines fonctions prennent plusieurs arguments. Le premier est en général la donnée sur laquelle on travaille ; les suivants modifient le comportement de la fonction, et on les désigne par leur nom.

Supposons qu’une des cinq personnes n’ait pas donné sa taille. R représente une valeur manquante par NA (pour Not Available) :

tailles_incompletes <- c(156, 164, NA, 147, 173)
mean(tailles_incompletes)
[1] NA
mean(tailles_incompletes, na.rm = TRUE)
[1] 160

Le premier résultat est NA : la moyenne d’un ensemble qui contient une valeur inconnue est elle-même inconnue. R refuse de deviner. L’argument na.rm = TRUE (pour NA remove) lui demande d’écarter les valeurs manquantes avant de calculer. La moyenne porte alors sur quatre personnes, et non sur cinq : nous reviendrons au chapitre 3 sur ce que cela implique.

L’aide d’une fonction

Chaque fonction de R est documentée. On affiche sa page d’aide avec ?, ou avec la fonction help() :

?mean
help("mean")

L’aide s’affiche dans le panneau en bas à droite de RStudio. Elle est technique, souvent en anglais, mais elle est exacte et toujours disponible, même sans connexion.

Deux rubriques suffisent au début. La rubrique Usage donne la liste des arguments de la fonction et leur valeur par défaut. La rubrique Examples, tout en bas, contient des exemples que vous pouvez copier dans la console pour voir la fonction à l’œuvre.

Exercice

Sur le vecteur imc calculé plus haut :

  1. Combien contient-il de valeurs ?
  2. Quelle est la plus petite ? la plus grande ? Les fonctions s’appellent comme en anglais ; cherchez dans l’aide si besoin.
  3. Ouvrez ?quantile. Que fait l’argument probs ?
  4. Calculez la médiane des tailles de deux façons différentes.
length(imc)
[1] 5
min(imc)
[1] 18.49112
max(imc)
[1] 29.40292

range(imc) aurait donné le minimum et le maximum d’un coup.

L’argument probs de quantile() indique la ou les proportions voulues, entre 0 et 1 : 0.5 donne la médiane, 0.25 le premier quartile. Sans cet argument, quantile() renvoie le minimum, les trois quartiles et le maximum.

median(tailles)
[1] 164
quantile(tailles, probs = 0.5)
50% 
164

Les deux résultats sont identiques ; quantile() y ajoute seulement une étiquette, 50%.

Quand ça ne marche pas

Lire un message d’erreur

Vous allez rencontrer beaucoup de messages d’erreur, et c’est normal. Ces messages sont brefs, mais ils désignent presque toujours l’endroit exact du problème. Apprendre à les lire est la compétence la plus utile de ce cours : c’est elle qui vous permettra de vous débloquer seuls.

Tapez la commande suivante :

taille

R répond :

Erreur : objet 'taille' introuvable

Il vous dit qu’il ne connaît aucun objet portant ce nom. Et en effet, notre vecteur s’appelle tailles, au pluriel.

Trois autres erreurs courantes

La fonction n’existe pas, ici à cause d’une faute de frappe :

means(tailles)
Erreur : impossible de trouver la fonction "means"

On essaie de calculer avec du texte. Les guillemets font de "12" une chaîne de caractères, et on ne peut pas additionner du texte et un nombre :

"12" + 3
Erreur : argument non numérique pour un opérateur binaire

Une parenthèse n’est pas fermée. Il n’y a pas de message cette fois : R affiche un + et attend la suite, comme nous l’avons vu plus haut. Appuyez sur Échap, puis corrigez la commande.

mean(tailles
+

La méthode

Face à un message d’erreur, procédez dans l’ordre.

  1. Lisez la dernière ligne du message : c’est là que R dit ce qui ne va pas.
  2. Repérez le nom cité entre guillemets : c’est presque toujours là qu’est la faute.
  3. Comparez-le à ce que vous avez tapé. Faute de frappe, singulier au lieu du pluriel, majuscule oubliée : R distingue age de Age.
  4. Si le nom est correct, c’est que l’objet n’existe pas encore : avez-vous exécuté la ligne qui le crée ?
Important

Un message d’erreur n’est pas un échec, c’est un diagnostic. Le vrai danger, ce sont les commandes qui s’exécutent sans rien dire et donnent un résultat faux. Vous en avez déjà vu deux exemples : le = à la place de ==, et les nombres convertis en texte dans un vecteur. Nous y reviendrons en détail au chapitre 3.

Scripts

Pourquoi un script

Jusqu’ici, nous avons tapé les commandes une à une dans la console. Rien n’est conservé : si vous fermez RStudio, tout est perdu, et il faut tout retaper.

