Permet d'extraire un bilan qualité à partir du fichier CSV contenant la matrice des diagnostics.
Arguments
- matrix_output_file
Chaîne de caracère. Chemin vers le fichier CSV contenant la matrice des diagnostics.
- file
Chaîne de caracère. Chemin vers le fichier CSV contenant la matrice des diagnostics. Cet argument remplace l'argument
matrix_output_file.- sep
séparateur de caractères utilisé dans le fichier csv (par défaut
sep = ";")- dec
séparateur décimal utilisé dans le fichier csv (par défaut
dec = ",")- thresholds
listde vecteurs numériques. Seuils appliqués aux différents tests afin de classer en modalitésGood,Uncertain,BadetSevere. Par défault, la valeur de l'option"jdc_threshold"est utilisée. Vous pouvez appeler la fonctionget_thresholdspour voir à quoi doit ressemble l'objetthresholds.
Value
Un objet de type QR_matrix.
Details
La fonction permet d'extraire un bilan qualité à partir d'un fichier csv contenant l'ensemble des diagnostics (généralement fichier demetra_m.csv).
Ce fichier peut être obtenu en lançant le cruncher
(cruncher ou
cruncher_and_param) avec l'ensemble des
paramètres de base pour les paramètres à exporter et l'option
csv_layout = "vtable" (par défaut) pour le format de sortie des
fichiers csv (option de cruncher_and_param ou de
create_param_file lors de la création du fichier
de paramètres).
Le résultat de cette fonction est un objet QR_matrix qui est
une liste de trois paramètres :
le paramètre
modalitiesest undata.framecontenant un ensemble de variables sous forme catégorielle (Good, Uncertain, Bad, Severe).le paramètre
valuesest undata.framecontenant les valeurs associées aux indicateurs présents dansmodalities(i.e. : p-valeurs, statistiques, etc.) ainsi que des variables qui n'ont pas de modalité (fréquence de la série et modèle ARIMA).le paramètre
score_formulaest initié àNULL: il contiendra la formule utilisée pour calculer le score (si le calcul est fait).
Si x est fourni, les arguments fichier et
matrix_output_file sont ignorés. L'argument fichier désigne
également le chemin vers le fichier qui contient la matrice de diagnostic
(qui peut être importée en parallèle dans R et utilisée avec l'argument
x).
Examples
# Chemin menant au fichier demetra_m.csv
demetra_path <- file.path(
system.file("extdata", package = "JDCruncheR"),
"WS/WS_world/Output/SAProcessing-1",
"demetra_m.csv"
)
# Extraire le bilan qualité à partir du fichier demetra_m.csv
QR <- extract_QR(file = demetra_path)
#> Multiple column found for extraction of diagnostics.seas-i-qs:2, diagnostics.seas-i-qs
#> Last column selected
#> Multiple column found for extraction of diagnostics.seas-i-f:2, diagnostics.seas-i-f
#> Last column selected
print(QR)
#> The quality report matrix has 6 observations
#> There are 18 indicators in the modalities matrix and 20 indicators in the values matrix
#>
#> The quality report matrix contains the following variables:
#> series residuals_homoskedasticity residuals_skewness residuals_kurtosis residuals_normality residuals_independency qs_residual_s_on_sa f_residual_s_on_sa qs_residual_sa_on_i f_residual_sa_on_i f_residual_td_on_sa f_residual_td_on_i oos_mean oos_mse q q_m2 m7 pct_outliers frequency arima_model
#>
#> The variables exclusively found in the values matrix are:
#> frequency arima_model
#>
#> No score was calculated
# Extraire les modalités de la matrice
QR[["modalities"]]
#> series residuals_homoskedasticity residuals_skewness
#> 1 Siachen Glacier (frozen) Good Good
#> 2 Nagorno-Karabakh (frozen) Good Good
#> 3 Mongolia (frozen) Good Good
#> 4 India (frozen) Good Good
#> 5 Nepal (frozen) Uncertain Uncertain
#> 6 Philippines (frozen) Uncertain Good
#> residuals_kurtosis residuals_normality residuals_independency
#> 1 Good Good Good
#> 2 Good Good Good
#> 3 Good Good Bad
#> 4 Good Good Uncertain
#> 5 Good Good Good
#> 6 Good Good Uncertain
#> qs_residual_s_on_sa f_residual_s_on_sa qs_residual_sa_on_i f_residual_sa_on_i
#> 1 Good Good Good Good
#> 2 Good Good Good Good
#> 3 Severe Good Good Good
#> 4 Good Good Good Good
#> 5 Good Good Good Good
#> 6 Good Good Good Good
#> f_residual_td_on_sa f_residual_td_on_i oos_mean oos_mse q q_m2 m7
#> 1 Good Good Good Good Good Good Good
#> 2 Good Good Good Good Good Good Good
#> 3 Good Good Good Good Good Good Good
#> 4 Good Good Good Good Good Good Good
#> 5 Good Good Good Good Good Good Good
#> 6 Good Uncertain Good Good Good Good Good
#> pct_outliers
#> 1 Bad
#> 2 Bad
#> 3 Good
#> 4 Bad
#> 5 Bad
#> 6 Uncertain
# Or:
QR[["modalities"]]
#> series residuals_homoskedasticity residuals_skewness
#> 1 Siachen Glacier (frozen) Good Good
#> 2 Nagorno-Karabakh (frozen) Good Good
#> 3 Mongolia (frozen) Good Good
#> 4 India (frozen) Good Good
#> 5 Nepal (frozen) Uncertain Uncertain
#> 6 Philippines (frozen) Uncertain Good
#> residuals_kurtosis residuals_normality residuals_independency
#> 1 Good Good Good
#> 2 Good Good Good
#> 3 Good Good Bad
#> 4 Good Good Uncertain
#> 5 Good Good Good
#> 6 Good Good Uncertain
#> qs_residual_s_on_sa f_residual_s_on_sa qs_residual_sa_on_i f_residual_sa_on_i
#> 1 Good Good Good Good
#> 2 Good Good Good Good
#> 3 Severe Good Good Good
#> 4 Good Good Good Good
#> 5 Good Good Good Good
#> 6 Good Good Good Good
#> f_residual_td_on_sa f_residual_td_on_i oos_mean oos_mse q q_m2 m7
#> 1 Good Good Good Good Good Good Good
#> 2 Good Good Good Good Good Good Good
#> 3 Good Good Good Good Good Good Good
#> 4 Good Good Good Good Good Good Good
#> 5 Good Good Good Good Good Good Good
#> 6 Good Uncertain Good Good Good Good Good
#> pct_outliers
#> 1 Bad
#> 2 Bad
#> 3 Good
#> 4 Bad
#> 5 Bad
#> 6 Uncertain