Installer R et RStudio (presque !) sans peine

Ce tutoriel est à destination de toutes celles et ceux, étudiants, doctorants, chercheurs…, qui souhaitent installer ou réinstaller R, RStudio et les packages de base (pour les sciences sociales).

Il a été élaboré au fil de mes enseignements, afin de déjouer et résoudre les problèmes les plus fréquents auxquels mes étudiants étaient confrontés en installant R, RStudio et les packages. Si vous le suivez jusqu’au bout vous devriez (sauf bug) disposer d’une installation fonctionnelle.

Dans ce tutoriel, vous obtiendrez des réponses aux questions suivantes :

• Comment installer R
• Pourquoi et comment installer RStudio
• Quels sont les packages les plus utiles en sciences sociales
• Comment installer des packages
• Comment mettre à jour des packages

Si vous êtes arrivé jusqu’ici, c’est que vous êtes vraisemblablement déjà convaincu des avantages liés à l’utilisation d’un logiciel de programmation statistique – à moins que vous n’ayez juste été fortement incité par un enseignant qui vous veut du bien… si si !

Votre conviction nécessite néanmoins d’être encore affermie ? Allez donc faire un tour :

• sur l’excellent site du projet collectif Analyse-R : larmarange.github.io/analyse-R/presentation-et-philosophie.html ;
• ou là – mais c’est en anglais : fantasyfootballanalytics.net/2014/01/why-r-is-better-than-excel.html ;
• ou encore là – en anglais toujours : rforexcelusers.com/excel-vs-r-when-to-use-what.

Avant de commencer, une première mise en garde : il faut d’abord installer R, puis RStudio, puis les packages. Inutile de chercher à faire les choses dans un autre sens : cela ne marchera pas !

Après avoir tout installé, vous n’ouvrirez sans doute jamais R, mais passerez par RStudio pour faire tourner R.

 

---

Installer R

R est un logiciel libre multi-plateformes qui peut fonctionner sous Windows, Mac OS ou système Linux (Ubuntu, Debian…).

Installation sous Windows

1. Téléchargez la dernière version de R : cran.r-project.org/bin/windows/base
2. Enregistrez le fichier d’installation et exécutez-le ;
3. Vérifiez que l’installation a été effectuée en cliquant sur la magnifique icône qui s’affiche sur le bureau et dans le menu Démarrer.

Vous devriez alors voir apparaître – pour la première et la dernière fois ! – la console RGui, qui devrait ressembler peu ou prou à ceci :

Installation sous Mac OS X

Uniquement pour les versions de Mac OS X 10.6 et ultérieures.

1. Télécharger la dernière version de R : cran.r-project.org/bin/macosx
2. Télécharger le fichier .pkg (dernière version)
3. Exécutez ce fichier puis lancez le programme d’installation.

Installation sous Linux

Je ne développe ici que l’installation pour Ubuntu. R et RStudio sont évidemment aussi disponibles pour toutes les autres distributions de Linux :

• Pour Debian : cran.r-project.org/bin/linux/debian
• Pour Fedora : https://developer.fedoraproject.org/tech/languages/r/r-installation.html
• Pour ArchLinux : wiki.archlinux.org/index.php/R
• Pour Linux Mint : linux4one.com/how-to-install-r-on-linux-mint-19
• De façon générale, pour toutes les versions de Ubuntu : doc.ubuntu-fr.org/r.

Pour les utilisateurs de Ubuntu (ou Xubuntu, Lubuntu…), il n’est pas recommandé de procéder à l’installation depuis le dépôt par défaut : la version de R qui y est proposée est obsolète. Il est donc nécessaire de mettre à jour le dépôt avant de procéder à l’installation.