Un script est un fichier texte qui contient vos commandes. On le crée avec le menu File > New File > R Script (Fichier > Nouveau fichier > Script R). Il s’ouvre dans une nouvelle zone, en haut à gauche, au-dessus de la console. Créez-en un, recopiez-y le code suivant, et enregistrez-le (Ctrl + S) :

# Tailles et poids de cinq enquêtés
tailles <- c(156, 164, 197, 147, 173)
poids <- c(45, 59, 110, 44, 88)

mean(tailles)
mean(poids)

# Indice de masse corporelle
imc <- poids / (tailles / 100) ^ 2
min(imc)
max(imc)

Exécuter et commenter

Écrire une commande dans un script ne l’exécute pas. Pour l’envoyer à la console, placez le curseur sur la ligne et appuyez sur Ctrl + Entrée (Cmd + Entrée sur Mac). Si vous sélectionnez plusieurs lignes, Ctrl + Entrée les exécute toutes. Le résultat s’affiche dans la console, comme si vous aviez tapé la commande vous-mêmes.

Tout ce qui suit un # sur une ligne est ignoré par R : c’est un commentaire, écrit pour les humains qui liront le script, à commencer par vous.

Astuce

Commentez ce que vous cherchez à faire, pas ce que fait la ligne. # calcule la moyenne au-dessus de mean(x) n’apprend rien à personne. # on écarte les non-répondants est utile.

À partir de maintenant, travaillez toujours dans un script, jamais directement dans la console. C’est aussi sous forme de script que vous rendrez votre projet final.

Paquets

Installer un paquet

R est livré avec un ensemble de fonctions de base. Des milliers d’autres sont distribuées sous forme d’extensions appelées paquets (packages), diffusés sur un réseau de serveurs nommé CRAN.

On installe un paquet avec install.packages(), en mettant son nom entre guillemets. Installez maintenant le paquet questionr, qui contient les données que nous utiliserons à partir du chapitre suivant :

install.packages("questionr")

On peut aussi passer par l’onglet Packages de RStudio, en bas à droite, et son bouton Install :

Installer un paquet depuis RStudio

L’installation se fait une seule fois par ordinateur, comme pour n’importe quel logiciel. Ne laissez donc pas de install.packages() dans vos scripts.

Charger un paquet

L’installation ne suffit pas : il faut aussi charger le paquet, avec library(), à chaque fois que vous relancez RStudio. Cette fois, les guillemets ne sont pas nécessaires.

library(questionr)

On regroupe en général tous les appels à library() au début du script, pour qu’ils s’exécutent en premier :

library(tidyverse)
library(questionr)
Avertissement

Si R vous répond impossible de trouver la fonction, alors que le nom de la fonction est bien écrit, c’est presque toujours qu’un library() n’a pas été exécuté.

À vous : les leçons swirl

Installer swirl

swirl est un paquet qui vous fait pratiquer R de manière interactive, directement dans la console : il vous pose des questions, vous tapez les commandes, il vous corrige. Installez-le, chargez-le, puis indiquez-lui que vous souhaitez travailler en français :

install.packages("swirl")
library(swirl)
select_language("french", append_rprofile = TRUE)

Installez ensuite le cours de cette matière. Il est disponible sur GitHub, à l’adresse https://github.com/EliasBcd/InitiationR, et s’installe directement depuis R :

install_course_github("EliasBcd", "InitiationR")

Lancer une leçon

swirl()

swirl vous demande d’abord un nom. Donnez votre numéro d’étudiant ou votre nom, et gardez le même toute l’année : swirl s’en sert pour retrouver votre progression. Choisissez ensuite le cours « InitiationR », puis la leçon, et suivez les instructions qui s’affichent dans la console. Si swirl refuse une réponse qui vous semble juste, lisez la partie Si vous êtes bloqués de la page sur swirl.

Pour ce chapitre, faites dans l’ordre les leçons Manipulations_simples, Types, Vecteurs, Messages_erreurs, Fonctions puis Logique.

Déposer votre travail

À la fin de chaque leçon, swirl vous propose de soumettre votre progression. Répondez « Oui » : R ouvre votre navigateur sur la page Moodle où déposer le fichier .txt de la leçon. La page Utiliser swirl explique où trouver ce fichier si besoin.

Note

C’est ce dépôt qui valide votre travail. Faites-le à chaque leçon terminée.

Si le cours semble ne pas fonctionner, réinstallez-le :

uninstall_course("InitiationR")
install_course_github("EliasBcd", "InitiationR")

Pour aller plus loin

Si vous voulez pratiquer davantage, la leçon facultative Exercice_1 reprend les vecteurs et les fonctions de base. La liste des leçons facultatives est disponible dans LECONS_OPTIONNELLES.md.

Le manuel de Julien Barnier, Introduction à R et au tidyverse, en français et en ligne, est une bonne référence pour revoir une notion à votre rythme. Ce n’est pas un travail à faire : consultez-le librement, quand vous en avez besoin.

La suite

Avant de passer au chapitre suivant, terminez les six leçons swirl et déposez-les sur Moodle. Il n’y a rien d’autre à faire.

Au chapitre suivant, nous abandonnons les vecteurs saisis à la main pour travailler sur de vraies données d’enquête.