conditions-et-comparaisons.Rmd

---
title: "Conditions et comparaisons"
---

```{r options_communes, include=FALSE}
source("options_communes.R")
```

Une condition est une expression logique dont le résultat est soit `TRUE` (vrai) soit `FALSE` (faux).

Une condition comprend la plupart du temps un 
<dfn>opérateur de comparaison</dfn><dfn data-index="comparaison, opérateur"></dfn>. 
Les plus courants sont les suivants :

Opérateur de comparaison  | Signification
:-----------|:-------------
`==` | égal à
`!=` | différent de
`>` | strictement supérieur à
`<` | strictement inférieur à
`>=` | supérieur ou égal à
`<=` | inférieur ou égal à

Voyons tout de suite un exemple :

```{r}
library(questionr)
data(hdv2003)
d <- hdv2003
str(d$sexe == "Homme")
```

Que s'est-il passé ? Nous avons fourni à **R** une condition qui signifie « la valeur de la variable *sexe*
vaut "Homme" ». Et il nous a renvoyé un vecteur avec autant d'éléments qu'il y'a d'observations dans `d`,
et dont la valeur est `TRUE` si l'observation correspond à un homme et `FALSE` dans les autres cas.

Prenons un autre exemple. On n'affichera cette fois que les premiers éléments de notre variable d'intérêt
à l'aide de la fonction `head`{data-pkg="utils"} :

```{r}
head(d$age)
head(d$age > 40)
```

On voit bien ici qu'à chaque élément du vecteur `d$age` dont la valeur est supérieure à 40 correspond
un élément `TRUE` dans le résultat de la condition.

On peut combiner ou modifier des conditions à l'aide des 
<dfn data-index="opérateur logique">opérateurs logiques</dfn><dfn data-index="logique, opérateur"></dfn> habituels :

Opérateur logique  |  Signification
:---------|:---------------
`&` | et logique
`|` | ou logique
`!` | négation logique

Comment les utilise-t-on ? Voyons tout de suite des exemples. Supposons que je veuille déterminer
quels sont dans mon échantillon les hommes ouvriers spécialisés :

```{r, results='hide'}
d$sexe == "Homme" & d$qualif == "Ouvrier specialise"
```

Si je souhaite identifier les personnes qui bricolent ou qui font la cuisine :

```{r, results='hide'}
d$bricol == "Oui" | d$cuisine == "Oui"
```

Si je souhaite isoler les femmes qui ont entre 20 et 34 ans :

```{r, results='hide'}
d$sexe == "Femme" & d$age >= 20 & d$age <= 34
```

Si je souhaite récupérer les enquêtés qui ne sont pas cadres, on peut utiliser l'une des deux formes
suivantes :

```{r, results='hide'}
d$qualif != "Cadre"
!(d$qualif == "Cadre")
```

Lorsqu'on mélange « et » et « ou » il est nécessaire d'utiliser des parenthèses pour différencier les
blocs. La condition suivante identifie les femmes qui sont soit cadre, soit employée :

```{r, results='hide'}
d$sexe == "Femme" & (d$qualif == "Employe" | d$qualif == "Cadre")
```

L'opérateur `%in%`{data-pkg="base" data-rdoc="match"} peut être très utile : 
il teste si une valeur fait partie des éléments d'un vecteur. Ainsi
on pourrait remplacer la condition précédente par :

```{r, results='hide'}
d$sexe == "Femme" & d$qualif %in% c("Employe", "Cadre")
```

Enfin, signalons qu'on peut utiliser les fonctions `table`{data-pkg="base"} ou `summary`{data-pkg="base"}
pour avoir une idée du résultat de notre condition :

```{r}
table(d$sexe)
table(d$sexe == "Homme")
summary(d$sexe == "Homme")
```