L’installation diffère selon la version de Ubuntu que vous utilisez. Je présente ici les modalités d’installation pour les versions supérieures à 16.04. Si votre version est antérieure, il est grand temps de songer à mettre à jour votre système…

Pour vérifier la version de Ubuntu sur laquelle vous travaillez, ouvrez un terminal shell (ctrl + alt + t) et entrez :

lsb_release -a

Le résultat devrait être quelque chose du genre :

Distributor ID: Ubuntu
Description: Ubuntu 22.04.5 LTS
Release: 22.04
Codename: jammy

Utilisateurs d’Ubuntu 18.04 et ultérieurs (bionic)

Voici la marche à suivre, en ligne de commande (d’après https://cloud.r-project.org/bin/linux/ubuntu/) :

• Comme toujours, il faut d’abord mettre à jour les dépôts et les logiciels :
  sudo apt update
sudo apt -y upgrade
• Ensuite, installer deux packages qui seront utiles

        sudo apt install --no-install-recommends software-properties-common dirmngr

• Puis exécuter le code ci-dessous (qui va automatiquement télécharger le fichier correspondant à votre version de Ubuntu)

  # ajouter la clé (by Michael Rutter) pour ces repos
  # Pour vérifier la clé : gpg --show-keys /etc/apt/trusted.gpg.d/cran_ubuntu_key.asc 
  # Fingerprint: E298A3A825C0D65DFD57CBB651716619E084DAB9
  wget -qO- https://cloud.r-project.org/bin/linux/ubuntu/marutter_pubkey.asc | sudo tee -a /etc/apt/trusted.gpg.d/cran_ubuntu_key.asc
  # ajouter le repo R 4.0 repo depuis CRAN -- remplacer par 'focal', 'groovy' ou 'bionic' si nécessaire
  sudo add-apt-repository "deb https://cloud.r-project.org/bin/linux/ubuntu $(lsb_release -cs)-cran40/"

• Reste à mettre à jour la liste des dépôts :
  sudo apt update
• Et enfin, installez le package r-base et ses dépendances :
  sudo apt install--no-install-recommends r-base

Utilisateurs d’Ubuntu 17.10

La marche à suivre est expliquée ici : r-bloggers.com/quickly-install-r-on-ubuntu-17-10.

Utilisateurs d’Ubuntu 16.04 (xenial)

La marche à suivre est expliquée ici : r-bloggers.com/how-to-install-r-ubuntu-16-04-xenial

---

Interfaces graphiques

Pour quoi faire ?

Comme vous vous en rendez désormais compte (si vous poussez la curiosité jusqu’à ouvrir RGui en cliquant sur l’icône R), l’interface par défaut de R n’est pas très user friendly. Notamment, l’éditeur, qui permet de donner des instructions au logiciel, est peu maniable.

Il est possible d’utiliser R avec l’interface par défaut (console RGui), mais il est très préférable d’utiliser un logiciel complémentaire qui fonctionnera comme une interface graphique entre vous et R. Cette interface est une sorte de “coquille” ou d'”extension” qui fait fonctionner R en arrière-plan.

Plusieurs interfaces graphiques ont été développées. Elles simplifient la vie des utilisateurs de R et offrent des fonctionnalités nouvelles :

• liste des projets en cours : abcdr.thinkr.fr/liste-des-interfaces-graphiques-pour-le-logiciel-r ;
• Tinn-R : sourceforge.net/projects/tinn-r ;
• R-Commander (permet de ne pas écrire de lignes de code) : https://cran.r-project.org/doc/contrib/Gaudron-GuideRcmdr.pdf ;
• RStudio : posit.co.

Libre à vous de choisir l’interface qui vous convient le mieux, mais vous vous rendrez rapidement compte à quel point RStudio est pratique, et surtout très communément utilisé par un nombre grandissant de chercheurs.

Installer RStudio

• Allez sur la page de téléchargement de RStudio Desktop (version Open Source) : posit.co/download/rstudio-desktop ;
• Téléchargez le fichier d’installation compatible avec votre système d’exploitation (Mac, Windows ou Linux) et installez-le ;
• Pour les utilisateurs de Linux Ubuntu : téléchargez le fichier .deb et ouvrez-le avec la Logithèque.

 

---

Vérification de l’installation

Suppression du raccourci vers R

Concerne principalement les utilisateurs de Windows, pour lesquels un raccourci sera créé automatiquement sur votre bureau.

R est installé sur votre ordinateur, mais vous ne l’ouvrirez jamais : vous pouvez donc enlever de votre bureau le raccourci vers ce logiciel :

Évidemment, le fait de supprimer le raccourci sur le bureau ne désinstalle pas le logiciel… Et c’est heureux : R tournera “derrière” RStudio !

Ouverture de RStudio

Pour faire fonctionner R et réaliser vos traitements statistiques, vous passerez toujours par l’interface graphique RStudio. Pour l’ouvrir, cliquez sur l’icône :

Vous devriez voir apparaître une fenêtre ressemblant à peu près à ceci :

Paramétrage

Après avoir installé RStudio, il est souhaitable de modifier certains paramètres par défaut :

• Afin de pouvoir aisément partager des scripts avec d’autres personnes utilisant des systèmes d’exploitation différents du vôtre (sans avoir de problèmes, par exemple, avec les accents et autres caractères spéciaux), il est recommandé de demander à RStudio d’encoder les scripts par défaut en UTF-8 (encodage universel) : Tools > Global Options > Code > Saving > Default text encoding et choisir UTF-8. Cette manipulation n’est pas utile pour les utilisateurs de Linux, qui encodent par défaut en UTF-8.
• Pour diverses raisons (réplicabilité, mauvaise pratique de restauration des espaces de travail, marre de voir s’afficher une petite fenêtre pop-up en fermant RStudio, etc.), je recommande aussi de désactiver les enregistrements et restaurations automatiques de l’espace de travail : Global Options > General > Basic : décocher “Restore Rdata at startup” et choisir de ne jamais sauvegarder le RData en quittant (Save Workspace to .Rdata on exit : Never).

---

Installer les fonctionnalités de base : les packages

Pourquoi des packages ?

Car R fonctionne ainsi : il faut charger des extensions (packages) qui permettent de réaliser des opérations statistiques particulières. Chaque package est une sorte de répertoire de fonctions, que l’on peut installer (une seule fois suffit) puis convoquer (autant de fois que l’on veut) lorsque l’on en a besoin.

C’est le même principe que pour la plupart des logiciels libres : la version “de base” peut être enrichie en fonction des besoins. C’est aussi d’ailleurs l’un des gros avantages de R par rapport à d’autres logiciels de traitement statistique : de nouveaux packages sont créés régulièrement, qui permettent au logiciel de réaliser de plus en plus de choses. Avec un R, on peut tout f’R !

Liste des packages usuels

Chaque package dispose d’une page dédiée sur le site du Comprehensive R Archive Network (CRAN), où vous pouvez consulter la documentation et diverses informations relatives à leur développement.

La liste ci-dessous n’est évidemment pas exhaustive (impossible de l’être !), mais vise à présenter les packages qui me paraissent les plus utiles à un chercheur ou à un étudiant en sciences sociales.

On présente d’abord les packages “génériques” dédiés aux opérations statistiques de base, à la manipulation et à la représentation des données, et à la création de rapports automatisés. On présente ensuite une liste restreinte de packages par famille de méthodes.

Opérations statistiques de base

• questionr : le package dont vous aurez besoin tout le temps (cran.r-project.org/web/packages/questionr) ;
• foreign : le couteau-suisse de l’import/export de fichiers, moins utile pour les utilisateurs du Tidyverse (cran.r-project.org/web/packages/foreign).
• Signalons aussi deux packages très utiles pour manipuler des fichiers Excel avec R : readxl pour lire des fichiers Excel très facilement (cran.r-project.org/web/packages/readxl) ; openxlsx pour lire, et surtout de créer et écrire des fichiers Excel avec de nombreuses options (cran.r-project.org/web/packages/openxlsx).

Manipulations des données et graphiques

• tidyverse : le package des packages. Incontournable pour programmer de façon efficace et “propre”. Page CRAN : cran.r-project.org/web/packages/tidyverse. On se référera aussi utilement au site du projet Tidyverse : tidyverse.org ; ainsi qu’à l’excellent et indispensable manuel en ligne de Julien Barnier : juba.github.io/tidyverse ;
• En complément de ggplot2 (inclus dans tidyverse : ggrepel pour gérer la superposition des points et des labels sur un graphique (cran.r-project.org/web/packages/ggrepel) ; scales pour les légendes, labels des axes d’un graphique, etc. (cran.r-project.org/web/packages/ggrepel) ;
• RColorBrewer : pour disposer de gammes de couleurs et de nuanciers lisibles et non fantaisistes… Page CRAN : cran.r-project.org/web/packages/RColorBrewer ; tutoriel en ligne très utile : datanovia.com/en/blog/the-a-z-of-rcolorbrewer-palette ;
• janitor : ensemble de fonctions très utiles pour nettoyer des données (cran.r-project.org/web/packages/janitor).

Création de rapports automatisés

Les packages suivants peuvent être utilisés ensemble, afin de générer des rapports automatisés, autrement dit, manipuler, décrire et analyser ses données, puis interpréter et produire des textes scientifiques dans un seul et même endroit : RStudio.

Pour un premier aperçu de ce qui est possible, voir le chapitre dédié à rmarkdown dans le manuel de Julien Barnier : juba.github.io/tidyverse/13-rmarkdown.html.

• rmarkdown : pour écrire en langage Markdown dans R, et générer des rapports dans une diversité de formats (html, docx ou odt, pdf …). Page CRAN : cran.r-project.org/web/packages/rmarkdown ; site dédié : rmarkdown.rstudio.com (Rmarkdown est développé par l’équipe de RStudio : une raison de plus d’utiliser cette interface graphique…) ;
• knitr : nombreuses fonctions utiles pour intégrer du code et des sorties statistiques à un rapport automatisé (cran.r-project.org/web/packages/knitr) ;
• printr : compagnon indispensable des deux autres (cran.r-project.org/web/packages/knitr) ;
• broom : idem… (cran.r-project.org/web/packages/broom) ;
• kableExtra : pour customiser vos tableaux (cran.r-project.org/web/packages/kableExtra) ;
• bookdown : pour rédiger directement dans RStudio de longs rapports… et même pourquoi pas un livre… ou une thèse !?!! Page CRAN : cran.r-project.org/web/packages/bookdown ; site du projet Bookdown où vous trouverez notamment de nombreux livres en format numérique très utiles, et une documentation fournie : bookdown.org.

Modélisation

• lmtest : le package de base pour la modélisation (cran.r-project.org/web/packages/lmtest) ;
• nnet et glm2 : pour la modélisation multinomiale (cran.r-project.org/web/packages/nnet ; cran.r-project.org/web/packages/glm2) ;
• ordinal : pour la modélisation multinomiale ordonnée (cran.r-project.org/web/packages/ordinal).

Analyse géométrique des données (ACP, ACM, classifications, etc.)

• FactoMineR : le package le plus usuel pour la réalisation d’analyses géométriques. Page CRAN : cran.r-project.org/web/packages/FactoMineR. Site dédié à FactoMineR : factominer.free.fr. Les vidéos de François Husson sont aussi utiles : factominer.free.fr/course/FactoTuto_fr.html ;
• GDAtools : un package généraliste développé par Nicolas Robette, consacré à l’analyse de données catégorielles en sciences sociales, et notamment à l’analyse géométrique (cran.r-project.org/web/packages/GDAtools) ;
• cluster : pour les différents algoritmes de classification (cran.r-project.org/web/packages/cluster) ;
• explor : pour visualiser facilement et rapidement les résultats d’une analyse géométrique, dans une fenêtre graphique interactive. Page CRAN : cran.r-project.org/web/packages/explor. On peut aussi consulter les didacticiels de Julien Barnier (créateur de ce package) : https://quanti.hypotheses.org/1171 et juba.github.io/explor/articles/introduction_fr.html ;
• factoextra : pour générer aisément des graphiques type “ggplot” à partir d’objets résultats stockant les résultats d’une analyse géométrique ; très utile pour produire rapidement des graphiques exploratoires lisibles. Page CRAN : cran.r-project.org/web/packages/factoextra. Page dédiée sur sthda.com : sthda.com/english/wiki/factoextra-r-package-easy-multivariate-data-analyses-and-elegant-visualization.

Analyse de données longitudinales

• TraMineR : pour les ainalyses de séquence en général, et les méthodes d’appariment optimal en particulier. Page CRAN : cran.r-project.org/web/packages/TraMineR. Site dédié : traminer.unige.ch ;
• survival : pour les modèles de survie (event history analysis ou analyse démographique des biographies) (cran.r-project.org/web/packages/survival) ;
• forecast : pour l’analyse de séries temporelles (cran.r-project.org/web/packages/forecast).

Analyses lexicométriques

• R.TeMiS : environnement graphique pour la création, la manipulation et l’analyse de corpus de textes. Page CRAN : cran.r-project.org/web/packages/R.temis. Site dédié : rtemis.hypotheses.org/ ;
• quanteda : pour “quantitative analyse of textual data”; le package “de base” pour le “text mining”, tidyverse compatible. Page CRAN : cran.r-project.org/web/packages/quanteda ; site web dédié ; : quanteda.io ;
• topicmodels : pour les analyses de type “topic modeling” (cran.r-project.org/web/packages/topicmodels) ;
• wordcloud : pour générer des nuages de mots (cran.r-project.org/web/packages/wordcloud).

Analyses de réseaux

• network : pour créer et manipuler des données relationnelles (cran.r-project.org/web/packages/network) ;
• sna : à utiliser en conjonction avec network (cran.r-project.org/web/packages/sna) ;
• igraph : package de base pour l’analyse de graphes et de réseaux (cran.r-project.org/web/packages/igraph) ;
• tidygraph : pour une approche “tidy” de l’analyse de graphes et de réseaux (cran.r-project.org/web/packages/tidygraph) ;
• ggraph : pour des visualisations de graphes et de réseaux en mode ggplot (cran.r-project.org/web/packages/ggraph).

Cartographie

• ggmap (cran.r-project.org/web/packages/ggmap), maptools (cran.r-project.org/web/packages/maptools) et d’autres packages comme RgoogleMaps (cran.r-project.org/web/packages/RgoogleMaps), OpenStreetMap (cran.r-project.org/web/packages/OpenStreetMap), etc., permettent l’accès à des fonds de cartes et des images satellites de différents fournisseurs (Google Maps, OpenStreetMap…), qu’il est ensuite possible d’associer à des données géolocalisées pour réaliser des représentations cartographiques de celles-ci.

Installer et mettre à jour les packages

Après avoir installé R, puis RStudio, il faut désormais installer les packages dont vous aurez besoin dans vos analyses. Évidemment, cette étape peut être réitérée à chaque fois que vous avez besoin d’ajouter un nouveau package.

L‘installation des packages ne doit être réalisée qu’une seule fois : lorsqu’un package est installé, c’est pour de bon. Vous aurez juste à l’appeler au début de chaque session de travail si vous avez besoin de mobiliser une de ses fonctions, en exécutant library(nom-du-package).

Procédure d’installation

Dans tous les cas, il faut que votre ordinateur soit connecté à Internet.

Première possibilité : en lignes de commande : install.packages("nom-du-package") ; efficace… mais suppose de savoir exactement comment le nom du package est orthographié. Attention : dans R, la casse (majuscules et minuscules) importe… Attention encore : les "" ne sont pas facultatifs…

Deuxième possibilité : par le menu de l’onglet “Packages” (cadran sud-est de la fenêtre RStudio) :

Cliquez sur “Install”

Une fenêtre s’ouvre. Il suffit de choisir un dépôt CRAN (n’importe lequel pas trop loin de chez vous) et de commencer à écrire le nom du package que vous voulez installer.

ad libitum jusqu’à ce que tous les packages voulus soient installés.

Vérification

Dans la console, une série de scripts hautement incompréhensibles s’affiche lorsque le package s’installe. L’essentiel, est qu‘à la fin, un message s’affiche, ressemblant peu ou prou à ceci :

package XXX successfully unpacked The downloaded packages are in C:\Users\XXX\
downloaded_packages

Ouf, tout va bien !

Afin de s’assurer que l’installation des packages a été correctement réalisée, essayez de les charger. Par exemple, si vous avez essayé d’installer questionr et tidyverse, tapez le code suivant dans la console de RStudio (cadran sud-ouest, après le petit curseur >) :

library(questionr)
library(tidyverse)

Si tout s’est bien passé vous devriez obtenir une fenêtre (à peu près) identique à celle-ci :

Ooops… il y a un bug…

Parfois, l’installation ne se passe bien. Par exemple, vous avez voulu installer FactoMineR mais… en testant library(FactoMineR) vous obtenez la chose suivante (le message important est en rouge…) :

Dans ce cas, il est probable qu’au terme de votre installation, vous ayez obtenu le message suivant (en noir… mais pas bon signe quand même…)

Warning in install.packages :
installation of package ‘FactoMineR’ had non-zero exit status

C’est rare, et généralement dû à l’un des facteurs suivants :

• un problème de compatibilité entre le package et votre version de R et/ou de RStudio : dans ce cas, il faut mettre à jour R et/ou RStudio ;
• un problème de mise à jour des packages qui occasionne un conflit entre deux packages censés fonctionner ensemble ; le remède est le même : mettre à jour vos packages ;
• l’absence de l’une des dépendances nécessaires au package. Précision à ce sujet : la plupart des packages ont besoin de convoquer d’autres packages qui leur permettent de fonctionner, et que l’on appelle des “dépendances”. Généralement, ces dépendances s’installent automatiquement avec le package, mais ce n’est pas toujours le cas. Il arrive alors que vous obteniez un message en rouge vous indiquant le nom de la dépendance à installer. Il faut alors l’installer manuellement et relancer le processus ;
• un caprice de Windows qui refuse de donner à RStudio le droit d’écrire sur le disque dur ; dans ce cas, il suffit d’ouvrir RStudio en tant qu’administrateur (ce qui suppose d’avoir le code du compte administrateur de la machine…), avec un simple “clic-droit” sur l’icône RStudio.

Mettre à jour les packages

De façon générale, c’est une bonne pratique de mettre à jour ses packages régulièrement. Cela peut notamment permettre de résoudre les problèmes d’installation évoqués supra, et de compatibilité entre packages.

Attention : mettre à jour ses packages n’est toutefois pas sans risque. Il arrive, notamment pour les packages qui sont en phase de développement actif (c’est-à-dire à peu près tous les packages…), qu’une mise à jour modifie le fonctionnement d’une fonction ou, plus généralement, affecte la capacité de vos “vieux” codes de s’exécuter sans heurt.

Bref, le conseil serait le suivant : mettre à jour régulièrement, mais en regardant attentivement la documentation des packages mis à jour, et pas juste avant de se remettre à travailler sur un code un peu ancien.

La procédure est simple : dans l’onglet “packages”, cliquez sur “Update” et sélectionnez les packages à mettre à jour. Le plus simple est de tout mettre à jour d’un coup… même si cela prend parfois “un certain temps”…

 

Et voilà ! Vous êtes désormais parés pour vous lancer dans une grande aventure quantitative avec R et RStudio !

Que vous soyez accompagné dans votre projet par un enseignant, ou que vous soyez seul face à vous-mêmes et à vos questions, deux outils vous seront très utiles pour la suite de l’aventure :

• Le manuel de Julien Barnier, Introduction à R et au tidyverse : https://juba.github.io/tidyverse ;
• Le site du projet collectif Analyse-R, dont les diverses fiches thématiques vous permettront de savoir tout ce que vous devez savoir pour vous lancer et approfondir certaines méthodes et techniques : larmarange.github.io/analyse-R.

Remerciements

Cet article a fait l’objet d’une relecture attentive de la part de Gabriel Alcaras, Samuel Coavoux et Pierre Mercklé. Qu’ils en soient ici bien amicalement remerciés. Les erreurs et autres inexactitudes qui y demeureraient sont bien évidemment de ma seule responsabilité…

---

---